面试题-Mysql篇

news2026/4/4 8:34:15
什么是存储过程存储过程是一组SQL语句的集合它们在数据库中预先编译并存储。它们用于封装一组操作提高性能、减少网络流量并提供可重用的代码逻辑。存储过程还可以实现数据安全性和数据完整性。mysql如何查询最后一条数据使用ORDER BY根据id对数据进行降序排序然后limit1取出使用max函数查找最大的id然后条件查询如何定位慢查询使用mysql自带的慢日志查询功能可以在mysql的系统配置文件中开启这个慢日志的功能并且可以设置sql执行超过多少时间来记录到一个日志文件中一般设置为两秒。SQL语句执行慢如何分析可以使用mysql自带的explain命令去查看这条sql的执行情况首先可以通过key和key_len检查是否命中了索引如果本身已经添加了索引也可以判断索引是否有失效的情况第二可以通过type字段查看sql是否有进一步的优化空间是否存在全表扫描或全索扫描第三可以通过extra建议来判断是否出现了回表的情况如果出现了可以尝试添加索引或修改返回字段来修复了解过索引吗(什么是索引)索引是帮助mysql高效获取数据的数据结构主要用来提高数据检索的效率降低数据库的IO成本同时通过索引列对数据进行排序降低数据排序的成本也降低了CPU的消耗索引的底层数据结构了解过吗?mysql默认的存储引擎是InnoDB,采用了B树的数据结构来存储索引选择B树主要的原因是阶层更多路径更短。磁盘读写代价更低非叶子节点只存储指针叶子节点存储数据。B树便于扫库和区间查询叶子节点是一个双向链表B树和B树的区别是什么第一在B树中非叶子节点和叶子节点都能存储数据而在B树中只能在叶子节点上存储数据B树查找效率更稳定第二在进行范围查询的时候B树效率更高因为B树数据都在叶子节点存储并且叶子节点是一个双向链表什么是聚集索引什么是(二级索引)非聚集索引聚集索引是指数据与索引放到一起B树的叶子节点保存了整行数据有且只有一个一般情况下主键为聚集索引二级索引(非聚集索引)指的是数据与索引分开存储B树的叶子节点只保存对应的主键可以有多个一般我们自己定义的索引都是二级索引什么是回表查询通过二级索引找到对应的主键然后再通过该主键找到聚集索引中对应的整行数据这个过程就是回表什么是覆盖索引覆盖索引指的是在查询的时候使用到了索引并且在返回的列中必须在索引中全部能够找到如果我们使用主键查询它会直接走聚集索引查询一次索引扫描直接返回数据效率高mysql超大分页怎么处理先分页查询数据的id字段确定了id之后再用子查询来过滤然后只查询这个id列表中的数据就可以了索引创建原则有哪些一般在where、order by 、group by、join这些字段上创建索引创建索引时一般使用复合索引创建一条sql的返回值尽量使用覆盖索引如果某一个字段的内容较长也可以使用前缀索引当然并不是所有的字段都要添加索引这个索引的数量也要控制因为添加索引也会导致新增改的速度变慢什么情况下索引会失效复合索引在使用的时候没有遵循最左匹配法则复合索引在使用时中间使用了范围查询右边的条件索引也会失效模糊查询以%开头在添加索引的字段上进行了运算操作或类型转换事务的特性是什么可以详细说明一下吗事务的 ACID 特性原子性Atomicity指事务不可分割要么全做要么全不做一致性Consistency指事务前后数据完整性约束不被破坏隔离性Isolation指并发事务之间互不干扰持久性Durability指事务提交后数据永久保存即使宕机也不会丢失并发事务带来哪些问题并发事务会带来三个经典问题脏读读到未提交的数据、不可重复读同一行数据两次读取结果不同和幻读两次查询记录数不同怎么解决并发事务带来的这些问题mysql的默认隔离级别是?解决方案是对事务进行隔离,mysql支持四种隔离级别分别有读未提交(read uncommitted)它解决不了并发事务带来的所有问题一般项目也不用这个读已提交(read committed)它能解决脏读的问题但是不能解决不可重复读和幻读可重复度(repeatable read)它能解决脏读和不可重复读但是解决不了幻读这个也是mysql的默认隔离级别串行化(serializable)它可以解决并发事务带来的所有问题但是由于事务穿行执行性能低所以我们一般用的都是mysql默认的隔离级别:可重复读undo log和redo log的区别redo log日志记录的是数据页的物理变化服务宕机可用来同步数据而undo log记录的是逻辑日志当事务回滚时同过逆操作恢复原来的数据比如我们删除一条数据的时候就会在undo log日志文件中增加一条insert语句如果发生回滚就执行逆操作redo log保证了事务的持久性undo log保证了事务的原子性同时也为mvcc提供历史版本数据支持数据隔离性。事务中的隔离性是如何保证的?(解释一下mvcc)隔离性由 MVCC 和锁共同保证。MVCC 是多版本并发控制核心三部分隐藏字段每行数据有 trx_id事务ID和 roll_pointer回滚指针undo log记录数据的历史版本通过 roll_pointer 形成版本链。Read View判断当前事务应该看到哪个版本。不同的隔离级别Read View 是不一样的READ COMMITTED 每次快照读都生成新的 Read ViewREPEATABLE READ 只在事务第一次快照读时生成后续复用。主从同步原理mysql主从复制的核心是二进制日志binlog,binlog记录了所有的DDL语句和DML语句大概的流程是主库在事务提交时会把数据变更记录在Binlog中从库读取主库的Binlog,写入到从库的中继日志Relay Log从库重做中继日志中的事件保证与主库的数据一致创建索引新建表中添加索引CREATETABLEtable_name(column1 datatype,column2 datatype,INDEXindex_name(column1,column2,...));在已建表中添加索引CREATEINDEXindex_nameONtable_name(column1,column2,...);以修改表的方式添加索引ALTERTABLEtable_nameADDINDEXindex_name(column1,column2,...);

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2472953.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…