面试整理

面试整理

MySQL

MySQL为什么采用B+树存储？

MySQL中主要有两个核心的理论：索引和事务 1、索引需要有一个高效的数据结构来进行组织 2、事务中最核心之一的隔离级别 -> 锁+MVCC（多版本并发控制），锁常见问题有死锁，而死锁则与加锁顺序有关，也需要了解数据结构

主要是出于 磁盘访问效率、范围查询性能和稳定性 的考虑。

B+树是为磁盘而生的数据结构，既能减少 I/O，又能兼顾等值和范围查询，是数据库索引的最佳选择

1
2
3
4
# 磁盘与内存io比较

   10ms                                 100ns
随即磁盘io >> 顺序磁盘io ~ 随机内存io >> 顺序内存io
  • 磁盘访问效率：B+树是一个更加矮胖的数据结构，它比平衡二叉搜索树更加矮胖，高度就比较低，所以访问磁盘的次数就比较少（通常 2~4 层就能存储上千万行数据）。
  • 范围查询、单点查询：所有数据都存放在叶子节点，内节点只存索引，B+树的叶子节点之间通过双向循环链表连接，扫描范围时只需顺序遍历叶子节点；因为内节点不存储实际数据，只存储键和指针，能容纳更多的 key，从而树更“矮胖”，进一步减少磁盘 I/O。而B树数据分布在内节点和叶子节点上。

MySQL事务隔离级别如何实现的？

  • 事务：可以理解成数据库里的“打包操作”：一组 SQL 语句要么全部成功，要么全部失败，不允许中间状态。

    1
    2
    3
    4
    5
    6
    7
    START TRANSACTION;
    UPDATE account SET balance = balance - 100 WHERE user_id = 1;
    UPDATE account SET balance = balance + 100 WHERE user_id = 2;
    COMMIT;

    -- 事务是数据库中最小的逻辑操作单元，通常包含多个 SQL 操作
    -- 表示从用户1转账100元给用户2。如果中间出错，比如第二条语句失败，整个事务就会回滚，数据不会被修改

  • 事务的四大特性（ACID）

    • 原子性：要么全做，要么全部做
    • 一致性：数据前后状态都必须合法
    • 隔离性：多人同时操作不会互相干扰
    • 持久性：提交后数据永久保存，即使断电池也不丢失

  • 事务的隔离级别是靠：MVCC（版本链+Read View）保证读一致性，锁（行锁、间隙锁、Next-Key锁）保证写隔离性

MySQL是怎么执行一条SQL语句的？

flowchart TD
    A[客户端发送SQL] --> B[连接器: 用户认证]
    B --> C[解析器: 词法/语法分析]
    C --> D[预处理器: 表/字段检查, 权限校验]
    D --> E[优化器: 生成执行计划]
    E --> F[执行器: 调用存储引擎]
    F --> G[存储引擎: InnoDB, B+树, 磁盘I/O]
    G --> H[返回结果给客户端]

select、insert、update、delete都会执行查询，因为需要定位到具体的数据行，insert、update、delete统称为DML语句

  • 客户端：客户端发送的传输协议一般是TCP/IP
  • 连接层：连接器负责账号、密码、权限认证，用以建立TCP长连接、短连接、连接池
  • SQL层（Server层）：
    • 在5.7版本还有一个查村缓存，但在8.0移除了，是KV存储的缓存，key是存储查询语句，由于命中低移除
    • 解析器检查SQL是否符合语法（SELECT、FROM、WHERE），生成语法树
    • 预处理器解析表明、列名是否合法以及用户读/写权限
    • 优化器基于执行成本决定具体的执行计划，如是否走索引、使用哪个索引等
    • 执行器调用存储引擎的接口，从磁盘中读取数据
  • 存储引擎层：支持多种引擎（InnoDB、MyISAM、Memory等），在创表的时候就会选择存储引擎，默认是InnoDB。InnoDB的大致流程：查Buffer Pool（内存缓存）是否有数据、如果没有，出发磁盘IO，从数据页（默认16KB）加载、利用B+树索引定位数据行、返回结果给执行器

其他

进程和线程的区别，何时使用多线程和多进程？

进程 = 一个公司，有独立的办公楼、资金、部门（资源）。

线程 = 公司里的员工，共享同一个办公楼（内存），但有自己的办公桌（栈）。

进程：定义>程序运行的一个实例，系统资源分配的基本单位，资源>独立的地址空间（代码段、堆、栈、数据段），进程间资源隔离，安全性>进程间相互隔离，崩溃不会影响其他进程（更稳定），通信方式>进程间通信 (IPC)：管道、消息队列、共享内存、socket，开销大，适用场景>需要高稳定性、强隔离性（数据库、浏览器多进程）

多进程适用场景：CPU密集型（大量计算、科学计算等）、高可靠性场景（浏览器多进程）、安全/隔离要求高（数据库服务/容器）

线程：定义>进程中的执行单元，是 CPU 调度的基本单位，资源>共享进程的地址空间（代码段、堆、文件描述符等），但有独立的栈和寄存器，安全性>线程共享内存，可能相互影响，一个线程崩溃可能导致整个进程挂掉，通信方式>线程间通信直接读写共享内存，效率高，但需加锁避免竞争，适用场景需要高性能、共享数据方便（Web 服务器、多任务计算）

多线程适用场景：IO密集型（网络请求、磁盘读写等）、频繁共享数据的任务（Web服务器的每个连接）

程序CPU占用率较高，如何排查？

  1. 定位进程
    1. top/htop查看整体CPU使用率，找出最消耗的进程PID
  2. 定位线程
    1. ps -mp <PID> -o THREAD,tid,time查看该进程的各个线程的CPU占用
    2. pidstat -p <PID> 1实时监控指定进程的CPU占用
  3. 查看线程堆栈
    1. py-spy top --pid <PID> 或 py-spy dump抓堆栈，定位具体是哪一段函数，工具如py-spy、line-profiler、cProfile
  4. 查看日志
  5. 分析并解决