来源：爱笑的架构师
作者：雷小帅
数据库架构说说MySQL的基础架构图
给面试官讲一下MySQL的逻辑架构，有白板可以把下面的图画一下，图片来源于网络。
Mysql逻辑架构图主要分三层：
（1）第一层负责连接处理，授权认证，安全等等
（2）第二层负责编译并优化SQL
（3）第三层是存储引擎。
一条SQL查询语句在MySQL中如何执行的？
先检查该语句是否有权限，如果没有权限，直接返回错误信息，如果有权限会先查询缓存(MySQL8.0版本以前)。如果没有缓存，分析器进行词法分析，提取sql语句中select等关键元素，然后判断sql语句是否有语法错误，比如关键词是否正确等等。最后优化器确定执行方案进行权限校验，如果没有权限就直接返回错误信息，如果有权限就会调用数据库引擎接口，返回执行结果。SQL优化日常工作中你是怎么优化SQL的？
可以从这几个维度回答这个问题：
1，优化表结构
（1）尽量使用数字型字段
若只含数值信息的字段尽量不要设计为字符型，这会降低查询和连接的性能，并会增加存储开销。这是因为引擎在处理查询和连接时会逐个比较字符串中每一个字符，而对于数字型而言只需要比较一次就够了。
（2）尽可能的使用varchar代替char
变长字段存储空间小，可以节省存储空间。
（3）当索引列大量重复数据时，可以把索引删除掉
比如有一列是性别，几乎只有男、女、未知，这样的索引是无效的。
2，优化查询
应尽量避免在where子句中使用!=或操作符应尽量避免在where子句中使用or来连接条件任何查询也不要出现select*避免在where子句中对字段进行null值判断3，索引优化
对作为查询条件和orderby的字段建立索引避免建立过多的索引，多使用组合索引怎么看执行计划（explain），如何理解其中各个字段的含义？
在select语句之前增加explain关键字，会返回执行计划的信息。
（1）id列：是select语句的序号，MySQL将select查询分为简单查询和复杂查询。
（2）select_type列：表示对应行是是简单还是复杂的查询。
（3）table列：表示explain的一行正在访问哪个表。
（4）type列：最重要的列之一。表示关联类型或访问类型，即MySQL决定如何查找表中的行。从最优到最差分别为：systemconsteq_refreffulltextref_or_nullindex_mergeunique_subqueryindex_subqueryrangeindexALL
（5）possible_keys列：显示查询可能使用哪些索引来查找。
（6）key列：这一列显示mysql实际采用哪个索引来优化对该表的访问。
（7）key_len列：显示了mysql在索引里使用的字节数，通过这个值可以算出具体使用了索引中的哪些列。
（8）ref列：这一列显示了在key列记录的索引中，表查找值所用到的列或常量，常见的有：const（常量），func，NULL，字段名。
（9）rows列：这一列是mysql估计要读取并检测的行数，注意这个不是结果集里的行数。
（10）Extra列：显示额外信息。比如有Usingindex、Usingwhere、Usingtemporary等。
关心过业务系统里面的sql耗时吗？统计过慢查询吗？对慢查询都怎么优化过？
我们平时写Sql时，都要养成用explain分析的习惯。慢查询的统计，运维会定期统计给我们
优化慢查询思路：
分析语句，是否加载了不必要的字段/数据分析SQL执行句话，是否命中索引等如果SQL很复杂，优化SQL结构如果表数据量太大，考虑分表索引聚集索引与非聚集索引的区别
可以按以下四个维度回答：
（1）一个表中只能拥有一个聚集索引，而非聚集索引一个表可以存在多个。
（2）聚集索引，索引中键值的逻辑顺序决定了表中相应行的物理顺序；非聚集索引，索引中索引的逻辑顺序与磁盘上行的物理存储顺序不同。
（3）索引是通过二叉树的数据结构来描述的，我们可以这么理解聚簇索引：索引的叶节点就是数据节点。而非聚簇索引的叶节点仍然是索引节点，只不过有一个指针指向对应的数据块。
（4）聚集索引：物理存储按照索引排序；非聚集索引：物理存储不按照索引排序；
为什么要用B+树，为什么不用普通二叉树？
可以从几个维度去看这个问题，查询是否够快，效率是否稳定，存储数据多少，以及查找磁盘次数，为什么不是普通二叉树，为什么不是平衡二叉树，为什么不是B树，而偏偏是B+树呢？
（1）为什么不是普通二叉树？
如果二叉树特殊化为一个链表，相当于全表扫描。平衡二叉树相比于二叉查找树来说，查找效率更稳定，总体的查找速度也更快。
（2）为什么不是平衡二叉树呢？
我们知道，在内存比在磁盘的数据，查询效率快得多。如果树这种数据结构作为索引，那我们每查找一次数据就需要从磁盘中读取一个节点，也就是我们说的一个磁盘块，但是平衡二叉树可是每个节点只存储一个键值和数据的，如果是B树，可以存储更多的节点数据，树的高度也会降低，因此读取磁盘的次数就降下来啦，查询效率就快啦。
（3）为什么不是B树而是B+树呢？
B+树非叶子节点上是不存储数据的，仅存储键值，而B树节点中不仅存储键值，也会存储数据。innodb中页的默认大小是16KB，如果不存储数据，那么就会存储更多的键值，相应的树的阶数（节点的子节点树）就会更大，树就会更矮更胖，如此一来我们查找数据进行磁盘的IO次数有会再次减少，数据查询的效率也会更快。
B+树索引的所有数据均存储在叶子节点，而且数据是按照顺序排列的，链表连着的。那么B+树使得范围查找，排序查找，分组查找以及去重查找变得异常简单。
Hash索引和B+树索引区别是什么？你在设计索引是怎么抉择的？
B+树可以进行范围查询，Hash索引不能。B+树支持联合索引的最左侧原则，Hash索引不支持。B+树支持orderby排序，Hash索引不支持。Hash索引在等值查询上比B+树效率更高。B+树使用like进行模糊查询的时候，like后面（比如%开头）的话可以起到优化的作用，Hash索引根本无法进行模糊查询。什么是最左前缀原则？什么是最左匹配原则？
最左前缀原则，就是最左优先，在创建多列索引时，要根据业务需求，where子句中使用最频繁的一列放在最左边。
当我们创建一个组合索引的时候，如(a1,a2,a3)，相当于创建了（a1）、(a1,a2)和(a1,a2,a3)三个索引，这就是最左匹配原则。
索引不适合哪些场景?
数据量少的不适合加索引更新比较频繁的也不适合加索引=区分度低的字段不适合加索引（如性别）索引有哪些优缺点？
(1)优点：
唯一索引可以保证数据库表中每一行的数据的唯一性索引可以加快数据查询速度，减少查询时间(2)缺点：
创建索引和维护索引要耗费时间索引需要占物理空间，除了数据表占用数据空间之外，每一个索引还要占用一定的物理空间以表中的数据进行增、删、改的时候，索引也要动态的维护。锁MySQL遇到过死锁问题吗，你是如何解决的？
遇到过。我排查死锁的一般步骤是酱紫的：
（1）查看死锁日志showengineinnodbstatus;（2）找出死锁Sql（3）分析sql加锁情况（4）模拟死锁案发（5）分析死锁日志（6）分析死锁结果
说说数据库的乐观锁和悲观锁是什么以及它们的区别？
（1）悲观锁：
悲观锁她专一且缺乏安全感了，她的心只属于当前事务，每时每刻都担心着它心爱的数据可能被别的事务修改，所以一个事务拥有（获得）悲观锁后，其他任何事务都不能对数据进行修改啦，只能等待锁被释放才可以执行。
（2）乐观锁：
乐观锁的“乐观情绪”体现在，它认为数据的变动不会太频繁。因此，它允许多个事务同时对数据进行变动。
实现方式：乐观锁一般会使用版本号机制或CAS算法实现。
MVCC熟悉吗，知道它的底层原理？
MVCC(MultiversionConcurrencyControl)，即多版本并发控制技术。
MVCC在MySQLInnoDB中的实现主要是为了提高数据库并发性能，用更好的方式去处理读-写冲突，做到即使有读写冲突时，也能做到不加锁，非阻塞并发读。
事务MySQL事务得四大特性以及实现原理
原子性：事务作为一个整体被执行，包含在其中的对数据库的操作要么全部被执行，要么都不执行。一致性：指在事务开始之前和事务结束以后，数据不会被破坏，假如A账户给B账户转10块钱，不管成功与否，A和B的总金额是不变的。隔离性：多个事务并发访问时，事务之间是相互隔离的，即一个事务不影响其它事务运行效果。简言之，就是事务之间是进水不犯河水的。持久性：表示事务完成以后，该事务对数据库所作的操作更改，将持久地保存在数据库之中。事务的隔离级别有哪些？MySQL的默认隔离级别是什么？
读未提交（ReadUn