Java后端开发——美团（牛客）

Java的基本数据类型，各自的字节数

老生常谈，不多说了.

类型	字节数
byte	1字节
short	2字节
int	4字节
long	8字节
float	4字节
double	8字节
boolean	1bit
char	2字节

基本数据类型和包装类的区别，Int和Integer有什么区别

包装类可以new出来对象，并且拥有字段和方法。对象的调用都是通过引用对象的地址
包装类型是引用的传递，基本类型是值的传递
基本数据类型直接声明。包装类需要new对象
基本数据类型直接将值保存在栈中，而new出来的对象则是在堆中，然后通过对象的引用来调用它们
基本数据类型的初始值都有各自对应，包装类的初始值均为null

集合中只能存放对象的引用，这个是包装类的一个用途。其次就是从数据库中拿数据出来时，有时会遇到为null的数据，如果用基本数据类型接收，那就会报错。（不过一般数据库里好像是能不使用null就不要使用，因为这个会造成性能损耗，最好是用0或者某种方式来代替）

mysql索引是如何实现的

这个东西我有一套完整的视频讲，大一时自己录的，贴到下面，另外最近还读了一篇很不错的博客，也同样分享出来

MySQL索引底层实现原理 - 做个有梦想的咸鱼 - 博客园 (cnblogs.com)

【朱江的数据结构课堂】大一数据结构翻转课堂-B树-1_哔哩哔哩_bilibili

一次IO的时间在什么量级

I/O的话，我们根据上面MySQL索引的视频又或者是文章都可以知道磁盘的读取原理。就是寻道时间和旋转延迟的和，寻道时间顾名思义就是把读写磁头移动到所需磁道上的时间，而旋转延迟就是当磁道对齐后，将所需扇区移动到磁头下的时间。一般来说在ms量级

聚簇索引，非聚簇索引，索引覆盖和回表查询

顾名思义，这个聚簇索引和非聚簇索引，也要先理解了上面的MySQL索引之后再来看。而索引覆盖和回表查询，也需要理解了聚簇和非聚簇之后才能看

在MySQL中，索引属于存储引擎级别的概念，所以不同存储引擎对索引的实现方式也不一样，下面举MyISAM和InnoDB的例子

MyISAM索引：

MyISAM使用B+树作为实现索引的数据结构，叶子节点的data域直接存放的就是对应key域中主键数据所存放的物理地址，如下图所示：

现在的索引就是一个主索引，找到了索引也就找到了数据存放的位置。一般来说主键会默认创建主索引，且一张表只允许有一个主索引

在MyISAM中，主和辅助索引在形式上看起来是一样的。

在MyISAM中，二者区别在于主索引要求key是唯一的，而辅助索引的key可以重复

上图为以Col2字段为主键创建的辅助索引.

你应该还可以注意到，辅助索引只是逻辑上的有序，实际在物理存储中并不连续

按照我个人的理解，在MyISAM中不存在所谓的“聚簇索引”的说法，我们应该统一说MyISAM中的主索引和辅助索引都是“非聚簇索引”。这是因为聚簇索引的定义是将数据存储和索引放到了一起，找到索引也就找到了数据，如果还是不好理解，看下面InnoDB的聚簇索引可能就理解了

这里还要多提一嘴，MyISAM通过key_buffer将索引缓存到了内存中，当需要访问数据的时候，首先看是否能命中，如果命中那就直接通过data域的地址找数据就行了。如果不命中，那速度就比较慢了

InnoDB索引：

InnoDB同样使用B+树作为实现索引的数据结构。只是具体实现方式略不同于MyISAM，它的两种索引还是有很大差别的。

InnoDB的数据文件本身就是索引文件。而MyISAM实际上索引文件和数据文件是分开的，索引只保存数据的地址，这点通过看图就能得出。在InnoDB中，表数据文件本身就是按照B+树的规定所构建出的一个索引结构。而叶节点中则保存了完整的数据记录，key则是对应记录的主键值。因此其实InnoDB表数据文件本身就是聚集索引。

上图就是InnoDB引擎中的聚集索引（同时也是表数据文件本身）的结构图。叶子节点包含了完整的数据记录，这就是聚集索引。同时我们也不难想到，因为InnoDB的表数据文件本身就是一个聚集索引，那聚集索引就要有一个主键，所以InnoDB就要求表必须拥有主键（而MyISAM则不需要），所以如果我们没有显式指定一个可以唯一标识数据的主键，InnoDB为了不产生错误，首先会默认第一个NOT NULL且UNIQUE的字段作为聚簇索引，如果实在找不到这样的索引，那么InnoDB会隐式定义一个主键row_id作为聚簇索引，这个字段的长度为6字节，类型为long
在InnoDB中，基于聚集索引所创建的索引叫做辅助索引，那么根据定义，辅助索引也就是非聚簇的。辅助索引的数据访问总是需要二次查找，具体原因看下面的详细图示即可：

正如你所见，InnoDB的辅助索引中key域存放的就是指定在哪个字段创建辅助索引的全部值，而data域存放的则是对应记录的主键值。也就是说InnoDB的辅助索引都会引用主键作为data域。流程为首先在辅助索引中找到要查找记录所对应的主键值，之后再去主索引中根据主键值查找到数据（所以叫二次查找）

还不清楚的话，可以看上面这幅图。绿色箭头代表一次查询就可以了，也就是说我们使用了聚簇索引。而红色箭头需要二次查找，也就是说我们使用了非聚簇索引

通过上述的内容，我们就可以解答一些关系数据库设计的问题了。比如为什么InnoDB不建议使用过长的字段作为主键，因为所有的辅助索引都引用主索引，过长的主索引势必会导致辅助索引变得很大。再比如，使用非单调的字段作为主键并不是推荐的做法，因为InnoDB的数据文件本身也是一颗B+树，非单调的主键在插入数据后，因为要维护整个表符合B+树的数据结构要求，所以会把整棵树进行分裂调整，造成效率低下

InnoDB只会聚集在同一页面中的记录，而包含相邻键值的页面可能相聚十分之远。

何时使用聚簇索引，何时使用非聚簇索引
聚簇索引的优点和缺点
- 优点
  
  数据访问更快：
  
  由于行数据和叶子节点存储在一起，同一页中会有多条数据，访问同一数据的不同行记录时，已经把也加载到了Buffer中，再次访问的时候，会在内存中完成访问，不必访问磁盘
  
  这样由于主键和行数据时一起被载入磁盘的，找到叶子节点就可以立即将行数据返回了，如果按照主键ID来组织数据，获得数据更快
  
  聚簇索引对主键的排序查找和范围查找速度非常快：
  
  聚簇索引适合用在排序的场合，非聚簇索引不适合
  
  取出一定范围数据的时候，使用用聚簇索引
- 缺点
  
  不易使用较大的主键（详细原因上面讲到了）
  
  维护索引的代价是很昂贵的。例如当我们插入了大量新行又或者是主键因某种原因更新，这两种情况都可能会引起表的分页。我们可以在负载较低的时间段使用OPTIMIZE TABLE来进行碎片的清理。
  
  插入速度严重依赖插入顺序（这点上面也讲了。其实就是如果按照主键顺序，那么就不需要页分裂来维护，其他情况则会影响性能）
为什么辅助索引使用主键作为data域内容，而不使用地址值作为data域

先说结论：使用主键作为data域内容，减少了因行移动或者数据分页所带来的维护辅助索引的性能开销

有了聚簇索引中维护整颗B+树有关开销的内容，这句话就很好理解了。如果我们同样使用地址值作为data域，那么当行的位置发生变化，相应的磁盘中的数据就会开始移动，就会造成辅助索引中的data域内容也要跟着改变，带来了性能开销。如果使用主键值作为data域，那么就不受影响了。

回表查询和覆盖索引

回表查询

回表查询的概念其实很简单。意味先通过辅助索引定位到聚簇索引，然后再通过聚簇索引定位到行记录数据。需要二次查找，形象来说就是返回表数据（聚簇索引表）去查询。
索引覆盖

索引覆盖和回表查询是有关系的。如果我们在一棵索引树上就能获取我们所需的全部数据，无需二次查询，那么就称这次查询是一次索引覆盖

关于如何实现索引覆盖：
```
insert into user(name,age) values('张三',30);
insert into user(name,age) values('李四',20);
insert into user(name,age) values('王五',40);
insert into user(name,age) values('刘八',10);

mysql> select * from user;
+----+--------+------+
| id | name  | age |
+----+--------+------+
| 1 | 张三  |  30 |
| 2 | 李四  |  20 |
| 3 | 王五  |  40 |
| 4 | 刘八  |  10 |
+----+--------+------+
```
假如现在有这么一张表，下面是他们的聚簇索引和非聚簇索引（不再重复为什么长这样了，上面说的很详细了，另外图源知乎@张德检，感谢）
```
SELECT
id,age
FROM
user
WHERE
age=10;
```
如果我们执行上面这个查询操作。那么这就是一个覆盖索引的查询，原因是什么呢？一般来说如果我们想要知道本次查询能否实现覆盖索引，我们可以使用explain
```
explain
SELECT
id,age
FROM
user
WHERE
age=10;
```
可以看到Extra的内容是Using index，意思就是本次符合索引覆盖。那么原因是什么呢？

WHERE子句后面的依赖是age，并不是聚簇索引的id，所以我们就到age的非聚簇索引中寻找，而非聚簇索引中data域为id，key为age，正好对应我们需要查找的两个字段，那么就不需要回表了，直接一次查到返回两个域即可
```
SELECT
id,age,name
FROM
user
WHERE
age=10;
```
那如果是上面这样的查询，肯定就必须要回表了。

给身份证创建索引，如何做？

首先我们要明确一点，也就是说当主键字段的离散度达到最佳值时，一般来说最大的时候，可以在空间和查询效率之间取得一个平衡

SELECT count(distinct lefr(filed,length)) from tableName;

其中filed为想要当作主键的字段。通过这句SQL语句我们可以获得长度为length时所对应的区分度，越大越好。

那言归正传，如果现在我们要给身份证创建索引，应该怎么做（默认为InnoDB引擎）。我们都知道，InnoDB使用聚簇索引或非聚簇索引时，key的长度不宜过大，否则会造成一定的开销。那身份证有18位，长度太长了，按道理来说是不适合作为索引的，但现在要求我们必须用身份证创建索引。

我们可以这么做，首先分析到身份证的前6位代表地址，而中间8位是年月日。当长度过长导致不适合作为索引，我们很容易就想到前缀索引了，是的，我们可以这么做：

前缀索引：

我们可以将身份证的前六位截取出来，作为前缀索引。但需要注意的一点是，如果我们的项目是一个城市居民管理等的项目，那可想而知几乎所有的数据前六位都是一样的，那么就需要截取更多的位数进行前缀索引以便区分，那这时候就发生了字段过长不适合创建索引的问题。需要注意这一点

倒序存储：

因为身份证后六位的区分程度较高，所以我们可以将身份证倒叙存储，然后索引取前六位。需要注意这种情况只适用于等值存储

哈希：

可以新增一个字段存储身份证号码的哈希值,加上索引，存入身份证时候，对身份证进行crc3()计算，得到的值存入id_card_crc,索引长度为4，因为hash可能会发生碰撞，所以查询时候加上身份证作为筛选条件：

因为身份证不是顺序递增的，所以就导致哈希索引做区间查询的速度极慢。也就是说，哈希只适合等值查询的场景。

介绍mysql的事务（这玩意都问烂了……）

定义：

最小的不可再分的工作单元；通常一个事务对应一个完整的业务（账户转账等等）

一般事务中的多个操作，只会同时成功或者同时失败

四大性质：

原子性（同时成功，同时失败）
持久性（事务对数据库的影响是不可改变的）
隔离性（多个事务之间互不影响，互不干扰）
一致性（事务不破坏数据库的完整性）

事务如何保证原子性和持久性：

原子性：MySQL有一个日志叫undo log，这个日志存储的是数据库更新之前的数据，相当于给事务不成功执行做的备份。如果事务不成功执行，那就把里面的数据回退即可

undo log分为两种，一种是INSERT undo log另外一种是UPDATE undo log，前者在INSERT操作时产生，只用来进行事务回滚，在事务提交后就可以被立刻丢弃了。而后者是UPDATE和DELETE时产生的，除了可以用来进行回滚，还可以拿来快照读，这个快照读在下面一个题会说具体内容
持久性：MySQL还有一个日志叫redo log，这个日志存储的是发生了修改但未成功commit的数据。

为什么会产生这种情况呢？因为MySQL为了保证存储的效率，每次都写文件都是先对缓存池进行一次操作。之后再定期将缓冲池的内容刷新到磁盘中（刷脏），所以如果这时候主机突然断电，那就丢失了数据。

但现在有了redo log，我们只需要再次启动之后通过日志恢复即可。但如果想在断电后通过这个日志恢复，那它肯定也是要存到磁盘里的（在事务提交时）。但MySQL既然选择这么做，那说明写redo log肯定比缓冲池快：

首先写redo log是追加文件写，属于顺序IO，而缓冲池是随机IO；其次刷脏是以页为单位，修改一点就要整页写入

题外话：原语和事务有什么区别？

我总是在匡老师的操作系统课上说错一个东西。他每次说原语，我就老说事务事务。存在个盲区，一直以为事务和原语是一个东西，因为都是不可被中断，要么就执行成功，要么就执行失败。后来查了很多资料，发现其实两个东西不一样。

先上结论：事务是一种特殊的原语

原语是指由若干条指令所组成的程序段，用来实现某个特定的功能，在执行过程中不可被中断，可以把原语理解为一条指令。也就是说，如果有一条指令在执行过程中不可被中断，我们也可以说这是一条原语，要在管态下才能执行。

那事务又是什么呢？事务一般指要做的或所做的事情，一般来说就是DML语句，或者说DML语句才会涉及事务。由上文我们知道，事务有四大性质：原子性、持久性、隔离性、一致性

原语和事务的区别就在于，原语只强调原子性，而事务除了原子性，还强调剩余三个特性。

原谅我吧，之前我确实不懂这个……

介绍隔离级别

读未提交（read uncommitted）

事务A和事务B，事务A未提交的数据，事务B可以读取到。这样的隔离级别是最低的，只是理论上存在这种情况，数据库不会用这种隔离级别，因为关于并发带来的问题他一个也解决不了。
读已提交（read committed）

事务A只能读取到事务B已经提交的数据，可以有效避免“脏数据”，ORACLE的默认隔离级别就是这一level，会导致出现不可重复读问题
可重复读

事务A提交之后的数据，事务B读取不到。会导致出现幻读问题
串行化

事务A和事务B，当事务A在操作数据库时，事务B只能排队等待。这种做法的吞吐量太低，用户体验极差。一般不使用，但可以避免幻读

如何解决不可重复读问题

首先先说不可重复读问题是什么。不可重复读出现在读未提交和读已提交这两种隔离级别。当事务A执行时，在提交前，事务B对同一条记录进行了修改操作（读已提交只是锁了要等待事务A提交后才能读，但是没说现在不能写），那么事务A再读记录，就发现前后两次不一样了。这就是不可重复读

InnoDB使用MVCC来解决不可重复读问题，即多版本并发控制。如果同一行数据发生了读写请求，一般会上锁进行阻塞，mvcc避免锁带来的性能损耗，使用快照读来解决不可重复读问题。

当前读：每次都读取一条记录最新的版本，并且会在读取时对记录进行加锁，属于悲观锁
快照读：快照读基于MVCC，顾名思义就是当前读取到的数据可能并不是最新的数据，而是之前的历史版本。MVCC是一个概念，即维持一个数据的多个版本，使读写操作不会发生冲突，快照读就是MVCC的一个实例化

MVCC为每个事务分配单增的时间戳。为每个数据修改保存了一个版本，版本与时间戳相关联。而读操作只读取某事务开始前的快照版本。MVCC没法解决写-写带来的更新丢失问题，所以要和其他方法进行配合：

MVCC+悲观锁：MVCC解决读写冲突，悲观锁解决写写冲突
MVCC+乐观锁：MVCC解决读写冲突，乐观锁解决写写冲突

MVCC使用版本链、undo log、Read View来实现：

版本链：

InnoDB中的每条记录都会含有四个隐藏字段，如下：

db_trx_id：6字节，最近修改或创建这条记录的事务ID
db_roll_pointer：7字节，指向这条记录上一个版本的指针
db_row_id：6字节，隐含的自增ID，这个在聚簇索引说了，不再多说了。
flag：这个和MP中的逻辑删除是一个意思，当删除一条记录时，不会将他从数据库中删除，而是将flag置为1，加入WHERE字句后也就有了真实删除的效果，其次也保证了数据统计的正确性

undo log：

undo log在上面也讲了，这里再补充一点：每条undo log都有一个roll_pointer属性（INSERT操作没有，因为不存在更先前的版本），我们可以把所有的undo日志通过这个指针连起来，每次都指向上一个版本，直到最早的版本，形成一条链表。头节点就是最新版本，而尾节点就是最早的版本。

Read View：

trx_ids：当前系统活跃事务（开始执行但未提交的事务）版本号集合
low_limit_id：创建当前视图时，当前系统中最大事务版本号+1
up_limit_id：创建当前视图时，系统正处于活跃事务的最小版本号
creator_trx_id：创建当前read view的事务版本号

Read View可见性的判断条件：

db_trx_id<up_limit_id || db_trx_id == creator_trx_id（可见）

或运算，先说第一个逻辑，当最近修改或创建这条记录的事务ID比当前系统中活跃事务最小版本号还要小，那么就说明这条记录肯定是之前就已经提交完毕的——所以可见

第二个逻辑，如果事务ID和创建当前视图的事务版本号相同，那就说明当前记录就是本事务所创建或修改的——所以可见
db_trx_id>=low_limit_id（不可见）

当最近修改或创建记录的事务ID比最大事务版本号加一还要大或者等于时，那就说明是要在当前事务之后才产生——所以不显示
db_trx_id是否在trx_ids中

如果不存在，那么说明事务之前就提交了，可以显示

如果存在，那么就说明事务还在活跃，仍未提交，所以不能看到

MVCC用来实现RC（Read Committed）和RR（Repeatable Read）这两个隔离级别。在RC中，每个快照读都会生成并获取最新的Read View，而RR隔离级别中，只有同一个事务中的第一个快照读才会创建Read View，之后快照读获取都是同一个视图

读提交和可重复读隔离级别实现上有什么区别

在读已提交隔离级别中，事务中的每执行一条语句就会生成最新的Read View，而在可重复读级别中，事务启动时生成一个Read View，到结束之前一直都使用这同一个Read View。

select、poll、epoll的区别

select()、poll()、epoll()是Linux网络编程中的三个函数，具体的作用和标准定义就不写在下面了，可以搜到。

这三个函数都实现I/O多路复用来监视fd，fd即文件描述符，这个也是Linux的基本概念，不在这里讲，默认了解

当入参中某个fd就绪（读写就绪），就能够通知程序进行相应的读写操作。但需要注意的是，这三个函数本质上都是同步I/O，因为他们都需在读写事件就绪之后，由自己来负责读写，所以就会造成阻塞，异步I/O则并不会。

select、poll需要主动地不断轮询所有传入的fd集合，直到fd就绪，那这期间进程可能就要被睡眠和唤醒多次。而epoll其实也调用了epoll_wait不断轮询就绪链表，期间也会经历多次睡眠和唤醒。但它的机制是当设备就绪时，会调用回调函数来通知，并把就绪的fd放到就绪链表里，并唤醒进程。epoll只需要判断就绪链表是否为空，而select和poll则需要遍历整个fd集合
select和poll每次调用都要把fd集合从用户态往内核态拷贝一次，并且要把current往设备等待队列中挂一次，而epoll则只拷贝一次，并且把current往等待队列上也只挂一次。