文章参考的是javaGuide， https://github.com/Snailclimb/JavaGuide/blob/master/docs/java/multi-thread/2020%E6%9C%80%E6%96%B0Java%E5%B9%B6%E5%8F%91%E8%BF%9B%E9%98%B6%E5%B8%B8%E8%A7%81%E9%9D%A2%E8%AF%95%E9%A2%98%E6%80%BB%E7%BB%93.md 这里记录属于个人的查漏补缺，如果小伙伴需要更加全面和详细的资料，请看上面的链接呦!
1、查询缓存的作用？
执行查询语句的时候，会先查询缓存。需要开启查询缓存。使用缓存虽然能够提升查询性能，但也带来了额外的开销，每次查询后都做一次缓存操作，失效后销毁。
2、并发事务会带来那些问题？
脏读、不可重复读、幻读、丢失修改
3、大表优化的策略
1、限定数据的范围
2、读写分离
3、垂直分区
4、水平分区
4、分库分表之后，id主键怎么处理？
要是分成了多个表，每个表的id肯定不能从1开始累加，需要一个全局id来支持。
生成全局id的几种方式：
- uuid：不适合做主键，因为太长了，并且无序。
- 自增id：两台数据库设置不同的步长，生成不重复id的策略实现高可用。但是成本高。
- 利用redis生成id。性能好又方便，但是引入了新组件，编码更复杂
5、一条sql语句在mysql中怎么执行？
组件：
- 连接器：身份认证、权限认证
- 查询缓存：执行查询语句的时候先查询缓存。（8.0之后移除了）
- 分析器：没有命中缓存，就进行分析这条sql语句要做什么事情
- 优化器：按照mysql认为的最优的方法去执行
- 执行器：执行语句，从存储引擎返回数据
对于查询的sql语句执行：
权限校验——查询缓存——分析器——优化器——权限校验——执行器——引擎
例如：select * from tb_student A where A.age='18' and A.name=' 张三 '; 先检查该语句是否有权限，没有直接返回错误信息。有的话就查询缓存，缓存有结果就直接返回没有就进入分析器进行词法分析。比如提取select，表名tb_student，id=1等信息。没有错误就进入优化器确定执行方案。然后进行权限校验，有权限就会调用执行引擎进行执行，然后返回结果。
对于更新的sql语句执行：
分析器——权限校验——执行器——引擎——redo log prepare——binlog——redo log commit
例如：update tb_student A set A.age='19' where A.name=' 张三 ';
和上条查询过程差不多，只不过要记录日志。
先查询缓存，有的话就调用引擎，写入这行数据，innodb引擎把数据保存在内存中，同时记录redo log，此时redo log进入prepare状态，告诉执行器，执行完成了可以随时提交。执行器收到通知后记录binlog，然后调用引擎，提交redo log为提交状态，更新完成。
这里利用两个日志模块，保证了数据的一致性。
6、一条sql语句执行很慢的原因有哪些？
分两种情况：
1、偶尔很慢的情况
那说明sql语句本身应该是没什么问题的，所以可能的情况是一下几点：
- 数据库在刷新脏页。我们在更新数据时，会立马把内存中对应的数据更新了，但是更新的字段不会马上同步持久化到磁盘，而是先记录到redo log中，空闲的时候在同步到磁盘。脏页指的是内存和磁盘中数据不一致。那么什么情况下会刷新脏页呢？
（1）redo log被写满。没办法等到空闲时候在同步到磁盘了，只能暂停其他操作，全心全意的同步数据。
（2）内存不够用。查询数据过多，内存需要淘汰一部分页，如果是干净页直接淘汰，脏页需要刷。 - 拿不到锁。可以用show processlist查看当前的状态，看是不是拿不到锁。
2、一直都很慢 - 没有走索引。
- 走错索引了。由于统计的失误，导致系统没有走索引，而是走了全表扫描。
7、索引那么多优点，为什么不每一张表都建立索引呢？
- 索引的维护。当对表中的数据进行增删改查时，索引也要动态维护。
- 占用空间。处理数据占据空间之外，索引也需要占用空间，聚簇索引占用空间更大。
- 时间消耗。创建和维护索引需要耗费时间。
8、什么时候使用索引比较好？
1、经常用于搜索的列，可以加快搜索速度。
2、经常使用where子句的列，加快条件判断速度。
3、需要排序的列，因为索引已经排序。
4、中大型表适合索引，特大型表维护开销太大，不适合。
5、用于连接的外键，可以加快连接速度。
9、什么是覆盖索引？
如果一个索引包含（覆盖）了所有需要查询的字段，就称为“覆盖索引”。可以避免“回表”.意思就是查询的数据在叶子节点都存在，不需要返回非叶子节点在走一遍。
10、选择索引和编写利用索引的三个原则？
- 单行访问很慢。如果服务器从存储中读取一个数据块只是为了获取其中一行，就浪费了很多工作，所以最好读取的块中包含尽可能多的需要的行，使用索引可以创建位置引，提升效率。
- 顺序访问效率高。首先，顺序io不需要多次磁盘寻道。其次，不需要额外的排序操作。
- 索引覆盖。尽可能的索引覆盖，不进行回表查询。
11、为什么索引能够提高查询速度呢？
mysql的存储结构是页，记录都存储在页里面。
- 每个数据页可以组成一个双向链表
- 每个数据页中的记录可以组成一个单向链表。每个数据页会为里面的记录生成一个页目录，如果通过主键查找某条记录的时候，可以在页目录中通过二分法快速定位到对应的槽，然后遍历该槽对应分组中的记录找到指定的记录。如果通过非主键遍历，从最小记录开始依次遍历单链表中的每条记录。
补充理解：
参考链接：添加链接描述
简单来说，数据页包括两部分：一部分存储数据记录，按照记录的大小用指针连接起来。（单向链表）；里那个一部分存储数据页的页目录，用于加速查找。
例如：select * from user where indexname = ‘xxx’
1、定位到记录所在页：遍历双向链表，找到页
2、定位页内的记录：由于不是主键查询，遍历单向链表
显然，这样的查询速率是很慢的。
所以要使用索引：将无序数据变为有序，提高查询速度。
没有索引的话我们就需要遍历双向链表来定位对应的页，现在通过页目录就可以使用二分法进行定位了。其实底层结构就是B+树。索引的作用就是书本的目录作用，如果没有索引就要一页一页翻书本去找，有了目录直接查询目录找到对应位置就行了。
redis
参考：
1、缓存的作用？
缓存就是用空间换时间，对于cpu cache来说是为了解决内存和cpu速度不匹配的问题；对于数据库来说，是为了避免用户在请求数据的时候获取速度过慢。
2、为什么用分布式缓存？不用本地缓存？
本地缓存：
1、JDK自带的hashmap和concurrentHashMap。大部分场景不会用。
2、ehcache、guava cache，spring cache。这三种使用较多。
好处：低依赖、轻量、简单、成本低
坏处：对分布式架构不友好：本地缓存无法共享；受当前系统内存影响，内存占用多，缓存容量就少。
分布式缓存：
好处：即使同一个服务部署在不同的机器上，使用的也是同一份缓存。
坏处：需要引入额外的服务。比如：redis，memcached等
3、缓存读写模式/更新策略
- cache aside patten
1、写：更新db，删除缓存
2、读：cache读，读到返回；读不到从db返回，然后将数据放入cache - read/write through patten
服务端将cache作为主要操作对象
1、写：查cache，不存在直接更新db；存在，先更新cache，然后cache服务自己更新db
2、读：读cache，读到返回；读不到，从db读，然后写入cache后返回响应 - write behind patten
与第二个区别：
read/write through patten同步更新cache和db， write behind patten只更新cache，异步批量的更新db。所以对于经常变化的数据来说，这种方式很适合。
例如一篇文章的访问量，这是针对一项数据一直变化，可以采用 write behind patten方式，点赞500次不用修改500次，只需要批量修改一次即可。
4、为什么用redis作为缓存？
主要是为了提高用户体验。
- 高性能
redis是基于内存的数据库，所以访问速度是很快的。 - 高并发
直接操作缓存 可以承受的请求量 远远大于直接访问数据库。
5、redis为什么不用多线程呢？
redis是单线程的。redis 4.0之后加入了对多线程的支持。
不使用多线程的3个原因：
- 单线程更容易维护
- redis的瓶颈不是cpu，而是内存和网络
- 多线程可能会出现死锁、上下文切换问题，影响性能。
虽然说redis是单线程，但是通过io多路复用技术可以监听大量的客户端连接。
6、缓存中为什么要给数据设置过期时间呢？
1、如果所有数据一直保存的话，占用内存就会出现oom异常。
2、还有的业务场景要求数据只保持一断时间就行。比如验证码60s失效等。
7、redis是怎么判断数据是否过期的，删除策略是啥？
通过过期字典来保存过期时间。
删除策略：
- 惰性删除：用到的时候才判断key是否过期
- 定期删除：每隔一段时间就删除过期key
但是仅仅依靠过期时间也可能造成oom，怎么办呢？内存淘汰机制。
内存淘汰机制有六种： - volatile-lru：从设置过期时间的key中选择最近最少使用的数据淘汰
- volatile-ttl：从设置过期时间内的key中选择即将过期的数据淘汰
- volatile-random：从设置过期时间的key中随机选择数据淘汰
- allkeys-lru：从所有数据中选择最近最少使用的数据淘汰
- allekys-ttl：从所有数据中选择即将过期的数据淘汰
- allkeys-random：从所有数据中随机选择数据淘汰
