mysql面試常見問題
1. 主鍵 超鍵 候選鍵 外來鍵
主 鍵：
資料庫表中對儲存資料物件予以唯一和完整標識的資料列或屬性的組合。一個數據列只能有一個主鍵，且主鍵的取值不能缺失，即不能為空值（Null）。
超 鍵：
在關係中能唯一標識元組的屬性集稱為關係模式的超鍵。一個屬性可以為作為一個超鍵，多個屬性組合在一起也可以作為一個超鍵。超鍵包含候選鍵和主鍵。
候選鍵：
是最小超鍵，即沒有冗餘元素的超鍵。
外 鍵：
在一個表中存在的另一個表的主鍵稱此表的外來鍵。
2.資料庫事務的四個特性及含義
資料庫事務transanction正確執行的四個基本要素。ACID,原子性(Atomicity)、一致性(Correspondence)、隔離性(Isolation)、永續性(Durability)。原子性
3.檢視的作用，檢視可以更改麼？
檢視是虛擬的表，與包含資料的表不一樣，檢視只包含使用時動態檢索資料的查詢；不包含任何列或資料。使用檢視可以簡化複雜的sql操作，隱藏具體的細節，保護資料；檢視建立後，可以使用與表相同的方式利用它們。 檢視不能被索引，也不能有關聯的觸發器或預設值，如果檢視本身內有order by 則對檢視再次order by將被覆蓋。 建立檢視：create view XXX as XXXXXXXXXXXXXX; 對於某些檢視比如未使用聯結子查詢分組聚集函式Distinct Union等，是可以對其更新的，對檢視的更新將對基表進行更新；但是檢視主要用於簡化檢索，保護資料，並不用於更新，而且大部分檢視都不可以更新。
4.drop,delete與truncate的區別
drop直接刪掉表 truncate刪除表中資料，再插入時自增長id又從1開始 delete刪除表中資料，可以加where字句。
（1） DELETE語句執行刪除的過程是每次從表中刪除一行，並且同時將該行的刪除操作作為事務記錄在日誌中儲存以便進行進行回滾操作。TRUNCATE TABLE 則一次性地從表中刪除所有的資料並不把單獨的刪除操作記錄記入日誌儲存，刪除行是不能恢復的。並且在刪除的過程中不會啟用與表有關的刪除觸發器。執行速度快。
（2） 表和索引所佔空間。當表被TRUNCATE 後，這個表和索引所佔用的空間會恢復到初始大小，而DELETE操作不會減少表或索引所佔用的空間。drop語句將表所佔用的空間全釋放掉。
（3） 一般而言，drop > truncate > delete
（4） 應用範圍。TRUNCATE 只能對TABLE；DELETE可以是table和view
（5） TRUNCATE 和DELETE只刪除資料，而DROP則刪除整個表（結構和資料）。
（6） truncate與不帶where的delete ：只刪除資料，而不刪除表的結構（定義）drop語句將刪除表的結構被依賴的約束（constrain),觸發器（trigger)索引（index);依賴於該表的儲存過程/函式將被保留，但其狀態會變為：invalid。
（7） delete語句為DML（data maintain Language),這個操作會被放到 rollback segment中,事務提交後才生效。如果有相應的 tigger,執行的時候將被觸發。
（8） truncate、drop是DLL（data define language),操作立即生效，原資料不放到 rollback segment中，不能回滾
（9） 在沒有備份情況下，謹慎使用 drop 與 truncate。要刪除部分資料行採用delete且注意結合where來約束影響範圍。回滾段要足夠大。要刪除表用drop;若想保留表而將表中資料刪除，如果於事務無關，用truncate即可實現。如果和事務有關，或老師想觸發trigger,還是用delete。
（10） Truncate table 表名 速度快,而且效率高,因為: truncate table 在功能上與不帶 WHERE 子句的 DELETE 語句相同：二者均刪除表中的全部行。但 TRUNCATE TABLE 比 DELETE 速度快，且使用的系統和事務日誌資源少。DELETE 語句每次刪除一行，並在事務日誌中為所刪除的每行記錄一項。TRUNCATE TABLE 通過釋放儲存表資料所用的資料頁來刪除資料，並且只在事務日誌中記錄頁的釋放。
（11） TRUNCATE TABLE 刪除表中的所有行，但表結構及其列、約束、索引等保持不變。新行標識所用的計數值重置為該列的種子。如果想保留標識計數值，請改用 DELETE。如果要刪除表定義及其資料，請使用 DROP TABLE 語句。
（12） 對於由 FOREIGN KEY 約束引用的表，不能使用 TRUNCATE TABLE，而應使用不帶 WHERE 子句的 DELETE 語句。由於 TRUNCATE TABLE 不記錄在日誌中，所以它不能啟用觸發器。
5.索引的工作原理及其種類
資料庫索引，是資料庫管理系統中一個排序的資料結構，以協助快速查詢、更新資料庫表中資料。索引的實現通常使用B樹及其變種B+樹。
在資料之外，資料庫系統還維護著滿足特定查詢演算法的資料結構，這些資料結構以某種方式引用（指向）資料，這樣就可以在這些資料結構上實現高階查詢演算法。這種資料結構，就是索引。
為表設定索引要付出代價的：一是增加了資料庫的儲存空間，二是在插入和修改資料時要花費較多的時間(因為索引也要隨之變動)。
圖展示了一種可能的索引方式。左邊是資料表，一共有兩列七條記錄，最左邊的是資料記錄的實體地址（注意邏輯上相鄰的記錄在磁碟上也並不是一定物理相鄰的）。為了加快Col2的查詢，可以維護一個右邊所示的二叉查詢樹，每個節點分別包含索引鍵值和一個指向對應資料記錄實體地址的指標，這樣就可以運用二叉查詢在O(log2n)的複雜度內獲取到相應資料。
建立索引可以大大提高系統的效能。
第一，通過建立唯一性索引，可以保證資料庫表中每一行資料的唯一性。
第二，可以大大加快資料的檢索速度，這也是建立索引的最主要的原因。
第三，可以加速表和表之間的連線，特別是在實現資料的參考完整性方面特別有意義。
第四，在使用分組和排序子句進行資料檢索時，同樣可以顯著減少查詢中分組和排序的時間。
第五，通過使用索引，可以在查詢的過程中，使用優化隱藏器，提高系統的效能。
也許會有人要問：增加索引有如此多的優點，為什麼不對錶中的每一個列建立一個索引呢？因為，增加索引也有許多不利的方面。
第一，建立索引和維護索引要耗費時間，這種時間隨著資料量的增加而增加。
第二，索引需要佔物理空間，除了資料表佔資料空間之外，每一個索引還要佔一定的物理空間，如果要建立聚簇索引，那麼需要的空間就會更大。
第三，當對錶中的資料進行增加、刪除和修改的時候，索引也要動態的維護，這樣就降低了資料的維護速度。
索引是建立在資料庫表中的某些列的上面。在建立索引的時候，應該考慮在哪些列上可以建立索引，在哪些列上不能建立索引。一般來說，應該在這些列上建立索引：在經常需要搜尋的列上，可以加快搜索的速度；在作為主鍵的列上，強制該列的唯一性和組織表中資料的排列結構；在經常用在連線的列上，這些列主要是一些外來鍵，可以加快連線的速度；在經常需要根據範圍進行搜尋的列上建立索引，因為索引已經排序，其指定的範圍是連續的；在經常需要排序的列上建立索引，因為索引已經排序，這樣查詢可以利用索引的排序，加快排序查詢時間；在經常使用在WHERE子句中的列上面建立索引，加快條件的判斷速度。
同樣，對於有些列不應該建立索引。一般來說，不應該建立索引的的這些列具有下列特點：
第一，對於那些在查詢中很少使用或者參考的列不應該建立索引。這是因為，既然這些列很少使用到，因此有索引或者無索引，並不能提高查詢速度。相反，由於增加了索引，反而降低了系統的維護速度和增大了空間需求。
第二，對於那些只有很少資料值的列也不應該增加索引。這是因為，由於這些列的取值很少，例如人事表的性別列，在查詢的結果中，結果集的資料行佔了表中資料行的很大比例，即需要在表中搜索的資料行的比例很大。增加索引，並不能明顯加快檢索速度。
第三，對於那些定義為text, image和bit資料型別的列不應該增加索引。這是因為，這些列的資料量要麼相當大，要麼取值很少。
第四，當修改效能遠遠大於檢索效能時，不應該建立索引。這是因為，修改效能和檢索效能是互相矛盾的。當增加索引時，會提高檢索效能，但是會降低修改效能。當減少索引時，會提高修改效能，降低檢索效能。因此，當修改效能遠遠大於檢索效能時，不應該建立索引。
根據資料庫的功能，可以在資料庫設計器中建立三種索引：唯一索引、主鍵索引和聚集索引。
唯一索引
唯一索引是不允許其中任何兩行具有相同索引值的索引。
當現有資料中存在重複的鍵值時，大多數資料庫不允許將新建立的唯一索引與表一起儲存。資料庫還可能防止新增將在表中建立重複鍵值的新資料。例如，如果在employee表中職員的姓(lname)上建立了唯一索引，則任何兩個員工都不能同姓。 主鍵索引 資料庫表經常有一列或列組合，其值唯一標識表中的每一行。該列稱為表的主鍵。 在資料庫關係圖中為表定義主鍵將自動建立主鍵索引，主鍵索引是唯一索引的特定型別。該索引要求主鍵中的每個值都唯一。當在查詢中使用主鍵索引時，它還允許對資料的快速訪問。 聚集索引 在聚集索引中，表中行的物理順序與鍵值的邏輯（索引）順序相同。一個表只能包含一個聚集索引。
如果某索引不是聚集索引，則表中行的物理順序與鍵值的邏輯順序不匹配。與非聚集索引相比，聚集索引通常提供更快的資料訪問速度。
區域性性原理與磁碟預讀
由於儲存介質的特性，磁碟本身存取就比主存慢很多，再加上機械運動耗費，磁碟的存取速度往往是主存的幾百分分之一，因此為了提高效率，要儘量減少磁碟I/O。為了達到這個目的，磁碟往往不是嚴格按需讀取，而是每次都會預讀，即使只需要一個位元組，磁碟也會從這個位置開始，順序向後讀取一定長度的資料放入記憶體。這樣做的理論依據是電腦科學中著名的區域性性原理：當一個數據被用到時，其附近的資料也通常會馬上被使用。程式執行期間所需要的資料通常比較集中。
由於磁碟順序讀取的效率很高（不需要尋道時間，只需很少的旋轉時間），因此對於具有區域性性的程式來說，預讀可以提高I/O效率。
預讀的長度一般為頁（page）的整倍數。頁是計算機管理儲存器的邏輯塊，硬體及作業系統往往將主存和磁碟儲存區分割為連續的大小相等的塊，每個儲存塊稱為一頁（在許多作業系統中，頁得大小通常為4k），主存和磁碟以頁為單位交換資料。當程式要讀取的資料不在主存中時，會觸發一個缺頁異常，此時系統會向磁碟發出讀盤訊號，磁碟會找到資料的起始位置並向後連續讀取一頁或幾頁載入記憶體中，然後異常返回，程式繼續執行。
B-/+Tree索引的效能分析
到這裡終於可以分析B-/+Tree索引的效能了。
上文說過一般使用磁碟I/O次數評價索引結構的優劣。先從B-Tree分析，根據B-Tree的定義，可知檢索一次最多需要訪問h個節點。資料庫系統的設計者巧妙利用了磁碟預讀原理，將一個節點的大小設為等於一個頁，這樣每個節點只需要一次I/O就可以完全載入。為了達到這個目的，在實際實現B-Tree還需要使用如下技巧：
每次新建節點時，直接申請一個頁的空間，這樣就保證一個節點物理上也儲存在一個頁裡，加之計算機儲存分配都是按頁對齊的，就實現了一個node只需一次I/O。
B-Tree中一次檢索最多需要h-1次I/O（根節點常駐記憶體），漸進複雜度為O(h)=O(logdN)。一般實際應用中，出度d是非常大的數字，通常超過100，因此h非常小（通常不超過3）。
而紅黑樹這種結構，h明顯要深的多。由於邏輯上很近的節點（父子）物理上可能很遠，無法利用區域性性，所以紅黑樹的I/O漸進複雜度也為O(h)，效率明顯比B-Tree差很多。
綜上所述，用B-Tree作為索引結構效率是非常高的。
6.連線的種類
查詢分析器中執行： --建表table1,table2： create table table1(id int,name varchar(10)) create table table2(id int,score int) insert into table1 select 1,'lee' insert into table1 select 2,'zhang' insert into table1 select 4,'wang' insert into table2 select 1,90 insert into table2 select 2,100 insert into table2 select 3,70 如表 ------------------------------------------------- table1 | table2 | ------------------------------------------------- id name |id score | 1 lee |1 90| 2 zhang| 2 100| 4 wang| 3 70| ------------------------------------------------- 以下均在查詢分析器中執行 一、外連線 1.概念：包括左向外聯接、右向外聯接或完整外部聯接 2.左連線：left join 或 left outer join (1)左向外聯接的結果集包括 LEFT OUTER 子句中指定的左表的所有行，而不僅僅是聯接列所匹配的行。如果左表的某行在右表中沒有匹配行，則在相關聯的結果集行中右表的所有選擇列表列均為空值(null)。 (2)sql 語句 select * from table1 left join table2 on table1.id=table2.id -------------結果------------- idnameidscore ------------------------------ 1lee190 2zhang2100 4wangNULLNULL ------------------------------ 註釋：包含table1的所有子句，根據指定條件返回table2相應的欄位，不符合的以null顯示 3.右連線：right join 或 right outer join (1)右向外聯接是左向外聯接的反向聯接。將返回右表的所有行。如果右表的某行在左表中沒有匹配行，則將為左表返回空值。 (2)sql 語句 select * from table1 right join table2 on table1.id=table2.id -------------結果------------- idnameidscore ------------------------------ 1lee190 2zhang2100 NULLNULL370 ------------------------------ 註釋：包含table2的所有子句，根據指定條件返回table1相應的欄位，不符合的以null顯示 4.完整外部聯接:full join 或 full outer join (1)完整外部聯接返回左表和右表中的所有行。當某行在另一個表中沒有匹配行時，則另一個表的選擇列表列包含空值。如果表之間有匹配行，則整個結果集行包含基表的資料值。 (2)sql 語句 select * from table1 full join table2 on table1.id=table2.id -------------結果------------- idnameidscore ------------------------------ 1lee190 2zhang2100 4wangNULLNULL NULLNULL370 ------------------------------註釋：返回左右連線的和（見上左、右連線） 二、內連線 1.概念：內聯接是用比較運算子比較要聯接列的值的聯接 2.內連線：join 或 inner join 3.sql 語句 select * from table1 join table2 on table1.id=table2.id -------------結果------------- idnameidscore ------------------------------ 1lee190 2zhang2100 ------------------------------ 註釋：只返回符合條件的table1和table2的列 4.等價（與下列執行效果相同） A:select a.*,b.* from table1 a,table2 b where a.id=b.id B:select * from table1 cross join table2 where table1.id=table2.id (注：cross join後加條件只能用where,不能用on) 三、交叉連線(完全) 1.概念：沒有 WHERE 子句的交叉聯接將產生聯接所涉及的表的笛卡爾積。第一個表的行數乘以第二個表的行數等於笛卡爾積結果集的大小。（table1和table2交叉連線產生3*3=9條記錄） 2.交叉連線：cross join (不帶條件where...) 3.sql語句 select * from table1 cross join table2 -------------結果------------- idnameidscore ------------------------------ 1lee190 2zhang190 4wang190 1lee2100 2zhang2100 4wang2100 1lee370 2zhang370 4wang370 ------------------------------ 註釋：返回3*3=9條記錄，即笛卡爾積 4.等價（與下列執行效果相同） A:select * from table1,table2
7.資料庫正規化
1 第一正規化（1NF） 在任何一個關係資料庫中，第一正規化（1NF）是對關係模式的基本要求，不滿足第一正規化（1NF）的資料庫就不是關係資料庫。 所謂第一正規化（1NF）是指資料庫表的每一列都是不可分割的基本資料項，同一列中不能有多個值，即實體中的某個屬性不能有多個值或者不能有重複的屬性。如果出現重複的屬性，就可能需要定義一個新的實體，新的實體由重複的屬性構成，新實體與原實體之間為一對多關係。在第一正規化（1NF）中表的每一行只包含一個例項的資訊。簡而言之，第一正規化就是無重複的列。
2 第二正規化（2NF） 第二正規化（2NF）是在第一正規化（1NF）的基礎上建立起來的，即滿足第二正規化（2NF）必須先滿足第一正規化（1NF）。第二正規化（2NF）要求資料庫表中的每個例項或行必須可以被惟一地區分。為實現區分通常需要為表加上一個列，以儲存各個例項的惟一標識。這個惟一屬性列被稱為主關鍵字或主鍵、主碼。 第二正規化（2NF）要求實體的屬性完全依賴於主關鍵字。所謂完全依賴是指不能存在僅依賴主關鍵字一部分的屬性，如果存在，那麼這個屬性和主關鍵字的這一部分應該分離出來形成一個新的實體，新實體與原實體之間是一對多的關係。為實現區分通常需要為表加上一個列，以儲存各個例項的惟一標識。簡而言之，第二正規化就是非主屬性非部分依賴於主關鍵字。
3 第三正規化（3NF） 滿足第三正規化（3NF）必須先滿足第二正規化（2NF）。簡而言之，第三正規化（3NF）要求一個數據庫表中不包含已在其它表中已包含的非主關鍵字資訊。例如，存在一個部門資訊表，其中每個部門有部門編號（dept_id）、部門名稱、部門簡介等資訊。那麼在員工資訊表中列出部門編號後就不能再將部門名稱、部門簡介等與部門有關的資訊再加入員工資訊表中。如果不存在部門資訊表，則根據第三正規化（3NF）也應該構建它，否則就會有大量的資料冗餘。簡而言之，第三正規化就是屬性不依賴於其它非主屬性。（我的理解是消除冗餘）
8.資料庫優化的思路
這個我借鑑了慕課上關於資料庫優化的課程。
1.SQL語句優化
1）應儘量避免在 where 子句中使用!=或<>操作符，否則將引擎放棄使用索引而進行全表掃描。 2）應儘量避免在 where 子句中對欄位進行 null 值判斷，否則將導致引擎放棄使用索引而進行全表掃描，如： select id from t where num is null可以在num上設定預設值0，確保表中num列沒有null值，然後這樣查詢： select id from t where num=0 3）很多時候用 exists 代替 in 是一個好的選擇 4）用Where子句替換HAVING 子句 因為HAVING 只會在檢索出所有記錄之後才對結果集進行過濾
2.索引優化
看上文索引
3.資料庫結構優化
1）正規化優化： 比如消除冗餘（節省空間。。） 2）反正規化優化：比如適當加冗餘等（減少join） 3）拆分表： 分割槽將資料在物理上分隔開，不同分割槽的資料可以制定儲存在處於不同磁碟上的資料檔案裡。這樣，當對這個表進行查詢時，只需要在表分割槽中進行掃描，而不必進行全表掃描，明顯縮短了查詢時間，另外處於不同磁碟的分割槽也將對這個表的資料傳輸分散在不同的磁碟I/O，一個精心設定的分割槽可以將資料傳輸對磁碟I/O競爭均勻地分散開。對資料量大的時時表可採取此方法。可按月自動建表分割槽。 4）拆分其實又分垂直拆分和水平拆分： 案例： 簡單購物系統暫設涉及如下表： 1.產品表（資料量10w，穩定） 2.訂單表（資料量200w，且有增長趨勢） 3.使用者表 （資料量100w，且有增長趨勢） 以mysql為例講述下水平拆分和垂直拆分，mysql能容忍的數量級在百萬靜態資料可以到千萬 垂直拆分：解決問題：表與表之間的io競爭 不解決問題：單表中資料量增長出現的壓力 方案： 把產品表和使用者表放到一個server上 訂單表單獨放到一個server上 水平拆分： 解決問題：單表中資料量增長出現的壓力 不解決問題：表與表之間的io爭奪 方案： 使用者表通過性別拆分為男使用者表和女使用者表 訂單表通過已完成和完成中拆分為已完成訂單和未完成訂單 產品表 未完成訂單放一個server上 已完成訂單表盒男使用者表放一個server上 女使用者表放一個server上(女的愛購物 哈哈)
4.伺服器硬體優化
這個麼多花錢咯！
9.儲存過程與觸發器的區別
觸發器與儲存過程非常相似，觸發器也是SQL語句集，兩者唯一的區別是觸發器不能用EXECUTE語句呼叫，而是在使用者執行Transact-SQL語句時自動觸發（啟用）執行。觸發器是在一個修改了指定表中的資料時執行的儲存過程。通常通過建立觸發器來強制實現不同表中的邏輯相關資料的引用完整性和一致性。由於使用者不能繞過觸發器，所以可以用它來強制實施複雜的業務規則，以確保資料的完整性。觸發器不同於儲存過程，觸發器主要是通過事件執行觸發而被執行的，而儲存過程可以通過儲存過程名稱名字而直接呼叫。當對某一表進行諸如UPDATE、INSERT、DELETE這些操作時，SQLSERVER就會自動執行觸發器所定義的SQL語句，從而確保對資料的處理必須符合這些SQL語句所定義的規則
資料庫優化
建表優化
1）資料庫正規化
l 第一正規化（1NF）：強調的是列的原子性，即列不能夠再分成其他幾列。
如電話列可進行拆分---家庭電話、公司電話
l 第二正規化（2NF）：首先是 1NF，另外包含兩部分內容，一是表必須有主鍵；二是沒有包含在主鍵中的列必須完全依賴於主鍵，而不能只依賴於主鍵的一部分。
l 第三正規化（3NF）：首先是 2NF，另外非主鍵列必須直接依賴於主鍵，不能存在傳遞依賴。
比如Student表（學號，姓名，年齡，性別，所在院校，院校地址，院校電話）
這樣一個表結構，就存在上述關係。 學號--> 所在院校 --> (院校地址，院校電話)
這樣的表結構，我們應該拆開來，如下。
（學號，姓名，年齡，性別，所在院校）--（所在院校，院校地址，院校電話）
滿足這些規範的資料庫是簡潔的、結構明晰的；同時，不會發生插入（insert）、刪除（delete）和更新（update）操作異常。
2）資料型別選擇
l 數字型別
Float和double選擇（儘量選擇float）
區分開TINYINT / INT / BIGINT，能確定不會使用負數的欄位，建議新增 unsigned定義
能夠用數字型別的欄位儘量選擇數字型別而不用字串型別的
l 字元型別
char,varchar,TEXT的選擇：非萬不得已不要使用 TEXT 資料型別，定長欄位，建議使用 CHAR 型別（填空格），不定長欄位儘量使用 VARCHAR（自動適應長度，超過階段），且僅僅設定適當的最大長度
l 時間型別
按選擇優先順序排序DATE（精確到天）、TIMESTAMP、DATETIME（精確到時間）
l ENUM
對於狀態欄位，可以嘗試使用 ENUM 來存放
l 避免使用NULL欄位，很難查詢優化且佔用額外索引空間
3）字元編碼
同樣的內容使用不同字符集表示所佔用的空間大小會有較大的差異，所以通過使用合適的字符集，可以幫助我們儘可能減少資料量，進而減少IO操作次數。
1.純拉丁字元能表示的內容，選擇 latin1 字元編碼
2.中文可選用utf-8
3.MySQL的資料型別可以精確到欄位，所以當我們需要大型資料庫中存放多位元組資料的時候，可以通過對不同表不同欄位使用不同的資料型別來較大程度減小資料儲存量，進而降低 IO 操作次數並提高快取命中率
Sql優化
1) 只返回需要的資料
a) 不要寫SELECT *的語句
b) 合理寫WHERE子句，不要寫沒有WHERE的SQL語句。
2) 儘量少做重複的工作
可以合併一些sql語句
3) 適當建立索引（不是越多越好）但以下幾點會進行全表掃描
a) 左模糊查詢’%...’
b) 使用了不等操作符！=
c) Or使用不當，or兩邊都必須有索引才行
d) In 、not in
e) Where子句對欄位進行表示式操作
f) 對於建立的複合索引（從最左邊開始組合），查詢條件用到的列必須從左邊開始不能間隔。否則無效，複合索引的結構與電話簿類似
g) 全文索引：當於對檔案建立了一個以詞庫為目錄的索引（檔案大全文索引比模糊匹配效果好）
能在char、varchar、text型別的列上面建立全文索引
MySQL 5.6 Innodb引擎也能進行全文索引
搜尋語法：MATCH (列名1, 列名2,…) AGAINST (搜尋字串 [搜尋修飾符])
如果列型別是字串，但在查詢時把一個數值型常量賦值給了一個字元型的列名name，那麼雖然在name列上有索引，但是也沒有用到。
4) 使用join代替子查詢
5) 使用union代替手動建立臨時表
索引優化
一、 建立索引，以下情況不適合建立索引
l 表記錄太少
l 經常插入、刪除、修改的表
l 資料重複且分佈平均的表字段
二、 複合索引
如果一個表中的資料在查詢時有多個欄位總是同時出現則這些欄位就可以作為複合索引
索引
索引是對資料庫表中一列或多列的值進行排序的一種結構。
優點：
l 大大加快資料的檢索速度
l 建立唯一性索引，保證資料庫表中每一行資料的唯一性
l 可以加速表和表之間的連線
缺點：
l 索引需要佔物理空間。
l 當對錶中的資料進行增加、刪除和修改的時候，索引也要動態的維護，
降低了資料的維護速度。
索引分類：
l 普通索引
create index zjj_temp_index_1 on zjj_temp_1(first_name);
drop index zjj_temp_index_1;
l 唯一索引，索引列的值必須唯一，但允許有空值
create unique index zjj_temp_1 on zjj_temp_1(id);
l 主鍵索引，它是一種特殊的唯一索引，不允許有空值。
l 組合索引
事務
資料庫事務(Database Transaction) ，是指作為單個邏輯工作單元執行的一系列操作，要麼完全地執行，要麼完全地不執行。
四大特徵：
(1)原子性
事務必須是原子工作單元；對於其資料修改，要麼全都執行，要麼全都不執行。
(2)一致性
事務的一致性指的是在一個事務執行之前和執行之後資料庫都必須處於一致性狀態。事務執行的結果必須是使資料庫從一個一致性狀態變到另一個一致性狀態。
(3) 隔離性（關於事務的隔離性資料庫提供了多種隔離級別）
一個事務的執行不能干擾其它事務。即一個事務內部的操作及使用的資料對其它併發事務是隔離的，併發執行的各個事務之間不能互相干擾。
(4)永續性
事務完成之後，它對於資料庫中的資料改變是永久性的。該修改即使出現系統故障也將一
直保持。
在介紹資料庫提供的各種隔離級別之前，我們先看看如果不考慮事務的隔離性，會發生的幾種問題：
l 髒讀
髒讀是指在一個事務處理過程裡讀取了另一個未提交的事務中的資料。
l 不可重複讀
l 幻讀
幻讀和不可重複讀都是讀取了另一條已經提交的事務,不可重複讀重點在於update和delete，而幻讀的重點在於insert。
在可重複讀中，該sql第一次讀取到資料後，就將這些資料加鎖，其它事務無法修改這些資料，就可以實現可重複 讀了。但這種方法卻無法鎖住insert的資料，所以當事務A先前讀取了資料，或者修改了全部資料，事務B還是可以insert資料提交，這時事務A就會 發現莫名其妙多了一條之前沒有的資料，這就是幻讀，不能通過行鎖來避免。需要Serializable隔離級別 ，讀用讀鎖，寫用寫鎖，讀鎖和寫鎖互斥，這麼做可以有效的避免幻讀、不可重複讀、髒讀等問題，但會極大的降低資料庫的併發能力。
現在來看看MySQL資料庫為我們提供的四種隔離級別：
① Serializable (序列化)：可避免髒讀、不可重複讀、幻讀的發生。
② Repeatable read (可重複讀)：可避免髒讀、不可重複讀的發生。
③ Read committed (讀已提交)：可避免髒讀的發生。
④ Read uncommitted (讀未提交)：最低級別，任何情況都無法保證。
在MySQL資料庫中預設的隔離級別為Repeatable read (可重複讀)。
鎖模式包括：
l 共享鎖:（讀取）操作建立的鎖。其他使用者可以併發讀取資料，但任何事物都不能獲取資料上的排它鎖，直到已釋放所有共享鎖。
l 排他鎖（X鎖）：對資料A加上排他鎖後，則其他事務不能再對A加任任何型別的封鎖。獲准排他鎖的事務既能讀資料，又能修改資料。
l 更新鎖: 更新 (U) 鎖可以防止通常形式的死鎖。如果兩個事務獲得了資源上的共享模式鎖，然後試圖同時更新資料，則兩個事務需都要轉換共享鎖為排它 (X) 鎖，並且每個事務都等待另一個事務釋放共享模式鎖，因此發生死鎖。 若要避免這種潛 在的死鎖問題，請使用更新 (U) 鎖。一次只有一個事務可以獲得資源的更新 (U) 鎖。如果事務修改資源，則更新 (U) 鎖轉換為排它 (X) 鎖。否則，鎖轉換為共享鎖。
鎖的粒度主要有以下幾種型別：
l 行鎖： 粒度最小，併發性最高
l 頁鎖：一次鎖定一頁。25個行鎖可升級為一個頁鎖。
l 表鎖：粒度大，併發性低
l 資料庫鎖：控制整個資料庫操作
樂觀鎖：相對悲觀鎖而言，樂觀鎖假設認為資料一般情況下不會造成衝突，所以在資料進行提交更新的時候，才會正式對資料的衝突與否進行檢測，如果發現衝突了，則讓返回使用者錯誤的資訊，讓使用者決定如何去做。一般的實現樂觀鎖的方式就是記錄資料版本。
悲觀鎖：顧名思義，就是很悲觀，每次去拿資料的時候都認為別人會修改，所以每次在拿資料的時候都會上鎖，這樣別人想拿這個資料就會block直到它拿到鎖。傳統的關係型資料庫裡邊就用到了很多這種鎖機制，比如行鎖，表鎖等，讀鎖，寫鎖等，都是在做操作之前先上鎖。
索引
MyISAM、InnoDB區別
l MyISAM型別不支援事務處理等高階處理，而InnoDB型別支援。
l MyISAM表不支援外來鍵，InnoDB支援
l MyISAM鎖的粒度是表級，而InnoDB支援行級鎖定。
l MyISAM支援全文型別索引，而InnoDB不支援全文索引。(mysql 5.6後innodb支援全文索引)
MyISAM相對簡單，所以在效率上要優於InnoDB，小型應用可以考慮使用MyISAM。當你的資料庫有大量的寫入、更新操作而查詢比較少或者資料完整性要求比較高的時
候就選擇innodb表。當你的資料庫主要以查詢為主，相比較而言更新和寫 入比較少，並且業務方面資料完整性要求不那麼嚴格，就選擇mysiam表。
MyISAM和InnoDB索引實現：
MyISAM索引實現
MyISAM索引檔案和資料檔案是分離的，索引檔案僅儲存資料記錄的地址。
l 主索引
MyISAM引擎使用B+Tree作為索引結構，葉節點的data域存放的是資料記錄的地址。
l 輔助索引
在MyISAM中，主索引和輔助索引（Secondary key）在結構上沒有任何區別，只是主索引要求key是唯一的，而輔助索引的key可以重複。
MyISAM中索引檢索的演算法為首先按照B+Tree搜尋演算法搜尋索引，如果指定的Key存在，則取出其data域的值，然後以data域的值為地址，讀取相應資料記錄。
MyISAM的索引方式也叫做“非聚集”的，之所以這麼稱呼是為了與InnoDB的聚集索引區分。
InnoDB索引實現
然InnoDB也使用B+Tree作為索引結構，但具體實現方式卻與MyISAM截然不同.
l 主索引
InnoDB表資料檔案本身就是主索引。
InnoDB主索引（同時也是資料檔案）的示意圖，可以看到葉節點包含了完整的資料記錄。這種索引叫做聚集索引。因為InnoDB的資料檔案本身要按主鍵聚集，所以InnoDB要求表必須有主鍵（MyISAM可以沒有），如果沒有顯式指定，則MySQL系統會自動選擇一個可以唯一標識資料記錄的列作為主鍵，如果不存在這種列，則MySQL自動為InnoDB表生成一個隱含欄位作為主鍵，這個欄位長度為6個位元組，型別為長整形。
l 輔助索引
InnoDB的所有輔助索引都引用主鍵作為data域。
聚集索引這種實現方式使得按主鍵的搜尋十分高效，但是輔助索引搜尋需要檢索兩遍索引：首先檢索輔助索引獲得主鍵，然後用主鍵到主索引中檢索獲得記錄。
不同儲存引擎的索引實現方式對於正確使用和優化索引都非常有幫助，例如知道了InnoDB的索引實現後，就很容易明白
1、為什麼不建議使用過長的欄位作為主鍵，因為所有輔助索引都引用主索引，過長的主索引會令輔助索引變得過大。再例如，
2、用非單調的欄位作為主鍵在InnoDB中不是個好主意，因為InnoDB資料檔案本身是一顆B+Tree，非單調的主鍵會造成在插入新記錄時資料檔案為了維持B+Tree的特性而頻繁的分裂調整，十分低效，而使用自增欄位作為主鍵則是一個很好的選擇。
InnoDB索引和MyISAM索引的區別：
l 一是主索引的區別，InnoDB的資料檔案本身就是索引檔案。而MyISAM的索引和資料是分開的。
l 二是輔助索引的區別：InnoDB的輔助索引data域儲存相應記錄主鍵的值而不是地址。而MyISAM的輔助索引和主索引沒有多大區別。
紅黑樹 B樹 B+樹 B-樹
二叉查詢樹（BST）：
二叉排序樹或者是一棵空樹，或者是具有下列性質的二叉樹：
l 若左子樹不空，則左子樹上所有結點的值均小於它的根結點的值。
l 若右子樹不空，則右子樹上所有結點的值均大於它的根結點的值。
l 左、右子樹也分別為二叉排序樹。
l 沒有鍵值相等的節點（因此，插入的時候一定是葉子節點）。
刪除演算法
l 要刪除節點是葉子節點。
l 要刪除的節點只有一個孩子（左孩子或右孩子），這種情況比較簡單，只需要將該孩子連線到當前節點的父節點即可。
l 要刪除的節點有兩個孩子，這個時候的演算法就比較複雜（相比較於只有一個孩子的情況）。首先我們需要找到待刪除節點的左子樹上的最大值節點，或者右子樹上的最小值節點，然後將該節點的引數值與待刪除的節點引數值進行交換，最後刪除該節點，這樣需要刪除的引數就從該二叉樹中刪除了。
紅黑樹：
紅黑樹（Red Black Tree） 是一種自平衡二叉查詢樹 ：
l 每個節點或者是黑色，或者是紅色。
l 根節點是黑色。
l 每個葉子節點是黑色。
l 如果一個節點是紅色的，則它的子節點必須是黑色的。
l 從一個節點到該節點的子孫節點的所有路徑上包含相同數目的黑節點。
紅黑樹的各種操作的時間複雜度是O（log2N）。
紅黑樹 vs AVL
紅黑樹的查詢效能略微遜色於AVL樹，因為他比avl樹會稍微不平衡最多一層，也就是說紅黑樹的查詢效能只比相同內容的avl樹最多多一次比較，但是，紅黑樹在插入和刪除上完爆avl樹，avl樹每次插入刪除會進行大量的平衡度計算，而紅黑樹為了維持紅黑性質所做的紅黑變換和旋轉的開銷，相較於avl樹為了維持平衡的開銷要小得多
插入操作
紅父 如果新節點的父結點為紅色，這時就需要進行一系列操作以保證整棵樹紅黑性質。如下圖所示，由於父結點為紅色，此時可以判定，祖父結點必定為黑色。這時需要根據叔父結點的顏色來決定做什麼樣的操作。青色結點表示顏色未知。由於有可能需要根結點到新點的路徑上進行多次旋轉操作，而每次進行不平衡判斷的起始點（我們可將其視為新點）都不一樣。所以我們在此使用一個藍色箭頭指向這個起始點，並稱之為判定點。
l 紅叔 當叔父結點為紅色時，如下圖所示，無需進行旋轉操作，只要將父和叔結點變為黑色，將祖父結點變為紅色即可。但由於祖父結點的父結點有可能為紅色，從而違反紅黑樹性質。此時必須將祖父結點作為新的判定點繼續向上（迭代）進行平衡操作。
需要注意的是，無論“父節點”在“叔節點”的左邊還是右邊，無論“新節點”是“父節點”的左孩子還是右孩子，它們的操作都是完全一樣的（其實這種情況包括4種，只需調整顏色，不需要旋轉樹形）。
l 黑叔 當叔父結點為黑色時，需要進行旋轉，以下圖示了所有的旋轉可能： Case 1:
Case 2:
Case 3:
Case 4:
B樹與B-樹：
B-tree樹即B樹，B即Balanced，平衡的意思。因為B樹的原英文名稱為B-tree，而國內很多人喜歡把B-tree譯作B-樹，其實，這是個非常不好的直譯，很容易讓人產生誤解。如人們可能會以為B-樹是一種樹，而B樹又是另一種樹。而事實上是，B-tree就是指的B樹。
m階B樹是一棵平衡的m路搜尋樹。它是空樹，或者是滿足下列性質的樹：
l 根結點的兒子數為[2, M]；
l 除根結點以外的非葉子結點的兒子數為[M/2, M]； （M/2向上取整）
l 每個結點存放至少M/2-1（取上整）和至多M-1個關鍵字；
l 非葉子結點的關鍵字個數=指向兒子的指標個數-1；
l 非葉子結點的關鍵字：K[1], K[2], …, K[X-1]；且K[i] < K[i+1]；
l 非葉子結點的指標：P[1], P[2], …, P[X]；其中P[1]指向關鍵字小於K[1]的
子樹，P[X]指向關鍵字大於K[X-1]的子樹，其它P[i]指向關鍵字屬於(K[i-1], K[i])的子樹；
l 所有葉子結點位於同一層；
B+樹：
B+樹是B-樹的變體，也是一種多路搜尋樹：
其定義基本與B-樹同，除了：
l 非葉子結點的子樹指標與關鍵字個數相同；
l 非葉子結點的子樹指標P[i]，指向關鍵字值屬於[K[i], K[i+1])的子樹
（B-樹是開區間）；
l 為所有葉子結點增加一個指標鏈；
l 所有關鍵字都在葉子結點出現；
基本SQL操作
l SELECT * FROM table ORDER BY field DESC; (ASC|DESC)
SELECT DISTINCT field from table where 範圍
l INSERT INTO table_name (column1,column2,column3,...) VALUES (value1,value2,value3,...);
l UPDATE table_name SET column1=value1,column2=value2,... WHERE some_column=some_value;
l DELETE FROM table_name WHERE some_column=some_value;
LIKE 操作符
SELECT column_name(s) FROM table_name WHERE column_name LIKE pattern;
IN 操作符
SELECT column_name(s) FROM table_name WHERE column_name
IN (value1,value2,...);
BETWEEN 操作符
SELECT column_name(s) FROM table_name WHERE column_name BETWEEN
JOIN
左連線，右連線，內連線
left join(左聯接)： 返回包括左表中的所有記錄和右表中聯結欄位相等的記錄。
right join(右聯接)： 返回包括右表中的所有記錄和左表中聯結欄位相等的記錄。
inner join(等值連線)： 只返回兩個表中聯結欄位相等的行。（預設）
UNION 操作符
UNION 操作符用於合併兩個或多個 SELECT 語句的結果集。
SELECT country, name FROM Websites WHERE country='CN' UNION SELECT country, app_name FROM apps WHERE country='CN' ORDER BY country;
建立檢視
CREATE VIEW view_name AS SELECT column_name(s) FROM table_name WHERE condition
SQL函式
Avg() Count() Max() Min() Sum()
Group By():
GROUP BY 語句用於結合聚合函式，根據一個或多個列對結果集進行分組。
SELECT column_name, aggregate_function(column_name) FROM table_name WHERE column_name operator value GROUP BY column_name;
HAVING 子句可以讓我們篩選分組後的各組資料。
SELECT column_name, aggregate_function(column_name) FROM table_name WHERE column_name operator value GROUP BY column_name
HAVING aggregate_function(column_name) operator value;
如何查詢資料庫表結構，主鍵
desc tabl_name;
建表
CREATE TABLE 表名稱
(
列名稱1 資料型別,
....
)