MySQL 索引

能说说什么是索引吗？索引的种类有哪些？

• 索引 (index) 是帮助数据库高效获取数据的数据结构
• 索引是在基于数据库表创建的，它包含一个表中某些列的值以及记录对应的地址，并且把这些值存储在一个数据结构中
• 最常见的就是使用哈希表、B+ 树作为索引，项目中我们使用 lnnoDB 引擎，默认的是 B+ 树

什么情况下适合建索引？

• 一般来说，在 WHERE 和 JOIN 中出现的列需要建立索引，因为 MySQL 只对 <、＜=、=、＞、>=、BETWEEN、IN 以及某些时候的 LIKE 才会使用索引 (以通配符 % 和 _ 开头作查询时，MySQL不会使用索引)
• 通常会根据慢查询日志来优化 SQL 以及判断是否建索引

你们在创建索引的时候会考虑哪些因素呢？

• 在日常工作中，我们会通过开慢查询去记录一些执行时间比较久的 SQL 语句，我们公司慢查询阈值是500ms，找出这些 SQL 语句后，我们用到 explain 命令来查看这些 SQL 语句的执行计划
• 查看该SQL语句有没有使用上索引，有没有做全表扫描，把查询条件中没有建立索引的列创建索引

在创建联合索引时，你是怎么考虑多个字段之间的顺序的？

• 在创建多列索引时，我们根据业务需求，where 子句中使用最频繁的一列放在最左边，因为MySQL索引查询会遵循最左前缀匹配的原则，即最左优先，在检索数据时从联合索引1的最左边开始匹配
• 所以当我们创建个联合索引的时候，如 (key1,key2,key3)，相当于创建了 (key1)、(key1,key2) 和 (key1,key2,key3) 三个索引，这就是最左匹配原则

MySQL 为什么使用 B+ 树？

• 由于索引是存在于磁盘中，当索引非常大的时候，比如达到几个G的时候，无法一次加载到内存中，所以数据库中索引使用的是查找效率更高的树形结构
• B+ 树是平衡多路查找树，是为磁盘等外存储设备设计的一种平衡查找树
  • 系统从磁盘读取数据到内存时是以磁盘块 (block) 为基本单位的，位于同一个磁盘块中的数据会被一次性读取出来，InnoDB 存储引擎中有页 (Page) 的概念，页是其磁盘管理的最小单位
  • InnoDB存储引擎中默认每个页的大小为 16KB，可通过参数 innodb_page_size 设置页的大小，InnoDB 在把磁盘数据读入到磁盘时会以页为基本单位，在查询数据时，如果一个页中的每条数据都能有助与定位数据记录的位置，这将会减少磁盘 IO 次数，提高查询效率
• B+ 树使用有序数组链表 + 平衡多叉树改良了 B 树的有序数组＋平衡多叉树
• B+ 树的关键字全部存放在叶子节点中，非叶子节点用来做索引，而叶子节点中有一个指针指向一下个叶子节点，做这个优化的目的是为了提高区间访问的性能
  • 数据库索引采用 B+ 树的主要原因是 B 树在提高了磁盘 IO 性能的同时并没有解决元素遍历效率低下的问题，正是为了解决这个问题，B+ 树应运而生，B+ 树只要遍历叶子节点就可以实现整棵树的遍历，而且在数据库中基于范围的查询是非常频繁的，也是 B+ 树的优势所在
  • 例如：要查 5-10之间的数据，B+ 树一把到 5 这个标记，再一把到10，然后串起来就行了，而 B 树在找到第一个符合条件的数字 5 后，访问完第一个关键字所在的块后得遍历这个 B 树，获取下一个块，直到遇到一个不符合条件的关键字，遍历的过程是比较复杂的

和 Hash 索引比较起来有什么优缺点吗

• 哈希索引适合等值查询，但是无法进行范围查询
• 哈希索引没办法利用索引完成排序
• 哈希索引不支持多列联合索引的最左匹配规则；如果有大量重复键值的情况下，哈希索引的效率会很低，可能存在哈希碰撞问题

B+ 树的叶子节点都可以存储哪些东西

• InnoDB 的 B+ 树可能存储的是整行数据，也有可能是主键的值
• 索引 B+ 树的叶子节点存储了整行数据的是主键索引，也被称之为聚簇索引
• 索引 B+ 树的叶子节点存储了主键的值的是非主键索引，也被称之为非聚簇索引

聚簇索引和非聚簇索引，在查询数据的时候有区别吗

• 主键索引查询只会查一次，而非主键素引需要回表查询多次，通过覆盖索引也可以只查询一次，覆盖索引指一个查询语句的执行只用从索引中就能够取得，不必从数据表中读取
• MysQL 只需要通过索引就可以返回查询所需要的数据，这样避免了查到索引后再返回表操作，减少 IO 提高效率
• 聚簇索引：以 InnoDB 作为存储引擎的表，表中的数据都会有一个主键，即使你不创建主键，系统也会帮你创建一个隐式的主键
• 非聚簇索引：以主键以外的列值作为键值构建的 B+ 树索引，我们称之为非聚簇索引

什么是覆盖索引

• 解释一： 就是 select 的数据列只用从索引中就能够取得，不必从数据表中读取，换句话说查询列要被所使用的索引覆盖
• 解释二： 索引是高效找到行的一个方法，当能通过检索索引就可以读取想要的数据，那就不需要再到数据表中读取行了，如果一个索引包含了（或覆盖了）满足查询语句中字段与条件的数据就叫做覆盖索引
• 解释三：是非聚集组合索引的一种形式，它包括在查询里的 Select、Join 和 Where 子句用到的所有列（即建立索引的字段正好是覆盖查询语句 [select子句] 与查询条件 [Where子句] 中所涉及的字段，也即，索引包含了查询正在查找的所有数据）
• 不是所有类型的索引都可以成为覆盖索引，覆盖索引必须要存储索引的列，而哈希索引、空间索引和全文索引等都不存储索引列的值，所以MySQL只能使用B-Tree索引做覆盖索引
• 当发起一个被索引覆盖的查询(也叫作索引覆盖查询)时，在EXPLAIN的Extra列可以看到“Using index”的信息

如果每天几百万，一个月就是几千万，有没有优化手段

• 中间件选型
  • Cobar
  • TDDL
  • Atlas
  • Sharding-jdbc
  • MyCat
• 分片键和分片规则
• 如何避免所有库扫描
• 分布式全局唯一ID
• 跨库 Join
• 跨库事务问题
• 跨库排序分页问题
• 数据迁移、扩容问题

HashMap

说一说 Hashmap 理解

• JDK8 之前：数组 + 链表
• JDK8 之后：数组 + 链表 + 红黑树

HashMap 如何设定初始容量

• 一般如果 new HashMap() 不传值，默认大小是16，负载因子是0.75
• 如果自己传入初始大小 k，初始化大小为大于 k 的 2 的整数次方，例如如果传 10，大小为 16

HashMap 的哈希函数是怎么设计的

hash 函数是先拿到 key 的 hashcode，是一个 32 位的 int 值，然后让 hashcode 的高16 位和低 16 位进行异或操作

1.8 对 HashMap 的优化

• 在插入时，1.7先判断是否需要扩容，再插入，1.8先进行插入，插入完成后再判断是否需要扩容
• 1.7扩容的时候需要对原数组的元素进行重新 hash 定位在新数组的位置，1.8 采用更简单的判断逻辑，位置不变或索引 + 旧容量大小
• 链表的插入方式从头插法改成了尾插法，简单说就是插入时，如果数组位置上已经有元素，1.7将新元素放到数组中，原始节点作为新节点的后继节点，1.8遍历链表将元素放置到链表的最后
• 数组 + 链表改成了数组 + 链表 + 红黑树

HashMap 是线程安全的吗

• Java中有 HashTable、Collections.synchronizedMap、以及 ConcurrentHashMap 可以实现线程安全的Map
• HashTable是直接在操作方法上加 synchronized 关键字，锁住整个数组，粒度比较大
• Collections.synchronizedMap 是使用 Collections 集合工具的内部类，通过传入Map封装出一个SynchronizedMap对象，内部定义了一个对象锁，方法内通过对象锁实现
• ConcurrentHashMap使用分段锁，降低了锁粒度，让并发度大大提高

1.7 与 1.8 的 ConcurrentHashMap 实现有什么不同吗

• 1.7：ReentrantLock + segment + hashentry
• 1.8：数组 + 链表 + 红黑树 + CAS

JVM

什么情况下会发生栈内存溢出

JVM 内存模型

JVM 一次完整的 GC 过程

垃圾回收算法

• 标记清除
• 标记整理
• 复制
• 分代收集

如何判断对象是否存活

有哪几种垃圾回收器，有哪些优缺点

CMS 垃圾回收器特点

• CMS 以获取最小停顿时间为目的
• 在一些对响应时间有很高要求的应用或网站中，用户不能有长时间的停顿，CMS 可以用于此场景
• CMS 执行过程分为：初始标记（STW）、并发标记、并发预清理、冲标记（STW）、并发清理、重置

说一说对 G1 的了解

什么是类加载，类加载过程是什么样的

Netty

BIO、NIO、AIO

• BIO：同步阻塞IO
• NIO：同步非阻塞
• AIO：异步非阻塞

NIO 开发流程

Netty 开发流程

Netty 服务端线程模型

Netty 客户端线程模型