数据库面试总结

数据仓库面试题 文章目录数据仓库的定义?数据仓库和数据库的区别?如何构建数据仓库?什么是数据中台?数据中台、数据仓库、大数据平台的关键区别是什么?基础能力上的区别业务能力上的区别大数据的一些相关系统?如何建设数据中台?数据湖的理解?数仓最重要的是什么?概念数据模型、逻辑数据模型、物理数据模型概念数据模型CDM逻辑数据模型LDM物理数据模型PDMSCD的常用处理方式?元数据的理解?技术元数据业务元数据元数据管理系统?元数据管理功能元数据管理标准元数据管理系统印象最深刻的项目是什么?为什么?亮点与优势?数仓如何确定主题域?主题 阅读详情

1. 数据库基础

1.1 使用数据库的优点

最开始,我们是将数据保存在 内存 中,这能够保证我们十分 快速存取,但是一旦断电,数据就丢失了,无法永久保存。 于是我们将数据存放在 文件 中,这样一来我们就 能够将数据永久保存,但每次都要进行频繁的 IO 操作,相对于内存来讲速度就慢了许多,而且进行查询操作也不方便。 于是,我们转移到了 数据库 存储,通过这种方式不但 能将永久保存数据,而且查询管理也更加高效方便。

1.2 什么是 MySQL

MySQL 是一个关系型数据库管理系统,开源免费,且易扩展,是当前最流行的关系型数据库管理系统之一,在 Java Web 应用方面的应用十分广泛。其默认端口为 3306。

1.3 数据库三大范式

  1. 第一范式:属性原子性

最基本的范式,若数据库表中 所有字段值均为不可分解的原子值,则满足第一范式;

  1. 第二范式:记录唯一性,确保表中每列均与主键相关

在第一范式的基础上更进一步,需要确保数据库表中的每列均与主键相关,而不能只与主键的某一部分相关(主要针对联合主键)。即 在一个数据库表中,一个表中只能保存一种数据,不能将多种数据保存在同一张数据库表中;

  1. 第三范式:字段冗余性,确保每列均与主键列直接相关,不存在传递依赖

在第二范式的基础上,确保数据表中的 每列数据和主键直接相关,而不依赖于其他非主键,即任何字段不能由其他字段派生;

1.4 MySQL 中自带的权限表

MySQL 通过权限表来控制用户对数据库的访问,一般是存放在 mysql 表中,由 mysql_install_db 脚本进行初始化,分别包括:

  • user:记录允许连接服务器的用户账号信息,权限是全局性的;
  • db:记录各个账号在不同数据库上的操作权限;
  • table_priv:记录数据表级别的操作权限;
  • columns_priv:记录数据列级别的操作权限;
  • host:配合 db 表对给定主机上数据库级别的操作权限进行更进一步的控制,权限不受 GRANT 和 REVOKE 的影响;

2. 数据类型

主要可以分为 5 大类型,而大类型下又具体划分了不同的子类型:

分类类型名称说明
整数类型tinyInt很小的整数(8位二进制)
smallint小的整数(16位二进制)
mediumint中等大小的整数(24位二进制)
int(integer)普通大小的整数(32位二进制)
实数类型float单精度浮点数
double双精度浮点数
decimal(m,d)压缩严格的定点数
枚举类型enum
日期和时间类型yearYYYY 1901~2155
timeHH:MM:SS -838:59:59~838:59:59
dateYYYY-MM-DD 1000-01-01~9999-12-3
datetimeYYYY-MM-DD HH:MM:SS 1000-01-01 00:00:00~ 9999-12-31 23:59:59
timestampYYYY-MM-DD HH:MM:SS 19700101 00:00:01 UTC~2038-01-19 03:14:07UTC
字符串类型CHAR(M)M为0~255之间的整数
VARCHAR(M)M为0~65535之间的整数
TINYBLOB允许长度0~255字节
BLOB允许长度0~65535字节
MEDIUMBLOB允许长度0~167772150字节
LONGBLOB允许长度0~4294967295字节
TINYTEXT允许长度0~255字节
TEXT允许长度0~65535字节
MEDIUMTEXT允许长度0~167772150字节
LONGTEXT允许长度0~4294967295字节
VARBINARY(M)允许长度0~M个字节的变长字节字符串
BINARY(M)允许长度0~M个字节的定长字节字符串

3. 存储引擎

要查看 MySQL 中所提供的引擎,可以通过如下命令:

show engines;

3.1 常用存储引擎

引擎说明
InnoDB提供对数据库 ACID 事务的支持,同时提供了行级锁和外键的约束,其设计目标是处理大数据
MyIASM默认引擎,不提供事务的支持,也不支持行级锁和外键
MEMORY所有数据均存于内存,存取速度快,但是安全性低

3.2 InnoDB vs MyISAM

  • InnoDB 的 4 大特性
  1. 插入缓冲(Insert Buffer)
  2. 二次写(Double Write)
  3. 自适应哈希索引(Ahi)
  4. 预读(Read Ahead)
  • 两者区别
对比项MyISAMInnodb
存储结构每张表被存放在三个文件:
1. .frm-表格定义
2. .MYD(MYData)-数据文件
3. .MYI(MYIndex)-索引文件
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),大小只受限于操作系统文件的大小,一般为 2GB
存储空间可被压缩,存储空间较小需要更多的内存和存储,会在主内存中建立其专用的缓冲池用于高速缓冲数据和索引
可移植性、备份及恢复数据以文件形式存储,在跨平台的数据转移中会很方便,在备份和恢复时可单独针对某个表进行操作免费的方案可以是拷贝数据文件、备份 binlog,或者用 mysqldump,在数据达到一定量(几十 G)的时候就相对痛苦了
文件格式数据和索引是分别存储的,数据.MYD,索引.MYI数据和索引是集中存储的,.ibd
记录存储顺序按记录插入顺序保存按主键大小有序插入
外键不支持支持
事务不支持支持(默认 REPEATABLE-READ)
锁支持表级锁定行级锁定、表级锁定,锁定力度小并发能力高
MVVC 支持不支持支持
崩溃修复不支持支持
哈希索引不支持支持
全文索引支持不支持
查询性能更佳
增删改性能更佳
统计数据量更快,内部维护了一个计数器,可以直接调取。
索引的实现方式B+ 树索引,myisam 是堆表B+ 树索引,Innodb 是索引组织表

两者主要区别如下:

  1. InnoDB 索引是聚簇索引,而 MyISAM 是非聚簇索引;
  2. InnoDB 的主键索引的叶子节点存储着行数据,因此主键索引效率高;MyISAM 索引的叶子节点存储的是行数据地址,需要多进行一次寻址操作才能够得到数据;
  3. InnoDB 非主键索引的叶子节点存储的是主键和其他带索引的列数据,因此查询时做到覆盖索引更加高效;

3.3 如何选择存储引擎

  • MyISAM:默认的 MySQL 插件式存储引擎,适合 以读写插入为主,是 Web、数据仓库和其他应用环境下最常使用的引擎之一;
  • InnoDB:用于事务处理应用程序,如果 更新删除等操作频率也高,或者要 保证数据完整性,支持 高并发、外键和事务等;
  • Memory:将所有数据保存在 RAM 中,在需要快速查找引用和其他类似数据情况下,能提供较快的访问;
  • Merge:允许 MySQL DBA 或开发人员将一系列等同的 MyISAM 表以逻辑方式组合在一起并作为一个对象引用,适合于数据仓库等 VLDB 环境;

4. 存储过程

4.1 定义

存储过程是一个可编程的函数,在数据库中创建并保存,由 SQL 语句和一些特殊的控制结构组成。优点是 允许模块化设计,即一次创建,多次调用。 是一个预编译的 SQL 语句,当需要多次执行 SQL 语句时,使用存储过程比单纯 SQL 语句效率更高。

4.2 优缺点

  • 优点
  1. 由于是预编译,所以执行效率高;
  2. 存储过程的代码直接在数据库中,通过存储过程名直接调用,能够减少网络通讯;
  3. 安全性高,执行存储过程需要有一定权限的用户;
  4. 能够重复使用,提高开发效率;
  • 缺点
  1. 调试困难
  2. 移植困难
  3. 重新编译问题,由于存储过程是运行前编译,因此如果带有引用关系的对象发生改变时,受到影响的存储过程、包需要重新编译
  4. 若在一个程序中大量使用存储过程,到交付使用时就会随着用户需求的改变而导致数据结构变化,此时系统维护成本较高

5. 事务

5.1 事务定义

事务是一个不可分割的数据库操作序列,也是数据库并发控制的基本单位,其执行结果必须使数据库从一种一致性状态切换到另一中一致性状态。事务是逻辑上的一组操作,要么都执行,要么都不执行。事务能够在数据库提交工作时确保要么所有修改都保存,要么所有修改都不保存。即事务是逻辑上的一组操作,要么都执行,要么都不执行。

5.2 事务的 4 大特性

关系型数据库都需要遵循 ACID 规则:

  1. 原子性(Atomicity)

原子性是整个数据库事务中不可分割的工作单位,只有事务中的所有的数据库操作都执行成功,才代表整个事务成功,如果其中任一环节执行失败,那么就算已经执行成功的 SQL 语句也必须撤销,回滚到事务执行前的状态。即原子性能够保证 动作要么全部完成,要么完全不起作用。 即事务是最小的执行单位,不允许分割。

  1. 一致性(Consistency)

指事务将数据库从一种一致性状态变为另一种一致性状态。在事务开始前后,数据库的完整性约束未被破坏。在事务执行前后,数据能够保持一致,多个事务对统一数据读取的结果相同。

  1. 隔离性(Isolation)

并发访问数据库时,隔离性要求每个读写事务对其他事务的操作对象能够相互分离,即一个用户的事务不被其他事务所干扰,各并发事务间数据库是独立的;

  1. 持久性(Durability)

表示事务一旦被提交,其结果就是永久性的,它对数据库中数据的改变是持久的,即便数据库发生故障也不应该对其产生影响;

5.3 事务隔离级别

5.3.1 脏读、幻读 & 不可重复读

了解事务隔离级别之前,先来看看这几个读的概念:

  1. 脏读(Dirty Read)

表示某一事务已经更新了一份数据,另一个事务在此时读取了同一份数据。当前一个事务撤销操作后,就会导致后一个事务所读取的数据不正确。

  1. 幻读(Phantom Read)

在一个事务的两次查询中数据量不一致,假如有一个事务查询了几列数据,同时另一个事务中在此时查询了新的数据,则查询事务在后续查询中,就会发现数据比最开始的查询数据更丰富。

  1. 不可重复读(Non-repeatable Read)

一个事务中两次查询数据不一致,有可能是因为两次查询过程中插入了一个更新原有数据的事务。

注意:不可重复读和幻读的区别在于:

不可重复读的重点在于修改, 比如多次读取一条记录发现其中某些列的值被修改,而 幻读的重点在于新增或删除,比如多次读取一条记录发现记录增多或减少了。

5.3.2 隔离级别

SQL 标准定义了 4 个隔离级别,隔离级别从低到高分别是:

  1. READ-UNCOMMITTED(读取未提交)

最低的隔离级别,允许读取尚未提交的数据变更,可能导致脏读、幻读或不可重复读。

  1. READ-COMMITTED(读取已提交)

允许读取并发事务已经提交的数据,能够阻止脏读,但可能导致幻读或不可重复读。

  1. REPEATABLE-READ(可重复读)

对同一字段的多次读取结果时一致的,除非数据是被本身事务自己所修改,能够阻止脏读和不可重复读,但可能导致幻读。

  1. SERIALIZABLE(可串行化)

最高的隔离级别,完全服从 ACID 的隔离级别,所有事务依次逐个执行,这样事务之间就完全不可能产生干扰,能够防止脏读、幻读以及不可重复读、

隔离级别脏读不可重复读幻读
READ-UNCOMMITTED✔✔✔
READ-COMMITTED❌✔✔
REPEATABLE-READ❌❌✔
SERIALIZABLE❌❌❌

6. 锁

6.1 定义

当数据库中存在并发事务时,可能会导致数据库中的数据不一致,此时为了保证访问次序,我们就需要用到锁机制。

锁是为了支持对共享资源进行并发访问,提供数据的完整性和一致性,从而保证在高并发的情况下,访问数据库时不会出现问题;

6.2 事务隔离级别与锁的关系

隔离级别锁
READ-UNCOMMITTED读取无需加共享锁
READ-COMMITTED读操作需要加共享锁,语句执行完后释放
REPEATABLE-READ读操作需要加共享锁,事务执行完毕后释放
SERIALIZABLE锁定整个范围的键,并一直持有锁,直到事务完成

6.3 数据库中死锁的定义及解决方法

  • 定义

所谓死锁,指的是两个或多个以上进程在同一资源上相互占用,并请求锁定对方的资源,从而导致恶性循环的现象。

  • 解决方法
  1. 若不同程序间并发存取多个表,则尽量约定以相同的顺序来访问表,从而大大降低死锁发生的概率;
  2. 同一事务中,尽量一次性锁定所需的所有资源,降低死锁发生的概率;
  3. 对于易发生死锁的业务部分,尝试使用升级锁定颗粒度;

6.4 乐观锁 & 悲观锁

  • 定义

并发控制能够确保多个事务同时存取数据库中同一数据时不破坏事务的隔离性和统一性,以及数据库的统一性,而并发控制主要可分为乐观锁(乐观并发控制)和悲观锁(悲观并发控制)。

  1. 乐观锁

假定不会发生并发冲突,只在提交事务时检查时候违反数据完整性。修改数据时将事务加锁,通过 version 的方式来进行锁定,一般使用版本号机制或CAS算法来实现 ;

  1. 悲观锁

假定会发生并发冲突,屏蔽一切可能违反数据完整性的操作。查询完数据时将事务加锁,直到提交事务,一般使用数据库中的锁机制来实现;

  • 使用场景

乐观锁 适合于 读操作频繁,但写操作较少 的情况,即冲突很少发生的场景,这样能够省去锁的开销,同时加大系统的吞吐量;

悲观锁 适合于 写操作频繁,但读操作较少 的情况,即冲突频发的场景;

7. 索引

7.1 定义

所谓索引,就是一种特殊的文件,包含数据表中所有记录的引用指针。它是一种数据结构,数据库索引是数据库管理系统中一个排序的数据结构,能够协助快速查询、更新数据库表中数据,同时使用 B 树及其变种 B+ 树来实现。用通俗的话来讲就是相当于我们日常字典中的目录,能够帮助我们快速找到想要的字或词。

7.2 基本原理

使用索引的最终目录是快速查找具有特定值的记录,如果没有索引,当我们需要查找某一个值时,只能遍历整张表来查找,这样做查找效率就会大打折扣。

索引的原理也很简单,即 将无序数据变为有序的查询,根据索引查询数据的步骤如下:

  1. 将创建了索引的列的内容进行排序
  2. 对排序结果生成倒排表
  3. 在倒排内容上拼上数据地址链
  4. 在查询时,先拿到倒排表内容,然后取出数据地址链,从而取出具体数据

7.3 索引优缺点

  • 优点
  1. 第一点毫无疑问是 加快数据的检索速度;
  2. 第二点则是 通过使用索引,能够在查询过程中使用优化隐藏器,提高性能。
  • 缺点
  1. 时间方面:虽然能够加快检索速度,但是创建和维护索引也需要时间,而且随着数据的增多,索引也需要动态维护,这样将会降低增/删/改的执行效率;
  2. 空间方面:索引也是需要占据独立空间的,所以会随着数据的增多而占用更多的物理空间;

7.4 索引类型

7.4.1 逻辑角度

索引从逻辑角度主要可分为 4 种索引,分别是:

  1. 主键索引

数据列不允许重复,不允许为 NULL,一个表中只能有一个主键;

  1. 唯一索引

数据列不允许重复,允许为 NULL 值,一个表中允许多个列创建唯一索引,可以通过如下两种方式进行创建唯一索引:

  • 创建唯一索引:ALTER TABLE table_name ADD UNIQUE(column)
  • 创建唯一组合索引:ALTER TABLE table_name ADD UNIQUE(column1, column2);
  1. 普通索引

最基本的索引类型,没有唯一性的限制,允许为 NULL 值,通过如下两种方式来创建唯一索引:

  • 创建普通索引:ALTER TABLE table_name ADD INDEX index_name (column);
  • 创建普通索引组合:ALTER TABLE table_name ADD INDEX index_name (column1, column2);
  1. 全文索引

搜索引擎中也在使用的一种技术,通过 ALTER TABLE table_name ADD FULLTEXT (column) 来创建全文索引;

  1. 组合索引

多列值组成一个索引,专门用于组合搜索,其效率大于索引合并;

7.4.2 物理存储角度
  1. 聚集索引(clustered index)
  2. 非聚集索引(non-clustered index)
7.4.3 数据结构角度
  1. BTREE
  2. HASH
  3. FULLTEXT
  4. R-Tree

7.5 索引算法

常用的索引算法有 Hash 算法 和 B 树算法,分别多两个算法进行简单介绍:

  1. B+ 树算法

最常用的 MySQL 算法,也是 MySQL 默认算法,既能够用于比较操作符(=、>、<、between 等),也能够用于 like 操作符,只要其查询条件是一个 不以通配符开头的常量。底层实现的是 多路平衡查找树,每次查询都要从根节点出发,查找到叶子节点方可获得所查询的键值,然后根据查询判断是否需要回表查询数据。

  1. Hash 算法

Hash 算法索引只能用于对等比较(=、>=、<=),而且不像 B 树索引需要从根节点到枝节点,最后才能范文到页节点进行多次读写操作,它只需要一次定位数据,所以检索效率远高于 B 树索引。其底层是 Hash 表,进行查找时,调用一次 Hash 函数就能获取相应键值,然后进行回表查询获得实际数据。

  1. 两者对比
  • Hash 索引进行等值查询更快,但是不能进行范围查询;
  • Hash 索引不支持使用索引进行排序;
  • Hash 索引不支持模糊查询以及多列索引的最左前缀匹配,因为 Hash 函数的结果不可预测;
  • Hash 索引无法避免回表查询数据,但 B+ 树在一定条件下(聚簇索引、覆盖索引等)只需要通过索引完成查询;
  • Hash 索引在等值查询时较快,但不稳定,性能不可预测;但 B+ 树的查询效率较稳定,对所有查询均是从根节点到叶子节点,且树的高度较低;

7.6 设计和创建索引的原则

7.6.1 设计原则
  1. 选择唯一性索引

唯一性索引的值唯一,能够更加快速地通过该索引来确定某条记录;

  1. 为经常需要排序、分组和联合操作的字段建立索引

对于经常需要 ORDER BY、GROUP BY、DISTINCT、UNION 等操作的字段,排序时会浪费许多时间,因此我们可以为其建立索引,避免排序操作;

  1. 为经常作为查询条件的字段建立索引

若某个字段经常作为查询条件,则该字段的查询速度将影响整个表的查询速度,此时可以给该字段建立索引,从而提高整个表的查询速度;

  1. 限制索引数目

索引并非越多越好,每个索引都需要占用物理空间,索引越多占用的物理空间越大,修改表时对索引的重构和更新将十分麻烦;

  1. 尽量使用数据量少的索引

如果索引值较长,查询速度也会受到影响;

  1. 使用短索引,尽量使用前缀来索引

如果某索引字段值较长,最好使用值的前缀来进行索引;

  1. 删除不再使用或很少使用的索引

表中数据被大量更新,或者数据使用方式被改变落后,原有的一些索引可能不再需要,此时需要对这些索引进行删除,减少索引对更新操作的影响;

7.6.2 创建原则

使用索引能够在一定程度上提高检索效率,但也不能无限制的使用,创建索引时,最好能够满足如下原则:

  1. 最左前缀匹配原则
  2. 频繁查询的字段才创建索引
  3. 更新频繁的字段不适合创建索引
  4. 区分度不高的字段不适合做索引
  5. 尽量扩展索引,而不用去创建新的索引
  6. 定义有外键的数据列一定要建立索引
  7. 对于查询中很少涉及,而且重复值较多的字段无需建立索引
  8. 对于 text、image、bit 类型的字段不要建立索引

7.7 B+ 树索引 和 Hash 索引底层实现

  1. Hash 索引

Hash 索引底层其实就是 Hash 表,进行查找时,调用一次 Hash 函数就能获取到响应的键值,然后进行回表查询获取数据库中的数据;

  1. B+ 树索引

B+ 树底层实现是多路平衡查找树,对每次的查询均从根节点出发,查找到叶子节点就获得所要查询的键值,然后根据查询判断是否需要回表查询数据;

  1. Hash 索引与 B+ 树的不同
  • Hash 索引进行等值查询更快,但无法进行范围查询。因为 Hash 索引中经过 hash() 函数建立索引后,索引顺序与与原顺序无法保持一致,不能支持范围查询;而 B+ 树的所有节点皆遵循(左节点小于父节点,父节点小于右节点),天然支持范围查询;
  • Hash 索引不支持使用索引进行排序;
  • Hash 索引不支持模糊查询以及多列索引的最左前缀匹配,原理也是因为 hash() 函数的不可预测;
  • Hash 索引任何时候都必须进行回表查询,但 B+ 树在符合某些条件时可以只通过索引完成查询;
  • Hash 索引虽然等值查询较快,但是极其不稳定,性能不可预测,但某一键值存在大量重复时,会发生 Hash 碰撞,此时效率可能十分低下;而 B+ 树的查询效率比较稳定,对于所有的查询均是从根节点到叶子节点,且树的高度较低;

鉴于以上不同点,因此在大多数情况下,直接选用 B+ 树索引能够获得稳定且较好的查询速度,而不需要使用 Hash 索引;

8. 视图

8.1 视图定义

为了提高复杂 SQL 语句的复用性和表操作的安全性,MySQL 数据库管理系统提供了视图。

视图的本质是 一种虚拟表,在物理上不存在,其内容与真实的表相似,包含一系列带有名称的列和行数据。 但视图并不在数据库中以存储的数据值形式存在,行和列数据来自定义视图的查询所引用基本表,且在具体引用视图时动态生成;

视图的操作一般包括如下四部分:

  • 创建视图
  • 查看视图
  • 删除视图
  • 修改视图

8.2 视图特点

  1. 视图的列可以来自不同的表,是表的抽象在逻辑意义上建立的新关系;
  2. 视图是有基本表(实表)产生的表(虚表);
  3. 视图的建立和删除不会对基本表造成影响;
  4. 对视图内容的更新(添加、删除和修改)会直接影响到基本表;
  5. 当视图来自多个基本表时,不允许添加和删除数据;

8.3 视图优缺点

8.3.1 优点
  1. 查询简单化,视图能够简化用户操作,数据所见即所得;
  2. 数据安全性,视图使用户能从多个角度看待同一数据,用户只能查询或修改他们所能见到得到的数据,能够对机密数据提供安全保护;
  3. 逻辑数据独立性,视图对重构数据库提供了一定程度的逻辑独立性,屏蔽真实表结构变化所带来的影响;
8.3.2 缺点
  1. 性能相对较差,简单的查询也会变得很复杂;
  2. 修改限制,尝试修改视图时,必须将其转化为对比本表的某些行的修改。对于复杂的聚合视图,基本无法改变;

9. 优化

9.1 大表优化

当 MySQL 单表记录数过大时,数据库的 CURD 性能会明显下降,此时可以采取如下的优化措施:

  1. 限定数据范围

务必禁止不带任何限制数据范围条件的查询语句,此时会查询整个数据库,效率极低;

  1. 读/写分离

最经典的数据库拆分方案,主库负责写,从库负责读;

  1. 垂直分区

即根据数据库中数据表的相关性进行拆分,简单来讲就是指数据表的拆分,将一张列较多的表分为多张表。这样操作使得 列数据变小,在查询时减少了读取的 Block 数,减少了 I/O 次数。同时,垂直分区也能够简化表的结构,易于维护。但是,垂直拆分也存在一定缺点。首先拆分将 导致主键出现冗余,此时就需要管理冗余列,同时会引起 Join 操作,可以通过在应用层进行 Join 来解决。此外,拆分还会让事务变得更加复杂。

  1. 水平分区

保持数据表结构不变,通过某一策略存储数据分片。这样一来每一片数据分散到不同表或库中,从而达到分布式的目的,而且通过水平切分能够支撑非常大的数据量。

水平拆分是将数据表的行进行拆分,它能够 支撑非常大的数据量存储,应用端改造也少,但是 分片事务难以解决,跨节点 Join 性能较差,逻辑复杂。

一般来讲数据库分片操作的两种常见方案如下:

  • 客户端代理:分片逻辑在应用端,封装在 jar 包中,通过修改或封装 JDBC 层来实现。
  • 中间件代理:在应用和数据间加一个代理层,分片逻辑统一维护在中间件服务中。

10. 其他

10.1 sql 注入

用户传入的参数中符合 sql 的语法,从而破坏原有 sql 结构语义,从而达到攻击效果;

10.2 NULL 和空串

NULL 是没有值的,不是空串,如果只指定 ‘’ (两个单引号,中间无任何字符),对于 NOT NULL 列是允许的,空串也是一个有效的值;

要对 NULL 进行判断,则需要使用 IS NULL 或者 IS NOT NULL;

10.3 如何创建用户并授权

  1. 创建用户
CREATE USER 'username'@'host' IDENTIFIED BY 'password';
  1. 授权
GRANT privileges ON databasename.tablename TO 'username'@'host';

10.4 如何删除表

方式说明实例
delete仅删除表数据,支持条件过滤,支持回滚,记录日志,因此较慢delete from table_name
truncate仅删除所有数据,不支持条件过滤,不支持回滚,不记录日志,效率高于 deletetruncate table table_name
drop删除表数据同时删除表结构,将表所占空间均释放,删除效率最高drop table table_name
数据仓库面试题集锦(附答案和数仓知识体系) 数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合,用于支持管理决策。1)数据仓库是用于支持决策、面向分析型数据处理;2)对多个异构的数据源有效集成,集成后按照主题进行重组,并包含历史数据,而且存放在数据仓库中的数据一般不再修改2、数据仓库和数据库的区别?从目标、用途、设计来说1)数据库是面向事务处理的,数据是由日常的业务产生的,并且是频繁更新的;数据仓库是面向主题的,数据来源多样化,经过一定的规则转换得到的,用于分析和决策2)数据库一般用来存储当前事务性数据,如交易数据; 阅读详情

相关推荐

数据仓库面试题集锦(附答案和数仓知识体系(1)

数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合,用于支持管理决策。1)数据仓库是用于支持决策、面向分析型数据处理;2)对多个异构的数据源有效集成,集成后按照主题进行重组,并包含历史数据,而且存放在数据仓库中的数据一般不再修改2、数据仓库和数据库的区别?从目标、用途、设计来说1)数据库是面向事务处理的,数据是由日常的业务产生的,并且是频繁更新的;数据仓库是面向主题的,数据来源多样化,经过一定的规则转换得到的,用于分析和决策2)数据库一般用来存储当前事务性数据,如交易数据;

2401_83621004的博客 1202

剑指Offer!阿里P8整理近1000道高频Java面试题,助你搞定金三银四

三个工作日收到了offer,头条面试体验还是很棒的,这次的头条面试好像每面技术都问了我算法,然后就是中间件、MySQL、Redis、Kafka、网络等等。第一个是算法关于算法,我觉得最好的是刷题,作死的刷的,多做多练习,加上自己的理解,还是比较容易拿下的。而且,我貌似是将《算法刷题LeetCode中文版》、《算法的乐趣》大概都过了一遍,尤其是这本。

m0_61549740的博客 440

MySQL数据库面试题(一)(MySQL Database Interview Questions I)

MySQL数据库面试题涵盖了从基础知识到高级概念的广泛内容,包括数据库设计、事务处理、查询优化、存储引擎等多个方面。本章详细介绍MySQL数据库面试题希望对大家有帮助。

Linux运维老纪的博客 1233

【 剑指offer第2版-第19题-JAVA】

剑指offer第2版- JA VA

weixin_42648243的博客 268

【数仓面试】数据仓库专家面试题(上)

数据仓库专家面试题,涵盖初级、中级和高级水平问题,并附上详细答案。面试题将围绕工作职责(数据仓库需求对接、ETL 实施、性能优化、数据治理等 、数据仓库架构、3NF 多维模型、大数据生态、MySQL/NoSQL 等)展开。

在路上的专栏 561

大数据面试通关手册|数据仓库面试题(一)

1.维表和宽表的考查(主要考察维表的使用及维度退化手法) 维表数据一般根据ods层数据加工生成,在设计宽表的时候,可以适当的用一些维度退化手法,将维度退化到事实表中,减少事实表和维表的关联 2.数仓表命名规范 通用规范 表名、字段名采用下划线分隔词根(consultorder->consult_order) 每部分使用小写英文单词,属于通用字段的必须满足通用字段信息的定义。 表名、字段名需以字母为开头。 表名、字段名最长不超过64个英文字符。 优先使用词根中已有关键字(数仓标准配...

微信搜:import_bigdata,大数据领域硬核原创作者 1237

java剑指,剑指 Offer 全解(Java 版)

3. 数组中重复的数字题目描述在一个长度为 n 的数组里的所有数字都在 0 到 n-1 的范围内。数组中某些数字是重复的,但不知道有几个数字是重复的,也不知道每个数字重复几次。请找出数组中任意一个重复的数字。Input:{2, 3, 1, 0, 2, 5}Output:2解题思路要求时间复杂度 O(N),空间复杂度 O(1)。因此不能使用排序的方法,也不能使用额外的标记数组。对于这种数组元素在 [...

weixin_36403956的博客 393

不经意传输(OT)协议 - Mike Rosulek教授课堂笔记

OT扩展协议-IKNP

qq_43569221的博客 1850

【剑指 Java】第 3 弹:纯干货,计算机网络面试知识点总结

HTTP超文本传输协议,它是从 Web 服务器传输超文本标记语言(HTML)到本地浏览器的传送协议。HTTP 最初的目的是为了提供一种发布和接收 HTML 页面的方法;HTTPSHTTPS(Hyper Text Transfer Protocol over Secure Socket Layer),以安全为目标的 HTTP 通道,通俗来讲就是 HTTP 的安全版,加入了 SSL/TLS 层,通过 SSL 证书来验证服务器的身份,并为浏览器和服务器之间的通信进行加密。

2401_84023262的博客 1028

AI 代码生成工具的质量评估体系

基础需求层包括响应速度(Response Time)和界面友好性(UI Friendliness),期望需求层涵盖智能提示(Smart Suggestions)和个性化配置(Personalization),兴奋需求层则涉及多模态交互(Multimodal Interaction)和代码进化(Code Evolution)。在金融领域,代码审计合规性(Compliance Audit)权重应提升至40%,而在Web开发中,API兼容性(API Compatibility)的权重需达到35%。

2503_92418637的博客 3376

矢量网络分析仪VNA的校准之SOLT方法

作者:杭州冥鸿电子科技有限公司 邮箱:huanglong@deepelec.com S参数的测量方法有两种,一种是基于扫频测量的原理(VNA),另外一种是基于快沿阶跃响应的原理(TDR)。 下图是VNA的原理框图,主要包括以下部分: (1)激励信号源:提供感兴趣的频率范围内的入射信号; (2)信号分离装置:含功分器和定向耦合器,分离出入射,反射和传输信号; (3)接收机:...

u010018619的博客 2万+

《剑指offer》面试题答案汇总(Java版)

面试题2:实现Singleton模式 (1)饿汉模式 public class Singleton{ private static Singleton instance = new Singleton(); privateSingleton(){} public static Singleton getInstance(){ return instance; }

The night of summer 5308

【深度排查】VScode 远程 SSH 连接失败:从网络握手到服务部署的全链路诊断指南

本文详细解析了VScode远程SSH连接失败的常见原因及解决方案,从基础网络排查到SSH服务配置,再到VScode特有的问题处理。特别针对Ubuntu和TrueNAS系统提供了具体配置建议,帮助开发者快速解决'Could not establish connection'等连接问题,提升远程开发效率。

weixin_30301449的博客 447

数据仓库、数据库开发面试题目汇总:

1、游标分几种? 2、显式游标怎么使用 3、大表怎么更新数据 4、聚合函数与分析函数的差别? 5、函数和存储过程的差别 6、你接触过最大的表 7、怎么做优化的 8、会不会MERGE INTO? 9、怎么看执行计划 10、索引分那几种? 11、你做过那些项目,写过那些报表 12、谈谈你一个项目的业务逻辑 13、你在该项目做什么。 14、为什么离职 15、想往什么方向发展

1312

FPGA时序约束--实战篇(读懂Vivado时序报告)

本文将详细介绍如何读懂Vivado时序报告,包括报告的基本结构和如何分析报告。

mengzaishenqiu的博客 1万+

零代码实战:基于Coze平台打造测试用例生成AI助手

本文详细介绍了如何利用Coze平台零代码打造测试用例生成AI助手,通过智能体和工作流配置,实现需求文档自动解析与结构化测试用例生成。该方案显著提升测试效率,特别适合敏捷开发中频繁变更的需求场景,帮助测试工程师快速应对挑战。

weixin_42526015的博客 209

关于数据仓库工程师的一般面试题目

相信会对即将投身于数据仓库事业中的同行们有点帮助!不过这只是针对初级数据仓库工程师的基本问题。本题只代表自己对数据仓库的肤浅认识,不代表任何公司的面试题目。对于高级数据仓库工程师的问题更侧重于各种工具的细枝末节。对于数据仓库架构师的问题更侧重于数据仓库的架构和总体认识。对于数据仓库项目经理的问题除了以上的问题外,就是一般项目管理的技能了吧。关于数据仓库部分的面试问题!什么叫数据仓库?(相信in

上海夜未眠 2332

2025最新聚合易支付官方完整版 – 全开源

2025聚合易支付5.0全开源版引领下一代智能支付革命,以"开放·智能·可信"为核心理念,成为全球首个通过量子安全认证的开源支付系统。该系统具备三大突破性创新:AI原生风控架构、跨链支付协议和零信任安全体系,支持百万级TPS处理能力。技术亮点包括Rust异步框架、Llama3风控模型、Polkadot跨链方案及IPFS分布式存储。提供量子安全支付、智能路由、元宇宙支付等六大功能,并通过开放原子基金会认证,构建了包含1200+全球开发者的开源生态。

meng1325200的博客 786

【面试】数据仓库面试经验总结

离线数仓面试经验

chimchim66的博客 2565

剪映自动化工具来了:AI帮你自动剪辑成片

🎬分享一个剪映自动化剪辑工具!AI 自动帮你完成从写文案、配音、加字幕、选音乐、上特效到最终导出的整套流程🎈

XiaoqiangClub的博客 861

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

【DB】数据库面试笔试题库及详解(小麦苗DBA宝典出品)--数据库运维宝典

DB笔试面试历史连接--2019DB笔试面试历史连接--2018DB笔试面试历史连接--2017DB笔试面试历史连接--2016小麦苗课堂培训认证OCP培训说明连接:ht...

小麦苗DBA宝典 1233

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

24道数据仓库面试八股文(答案、分析和深入提问)整理

从ODS层到DW层的ETL主要进行了抽取、转换和加载三方面的工作。抽取工作包括建立与ODS层数据源的连接,并采用全量或增量抽取的方式获取所需数据。转换工作涵盖数据清洗(去除重复数据、处理缺失值、纠正错误数据)、数据标准化(统一数据格式和编码规则)、数据整合(关联和汇总数据)以及数据计算(根据业务需求进行复杂计算)。加载工作则是在DW层创建目标表结构,将转换后的数据加载到目标表中,并对加载的数据进行验证,确保其完整性和准确性。

Lonelycity_zyz的博客 2630

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

【数据仓库金典面试题】—— 包含详细解答

数据仓库是一个面向主题的、集成的、随时间变化的、但信息本身相对稳定的数据集合,用于支持管理决策过程。与传统数据库相比,数据仓库更注重数据的集成、非易失性和面向主题的组织方式。传统数据库主要用于支持企业的日常运营,如事务处理、客户服务和订单管理等,强调的是数据的实时性和事务处理性能;而数据仓库则主要用于支持企业的决策分析,如销售分析、市场预测和风险管理等,强调的是数据的全面性和历史性。维度是描述数据的属性或特征,如时间、地点、产品等,用于对数据进行分类和分组。度量。

摇光是颗星 2173
上一篇: 绝对硬货,Spring 面试知识点总结大全
下一篇: 如何利用 Github 搭建自己的免费图床?
村雨遥
村雨遥 优质创作者: Java技术领域 优质创作者: Java技术领域 领域专家: 算法与数据结构技术领域 领域专家: 算法与数据结构技术领域
博客等级 码龄9年 2万+粉丝 372原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

村雨遥

众筹一毛买键盘!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值