数据库基本特性
1.什么是事务？
事务（Transaction）是并发控制的基本单位。所谓的事务，它是一个操作序列，这些操作要么都执行，要么都不执行，它是一个不可分割的工作单位。事务是数据库维护数据一致性的单位，在每个事务结束时，都能保持数据一致性。
2.事务四大特性（ACID）
原子性（Atomicity）
· 原子性是指事务包含的所有操作要么全部成功，要么全部失败回滚，因此事务的操作如果成功就必须要完全应用到数据库，如果操作失败则不能对数据库有任何影响。
一致性（Consistency）
· 事务开始前和结束后，数据库的完整性约束没有被破坏。比如A向B转账，不可能A扣了钱，B却没收到。
隔离性（Isolation）
· 隔离性是当多个用户并发访问数据库时，比如操作同一张表时，数据库为每一个用户开启的事务，不能被其他事务的操作所干扰，多个并发事务之间要相互隔离。
同一时间，只允许一个事务请求同一数据，不同的事务之间彼此没有任何干扰。比如A正在从一张银行卡中取钱，在A取钱的过程结束前，B不能向这张卡转账。
持久性（Durability）
· 持久性是指一个事务一旦被提交了，那么对数据库中的数据的改变就是永久性的，即便是在数据库系统遇到故障的情况下也不会丢失提交事务的操作。
3.事务的并发和隔离问题
并发问题
（1）脏读：事务A读取了事务B更新的数据，然后B回滚操作，那么A读取到的数据是脏数据
（2）不可重复读：事务 A 多次读取同一数据，事务 B 在事务A多次读取的过程中，对数据作了更新并提交，导致事务A多次读取同一数据时，结果因此本事务先后两次读到的数据结果会不一致。
（3）幻读：幻读解决了不重复读，保证了同一个事务里，查询的结果都是事务开始时的状态（一致性）。
数据库隔离级别
· 读未提交：另一个事务修改了数据，但尚未提交，而本事务中的SELECT会读到这些未被提交的数据脏读
· 不可重复读：事务 A 多次读取同一数据，事务 B 在事务A多次读取的过程中，对数据作了更新并提交，导致事务A多次读取同一数据时，结果因此本事务先后两次读到的数据结果会不一致。
· 可重复读：在同一个事务里，SELECT的结果是事务开始时时间点的状态，因此，同样的SELECT操作读到的结果会是一致的。但是，会有幻读现象
· 串行化：最高的隔离级别，在这个隔离级别下，不会产生任何异常。并发的事务，就像事务是在一个个按照顺序执行一样
| 隔离级别 | 脏读（Dirty Read） | 不可重复读（NonRepeatable Read） | 幻读（Phantom Read） |
|---|---|---|---|
| 读未提交（Read uncommitted） | 可能 | 可能 | 可能 |
| 读已提交（Read committed） | 不可能 | 可能 | 可能 |
| 可重复读（Repeatable read） | 不可能 | 不可能 | 可能 |
| 可串行化（Serializable ） | 不可能 | 不可能 | 不可能 |
MySQL中默认事务隔离级别是“可重复读”。并不会锁住读取到的行
乐观锁和悲观锁是什么？
确保在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，乐观锁和悲观锁是并发控制主要采用的技术手段。
- 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
- 在查询完数据的时候就把事务锁起来，直到提交事务
- 实现方式：使用数据库中的锁机制
- 乐观锁：假设不会发生并发冲突，只在提交操作时检查是否违反数据完整性。
- 在修改数据的时候把事务锁起来，通过version的方式来进行锁定
- 实现方式：使用version版本或者时间戳
4.索引
B+树索引和哈希索引的明显区别是：
如果是等值查询，那么哈希索引明显有绝对优势，因为只需要经过一次算法即可找到相应的键值；当然了，这个前提是，键值都是唯一的。如果键值不是唯一的，就需要先找到该键所在位置，然后再根据链表往后扫描，直到找到相应的数据；
如果是范围查询检索，这时候哈希索引就毫无用武之地了，因为原先是有序的键值，经过哈希算法后，有可能变成不连续的了，就没办法再利用索引完成范围查询检索；
同理，哈希索引没办法利用索引完成排序，以及like ‘xxx%’ 这样的部分模糊查询（这种部分模糊查询，其实本质上也是范围查询）；
哈希索引也不支持多列联合索引的最左匹配规则；
B+树索引的关键字检索效率比较平均，不像B树那样波动幅度大，在有大量重复键值情况下，哈希索引的效率也是极低的，因为存在所谓的哈希冲突问题。 B+数因为只有最底层的叶子节点存在数据，并且节点与节点之间通过双向链表进行链接，非常适合区间索引、排序、分组查询。
5.非关系型数据库 VS关系型数据库
关系型数据库：关系型数据库，是指采用了关系模型来组织数据的数据库。通俗来说指的就是以行和列的二维表格模型，存储数据。
主要代表：SQL Server，Oracle, Mysql。
特点：
- 按照结构化的方法存储数据，先定义好表的结构，再根据表的结构存入数据，所以整个数据表的可靠性和稳定性都比较高，但带来的问题就是一旦存入数据后，如果需要修改数据表的结构就会十分困难。它的扩展性会非常差。而且在这样的表中，对海量数据的增删改查处理都会变得很不友好
- 遵从 ACID 特性，降低了数据冗余和数据不一致的概率。
- 追求 ACID 特性，可靠性的提升会带来读写速率的下降。高并发情况下，这个劣势会被放的很大。 而往往，很多时候的现实应用里，不用过分追求一致性，允许有一定的时间间隔。
非关系型数据库： NoSQL非关系型数据库，主要指那些非关系型的、分布式的，且一般不保证ACID的数据存储系统。以键值来存储，且结构不稳定，每一个元组都可以有不一样的字段，这种就不会局限于固定的结构，可以减少一些时间和空间的开销
主要代表：MongoDB，Redis、CouchDB
特点：
- 分类众多。 有 key-value 型，文档型，图形结构等等。可以在不同的场景，使用不同的数据库类型。
- 不需要提前定义好数据结构或者表结构这样的东西。不受结构的限制。
- 理念上允许重复，数据很少被分割开。很少有需要多表联合查询的情况。 而关系型数据库中，这种情况很常见。
应用：
关系型数据库适合存储结构化数据，比如：用户的账号、地址。
（1）这些数据通常需要做结构化查询，这个时候，关系型数据库就要胜出一筹。
（2）这些数据的规模、增长的速度通常是可以预期的。
（3）事务性、一致性,适合存储比较复杂的数据。
NoSql适合存储非结构化数据，比如：文章、评论：
（1）这些数据通常用于模糊处理，例如全文搜索、机器学习，适合存储较为简单的数据。
（2）这些数据是海量的，并且增长的速度是难以预期的。
（3）按照key获取数据效率很高，但是对于结构化查询的支持就比较差。
