当前位置：首页 > wzjs >正文

智能建造师证书的含金量而的跟地seo排名点击软件

wzjs 2025/7/26 15:00:50

智能建造师证书的含金量,而的跟地seo排名点击软件,郴州网络诈骗团伙,淄博微信网站建设八股总结（数据库） Redis的持久化有哪些方式? RDB (默认)，通过二进制格式的数据快照保存数据到磁盘； 回复速度快，且内存小但RDB是定期快照，不是实时保存 AOF，记录所有写数据来持久化数据&#…

八股总结（数据库）

Redis的持久化有哪些方式?
- RDB (默认)，通过二进制格式的数据快照保存数据到磁盘；
  - 回复速度快，且内存小
  - 但RDB是定期快照，不是实时保存
- AOF，记录所有写数据来持久化数据，类似日志文件；
  - AOF数据安全性高，且是文本文件可用于数据分析与调试；
  - 但文件体积大，回复速度慢；
- RDB与AOF混合，在AOF重写时，redis将当前数据快照写入AOF文件开头，之后在重写期间的写操作以AOF格式追加到文件中；
缓存穿透、缓存击穿、缓存雪崩是什么?
- 缓存穿透，是大量请求查询不存在的数据，不经过redis直接访问数据库；
  
  解决方案：布隆过滤器，同请求缓存空值，参数合法校验；
- 缓存击穿，是热点数据在缓存中过期，导致大量请求同时访问数据库；
  
  解决方案：热点数据永不过期，缓存失效后互斥锁，缓存预热；
- 缓存雪崩，是多个缓存同时过期，导致大量请求同时访问数据库；
  
  解决方案：缓存过期添加随机值，多级缓存，限流降级；
布隆过滤器的底层原理
- 底层实现基于位数组与多个哈希函数，位数组是长度为m，每个位只能存储1或0，布隆过滤器使用k个独立哈希函数，将输入元素均匀分布到位数组中；
- 添加元素：将元素通过k个哈希函数计算，得到k个哈希值，将位数组对应k个位置设置为1；
- 查询元素：将元素通过k个哈希函数计算，得到k个哈希值，若位数组中所有对应位置都为1，则元素可能存在，任何一个位置为0，则一定不存在；
- 特点：空间效率高，查询速度快，有一定误判率；
MySQL的隔离级别是什么？可重复读的特点是什么？能否解决幻读？
- 读未提交，读已提交，可重复读，串行化；
- 可重复读的特点是在同一个事务中读取同一个数据是一致的（MVCC，为每个事务创建一个快照）；
- 幻读是多次查询同一范围的数据时，数据行数不同，因为其他事务执行了插入或删除；
MVCC是什么？
- MVCC是多版本并发控制，每条数据都会有多个版本，用于记录实际值、创建该事务的ID、创建或删除该版本的时间戳、指向Undo log的指针；
- 每条事务在开始执行前都会分配一个事务ID与时间戳，事务只能看到在他之前已经提交的数据版本与自身修改的数据；
- 优点：高并发，读写操作不会互相阻塞；一致性读，事务可以看到一直的数据快照；减少锁冲突，通过多版本数据，减少对锁的依赖；
- 缺点：需要存储多个版本的数据，增加了存储空间；需要定期清理过期的旧版本数据，增加系统开销；如果多个事务同时修改同一数据，仍需要加锁；
为什么MySQL使用B+树索引结构？
- B+树的适用情景为io数据流的读取，因为其节点可以有多个子节点，每个节点可以存储多个键，用于减少树的高度，降低磁盘io访问次数，并且所有子节点在同一层，用于平衡io的平均访问时间，叶子节点之间通过指针连接，形成一个有序链表，支持高效返回查询；
如何判断SQL语句是否命中索引？
- 使用EXPLAIN命令，可以查看查询是否使用了索引
Redis分布式锁如何实现？
- 在springboot项目中，使用redis的template的setIfAbsent（）方法，进行上锁，需要设置锁名与id及其过期时间；
- 使用redisson库管理分布式锁，手动获取锁与释放锁；
- 执行redis的Lua脚本，手动编写上锁释放锁的代码并运行，Lua保证事务的原子性，避免误删锁；
mysql和redis的区别？
- mysql是关系数据库，redis是非关系数据库；
- mysql数据存储再磁盘中，redis数据存储在内存中，但也可以选择持久化存储，例如RDB和AOF两种持久化方式；
- mysql因为要设计磁盘的IO读写所以访问速度相比较与redis基于内存的读写较慢；
- mysql的场景主要是进行复杂的查询与大量数据的存储，而redis是解决高并发与实时数据缓存的场景；
- mysql支持ACID事务，而redis只支持简单的事务，但不支持回滚；
mysql事务介绍一下？

首先是事务的ACID特性：
- 原子性：事务的运行是不可分割的最小单元，要么全部成功要么全部失败回滚；
- 一致性：事务执行的前后总是由一个有序的状态到另一个有序的状态，数据保持一致的状态；
- 隔离性：事务之间互不影响；
- 持久性：事务一旦执行，数据会永久存储在数据库中；
事务的隔离级别：
- 读未提交，事务中读取的数据可能是其他事务修改后但执行了回滚；
- 读已提交，事务中多次读取同一数据，但可能其他事务中间修改，导致读取不一致；
- 可重复读，事务采用MVCC多版本并发控制机制，确保每个事务读取的数据是事务执行前开始的版本；
- 串行化，事务依次执行；

Redis 都有哪些集群模式
- 单机模式：只有一个redis实例；
- 主从复制模式：一个主节点负责写操作，多个从节点复制主节点的数据，提供读操作，适用于读多写少的场景，如果主节点故障需要手动切换；
- 哨兵模式：在主从复制模式的基础上，引入哨兵（Sentinel）用于监控主从节点的状态，实现自动故障转移；
- 集群模式：Redis提供的分布式解决方案，将数据分片存储到多个节点，每个节点负责一部分数据，适用于大规模数据存储和高并发访问的场景；
- 代理模式：通过代理将客户端请求分发到多个redis实例；
redis集群模式分布式的底层原理
- Redis提供的分布式解决方案，将数据分片存储到多个节点，每个节点负责一部分数据，适用于大规模数据存储和高并发访问的场景；
- 集群将数据集划分为16384个哈希槽，将键通过哈西算法分配给对应的哈希槽，每个节点分配一部分哈希槽；
- 节点之间通过Gossip协议通信，确保集群状态的一致性，每个节点定期随机选择部分其他节点交换信息，确保集群中每个节点最终都能获得全局一致的集群视图；
一致性哈希算法？
- 是一种特殊的哈希算法，用于解决分布式系统中的数据分布与负载均衡；
- 将哈希空间组织成一个环，数据和节点都通过哈希函数映射到环上的某个位置；
- 数据通过哈希函数计算哈希值，映射到环的某个位置，从该位置顺时针查找，找到的第一个节点就是该数据的归属节点；
- 当有节点加入或退出指挥影响相邻的节点数据分布，用来减少数据迁移的开销；
redis的数据结构底层原理
- String：采用的是SDS动态字符串，三个参数，实际长度，剩余空间，字符数组，当字符串修改时，自动扩展；
- List：当元素较少时，使用压缩列表，元素较多时，使用双向链表；
- Hash：当元素较少时，使用压缩列表，元素较多时，使用哈希表；
- Set：当元素较少且为整数时，采用连续数组存储整数，元素较多时，使用哈希表；
- ZSet：当元素较少时，使用压缩列表，元素较多时，使用跳表；
数据库的索引
- 索引是一种数据结构，用于提高数据库查询的效率，加速查询、排序、分组和聚合；
- 索引的类型：
  - 主键索引：用于主键的约束，保证数据唯一且不为空；
  - 唯一索引：保证某一列的值是唯一的，但是允许null；
  - 复合索引：再多个列上创建索引，优化组合查询的效率；
  - 全文索引：用于全文搜索，适用于文本内容的检索；
  - 哈希索引：基于哈希表实现，查询速度极快，但是不支持范围查询；
- 索引会影响写入性能，比如插入更新删除都需要更新索引，需要占用额外的存储空间；
复合索引失效的情况
- 复合索引遵循最左前缀原则，即索引的使用顺序必须按照创建索引时的列顺序；
- 造成索引失效的情况有：
  - 索引列使用了函数或者运算符；
  - 索引列范围查询；
  - 索引开头使用了通配符；
  - 索引没有遵循最左前缀原则；
  - 查询子句没有全部都使用索引；
  - 索引列进行了隐式类型转换；
  - 索引列中包含null;
B树与B+树
- B树与B+树都是常见的平衡多路搜索树，用于数据库索引和文件系统；
- B树每个节点都存储数据和索引，叶子节点与内部节点存放数据，及数据可能存放在不同的层级；
- B+树叶子节点存储数据，所有叶子结点通过指针相连，形成一个有序的链表;
- B+树因为数据都由双项链表连接，所以更方便范围查询，B树需要遍历整个树；
- 因为B+树的索引密度更高，所以每个借点内可以融安更多的索引，是树的高度更小，从而减少磁盘的IO，提高查询性能；
MySQL 乐观锁和悲观锁有什么区别
- 乐观锁假设并发冲突少，只在提交时检测冲突，常通过版本号或时间戳实现，不加所，适用于读多写少、冲突概率低的场景；提交时冲突则需回滚或重试；
- 悲观锁假设并发冲突会频繁发生，在读取数据前就加锁，防止其他事务修改数据，直到当前事务完成，适用于写多读少、确保数据一致性高于并发性能的场景；会阻塞其他事务，降低系统吞吐量；
死锁的条件
- 互斥：资源一次只能被一个线程使用；
- 持有并等待：线程已经有一个资源，但还在等待获取其他的资源，同时不释放当前已经持有的资源；
- 不可剥夺：资源不能被强制回收，只能由持有此资源的线程主动释放；
- 循环等待：存在一个循环的资源依赖链，每个线程都在等待下一个线程持有的资源，形成一个环；
如何避免死锁
- 破坏循环等待，强制按照固定顺序申请锁；
- 使用超时机制，破坏持有并等待，避免无限等待；
MySQL 的慢查询如何优化？
- 使用EXPLAIN查询sql语句的执行计划；
- 优化sql语句避免查询所有数据或大量数据；
- 对索引进行优化，建立联合索引；
- 对大数据量的表进行分表；
索引为什么能加快查询速度
- 可以快速定位数据，减少数据库扫描的行数，从而提高查询效率；
- 索引使用B+树进行高效查找，B+树是一种平衡多叉树，查询时间复杂度为O(n)，远小于全表扫描的O(n)；
- 提高排序分组的效率，通过索引可以直接按照索引顺序进行读取数据，无需排序操作；
创建索引以哪些字段作为索引，那为什么不能全部字段建立索引
- 首先创建索引适合在热点查询字段上，例如主键外键唯一键上，查询高效。还可以在在热点可排序字段上，避免排序时额外计算；
- 首先索引的创建需要占用额外的空间，并且当数据修改时，需要维护索引占用更多的性能；