Python面试题库-持续更新中

问题描述

1. Python3里面的GIL锁是什么，怎么避免这个问题？
2. Mysql索引，Django的model层如何加索引，怎么运用到mysql中呢？
3. 索引为什么快？是怎么实现的？

---

题解分析：

题解1：Python3里面的GIL锁是什么，怎么避免这个问题？

是什么： Python中的GIL（Global Interpreter Lock，全局解释器锁）是CPython解释器（Python的默认实现）中的一个机制，它确保同一时刻只有一个线程执行Python字节码。GIL的设计初衷是为了简化CPython的内存管理（如引用计数）并避免多线程竞争问题，但它也导致多线程程序在CPU密集型任务中无法充分利用多核CPU。
怎么避免：

1. 使用多进程替代多线程（不推荐，多进程不仅占用内存多，而且复杂）
2. 使用Numpy等高效库：其底层C实现会释放GIL，多线程处理数组时可能并行。
3. 分布式任务队列（如Celery）：将任务分发到多台机器执行。
4. 使用C扩展绕过GIL（干一些不需要操作python对象的 数据计算的活）

题解2：Mysql索引，Django的model层如何加索引，怎么运用到mysql中呢？

代码示例：

from django.db import models

class User(models.Model):
    name = models.CharField(max_length=100)
    email = models.CharField(max_length=100)
    created_at = models.DateTimeField(auto_now_add=True)

    class Meta:
        # 单字段索引
        indexes = [
            models.Index(fields=['name']),
        ]
        # 联合索引（多字段）
        indexes = [
            models.Index(fields=['name', 'email']),
        ]
        # 唯一索引
        indexes = [
            models.Index(fields=['email'], name='unique_email_idx', unique=True),
        ]

如何应用到Django

python manage.py makemigrations   # 生成迁移脚本
python manage.py migrate   

引申知识

1. 选择合适的字段

高频查询字段： WHERE、JOIN、ORDER BY、GROUP BY 涉及的字段。
高区分度字段： 字段值重复率低（如用户ID、邮箱）。
避免冗余索引： 联合索引 (A,B) 可替代单独的 (A) 索引。

2. 索引类型选择

索引类型	适用场景
普通索引（INDEX）	常规查询优化
唯一索引（UNIQUE）	确保字段唯一性（如邮箱、手机号）
全文索引（FULLTEXT）	文本内容搜索（需使用MyISAM或InnoDB）
联合索引	多条件组合查询

题解3：索引为什么快？是怎么实现的？

索引之所以能够大幅提升数据库查询速度，其核心原理在于通过高效的数据结构减少数据检索的扫描范围。

一、索引的底层数据结构

B+树：关系型数据库的核心结构

• 树形分层：B+树是多层平衡树（通常3~4层），每层存储索引键值和子节点指针。
• 有序性：所有叶子节点按索引键值排序，形成双向链表，支持高效范围查询。

示例：假设一个B+树高度为3，每页（16KB）存储1000个键值：

根节点（1页） → 1000个子节点

中间层（1000页） → 1000×1000=1,000,000个子节点

叶子层（1,000,000页） → 存储实际数据或数据指针

只需3次磁盘I/O即可定位到10亿级数据中的某一行。

• 哈希索引：精确匹配的极速方案
• O(1)时间复杂度： 通过哈希函数直接定位数据位置。
• 局限性： 不支持范围查询，仅适用于等值查询（如WHERE id = 123）。

索引加速查询的三大机制

1. 减少磁盘I/O次数

• **全表扫描：**若表有1亿行，需读取所有数据页（假设每页100行，需100万次I/O）。
• **索引扫描：**通过B+树定位到目标数据，仅需3~4次I/O（树高决定）。

2. 有序性优化范围查询

-- 范围查询示例：查找2023年的订单
SELECT * FROM orders WHERE order_date BETWEEN '2023-01-01' AND '2023-12-31';

• 无索引： 逐行扫描所有记录。
• 有索引： 定位到2023-01-01的叶子节点，沿双向链表向后遍历至2023-12-31。

3. 覆盖索引（Covering Index）

• 无需回表：若索引包含查询所需的所有字段，直接返回索引数据。

-- 假设索引为 (user_id, name)
SELECT name FROM users WHERE user_id = 100;
-- 直接从索引叶子节点读取name，无需访问数据行。

索引的代价

1. 写操作成本
   插入/更新/删除： 需维护B+树结构，可能触发节点分裂或合并。

示例：插入一条新记录到中间位置，可能导致叶子节点分裂为两页。

2. 空间占用
   索引大小：一个联合索引(a,b,c)占用的空间可能超过原数据表。

---