qq_45981373的博客

我们知道Redis是数据库，数据库里必然有一下数据结构，这些数据结构可以理解为是一种类型。例如Java的基本数据类型有int、short、long等等。Redis里也有常见的五种数据结构分别为String、Hash、List、Set、Zset。

我们之前学过数据库，知道MySQL是关系型数据库。今天我们要认识的Redis是非关系型数据库，它是基于内存的一种数据库，因此它的速度和效率远比MySQL要快。

面试时会被问到事物的特性，分别是是原子性、一致性、隔离性和持久性。在实现原子性的时候会用到undo log这个日志。实现持久性时会用到redo log。用于数据备份和主从复制时会用到binlog。undo log（回滚日志）：是 Innodb 存储引擎层生成的日志，实现了事务中的原子性，主要用于事务回滚和 MVCC。redo log（重做日志）：是 Innodb 存储引擎层生成的日志，实现了事务中的持久性，主要用于掉电等故障恢复；

面试主要考的是加行级锁，行级锁主要分为记录锁、间隙锁、临键锁。如果理解这三个锁呢？简单理解就是记录锁单个、间隙锁范围（左开右开）、临键锁就是记录锁加间隙锁（左开右闭）。普通的 select 语句是不会对记录加锁的（除了串行化隔离级别），因为它属于快照读，是通过 MVCC（多版本并发控制）实现的。update 和 delete 操作都会加行级锁，且锁的类型都是独占锁(X型锁)。当查询的记录是「存在」的，在索引树上定位到这一条记录后，将该记录的索引中的 next-key lock 会退化成「记录锁」。

在学校里学数据库的内容，我们会发现一个问题，就是老师不会讲到数据库的锁这一块来，但是我们面试的时候会被问到关于锁的知识点，所以我们今天开始学习关于锁的知识。首先Mysql锁有三种，分别是全局锁、表级锁和行级锁。

Mysql可重复读隔离级别，完全解决幻读了吗？1、针对快照读（普通 select 语句），是通过 MVCC 方式解决了幻读，因为可重复读隔离级别下，事务执行过程中看到的数据，一直跟这个事务启动时看到的数据是一致的，即使中途有其他事务插入了一条数据，是查询不出来这条数据的，所以就很好了避免幻读问题。

在工作中，如果想要提高查询效率都会去在字段上建立索引。但是索引并不是万能的，有的索引会失效，这个失效的意思是无法发挥他本来的作用。所以我们看一下哪些情况下会发生索引失效现象。大概有六种情况分别是1.对索引使用左或者左右模糊匹配，2.对索引使用函数，3.对索引进行表达式计算，4.对索引隐式类型转换，5.联合索引非最左匹配，6.where子句中的or。当我们使用左或者左右模糊匹配的时候，也就是 like %xx 或者 like %xx%这两种方式都会造成索引失效；

我们都知道数据库是怎么用的，都知道数据库的数据是存在数据库里，那我们知道数据库里的一行数据是存在哪个地方的吗？今天我们来探讨一下。先给出结论MySQL 的 Compact 行格式中会用「NULL值列表」来标记值为 NULL 的列，NULL 值并不会存储在行格式中的真实数据部分。NULL值列表会占用 1 字节空间，当表中所有字段都定义成 NOT NULL，行格式中就不会有 NULL值列表，这样可节省 1 字节的空间。

我们知道索引可以加快数据库查询数据的效率，可是什么时候能加索引什么时候不能加索引呢?索引有什么缺点呢？我往下看。提示：以下是本篇文章正文内容，下面案例可供参考。

大家都看过书，知道如果想要快速定位到我们想看的知识点，就必须要通过目录来查找。所以索引就是数据库里的“目录”，同样的想要在数据库里快速查询一个记录，就必须要通过索引来进行查找。这就是我们对索引的一个通俗理解。同样的索引也分好几种，具体的可以按数据结构分类、物理存储分类、字段特性分类和字段个数分类。

创建连接器：首先要客户端要创建一个连接器，用来连接mysql（mysql分为两层，分别是server层和存储引擎）。查询缓存：连接器先查询缓存，如果缓存里有记录即直接得到结果返回给连接器。注意：mysql8里移除了查询缓存这一步解析器：这时sql语句就到了解析器这一步了。在这一步解析器先通过词法分析（词法分析用于查找到sql关键词），词法分析通过后sql语句进入语法分析（语法分析中用于检查sql语法是否正确）。最后构建语法树。执行sql语句。

事务这个词在面试的过程中被问到的频率十分的高，我们简单的理解一下什么是事务，我们可以把多条SQL命令用于处理一个问题，理解成一个事物。例如：我去银行转账，首先得要用一条查询语句去查询自己的余额，接下来得用修改语句去扣除自己余额上面的帐，再用一条查询语句查到被转账人的余额，最后用修改语句把被转账人的余额增加。这一整个过程就是一个转账事务。如果中间的某个环节发生了错误，就会导致回滚现象发生。

这个地方我们简单说一下索引的什么数据结构才是最好的，直接给出结论：1.能在尽可能少的磁盘的I/O操作中完成查询工作。2.要能高效的查询某一个记录，也要能高效地执行范围查找。B＋其实就是B树的升级版，B树本质上是一个二叉树，具体而言就是一个平衡二叉树。而它们也有区别。B＋的叶子节点（最底部的节点）才会存放实际数据（索引+记录），非叶子节点只会存放索引；所有的索引都会在叶子结点出现，叶子结点构成一个有序表；非叶子结点的索引也会同时出现在子节点中，并且是在子节点中索引的最大处或最小处；

索引能够使数据库的查询性能变快，这是大部分人都知道的。但是，为什么能索引使数据库的查询性能变快？最简单的理解就是我们看一本书，如何快速定位到我们想要看到的知识点呢？对了，那就是书的目录，通过查询书的目录可以快速的找到知识点所在的页面。为什么能通过目录就能提高查询的速度呢？我们往下继续看。数据存储在磁盘（ SSD 跟 CPU 性能也不在一个量级），而磁盘处理数据很慢；提高磁盘性能主要通过减少 I/O 次数，以及单次 I/O 有效数据量；