数据库三范式：

函数依赖

记 A->B 表示 A 函数决定 B，也可以说 B 函数依赖于 A。

如果 {A1，A2，... ，An} 是关系的一个或多个属性的集合，该集合函数决定了关系的其它所有属性并且是最小的，那么该集合就称为键码。

对于 A->B，如果能找到 A 的真子集 A'，使得 A'-> B，那么 A->B 就是部分函数依赖，否则就是完全函数依赖；
对于 A->B，B->C，则 A->C 是一个传递函数依赖。

image.png

范式

范式理论是为了解决以上提到四种异常。
高级别范式的依赖于低级别的范式，1NF 是最低级别的范式。

image.png

属性不可分；

1. 第一范式 (1NF)

属性不可分；

2. 第二范式 (2NF)

每个非主属性完全函数依赖于键码。

可以通过分解来满足。

分解前

以上学生课程关系中，{Sno, Cname} 为键码，有如下函数依赖：

• Sno -> Sname, Sdept
• Sdept -> Mname
• Sno, Cname-> Grade

Grade 完全函数依赖于键码，它没有任何冗余数据，每个学生的每门课都有特定的成绩。

Sname, Sdept 和 Mname 都部分依赖于键码，当一个学生选修了多门课时，这些数据就会出现多次，造成大量冗余数据。

分解后

关系-1

有以下函数依赖：

• Sno -> Sname, Sdept
• Sdept -> Mname

关系-2

有以下函数依赖：

• Sno, Cname -> Grade

3. 第三范式 (3NF)

非主属性不传递函数依赖于键码。

上面的 关系-1 中存在以下传递函数依赖：Sno -> Sdept -> Mname，可以进行以下分解：

关系-11

关系-12

ER 图

Entity-Relationship，有三个组成部分：实体、属性、联系。

用来进行关系型数据库系统的概念设计。

实体的三种联系

包含一对一，一对多，多对多三种。

如果 A 到 B 是一对多关系，那么画个带箭头的线段指向 B；如果是一对一，画两个带箭头的线段；如果是多对多，画两个不带箭头的线段。下图的 Course 和 Student 是一对多的关系。

image.png

表示出现多次的关系

一个实体在联系出现几次，就要用几条线连接。下图表示一个课程的先修关系，先修关系出现两个 Course 实体，第一个是先修课程，后一个是后修课程，因此需要用两条线来表示这种关系。

image.png

联系的多向性

虽然老师可以开设多门课，并且可以教授多名学生，但是对于特定的学生和课程，只有一个老师教授，这就构成了一个三元联系。

image.png

一般只使用二元联系，可以把多元关系转换为二元关系。

image.png

表示子类

用一个三角形和两条线来连接类和子类，与子类有关的属性和联系都连到子类上，而与父类和子类都有关的连到父类上。

image.png

InnoDB和MyISAM存储引擎的区别

• 事务
  • InnoDB：支持
  • MyISAM：不支持
• 锁粒度
  • InnoDB：支持到行级
  • MyISAM：只支持表级
• 外键
  • InnoDB：支持
  • MyISAM：不支持
• 保存总行数
  • InnoDB ：不保存
  • MyISAM：保存
• 数据压缩
  • InnoDB：不支持
  • MyISAM：支持
• 存储结构
  • MyISAM：每个MyISAM在磁盘上存储成三个文件。第一个文件的名字以表的名字开始，扩展名指出文件类型。.frm文件存储表定义。数据文件的扩展名为.MYD (MYData)。索引文件的扩展名是.MYI (MYIndex)。
  • InnoDB：所有的表都保存在同一个数据文件中（也可能是多个文件，或者是独立的表空间文件），InnoDB表的大小只受限于操作系统文件的大小，一般为2GB。
• 适用范围：InnoDB适合需要事务完整性，操作较丰富的场景。MyISAM则在查询较多的场景有着更好的性能

索引分类（主键、唯一索引、全文索引、覆盖索引等等），最左前缀原则，哪些条件无法使用索引

索引结构

• B+Tree索引：常用，数据存储在叶子节点
• Hash索引：不支持范围查找，不适合排序，mysql会使用hash索引来对B+Tree进行优化。

索引类型：

• 普通索引：最基本的索引，没有任何限制
• 唯一索引：与"普通索引"类似，不同的就是：索引列的值必须唯一，但允许有空值。
• 主键索引：它 是一种特殊的唯一索引，不允许有空值。
• 全文索引：仅可用于 MyISAM 表，针对较大的数据，生成全文索引很耗时好空间。

索引优化

• 组合索引：为了更多的提高mysql效率可建立组合索引，遵循”最左前缀“原则。
• 覆盖索引：包含(或覆盖)所有需要查询的字段的值，称为‘覆盖索引’。即只需扫描索引而无须回表。

聚簇索引与非聚簇索引

主索引的叶子节点data域记录着完整的数据记录，这种索引被称为聚簇索引，因为无法把数据行放到两个不同的地方，所以一个表只能有一个聚簇索引
辅助索引的叶子结点的data域记录着主键的值，因此在使用辅助索引进行查找时，需要先找到主键，然后在到主索引中进行查找

最左前缀匹配

推荐：https://www.jb51.net/article/142840.htm

B树、B+树区别

B Tree 指的是 Balance Tree，也就是平衡树。平衡树时一颗查找树，并且所有叶子节点位于同一层。

B+ Tree 是基于 B Tree 和叶子节点顺序访问指针进行实现，它具有 B Tree 的平衡性，并且通过顺序访问指针来提高区间查询的性能。

在 B+ Tree 中，一个节点中的 key 从左到右非递减排列，如果某个指针的左右相邻 key 分别是 keyi 和 keyi+1，且不为 null，则该指针指向节点的所有 key 大于等于 keyi 且小于等于 keyi+1。

进行查找操作时，首先在根节点进行二分查找，找到一个 key 所在的指针，然后递归地在指针所指向的节点进行查找。直到查找到叶子节点，然后在叶子节点上进行二分查找，找出 key 所对应的 data。

插入删除操作记录会破坏平衡树的平衡性，因此在插入删除时，需要对树进行一个分裂、合并、旋转等操作。

与红黑树的比较

红黑树等平衡树也可以用来实现索引，但是文件系统及数据库系统普遍采用 B+ Tree 作为索引结构，主要有以下两个原因：

（一）更少的检索次数

平衡树检索数据的时间复杂度等于树高 h，而树高大致为 O(h)=O(log_dN)，其中 d 为每个节点的出度。

红黑树的出度为 2，而 B+ Tree 的出度一般都非常大。红黑树的树高 h 很明显比 B+ Tree 大非常多，因此检索的次数也就更多。

（二）利用计算机预读特性

为了减少磁盘 I/O，磁盘往往不是严格按需读取，而是每次都会预读。这样做的理论依据是计算机科学中著名的局部性原理：当一个数据被用到时，其附近的数据也通常会马上被使用。预读过程中，磁盘进行顺序读取，顺序读取不需要进行磁盘寻道，并且只需要很短的旋转时间，因此速度会非常快。

操作系统一般将内存和磁盘分割成固态大小的块，每一块称为一页，内存与磁盘以页为单位交换数据。数据库系统将索引的一个节点的大小设置为页的大小，使得一次 I/O 就能完全载入一个节点，并且可以利用预读特性，相邻的节点也能够被预先载入。

事务的ACID

原子性

事务被视为不可分割的最小单元，事务的所有操作要么全部提交成功，要么全部失败回滚。
回滚可以用日志来实现，日志记录着事务所执行的修改操作，在回滚时反向执行这些修改操作即可。

一致性

数据库在事务执行前后都保持一致性状态。
在一致性状态下，所有事务对一个数据的读取结果都是相同的。

隔离性

一个事务所做的修改在最终提交以前，对其它事务是不可见的。

持久性

一旦事务提交，则其所做的修改将会永远保存到数据库中。即使系统发生崩溃，事务执行的结果也不能丢失。
可以通过数据库备份和恢复来实现，在系统发生崩溃时，使用备份的数据库进行数据恢复。

事务隔离级别和各自存在的问题

image.png

解决方法

MVCC(多版本并发控制)

MVCC是InnoDb存储引擎实现隔离级别的一种具体方式，用来实现提交读和可重复读两种隔离级别。
为提交读总是读取最新的数据行，无需使用MVCC，
可串行化直接对所有行加锁就好了。

• SELECT

  • Innodb检查每行数据，确保他们符合两个标准：

  1. InnoDB只查找版本早于当前事务版本的数据行(也就是数据行的版本必须小于等于事务的版本)，这确保当前事务读取的行都是事务之前已经存在的，或者是由当前事务创建或修改的行

  2. 行的删除操作的版本一定是未定义的或者大于当前事务的版本号，确定了当前事务开始之前，行没有被删除

  • 符合了以上两点则返回查询结果。

• INSERT
  InnoDB为每个新增行记录当前系统版本号作为创建ID。

• DELETE
  InnoDB为每个删除行的记录当前系统版本号作为行的删除ID。

• UPDATE
  InnoDB复制了一行。这个新行的版本号使用了系统版本号。它也把系统版本号作为了删除行的版本。

说明

insert操作时 “创建时间”=DB_ROW_ID，这时，“删除时间 ”是未定义的；

update时，复制新增行的“创建时间”=DB_ROW_ID，删除时间未定义，旧数据行“创建时间”不变，删除时间=该事务的DB_ROW_ID；

delete操作，相应数据行的“创建时间”不变，删除时间=该事务的DB_ROW_ID；

select操作对两者都不修改，只读相应的数据
推荐：https://www.cnblogs.com/chenpingzhao/p/5065316.html

间隙锁

MVCC无法解决幻读的情况，可以在MVCC基础上使用间隙锁来在可重复读的隔离级别下解决幻读
当我们用范围条件而不是相等条件检索数据，并请求共享或排他锁时，InnoDB会给符合条件的已有数据记录的索引项加锁；对于键值在条件范围内但并不存在的记录，叫做“间隙（GAP)”，InnoDB也会对这个“间隙”加锁，这种锁机制就是所谓的间隙锁（Next-Key锁）。
举例来说，假如emp表中只有101条记录，其empid的值分别是 1,2,...,100,101，下面的SQL：
Select * from emp where empid > 100 for update;
是一个范围条件的检索，InnoDB不仅会对符合条件的empid值为101的记录加锁，也会对empid大于101（这些记录并不存在）的“间隙”加锁。

• innodb间隙锁就是不仅仅锁住所需要的行（如果锁住的这行不存在）还会锁住一个范围的行，这个范围依据锁住的这行而定。上下刚好是两个相邻索引叶节点的范围。包含下范围，不包含上范围。

两段锁协议

在事务执行的过程只，随时都可以执行锁定，锁只有在执行Commit或者ROLLBACK时才会释放，并且所有的锁都会在同一时刻释放。

乐观锁 被关索 共享锁 排他锁

乐观锁：设想不会发生并发冲突，所以不去上锁，但是一旦发现有冲突，就回滚。
悲观锁：假设总是有并发冲突，所以每次读写都要上锁，共享锁和排他锁都是悲观锁
共享锁：享锁又称为读锁，一个线程给数据加上共享锁后，其他线程只能读数据，不能修改。
排他锁：排他锁又称为写锁，和共享锁的区别在于，其他线程既不能读也不能修改。

手动加锁

• 共享锁：SELECT ...LOCK IN SHARE MODE
• 排他锁：SElECT... FOR UNDATE

死锁的判定原理和具体场景

死锁是指两个或者多个事务在同一资源上互相作用，并请求锁定对方占用的资源，从而导致恶性循环的现象。当多个事务试图以不同的顺序锁定资源时，就有可能产生死锁。
场景：

事务1：
START TRANSCACTION;
UPDATE StockPrice SET close = 45.50 WHERE stock_id = 4 and date = '2018-03-03';
UPDATE StockPrice SET close = 12.45 WHERE stock_id = 3 and date = '2017-03-03';
COMMIT;
事务2：
START TRANSCACTION;
UPDATE StockPrice SET close = 13.35 WHERE stock_id = 3 and date = '2017-03-03';
UPDATE StockPrice SET close = 25.50 WHERE stock_id = 4 and date = '2018-03-03';
COMMIT;

如果事务1，和事务2都执行了第一条UPDATE语句，锁定了对应数据，接着每个事务都尝试去执行第二个语句，就会产生死锁。

• innodb支持死锁监测，如果发现死锁，便将持有最少行级排他锁的事务进行回滚，也就是影响行数最少的事务进行回滚。

查询缓慢和解决方式

• explain
• 慢日志查询
• show profile

drop、truncate、delete区别

drop直接删掉表
truncate删除表中数据，再插入时自增长id又从1开始
delete删除表中数据，可以加where字句。

查询语句不同元素（where、jion、limit、group by、having等等）执行先后顺序

SELECT的语法顺序就是起执行顺序

FROM
WHERE （先过滤单表／视图／结果集，再JOIN）
GROUP BY
HAVING （WHERE过滤的是行，HAVING过滤的是组，所以在GROUP之后）
ORDER BY
LIMIT

mysql优化

• explian 分析
  主要字段
  • select_type：查询类型（简单查询，联合查询，子查询）
  • key：使用的索引
  • rows:扫描的行数
• 减少请求的数据量
  • 最好不要使用SELECT *， 解析起来很麻烦，而且也无法使用覆盖索引
  • 只返回必要的行
  • 使用缓存缓存重复的数据
  • 合理使用索引
• 切分大查询：如果某个查询时间过长，可能会锁住很多数据，占据大量事务日志
• 分解大连接查询
• 分库分表

主从复制

读写分离