复盘女朋友面试4个月的Mysql面试题（1万字）

背景

自从3月底女朋友被公司通知裁员到现在已经接近4个月了，找工作的这四个月我非常难受，我女朋友更加难受，特别是前两个月每天过的的非常煎熬，女朋友在上家公司呆了4年多了，我和她都没想到会发生这事，居然通知3天就要走人，当时毫无心理准备，一开始的时候心里天天想ma xx 千万遍。

女生在程序员行业面试机会相对较少，但是女朋友一直都没有放弃，中间不断调整心态，还好皇天不负有心人，经过最近两个月的精心准备，女朋友找好工作了，而且是头部上市医药公司，和之前大健康行业也匹配，薪资也上浮了一点。所以我们相信只要准备好了，机会一定会有的。

最近4个月，女朋友面试了杭州，上海，广州深圳等大大小小几十个公司，虽然也拿了大概10多个offer,但是整个过程还是非常心累的，基本每天都是在刷题中度过，由于女朋友之前公司呆了4年，期间没有任何去准面试相关的题目，特别是最近几年8股文越来越多，所以前面两个月主要是在复习和整理知识的阶段，到6月才陆续进入较好的面试状态了，通过这次也告诉我们，就算不打算看机会，也要时刻保持和市场接触，了解岗位相关的知识。

接下来的文章，我将整理女朋友最近面试过的相关面试题，方便以后时刻能找着记录。今天就从Mysql专题开始，Mysql是Java后端工程师面试必备的一个知识，面试题也相对比较多。

下面思维导图就是从女朋友面试的题目中整理出来的Mysql相关面试题，确实是非常高频的题目，有需要的朋友记得收藏起来哦。

进入正题-Mysql面试题复盘

架构相关面试题

• Mysql架构简述

  这个题目一般是面试官开始进入Mysql面试的开场题，通过这个题目引入Mysql的话题，同时可以考察面试者对Mysql整体结构的认知情况。

  在Mysql官网有架构图，我们回答问题前可以自己在脑袋里回想一下这个图。 dev.mysql.com/doc/refman/...

从官方图可以看出Mysql是一种C/S架构，mysql本质上是一个数据存取系统，连接磁盘和客户端，完成数据存储和查询。总体上采用了分层的架构模式，从上往下分别是连接层，服务层，还有最核心的一层就是可插拔式的存储引擎层。

这里如果对各个层比较熟悉的话，可以和面试官聊一下各个层的作用。

连接层：负责客户端连接请求处理，认证，要使用mysql，一般通过账号密码先和mysql服务器经过tcp三次握手建立通信连接，然后就可以交换请求数据了。
服务层：服务层提供了存储数据的接口，sql解析器，查询优化器，缓存等组件
存储引擎层：负责存取数据，实现与磁盘等存储设备交互。常用的存储引擎有Innodb,MyISAM，有些面试官可能还会问不同存储引擎的区别。

• Mysql高可用架构

这个问题还是比较考验知识的深度和广度的。什么是高可用？我们先看看高可用的定义：

高可用性简称HA,简单的说就是一个系统尽可能提供更长的正常在线访问时长的能力。通过一些容错手段来实现高可用。通常用几个9来表示一个软件系统高可用的程度。

如果能达到5个9，一年只能有5分钟15s不可用，我们的系统已经非常强悍了。

为什么Mysql需要做高可用呢？

Mysql作为大部分企业业务数据的持久化存储介质，高可用能力是必须具备的。

在大型的企业应用中，可能有成百上千的数据库，每个数据库可能都承担了非常重要的业务数据存储和查询功能，比如电商公司里的用户数据，商品数据，交易数据，优惠券数据，会员数据等等。

高可用需要考虑哪些因素？

一、需要集群部署模式，避免单点故障，如果是单机部署，那么单点故障就没法实现高可用了。

二、需要主从同步数据机制，保证主从节点的数据具有一致性

三、自动选主能力，需要具备自动故障转移failover的能力

第一，二两点官方就提供支持，可以实现多个节点和主节点数据一致。 dev.mysql.com/doc/refman/...

Mysql支持以binlog 偏移量和全局事务gtid两种形式的数据复制。

gtid代表全局事务id，每个数据库变更都会生成一个gtid，也是存在binlog文件中。

gtid数据格式:

GTID = source_id:transaction_id

例如：3E11FA47-71CA-11E1-9E33-C80AA9429562:23

存储在mysql数据库的gtid_executed表中。

比如数据从数据库A同步到数据库B

以全局事务id同步方式为例，实现数据同步的步骤如下：

第一步：在A,B数据库配置文件中，开启打开全局事务id模式

gtid_mode=ON 
enforce-gtid-consistency=ON

第二步：开启副本节点自动定位

mysql> CHANGE MASTER TO 
> MASTER_HOST = *host*, 
> MASTER_PORT = *port*, 
> MASTER_USER = *user*, 
> MASTER_PASSWORD = *password*, 
> MASTER_AUTO_POSITION = 1;

第三步：开启slave节点

mysql> START SLAVE;

配置好了，数据同步就会正常进行了。后续主从同步通过binlog数据实现的，binlog格式有三种。

raw:记录的是被操作的数据行的主键id以及执行的server id

statment:当binlog_format=statement时，binlog里面记录的就是SQL语句的原文。

mix:折中statement和row。

复制数据过程是通过多个线程处理的，分别是dump线程，io线程，sql线程，在官网有说明 dev.mysql.com/doc/refman/...

复制数据的过程如下：

上面已经知道了主从复制的能力，具备了数据备份和避免单点故障的功能，但是如果主节点出现故障，还需要从节点选举新的主节点的能力。

Mysql Cluster是官方的实现的高可用方案，它提供了自动选举主节点的功能。在mysql 8.0之后推出了innodb ha，它是mysql官方提供的高可用方案。

下面我们看看他的组成：

那么成熟的高可用方案还有有哪些？

在博主从事的公司中，大多数还是买的云产品，比如腾xun云，阿li云，他们提供的Mysql数据库都是支持高可用的.

开源的产品有：MysqlCluster、 MHAMHA（Master High Availability）、Galera Cluster

• Mysql分库分表方案

这个问题考察的知识也比较多，随着公司业务的增长，分库分表是提升系统吞吐量和稳定性必须经历的一个过程，Mysql分库分表主要有垂直拆分和水平拆分两种形式。

我们以单个业务领域内来说明，比如电商公司的会员域，优惠券域，在分库分表中，需要弄明白一些问题，这样就可以知道分库分表的方案了：

1、数据库需要分多少库，每个表需要分多少张表。

这个点需要分析目前业务数据的总量，增量情况，同时还要知道目前数据库的总qps,tps。 比如优惠券库，用户优惠券表数据存量在4亿，日增量500万，总qps是10000，如果我们拆8个库，每个库有8张用户券表，每个库需要存5000万数据，每个表需要存约600万行记录，每个库需要承担的qps约1200。 假设4c8g的数据库支持该qps。 我们接着分析数据增长情况，假如按这种模式分库分表，那么1个月增量是1.5亿，6个月是9亿数据，那么每个库需要存储1.1亿数据，每个表存1300万数据了。因为mysql是使用b+树作为存储结构，3层B+树支持1000万级别的数据存储，因此如果按这个方案存6个月数据，6个月之前的数据归档到冷数据库，保证6个月的数据在每个表存储量在千万级别，这样是可行的。

2、业务主要按什么条件查询，也就是选择哪个属性作为分片key。 这个需要按照业务实际情况分析，比如用户优惠券，用户在C端都是通过userId查看自己的优惠券信息，因此我们可以使用userId作为分片key,但是在客服后台，用户也可能按时间按券模板等字段查看，这种情况最好是将用户优惠券数据同步到es这种快速检索存储系统上，可以丰富后台查询的使用场景。

3、第三个就是选择一个分库分表中间件了。 分库分表数和分片key都确定好了，我们就可以选择一种分库分表的中间件来实现这个需求了。最常用的有mycat,shardingjdbc，有些公司会自研，有些公司也会使用云上的产品，比如阿里的drds,tidb等

索引相关面试题

• 索引有哪些类型？

这个问题我认为按如下方式回答会比较全面

1. 根据底层数据结构可分为：B+ tree 索引、Hash 索引、Full-Text 索引；
2. 根据物理存储方式可分为：聚簇索引、二级索引（辅助索引、非聚簇索引）；
3. 根据索引字段特性可分为：主键索引、普通索引、唯一索引、前缀索引；
4. 根据索引组成的字段个数可分为：单列索引、联合索引（复合索引、组合索引）。

• 索引实现原理

innodb底层使用B+树作为索引的存储数据结构，改良版的多路平衡二叉树，比B树的性能更好。 特点如下：

1、关键字数和路数相等。B树存储更多关键字，路树更多，B+树也做到了。

2、只有叶子节点才存储数据，其他节点存关键字。

3、叶子节点保存了相邻节点的指针，形成了双向链表，更好的支持范围查找和排序。

• 一个3层的B+树，可以存储多少行记录呢？

回答这个问题，需要明白在innodb中采用页来作为磁盘和内存的交换基本单位的。 1kb(千字节)=1024Byte（字节）=8192b（比特位）

16kb(千字节)=16384Byte(字节)=131072b（比特位）

前提： 数据库最小单位1页=16kb千字节=16384字节，假如一个表主键索引（bigint类型）占有8Byte，同时假设页指针也是8Byte，共16Byte。那么1页16k=16384字节可用存约1000个关键字；

假设1条记录占1k,那么1页16k可存约16条记录。

所以三层的B+树就可以存储千万行记录了。

• 索引失效的场景

这个题除了考虑一些经验以及对Mysql优化器的了解：

1、字符串不加引号，出现隐式转换

2、索引列使用函数

3、like查询，前面加%，这种情况可能用索引（索引条件下推），需要sql优化器来决定

提示优化器使用索引的方式：

1、Use Index(index_name) 查询优化器不一定使用

2、Force Index(index_name) 查询优化器一定会使用，索引就是不生效，索引数据在更新数据后需要维护，可能维护不及时，可以使用analyze table table_name; 操作，或者是mysql的sql优化器是基于开销的优化器，如果优化器认为走全表索引性能更高，则会走全表扫描，不会走指定的索引。

锁相关面试题

• 什么是间隙锁，临键锁，记录锁 在数据库中有表锁，行锁，间隙锁，临键锁，记录锁是指不同的行锁。

首先说说记录锁，记录锁比较好理解，它是锁独立的记录，锁的是主键索引或者唯一索引，如果我们根据主键索引和唯一索引记录操作数据的时候，那么会加记录锁。

间隙锁，锁住的是一个范围，比如下面user表，有3条记录

分为4个区间（负无穷，1),(1,5),(5,9),(9,正无穷),也就是区间数=记录数+1。

那么插入一条记录主键为4的数据时候，这个时候会锁住区间(1,5)，不包含具体的记录,这就是间隙锁，这样可以解决幻读的问题。

临键锁是记录锁+间隙锁的组合，它也叫next-key锁，它是左开右闭的区间。比如插入数据主键为4的记录，那么会锁住(1,5]区间的索引。

我们可以通过系统参数查看锁的状态，验证加锁情况。

# 设置数据库系统参数，记录锁的状态信息
set global innodb_status_output = on;
set global innodb_status_output_locks = on;

# 可以查看加了有哪些锁？
show engin innodb status;

事务相关面试题

• 事务隔离级别

隔离级别是数据库的一个标准，分别有读未提交，读已提交，可重复读，序列化读四种级别，不同的隔离级别会产生不同的问题，比如脏读，不可重复读，幻读问题。

• 什么是脏读，幻读，Mysql是怎么解决的？

脏读是指一个事务读到其他事务未提交的数据。mysql通过mvcc机制解决了脏读的问题。mvcc是多版本并发机制，通过在事务开始时创建最新的一个readview,使用read view数据结构，read view里面存储了当前数据库已经提交的事务，这样可以保证读取已提交的事务。

幻读是指一个事务前后两次读取到其他事务新增的数据。mysql是通过间隙锁和临键锁来解决的。

Mysql优化相关

• 慢查询如何排查与处理

这个题目和实际工作非常接近，因为项目开发中避免不了写sql，在真实的线上环境也可能会遇到各种慢sql情况,你自己没发现,dba也会找上门来。

如果有真实解决过慢sql的案例，建议使用自己解决案例的例子来给面试官讲解。

mysql慢日志检测默认是关闭的，可以通过命令show variables like '%slow_query_log%';查看是否开启慢日志。

并且默认执行了10s以上的sql才会认为是慢sql。

我们可以通过修改slow_query_log、long_query_time参数来开启记录我们的慢sql。

[mysqlld] 
long_query_time=2 
#5.5及以上版本配置如下选项 
slow-query-log=On 

如果发现了慢sql我们怎么排查解决呢？

下面分析一个工作中实际遇到的慢sql例子。在项目中有权限表和角色权限表：

# 权限表
CREATE TABLE `t_permission` (

`id` bigint(20) NOT NULL AUTO_INCREMENT,

`name` varchar(64) NOT NULL COMMENT '名称',

`parentId` bigint(20) NOT NULL DEFAULT '0' COMMENT '上级id',

`url` varchar(256) DEFAULT NULL COMMENT '菜单为url',

`sort` int(5) DEFAULT NULL COMMENT '排序(从小到大)',

`code` varchar(64) DEFAULT NULL COMMENT '权限校验码',

`icon` varchar(32) DEFAULT NULL COMMENT '图标',

`sign` tinyint(4) DEFAULT NULL COMMENT '',

PRIMARY KEY (`id`)

) ENGINE=InnoDB AUTO_INCREMENT=321020301 DEFAULT CHARSET=utf8 COMMENT='权限表';

# 角色权限表
CREATE TABLE `t_role_permission` (

`id` bigint(20) NOT NULL AUTO_INCREMENT,

`roleId` bigint(20) NOT NULL COMMENT '角色ID',

`permissionId` bigint(20) NOT NULL COMMENT '权限表ID',

`gmt_create` datetime DEFAULT NULL COMMENT '创建时间',

`gmt_modified` datetime DEFAULT NULL COMMENT '修改时间',

PRIMARY KEY (`id`),

KEY `idx_roleId` (`roleId`)

) ENGINE=InnoDB AUTO_INCREMENT=83608 DEFAULT CHARSET=utf8 COMMENT='角色表';

当时的功能是查询某个角色下的权限，sql如下

SELECT

b.NAME AS label,

b.CODE AS VALUE,

b.id

FROM

t_role_permission a

JOIN t_permission b

ON a.permissionId = b.id

WHERE

a.roleId = 36

AND b.parentId = 219000002

ORDER BY

b.parentId,

b.sort;

首先是问题发现： 这个例子是我们使用后台菜单功能时候发现的，菜单加载非常慢，根据链路发现查询权限接口非常慢，发现有时候需要1sd。 由于这是业务系统的菜单和权限表，这两个表数据并不大。

a表7855条记录，b表676条记录

有了慢sql,我们就需要一个explain工具分析慢sql了。

我们使用 Explain ForMAT = JSON sql 来执行sql,这样执行计划是一个json格式的：

{
  "query_block": {
    "select_id": 1,
    "ordering_operation": {
      "using_temporary_table": true,
      "using_filesort": true,
      "nested_loop": [
        {
          "table": {
            "table_name": "a",
            "access_type": "ref",
            "possible_keys": [
              "idx_roleId"
            ],
            "key": "idx_roleId",
            "used_key_parts": [
              "roleId"
            ],
            "key_length": "8",
            "ref": [
              "const"
            ],
            "rows": 641,
            "filtered": 100
          }
        },
        {
          "table": {
            "table_name": "b",
            "access_type": "eq_ref",
            "possible_keys": [
              "PRIMARY"
            ],
            "key": "PRIMARY",
            "used_key_parts": [
              "id"
            ],
            "key_length": "8",
            "ref": [
              "notify_portal.a.permissionId"
            ],
            "rows": 1,
            "filtered": 100,
            "attached_condition": "(`notify_portal`.`b`.`parentId` = 219000002)"
          }
        }
      ]
    }
  }
}

从执行计划中，有几个关键的信息：

"using_temporary_table": true, "using_filesort": true,

using_temporary_table代表使用了临时表，using_filesort代表使用了非索引列排序。 sql对t_permission表parentId、sort字段进行了排序，同时查询结果都是b表的数据，但是在b表中除了主键索引，其他索引都没有，这个时候对t_permission增加一个组合索引。

ALTER TABLE `t_permission`
ADD INDEX `id_parent_id_name_code_code`(`parentId`, `name`, `code`,`sort`);

再看下执行计划

{
  "query_block": {
    "select_id": 1,
    "ordering_operation": {
      "using_filesort": false,
      "nested_loop": [
        {
          "table": {
            "table_name": "b",
            "access_type": "ref",
            "possible_keys": [
              "PRIMARY",
              "id_parent_id"
            ],
            "key": "id_parent_id",
            "used_key_parts": [
              "parentId"
            ],
            "key_length": "8",
            "ref": [
              "const"
            ],
            "rows": 1,
            "filtered": 100,
            "using_index": true,
            "attached_condition": "((`notify_portal`.`b`.`parentId` <=> 219000002))"
          }
        },
        {
          "table": {
            "table_name": "a",
            "access_type": "ref",
            "possible_keys": [
              "idx_roleId"
            ],
            "key": "idx_roleId",
            "used_key_parts": [
              "roleId"
            ],
            "key_length": "8",
            "ref": [
              "const"
            ],
            "rows": 641,
            "filtered": 100,
            "attached_condition": "(`notify_portal`.`a`.`permissionId` = `notify_portal`.`b`.`id`)"
          }
        }
      ]
    }
  }
}

这个时候看using_temporary_table和using_filesort提示都没有了。

结论：一开始查询时间极其不稳定，有几百毫秒的，有一秒多的通过新增联合索引后，优化后查询时间变得非常稳定，10几毫秒,去除了临时表，去除了非索引列排序。

• 数据库死锁如何排查处理

这个问题线上也遇到过，从死锁日志看，主要是批量插入一张表和更新同一个表数据的两个sql相互引起的。这个问题凭自己目前的知识水平很难讲清楚,这里就不详细分析了，哈哈。

Mysql是Java面试里最容易面试到的专题，把女朋友面试到的题记录下来，希望以后可以派上用场。