MyNote

概念 ​

1. DDL（Data Definition Language）

数据定义语言：对数据库内部的对象进行操作，定义/删除/修改表结构等，常用关键字：creat、drop、alter等。

2. DML（Data Manipulation Language）

数据操纵语言：对表内数据进行操作，常用关键字：insert、update、delete等。

3. DQL（Data Query Language）

数据查询语言：对数据进行查询操作，常用关键字：select、from、where等。

4. DCL（Data Control Language）

数据控制语言：设置/更改数据库用户权限、常用关键字：grant、revoke等。

索引失效 ​

模 模糊查询 like “%**” 型 数据类型不一致 数 对索引字段使用内部函数 空 索引列有空值 运 索引列进行四则运算 最 最左原则复合索引不按索引最左开始查找 快 全表查询速度比索引快

事务 ​

  • 四大特性

  • MySQL开启事务提交事务回滚事务

  • JDBC事务、MyBatis事务

  • 事务并发出现的问题：脏读（dirty read）、不可重复读（non-repeatable read）、幻读（phantom read）

  • 隔离级别

  • 分布式事务

    • jmeter怎么评估接口性能，怎么看是否到达上限？为什么有的接口2ms响应有的要1s？90%分位，开始报异常说明到达瓶颈，因为线程池的异步任务队列

      java
      public class pool1 {
    // public ThreadPoolExecutor(int corePoolSize,
    //                           int maximumPoolSize,
    //                           long keepAliveTime,
    //                           TimeUnit unit,
    //                           BlockingQueue<Runnable> workQueue,//new LinkedBlockingDeque<>()或ArrayBlock
    //                           ThreadFactory threadFactory,   //线程工厂
    //                           RejectedExecutionHandler handler)
    public static void main(String[] args) {
        ExecutorService pool = new ThreadPoolExecutor(3, 5, 8, TimeUnit.SECONDS,
                new ArrayBlockingQueue<>(4), Executors.defaultThreadFactory(),
                new ThreadPoolExecutor.AbortPolicy());
    }
}

    • CAP理论：一致性，可用性，分区容忍性

面试题 &#8203;

  1. MySQL子查询的位置

  2. 使用mybatis遍历一个集合用什么标签？mybatis如何做循环的处理

  3. innoDB存储引擎以页作为磁盘和内存之间交互的最小单位，页的大小默认16k

  4. 索引用int值和用String值来建立，有什么区别？String在mysql中用varchar，可能占的字节数更大，索引树上能存储的数据更少，层数更高

  5. @Transactional失效的场景：

    • 非public方法
    • 内部try catch
    • 没有设置rollbackFor属性，默认只能回滚RunTimeException
    • 在同一个类内部调用事务方法，相当于this调用。而动态代理需要代理类调用才起作用

  6. SQL注入

  7. MySQL索引为什么用B+树？

  • 索引是一种数据结构，用来提高查询和搜索效率的

  • 判断一个数据结构适不适合做索引从三个方面考量：查询单个值、查询范围值、插入的效率

  • 数组和链表都是无序的，查询单个和范围值就很慢。有序数组插入的效率很低

  • 二叉搜索树特点是左小右大，查询单个值最快O(1)级别。查询范围值慢，需要在父子节点之间跳转。而且在极端条件下可能会退化成链表。

  • 红黑树最大特点是会尽量保持树的平衡，让它不至于退化成链表，但信息密度低，存储100w条数据需要20层高，20次磁盘IO，最少要查询0.2s

  • B树信息密度更大，一个节点能存储1170个数据，3层可以存下2kw，大大减少我们磁盘IO的速度

  • B+树在此基础上针对范围查找做了一些优化

    • 叶子节点之间维护一个指针，方便了范围查找
    • 所有的非叶子节点，都在叶子节点中冗余一份
    • 所以的非叶子节点，只存储key，不存储data，会降低树的高度，进一步提高查询的效率。
    • MySQL对标准的B+树做了一些优化。主要就是增加了回去的指针