【面试专题】MySQL篇①

1.MySQL中，如何定位慢查询?

①介绍一下当时产生问题的场景（我们当时的一个接口测试的时候非常的慢，压测的结果大概5秒钟）

②我们系统中当时采用了运维工具（ Skywalking ），可以监测出哪个接口，最终因为是sql的问题

③在mysql中开启了慢日志查询，我们设置的值就是2秒，一旦sql执行超过2秒就会记录到日志中（调试阶段）

面试回答：

我们当时做压测的时候有的接口非常的慢，接口的响应时间超过了2秒以上，因为我们当时的系统部署了运维的监控系统Skywalking ，在展示的报表中可以看到是哪一个接口比较慢，并且可以分析这个接口哪部分比较慢，这里可以看到SQL的具体的执行时间，所以可以定位是哪个sql出了问题。

如果，项目中没有这种运维的监控系统，其实在MySQL中也提供了慢日志查询的功能，可以在MySQL的系统配置文件中开启这个慢日志的功能，并且也可以设置SQL执行超过多少时间来记录到一个日志文件中，我记得上一个项目配置的是2秒，只要SQL执行的时间超过了2秒就会记录到日志文件中，我们就可以在日志文件找到执行比较慢的SQL了。

扩展：

方案一：开源工具

调试工具：Arthas

运维工具：Prometheus 、Skywalking

以Skywalking为例：

方案二：MySQL自带慢日志

慢查询日志记录了所有执行时间超过指定参数（long_query_time，单位：秒，默认10秒）的所有SQL语句的日志如果要开启慢查询日志，需要在MySQL的配置文件（/etc/my.cnf）中配置如下信息：

SHOW VARIABLES LIKE 'slow_query_log';

我的之前配置过，所以显示的是ON（off为关，on为开）:

SHOW VARIABLES LIKE 'long_query_time';

# 设置慢日志的时间为2秒，SQL语句执行时间超过2秒，就会视为慢查询，记录慢查询日志
long_query_time=2

配置完毕之后，通过以下指令重新启动MySQL服务器进行测试，查看慢日志文件中记录的信息 /var/lib/mysql/localhost-slow.log。

2.那这个SQL语句执行很慢, 如何分析呢？

面试回答：

如果一条sql执行很慢的话，我们通常会使用mysql自动的执行计划explain来去查看这条sql的执行情况。

①可以通过key和key_len检查是否命中了索引，如果本身已经添加了索引，也可以判断索引是否有失效的情况

②可以通过type字段查看sql是否有进一步的优化空间，是否存在全索引扫描或全盘扫描

③可以通过extra建议来判断，是否出现了回表的情况，如果出现了，可以尝试添加索引或修改返回字段来修复

扩展：

-- 直接在select语句之前加上关键字 explain / desc
EXPLAIN SELECT 字段列表 FROM 表名 WHERE 条件 ;

Explain 执行计划中各个字段的含义:

3.了解过索引吗？（什么是索引）

面试回答：

索引在项目中还是比较常见的，它是帮助MySQL高效获取数据的数据结构，主要是用来提高数据检索的效率，降低数据库的IO成本，同时通过索引列对数据进行排序，降低数据排序的成本，也能降低了CPU的消耗。

扩展：

【MySQL进阶】索引的结构及分类_mysql索引数据结构有哪些-CSDN博客

4.索引的底层数据结构了解过嘛?

面试回答：

MySQL的默认的存储引擎InnoDB采用的B+树的数据结构来存储索引，选择B+树的主要的原因是：

①阶数更多，路径更短

②磁盘读写代价B+树更低，非叶子节点只存储指针，叶子阶段存储数据

③B+树便于扫库和区间查询，叶子节点是一个双向链表

扩展：

【MySQL进阶】索引的结构及分类_mysql索引数据结构有哪些-CSDN博客

5.B树和B+树的区别是什么呢？

面试回答：

第一：在B树中，非叶子节点和叶子节点都会存放数据，而B+树的所有的数据都会出现在叶子节点，在查询的时候，B+树查找效率更加稳定

第二：在进行范围查询的时候，B+树效率更高，因为B+树都在叶子节点存储，并且叶子节点是一个双向链表

扩展：

【MySQL进阶】索引的结构及分类_mysql索引数据结构有哪些-CSDN博客

6.InnoDB为什么使用B+树实现索引？

面试回答：

首先看看B+树有哪些特点：

B+树是一棵平衡树，每个叶子节点到根节点的路径长度相同，查找效率较高；
B+树的所有关键字都在叶子节点上，因此范围查询时只需要遍历一遍叶子节点即可；
B+树的叶子节点都按照关键字大小顺序存放，因此可以快速地支持按照关键字大小进行排序；
B+树的非叶子节点不存储实际数据，因此可以存储更多的索引数据；
B+树的非叶子节点使用指针连接子节点，因此可以快速地支持范围查询和倒序查询。
B+树的叶子节点之间通过双向链表链接，方便进行范围查询。

那么，使用B+树实现索引，就有以下几个优点：

支持范围查询，B+树在进行范围查找时，只需要从根节点一直遍历到叶子节点，因为数据都存储在叶子节点上，而且叶子节点之间有指针连接，可以很方便地进行范围查找。
支持排序，B+树的叶子节点按照关键字顺序存储，可以快速支持排序操作，提高排序效率；
存储更多的索引数据，因为它的非叶子节点只存储索引关键字，不存储实际数据，因此可以存储更多的索引数据；
在节点分裂和合并时，IO操作少。B+树的叶子节点的大小是固定的，而且节点的大小一般都会设置为一页的大小，这就使得节点分裂和合并时，IO操作很少，只需读取和写入一页。
有利于磁盘预读。由于B+树的节点大小是固定的，因此可以很好地利用磁盘预读特性，一次性读取多个节点到内存中，这样可以减少IO操作次数，提高查询效率。
有利于缓存。B+树的非叶子节点只存储指向子节点的指针，而不存储数据，这样可以使得缓存能够容纳更多的索引数据，从而提高缓存的命中率，加快查询速度。