Java 岗大厂面试百日冲刺 - 日积月累，每日三题【Day4，kafkastreams 实战
??
因此，不足的地方希望各位在评论区补充疑惑、见解以及面试中遇到的奇葩问法，希望这 100 天能够让我们有质的飞越，一起冲进大厂！！，让我们一起学（juan）起来！！！
车票
本栏目 Java 开发岗高频面试题主要出自以下各技术栈：Java基础知识、集合容器、并发编程、JVM、Spring全家桶、MyBatis等ORMapping框架、MySQL数据库、Redis缓存、RabbitMQ消息队列、Linux操作技巧等。
??终于到了期待已久的 MySQL 系列，太舒服了，还是个阳光明媚的周五~~~COOL！
??写在前面，群里同学常提：数据库这方面，面试一般怎么问呢？
??我们虽不是大公司，但面试过很多朋友。我们一般从 sql 优化起头，基于回答内容，深入原理，然后往索引、事务上找，曾经实际优化的事儿，底子好的，一般两个点以后就不在问啦~
??至于为啥不再问，
是因为问太多毫无意义！！，看完本文你就会有所体会。
==================================================================================
在高并发环境下，数据库是最敏感的地方，nginx 负载均衡、Server 集群、MQ 消息队列、Redis 缓存集群、数据库主从集群所作的一切都是为了减轻数据库访问压力。但是！前提是要有健壮的数据库和底层代码，这样才能使前期准备不再是花架子。
性价比如上图，我们针对数据库的优化优先级大致如下：
高：从 SQL 优化、索引优化入手，优化慢 SQL、利用好索引，是重中之重；
中：SQL 优化之后，是对数据表结构设计、横纵分表分库，对数据量级的处理；
低：通过修改数据库系统配置，最大化里用服务器内存等资源；
低：通过以上方式还不行，那就是服务器资源瓶颈了，加机器。
优化成本：硬件 > 系统配置 > 数据库表结构 > SQL 及索引。
优化效果：硬件 < 系统配置 < 数据库表结构 < SQL 及索引。
追问 1：那你对 SQL 优化方面有哪些技巧呢？
简单说对于 SQL 优化，就三点:
最大化利用索引；
尽可能避免全表扫描；
减少无效数据的查询；
首先要清楚 SELECT 语句 - 执行顺序：
FROM
<表名> # 选取表，将多个表数据通过笛卡尔积变成一个表。
ON
<筛选条件> # 对笛卡尔积的虚表进行筛选
JOIN<join, left join, right join…>
<join 表> # 指定 join，用于添加数据到 on 之后的虚表中，例如 left join 会将左表的剩余数据添加到虚表中
WHERE
<where 条件> # 对上述虚表进行筛选
GROUP BY
<分组条件> # 分组
<SUM()等聚合函数> # 用于 having 子句进行判断，在书写上这类聚合函数是写在 having 判断里面的
HAVING
<分组筛选> # 对分组后的结果进行聚合筛选
SELECT
<返回数据列表> # 返回的单列必须在 group by 子句中，聚合函数除外
DISTINCT
#数据除重
ORDER BY
<排序条件> # 排序
LIMIT
<行数限制>
SQL 优化策略:
声明：以下 SQL 优化策略适用于数据量较大的场景下，如果数据量较小，没必要以此为准，以免画蛇添足。
一、避免不走索引的场景
尽量避免在字段开头模糊查询，会导致数据库引擎放弃索引进行全表扫描。如下：
SELECT * FROM t WHERE username LIKE '%陈 %'
优化方式：尽量在字段后面使用模糊查询。如下：（原因涉及 B+Tree 索引最左前缀原则，可以参考《MySQL最左匹配原则，道儿上兄弟都得知道的原则》）
SELECT * FROM t WHERE username LIKE '陈 %'
如果需求是要在前面使用模糊查询，
使用 MySQL 内置函数 INSTR(str,substr) 来匹配，作用类似于 java 中的 indexOf()，查询字符串出现的角标位置，可参阅《MySQL模糊查询用法大全（正则、通配符、内置函数等）》
使用 FullText 全文索引，用 match against 检索
数据量较大的情况，建议引用 ElasticSearch、solr，亿级数据量检索速度秒级
当表数据量较少（几千条儿那种），别整花里胡哨的，直接用 like ‘%xx%’。
尽量避免使用 or，会导致数据库引擎放弃索引进行全表扫描。如下：
SELECT * FROM t WHERE id = 1 OR id = 3
优化方式：可以用 union 代替 or。如下：
SELECT * FROM t WHERE id = 1
UNION
SELECT * FROM t WHERE id = 3
尽量避免进行 null 值的判断，会导致数据库引擎放弃索引进行全表扫描。如下：
SELECT * FROM t WHERE score IS NULL
优化方式：可以给字段添加默认值 0，对 0 值进行判断。如下：
SELECT * FROM t WHERE score = 0
??这里说明了字段设为 not null 的重要性，详细请参考之前博文《领导含泪叮嘱我：MySQL 建表字段记得用 not null，不然就收拾包袱滚蛋》
尽量避免在 where 条件中等号的左侧进行表达式、函数操作，会导致数据库引擎放弃索引进行全表扫描。
可以将表达式、函数操作移动到等号右侧。如下：
-- 全表扫描
SELECT * FROM T WHERE score/10 = 9
-- 走索引
SELECT * FROM T WHERE score = 10*9
当数据量大时，避免使用 where 1=1 的条件。通常为了方便拼装查询条件，我们会默认使用该条件，数据库引擎会放弃索引进行全表扫描。如下：
SELECT username, age, sex FROM T WHERE 1=1
优化方式：用代码拼装 sql 时进行判断，没 where 条件就去掉 where，有 where 条件就加 and。
查询条件不要用 <> 或者 !=
使用索引列作为条件进行查询时，需要避免使用<>或者!=等判断条件。如确实业务需要，使用到不等于符号，需要在重新评估索引建立，避免在此字段上建立索引，改由查询条件中其他索引字段代替。
where 条件仅包含复合索引非前置列
如下：复合（联合）索引包含 key_part1，key_part2，key_part3 三列，但 SQL 语句没有包含索引前置列"key_part1"，按照 MySQL 联合索引的最左匹配原则，不会走联合索引。。
select col1 from table where key_part2=1 and key_part3=2
了解其原理的同学可以参考《MySQL最左匹配原则，道儿上兄弟都得知道的原则》
隐式类型转换造成不使用索引
如下 SQL 语句由于索引对列类型为 varchar，但给定的值为数值，涉及隐式类型转换，造成不能正确走索引。
select col1 from table where col_varchar=123;
了解其原理的同学可以参考《令人炸毛儿的MySQL隐式转换 - 无形之刃，最为致命》
order by 条件要与 where 中条件一致，否则 order by 不会利用索引进行排序
-- 不走 age 索引
SELECT * FROM t order by age;
-- 走 age 索引
SELECT * FROM t where age > 0 order by age;
对于上面的语句，数据库的处理顺序是：
第一步：根据 where 条件和统计信息生成执行计划，得到数据。
第二步：将得到的数据排序。当执行处理数据（order by）时，数据库会先查看第一步的执行计划，看 order by 的字段是否在执行计划中利用了索引。如果是，则可以利用索引顺序而直接取得已经排好序的数据。如果不是，则重新进行排序操作。
第三步：返回排序后的数据。
当 order by 中的字段出现在 where 条件中时，才会利用索引而不再二次排序，更准确的说，order by 中的字段在执行计划中利用了索引时，不用排序操作。
这个结论不仅对 order by 有效，对其他需要排序的操作也有效。比如 group by 、union 、distinct 等。
二、SELECT 语句的一些其他优化
避免出现select *
首先，select * 操作在任何类型数据库中都不是一个好的 SQL 编写习惯。
使用 select * 取出全部列，会让优化器无法完成索引覆盖扫描这类优化，会影响优化器对执行计划的选择，也会增加网络带宽消耗，更会带来额外的 I/O,内存和 CPU 消耗。
建议提出业务实际需要的列数，将指定列名以取代 select *。
避免出现不确定结果的函数
特定针对主从复制这类业务场景。由于原理上从库复制的是主库执行的语句，使用如 now()、rand()、sysdate()、current_user()等不确定结果的函数很容易导致主库与从库相应的数据不一致。另外不确定值的函数,产生的 SQL 语句无法利用 query cache。
多表关联查询时，小表在前，大表在后
在 MySQL 中，执行 from 后的表关联查询是从左往右执行的（Oracle 相反），第一张表会涉及到全表扫描，所以将小表放在前面，先扫小表，扫描快效率较高，在扫描后面的大表，或许只
扫描大表的前 100 行就符合返回条件并 return 了。
例如：表 1 有 50 条数据，表 2 有 30 亿条数据；如果全表扫描表 2，你品，那就先去吃个饭再说吧是吧。
使用表的别名
当在 SQL 语句中连接多个表时，请使用表的别名并把别名前缀于每个列名上。这样就可以减少解析的时间并减少哪些友列名歧义引起的语法错误。
用where字句替换HAVING字句
避免使用 HAVING 字句，因为 HAVING 只会在检索出所有记录之后才对结果集进行过滤，而 where 则是在聚合前刷选记录，如果能通过 where 字句限制记录的数目，那就能减少这方面的开销。HAVING 中的条件一般用于聚合函数的过滤，除此之外，应该将条件写在 where 字句中。
where 和 having 的区别：where 后面不能使用组函数
调整Where字句中的连接顺序
MySQL 采用从左往右，自上而下的顺序解析 where 子句。根据这个原理，应将过滤数据多的条件往前放，最快速度缩小结果集。对了，听说 5.7 版的语法解析器已经实现了 where 后条件的自动调节工作。查询条件很多的场景，建议不要做这种尝试。
追问 2：嗯，那你说一下为什么不建议用 SELECT * 呢？
在阿里代码规范中的《阿里java开发手册（泰山版）》（提取码：hb6i）MySQL 部分描述声明：
4 - 1.
【强制】在表查询中，一律不要使用 * 作为查询的字段列表，需要哪些字段必须明确写出。
增加查询分析器解析成本。
增减字段容易与 resultMap 配置不一致。
无用字段增加网络 消耗，尤其是 text 类型的字段。
1. 不需要的列会增加数据传输时间和网络开销
用“SELECT * ”数据库需要解析更多的对象、字段、权限、属性等相关内容，在 SQL 语句复杂，硬解析较多的情况下，会对数据库造成沉重的负担。
增大网络开销；* 有时会误带上如 log、IconMD5 之类的无用且大文本字段，数据传输 size 会几何增涨。如果 DB 和应用程序不在同一台机器，这种开销非常明显。
即使 mysql 服务器和客户端是在同一台机器上，使用的协议还是 tcp，通信也是需要额外的时间。
2. 对于无用的大字段，如 varchar、blob、text，会增加 io 操作
准确来说，长度超过 728 字节的时候，会先把超出的数据序列化到另外一个地方，因此读取这条记录会增加一次 io 操作。（MySQL InnoDB）
3. 失去 MySQL 优化器“覆盖索引”策略优化的可能性
SELECT * 杜绝了覆盖索引的可能性，而基于 MySQL 优化器的“覆盖索引”策略又是速度极快，效率极高，业界极为推荐的查询优化方式。
课间休息，《垂钓者 1》 坐标：北京 元大都遗址。??
=================================================================================
分库：由单个数据库实例拆分成多个数据库实例，将数据分布到多个数据库实例中。
分表：由单张表拆分成多张表，将数据划分到多张表内。
要知道，对于大型互联网项目，数据量级可能不是我们能想到的，每日新增数据量过千万是常有的事儿，想靠单台 MySQL 服务器是不现实的。你项羽在牛 B，也顶不住四个队友挂机啊！！项羽：？？？
随着业务数据量和网站 QPS 日益增高，对数据库压力也越来越大，单机版数据库很快会到达存储和并发瓶颈，就需要做数据库性能方面的优化，分库分表采取的是分而治之的策略，分库目的是减轻单台 MySQL 实例存储压力及可扩展性，而分表是解决单张表数据过大以后查询的瓶颈问题，坦白说，这些问题也是所有关系型数据库的“硬伤”。
常用策略包括：
垂直分表、水平分表、垂直分库、水平分库。
1、垂直分表
垂直分表，或者叫竖着切表，是不是感受到该策略是以字段为依据的！主要按照字段的活跃性、字段长度，将表中字段拆分到不同的表（主表和扩展表）中。
特点：
每个表的结构都不一样；
每个表的数据也不一样，
有一个关联字段，一般是主键或外键，用于关联
兄弟表数据；所有兄弟表的并集是该表的全量数据；
场景：
有几个字段属于热点字段，更新频率很高，要把这些字段单独切到一张表里，不然 innodb 行锁很恶心的，锁死你呀~~如用户表里的余额字段？不，我的余额就很稳定，一直是 0。。有大字段，如text，存储压力很大，毕竟 innodb 数据和索引是同一个文件；同时，我又喜欢用 SELECT *，你懂得，这磁盘 IO 消耗的，跟玩儿似的，谁都扛不住的。有明显的业务区分，或表结构设计时字段冗余；有些小伙伴看到第一点时，就发现陈哈哈是个菜鸡，用户表怎么会有余额字段？明显有问题啊！赶紧先到评论区喷陈哈哈一波~~然后笑嘻嘻的发现原来是个小尾巴，真不要脸是吧。。是的，因此不同业务我们要把具体字段拆开，这样才有利于业务后续扩展哦。
2、水平分表
水平分表，也叫“横着切”。。以行数据为依据进行切分，一般按照某列的自容进行切分。
如手机号表，我们可以通过前两位或前三位进行切分，如131、132、133 → phone_131、phone_132、phone_133，手机号有 11 位（100 亿），量大是很正常的事儿，这年头谁家老头老太太每个手机呢是吧。这样切就把一张大表切成了好几十张小表，数据量不就下来了。有同学就问了那我怎么知道我这手机号查哪个表呢？一看你就没认真看前两行标红的点，为啥标红嘞？比如我查13100001111，那我截取前三位，动态拼接到查询的表名上，就行了。
特点：
每个表的结构都一样；
每个表的数据都不一样，没有交集；
所有表的并集是该表的全量数据；
场景：单表的数据量过大或增长速度很快，已经影响或即将会影响 SQL 查询效率，加重了 CPU 负担，提前到达瓶颈。记得水平分表越早越好，别问我为什么。。
你要有兴趣试一试，就关注我，让csdn研发同学给我的粉丝们分个表哈哈。。算了，别做梦了，忘了你是个菜狗了么~
还未添加个人签名 2021.11.08 加入
还未添加个人简介
评论