面试相关总结（MySql）
面试相关总结（MySql）
1、 查询语法与执行顺序
1.1 查询语法顺序
- Select
- From
- Left JOIN
- ON
- Where
- Group by
- Having
- Order by
- Limit
1.2 面试遇到的一些sql
stu（Sno,Sname,Sex,Age,Native） 分别表示：学号、姓名、性别、年龄、籍贯
teacher（Tno,Tname,Post,Sex,Age） 分别表示：编号、姓名、职称、性别、年龄
course（Cno,Cname, Tno,Period） 分别表示：课号、课程名、教师编号、时段
grade（Sno,Cno,Grade） 分别表示：学号、课号、分数
1） 查询班级里选课数量大于3且至少有一门课的成绩大于80分的人数。
Select count(a.SNo)
From stu a, grade b
Where
a.Sno = b.Sno
and
max(b.Grade > 80)
Group by b.Sno
Having count(b.Sno) > 3
2）在3月20号这一天的订单业务中，提交订单时间和结算订单时间低于1分钟的订单。
Select product.*
From product
Where
data(add_time) == '2021-03-20'
and
TimeStampDiff(SECOND, create_time, end_time)
ps: 关于这方面时间的函数还是不太熟，具体函数使用查看这边
2、索引相关（Innodb）
2.1 基本概念
索引的所用与目录相似，旨在帮助快速查询到结果。
大致可分为聚集索引，非聚集索引，联合索引，哈希索引，全文索引。
2.2 索引实现原理
2.1 聚集索引和非聚集索引
非聚集索引的实现结构是B树，非聚集索引的实现结构是B+树，两个结构的区别是B+树仅叶子节点保存数据，B树叶子节点与非叶子节点均保存数据。
B+Tree对比BTree的优点：
1、磁盘读写代价更低
一般来说B+Tree比BTree更适合实现外存的索引结构，因为存储引擎的设计专家巧妙的利用了外存（磁盘）的存储结构，即磁盘的最小存储单位是扇区（sector），而操作系统的块（block）通常是整数倍的sector，操作系统以页（page）为单位管理内存，一页（page）通常默认为4K，数据库的页通常设置为操作系统页的整数倍，因此索引结构的节点被设计为一个页的大小，然后利用外存的“预读取”原则，每次读取的时候，把整个节点的数据读取到内存中，然后在内存中查找，已知内存的读取速度是外存读取I/O速度的几百倍，那么提升查找速度的关键就在于尽可能少的磁盘I/O，那么可以知道，每个节点中的key个数越多，那么树的高度越小，需要I/O的次数越少，因此一般来说B+Tree比BTree更快，因为B+Tree的非叶节点中不存储data，就可以存储更多的key。
2、查询速度更稳定
由于B+Tree非叶子节点不存储数据（data），因此所有的数据都要查询至叶子节点，而叶子节点的高度都是相同的，因此所有数据的查询速度都是一样的。
特别推荐这一篇博客。