MySQL数据库面试知识整理

其他 2021-03-06 22:26:24 阅读次数: 0

知识大纲

  • 熟悉基本 SQL 操作包括增删改查（insert、delete、update、select语句），排序 order，条件查询（where 子语句），限制查询结果数量（LIMIT语句）等
  • 稍微高级一点的 SQL 操作（如Group by，in，join，left join，多表联合查询，别名的使用，select 子语句等）
  • 索引的概念、索引的原理、索引的创建技巧
  • 数据库本身的操作，建库建表，数据的导入导出
  • 数据库用户权限控制（权限机制）
  • MySQL的两种数据库引擎的区别
  • SQL 优化技
  • MySQL索引方法？索引的优化？
  • InnoDB与MyISAM区别？
  • 事务的ACID
  • 事务的四个隔离级别
  • 查询优化(从索引上优化，从SQL语言上优化)
  • B-与B+树区别？
  • MySQL的联合索引(又称多列索引)是什么？生效的条件？
  • 分库分表

MySQL 数据库增删改查语句

查看数据库

show databases; 

使用数据库

use 数据库名;

创建数据库

DROP DATABASE 数据库名;

创建表


create table 表名(
    列名1 类型(长度) [约束],
    列名2 类型(长度) [约束],
    ……
);

CREATE TABLE Persons
(
PersonID int,
LastName varchar(255),
FirstName varchar(255),
Address varchar(255),
City varchar(255)
);

长度区别
int类型带长度：不影响存取值，即使设定的值超出了长度的范畴，也能存，如果没有达到设定的长度，则使用空格自动填充到设定的长度
char类型：不可变字符，设定的长度就是规定当前字段能存的数据的最大长度，若超出长度，则会报错，若没有达到长度，使用空格填充到设定的长度
varchar：可变字符，设定的长度同样是规定当前字段能存的数据的最大长度，若超出长度，则会报错，若没有达到长度，不会使用空格填充，实际多长就是多长

删除表

DROP TABLE 表名;

表约束

1.非空约束    NOT NULL

2.默认值约束  DEFAULT '男'

3.唯一约束    UNIQUE

4.主键约束    PRIMARY KEY
查看表结构

DESC 表名

修改表
修改列名

Alter table 表名  change 列名  列名  新类型;

修改列类型

Alter table 表名  modify  列名  新类型;

查询表中全部信息

select * from 表名;

查询表中指定列的信息

select 列1,列2 from 表名;

语句的执行顺序：from—>select

数据去重

select distinct 列…. From 表名;

拼接结果

select concat(列1,列2) from 表名;

条件查询

select 列… from 表名 where 条件;  

条件中比较运算符：( 等于:=  大于:>  大于等于:>=  小于:<  小于等于:<=  不等于:!= 或 <>  )

where 列  比较运算符  值;

注意:字符串、日期需使用单引号括起来
语句的执行顺序：from—>where—>select

逻辑运算符( 并且:and 或 &&   或:or    非:not 或 !    )

where 条件1  逻辑运算符  条件2;  
where not 条件; 

范围查询

where 列 between 条件1  and 条件2;          //列在这个区间的值
where 列 not between 条件1 and 条件2;    //不在这个区间
where !( 列 between 条件1 and 条件2 );     //同样表示不在这个区间

集合查询( 判断列的值是否在指定的集合中 )

where 列 in(值1,值2);          //列中的数据是in后的值里面的
where 列 not in(值1,值2);   //不是in中指定值的数据

NULL值查询( 注意：列中值为null不能使用=去查询 )

where 列 is null;  //查询列中值为null的数据

模糊查询
%：表示0到多个字符，示例：

where 列 like '%0';   //表示以0结尾
where 列 like  '0%';   //表示以0开头
where 列 like  '%0%';   //表示数据中包含0

_：表示一个字符，可多次使用，示例：

where 列 like '%0_';   //数据结尾第二位是0

结果排序( 对查询出的结果按照一列或多列进行升序还是降序排列 升序:asc  降序:desc    注意：不能使用中文的别名排序)

where 条件 order by 列 [asc/desc]

语句的执行顺序：from—>where—>select—>order by

分页查询( beginIndex:表示从第多少条数据开始   pageSize:表示每页显示的数据条数 )

where [条件] limit beginIndex,pageSize;
ex：每页显示3条数据
第一页: SELECT * FROM 表名 LIMIT 0,3    --0,1,2
第二页: SELECT * FROM 表名 LIMIT 3,3    --3,4,5
第三页: SELECT * FROM 表名 LIMIT 6,3    --6,7,8
第四页: SELECT * FROM 表名 LIMIT 9,3    --9,10,11 
  ……
第七页: SELECT * FROM 表名 LIMIT 18,3   --18,19,20
 

beginIndex公式：(当前页数-1)*pageSize

聚集函数( 作用于一组数据，并对一组数据返回一个值 )

COUNT:统计结果记录数，若统计的是列，列中为Null，那么count将不会计算值
MAX:  统计计算最大值
MIN:  统计计算最小值
SUM:  统计计算求和
AVG:  统计计算平均值

分组函数( 注意：如果要对分组后的数据进行筛选，那么必须使用having关键字，条件写在having后 )

select 聚集函数 from 表名 where [条件] group by 列 having 分组后的条件

语句的执行顺序：FROM—> WHERE—>group by---->Having—>SELECT-->ORDER BY
===============================数据查询-多表===============================
交叉连接:又名笛卡尔积，使用交叉连接会产生笛卡尔积
假设集合A={a, b}，集合B={0, 1, 2}，则两个集合的笛卡尔积为{(a, 0), (a, 1), (a, 2), (b, 0), (b, 1), (b, 2)}。

select *  from 表1,表2

内连接：过滤为空的数据(查询的实际上是两张表数据的交集部分)    目的 ==》解决笛卡尔积现象，正确查询了需要的数据
 

select * from 表1,表2  where 表1.字段=表2.字段;  //隐式内连接,使用where条件消除笛卡尔积
select * from 表1 [inner] join 表2 on 表1.字段=表2.字段;  //显式内连接,如果是多张表，则一直在join..on后依次添加join..on即可,inner关键字可被省略

外连接：左外连接、右外连接、全外连接
左外连接:以左边表为主，返回左边表中所有数据，若右表中无数据，则显示为NULL，请参考实际查询结果来理解

select * from 表1 left [outer] join 表2 on 表1.字段=表2.字段;   //表1为左表，表2为右表,outer关键字可被省略

右外连接：以右边表为主，返回右表中所有数据，若左表中无数据，则显示为NULL，结合实际查询结果来理解

select * from 表1 right [outer] join 表2 on 表1.字段=表2.字段;  //表1为左表，表2为右表,outer关键字可被省略

全外连接：返回涉及的多表中的所有数据，MYSQL中不支持该查询，仅限了解自连接：单表当作多表查询，直白的讲就是一张表中数据含有多种关系，使用多表查询的语法，来查询一张表，查询过程中一定要使用别名
多用在分类数据、省市县分类数据、权限…

select 表1.字段1,表2.字段2 from 表名 as 表1,表名 as 表2 where 表1.字段1=表2.字段2

子查询：将一个查询结果作为另一个查询的对象，直白的讲就是SQL语句嵌套

select * from (select * from 表名) as 别名

select * from where 条件->条件中包含查询语句

注意：1.查询结果的虚拟表必须取别名
           2.字段与关键字一样，冲突时，需要给字段名加``,(Esc键下面、1的左边)
           3.如果给虚拟结果表中的字段取了别名，则对虚拟结果表查询时，应该用 表别名.虚拟表字段别名

===============================插入数据===============================

insert into 表名(字段1,字段2..) values(值1,值2…);    

注意： 1.如果插入的表中的主键是自增类型的，可以不用插入值
            2.如果主键是非自增 ，插入的数据则是填补主键字段值空余的值
            3.如果主键设置了自动递增，会从主键字段最大值开始插入数据

其他插入方式：

insert into 表名(字段1,字段2) values(值1,值2),(值1,值2);     //插入多条数据【MYSQL】
insert into 表名 values(值1,值2);                    //针对全表所有字段进行插入操作
insert into 表名(字段) select 字段 from 表2;         //查询结果插入
insert into 表名 select 字段 from 表2;               //查询结果，全表插入

===============================修改数据===============================

update 表 set 字段=值 where 条件;  //带条件修改指定数据，否则修改全表

===============================删除数据===============================

delete from 表 where 条件;  //删除数据带条件指定数据，否则删除全表数据

===============================数据备份===============================

在命令行窗口进行，若操作系统版本高，则使用管理员模式
导出：

mysqldump -u账户 -p密码 数据库名称>脚本文件存储地


ex:         mysqldump -uroot -proot jdbcdemo> C:/shop_bak.sql
导入：

mysql -u账户 -p密码 数据库名称< 脚本文件存储地址


ex:         mysql -uroot -proot jdbcdemo< C:/shop_bak.sql
使用可视化导入导出：
Navicat工具的导入和导出/Navicat工具的备份和还原

===============================数据索引===============================
索引的作用相当于图书的目录，可以根据目录中的页码快速找到所需的内容

什么列适合建索引？？
1.表的主键、外键必须有索引；
2.数据量超过30000的表应该有索引；
3.经常与其他表进行连接的表，在连接字段上应该建立索引；
4.经常出现在Where子句中的字段，特别是大表的字段，应该建立索引；
5.索引应该建在选择性高的字段上；
6.索引应该建在小字段上，对于大的文本字段甚至超长字段，不要建索引； 

sql语句创建和删除索引：

创建索引: 

CREATE INDEX 索引名称 ON 表名 (列名)

删除索引:
方式一：

DROP INDEX 索引名 ON 表名 

方式二:  

ALTER TABLE 表名 DROP INDEX 索引名

MySQL的架构

这里写图片描述

MySQL的架构分三层，最上层是采用客户端和服务端的交互模式，响应请求；中间层是核心，用于实现查询解析，缓存，优化等；第三层是存储引擎，负责数据的存储和提取。

索引方法


顺序索引(稠密索引和稀疏索引)


顺序索引的方式和操作系统内存管理的分页机制比较相似。稠密索引就是给每一个数据块建一个指针，把指针顺序摆放在一起就是索引了。稀疏索引，要求数据块本身是聚集堆放的，找到最大的小于要查询值的指针，然后循序遍历至找到目标为止。对于文件过大的时候，索引本身就很庞大，因此又建立了分级索引。
 

B树索引/B+树索引

B树索引，实际上是分为B树索引和B+树索引两种方法。MySQL用的B+树，MongoDB用的B树。关于B数和B+树如何索引，给大家安利两篇文章，写的通俗易懂。

漫画：什么是 B- 树？

  • 就是Btree
  • 相比磁盘IO速度，内存耗时几乎可以忽略
  • 磁盘的IO和树的层高有关系
  • Btree可以一直自平衡
  • 应用于MongoDB

漫画：什么是 B+ 树？

  • 叶子节点包含了全部的信息
  • 叶子节点形成了有序的列表
  • 卫星数据指的是，索引元素所指向的数据记录，比如数据库重的某一行
  • btree所有节点都有卫星数据，b+tree只有叶子节点有卫星数据
  1. 用b+tree可以提升性能，因为b+tree中间的节点没有卫星数据，所以磁盘页可以容纳更多的节点元素，因此相同的数据量，B+tree比btree查询IO次数更少
  2. 其次，btree中间节点，b+tree要找到叶子节点，b性能并不稳定
  3. 所有叶子节点形成有序链表，便于范围查询

Image

为什么选择B树？

(1) 对于数据库查找，索引的文件都存在磁盘上，磁盘IO的是非常消耗时间的，因此要减少磁盘IO的次数，而B数相比于二叉树，或者其变种AVL和RD-Tree的高度更低，因此磁盘IO的次数更好；
(2) B数是平衡树，查找，删除和插入是相对稳定的。

为什么选择B+树
(1) B+树所有的数据都保存在叶节点上，查找数据都必须到达叶子节点，因此其查找效率是恒定的；
(2) B+树的叶子节点有指针指向下一个叶子节点，形成了一个链表。而叶子节点间又是排序的，因此对于范围查找只需要先找到头的位置，然后遍历链表就可以了；
(3) B+树的非叶子节点不需要存储数据，只作为索引，因此B+数的阶数可以更高，故单个节点保存的数据个数会更多，使得B+树更加矮胖，因此磁盘IO的次数会更少。

哈希索引


散列索引就比较好理解了，实际就是在哈希表中保存文件的指针。所遇到的问题和哈希表中存在的问题是相同，如何选择好的哈希函数，数据过大后如果扩容，扩容的过程中有拷贝如何提高扩容的效率。当超过了装载因子后，可以新建一个更大的哈希表，但是并不一次性拷贝全部数据，而是当要插入或删除某个数据时，就将该桶中的所有数据拷贝。

哈希索引必须要匹配所有的关键词，才能使用索引，因为哈希值是由所有的关键词共同来实现的。而B+树索引，是分层索引，可以先匹配第一个关键词，再匹配第二个关键词。但是不能跨级索引，比如没有第一个关键词，直接通过第二个关键词索引。

在InnoDB引擎使用的是B+树索引，但是会自动为查询频繁的数据建立一个哈希索引，提高效率。

事务的ACID特性

  • 事物：构成单一逻辑工作单元的操作集合
  • ACID特性
    (1) 原子性(Atomicity)：一个事务是不可分割的，要么都发生，要么都不发生；
    (2) 一致性(Consistency)：事务开始和结束前后，数据保存一致性，A和B转账，必须保证转账前后A和B账户的总额不变；
    (3) 隔离性(Isolation)：多个事务并发执行，避免事务之间的干扰。一个事务在提交前所做的修改对其他事务通常是不可见的；
    (4) 持久性(Durability)：事务一旦提交，所做的修改就永久保存在数据库中，即使此时服务器崩溃，修改的数据也不会丢失。

隔离级别

  • 未提交读：事务中的修改，即使没有提交，对其他事务也都是可见的。读取未提交的数据，称为脏读。这个级别性能并没有好太多，但是却会带来很多问题，一般很少使用。
  • 已提交读：解决了脏读的问题，一个事务开始后所做的修改在提交前对其他事务是不可见的，但是不保证在一个事务中执行两次相同的查询，其结果相同，也就是所谓的不可重复读。
  • 可重复读：解决了重复读的问题，可以保证在一个事务中对同一数据的查询结果是一致的。它是MySQL的默认隔离级别。但是可能会出现幻读。幻读是指对一个范围内数据进行读取时，另外 一个事务插入了新行，再次读取时发现刚插入的那行没有被改变，像产生了幻觉一样，称为幻读。解决幻读的问题，可以通过加范围锁，锁住要修改的范围行区间。
  • 可串行化：对行进行加锁读，可能会导致锁超时。

由上到下隔离级别依次升高。但都不允许脏写。隔离级别越低，支持的并发就越高，而且系统的开销也更小。
 

MySQL执行流程

  1. MySQL客户端通过协议将SQL语句发送给MySQL服务器。
  2. 服务器会先检查查询缓存中是否有执行过这条SQL，如果命中缓存，则将结果返回，否则进入下一个环节（查询缓存默认不开启）。
  3. 服务器端进行SQL解析，预处理，然后由查询优化器生成对应的执行计划。
  4. 服务器根据查询优化器给出的执行计划，再调用存储引擎的API执行查询。
  5. 将结果返回给客户端，如果开启查询缓存，则会备份一份到查询缓存中。

MySQL引擎InnoDB，MyISAM区别

区别

  • InnoDB支持事务，MyISAM不支持，对于InnoDB每一条SQL语言都默认封装成事务，自动提交，这样会影响速度，所以最好把多条SQL语言放在begin和commit之间，组成一个事务；
  • InnoDB支持外键，而MyISAM不支持。对一个包含外键的InnoDB表转为MYISAM会失败；
  • InnoDB是聚集索引，数据文件是和索引绑在一起的，必须要有主键，通过主键索引效率很高。但是辅助索引需要两次查询，先查询到主键，然后再通过主键查询到数据。因此，主键不应该过大，因为主键太大，其他索引也都会很大。而MyISAM是非聚集索引，数据文件是分离的，索引保存的是数据文件的指针。主键索引和辅助索引是独立的。
  • InnoDB不保存表的具体行数，执行select count(*) from table时需要全表扫描。而MyISAM用一个变量保存了整个表的行数，执行上述语句时只需要读出该变量即可，速度很快；
  • Innodb不支持全文索引，而MyISAM支持全文索引，查询效率上MyISAM要高；
  • Innodb锁的粒度更细，支持行锁，MyISAM不支持。

如何选择

  • 是否要支持事务，如果要请选择innodb，如果不需要可以考虑MyISAM；
  • 如果表中绝大多数都只是读查询，可以考虑MyISAM，如果既有读写也挺频繁，请使用InnoDB。
  • 系统奔溃后，MyISAM恢复起来更困难，能否接受；
  • MySQL5.5版本开始Innodb已经成为Mysql的默认引擎(之前是MyISAM)，说明其优势是有目共睹的，如果你不知道用什么，那就用InnoDB，至少不会差。
  • 数据量较大(3TB以上)时不要用MyISAM，崩溃后难以恢复。
     

猜你喜欢

转载自blog.csdn.net/weixin_39203720/article/details/114378754
今日推荐
中国码农的“35岁魔咒”
蘭雅 CorelDRAW 插件 2024.5.1 国际劳动节版，免费下载
Arc Browser for Windows 1.0 正式 GA
90后程序员开发视频搬运软件、不到一年获利超 700 万，结局很刑！
《美国对全球网络空间安全与发展的威胁和破坏》报告发布
周排行
[编程题]学英语
[codeforces 1288A] Deadline 约数+模
Python的web开发
Docker在Centos 7上的部署
python编码
解决Ubuntu16.04 fatal error: json/json.h: No such file or directory
mysql并发插入
rest接口如何适应jsonp的方案
linux 终端上网设置
高数——等号两边同时求导、积分的解释
每日归档
更多
2024-05-04(7)
2024-05-03(19)
2024-05-02(0)
2024-05-01(4)
2024-04-30(1)
2024-04-29(40)
2024-04-28(0)
2024-04-27(56)
2024-04-26(39)
2024-04-25(22)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022