碼上歡樂
相關內容    簡體    繁體

計算機考研復試面試常問問題 數據庫篇

本文轉載自   查看原文   2020-04-09 21:43   3306 

計算機考研復試面試常問問題 數據庫篇

在復習過程中，我用心查閱並整理了在考研復試面試中可能問到的大部分問題，並分點整理了答案，可以直接理解背誦並加上自己的語言潤色!極力推薦打印下來看，效率更高！絕對良心之作！

此系列一共有8篇：編程語言篇|數據結構篇|操作系統篇|組成原理篇|計算機網絡篇|數據庫篇|軟件工程篇|計算機專業英語篇(還未全部完成,敬請期待,你們的支持和關注是我最大的動力!)

 

需要pdf直接打印版，可在公眾號"程序員寶藏"回復復試上岸獲取(會持續更新)

 

相對於408初試，復試需要的少多了，加油，大家都可以上岸！！！讓我們一起努力！！！

章節導讀:

 

1.事務

概念：事務指的是滿足 ACID 特性的一組操作，可以通過 Commit 提交一個事務，也可以使用 Rollback 進行回滾。

ACID特性： （1）原子性 (Atomicity)：事務被視為不可分割的最小單元，事務的所有操作要么全部提交成功，要么全部失敗回滾。回滾可以用回滾日志來實現，回滾日志記錄着事務所執行的修改操作，在回滾時反向執行這些修改操作即可。

（2）一致性 (Consistency)：數據庫在事務執行前后都保持一致性狀態。在一致性狀態下，所有事務對一個數據的讀取結果都是相同的。

（3）隔離性 (Isolation)：一個事務所做的修改在最終提交以前，對其它事務是不可見的。

（4）持久性 (Durability)：一旦事務提交，則其所做的修改將會永遠保存到數據庫中。即使系統發生崩潰，事務執行的結果也不能丟失。

使用重做日志來保證持久性。

事務的 ACID 特性概念簡單，但不是很好理解，主要是因為這幾個特性不是一種平級關系： 只有滿足一致性，事務的執行結果才是正確的。 在無並發的情況下，事務串行執行，隔離性一定能夠滿足。此時只要能滿足原子性，就一定能滿足一致性。 在並發的情況下，多個事務並行執行，事務不僅要滿足原子性，還需要滿足隔離性，才能滿足一致性。事務滿足持久性是為了能應對數據庫崩潰的情況。

2.並發一致性問題

丟失數據

丟失數據：T_1 和 T_2 兩個事務都對一個數據進行修改，T_1 先修改，T_2 隨后修改，T_2 的修改覆蓋了 T_1 的修改。簡記為 同時修改。

讀臟數據

讀臟數據：T_1 對一個數據做了修改，T_2 讀取這一個數據。若 T_1 執行 ROLLBACK 操作，則 T_2 讀取的結果和第一次的結果不一樣。簡記為 讀取失敗的修改。最簡單的場景是修改完成后，緊接着查詢檢驗結果。

不可重復讀

不可重復讀：T_2 讀取一個數據，T_1 對該數據做了修改。如果 T_2 再次讀取這個數據，此時讀取的結果和第一次讀取的結果不同。簡記為 讀時修改，重復讀取的結果不一樣。

幻影讀

幻影讀：T_1 讀取某個范圍的數據，T_2 在這個范圍內插入新的數據，T_1 再次讀取這個范圍的數據，此時讀取的結果和和第一次讀取的結果不同。簡記為 讀時插入，重復讀取的結果不一樣。

解決方案

在並發環境下，事務的隔離性很難保證，因此會出現很多並發一致性問題。產生並發不一致性問題的主要原因是破壞了事務的隔離性。解決方法是通過 並發控制 來保證隔離性。並發控制可以通過 封鎖 來實現，但是封鎖操作需要用戶自己控制，相當復雜。數據庫管理系統提供了事務的 隔離級別，讓用戶以一種更輕松的方式處理並發一致性問題。

3.封鎖

封鎖粒度 MySQL 中提供了兩種封鎖粒度：行級鎖 以及 表級鎖。

應盡量只鎖定需要修改的那部分數據，而不是所有的資源。鎖定的數據量越少，發生鎖爭用的可能就越小，系統的並發程度就越高。但是加鎖需要消耗資源，鎖的各種操作 (包括獲取鎖、釋放鎖、以及檢查鎖狀態) 都會增加系統開銷。因此封鎖粒度越小，系統開銷就越大。為此，我們在選擇封鎖粒度時，需在 鎖開銷 和 並發程度 之間做一個 權衡。

封鎖類型

（1）讀寫鎖 排它鎖 (Exclusive)，簡寫為 X 鎖，又稱 寫鎖。

共享鎖 (Shared)，簡寫為 S 鎖，又稱 讀鎖。

有以下兩個規定： 一個事務對數據對象 A 加了 X 鎖，就可以對 A 進行讀取和更新。加鎖期間其它事務不能對 A 加任何鎖。

一個事務對數據對象 A 加了 S 鎖，可以對 A 進行讀取操作，但是不能進行更新操作。加鎖期間其它事務能對 A 加 S 鎖，但是不能加 X 鎖。

（2）意向鎖 使用意向鎖 (Intention Locks)，可以更容易地支持多粒度封鎖，使得行鎖和表鎖能夠共存。 在存在行級鎖和表級鎖的情況下，事務 T 想要對表 A 加 X 鎖，就需要先檢測是否有其它事務對表 A 或者表 A 中的任意一行加了鎖，那么就需要對表 A 的每一行都檢測一次，這是非常耗時的。

意向鎖在原來的 X/S 鎖之上引入了 IX / IS，IX / IS 都是 表級別的鎖，用來表示一個事務稍后會對表中的某個數據行上加 X 鎖或 S 鎖。整理可得以下兩個規定：

一個事務在獲得某個數據行對象的 S 鎖之前，必須先獲得表的 IS 鎖或者更強的鎖； 一個事務在獲得某個數據行對象的 X 鎖之前，必須先獲得表的 IX 鎖。

封鎖協議

三級封鎖協議

一級封鎖協議：事務 T 要修改數據 A 時必須加 X 鎖，直到 T 結束才釋放鎖。防止同時修改,可解決 丟失修改 問題，因不能同時有兩個事務對同一個數據進行修改，那么事務的修改就不會被覆蓋。

二級封鎖協議：在一級的基礎上，要求讀取數據 A 時必須加 S 鎖，讀取完馬上釋放 S 鎖。防止修改時讀取,可解決 丟失修改 和 讀臟數據 問題，因為一個事務在對數據 A 進行修改，根據 1 級封鎖協議，會加 X 鎖，那么就不能再加 S 鎖了，也就是不會讀入數據。

三級封鎖協議：在二級的基礎上，要求讀取數據 A 時必須加 S 鎖，直到事務結束了才能釋放 S 鎖。防止讀取時修改,可解決 丟失修改 和 讀臟數據 問題，還進一步防止了 不可重復讀 的問題，因為讀 A 時，其它事務不能對 A 加 X 鎖，從而避免了在讀的期間數據發生改變。

兩段鎖協議 兩段鎖協議是指每個事務的執行可以分為兩個階段：生長階段 (加鎖階段) 和衰退階段 (解鎖階段)。 兩段封鎖法可以這樣來實現：

事務開始后就處於加鎖階段，一直到執行 ROLLBACK 和 COMMIT 之前都是加鎖階段。 ROLLBACK 和 COMMIT 使事務進入解鎖階段，即在 ROLLBACK 和 COMMIT 模塊中 DBMS 釋放所有封鎖。

4.關系數據庫設計理論

函數依賴

  • 記 A \to B 表示 A 函數決定 B，也可以說 B 函數依賴於 A。
  • 若 \{A_1，A_2，... ，A_n\} 是關系的一個或多個屬性的集合，該集合函數決定了關系的其它所>有屬性並且是 最小的，那么該集合就稱為 鍵碼。
  • 對於 A \to B，如果能找到 A 的真子集 A'，使得 A' \to B，那么 A \to B 就是 部分函數>依賴，否則就是 完全函數依賴。
  • 對於 A \to B，B \to C，則 A \to C 是一個 傳遞函數依賴。

異常

  • 如表所示，展示了學生課程關系的函數依賴為 {Sno, Cname} -> {Sname, Sdept, Mname, Grade}，鍵碼為 {Sno, Cname}。也就是說，確定學生和課程后就能確定其它信息。
Sno Sname Sdept Mname Cname Grade
1 學生-1 學院-1 院長-1 課程-1 90
2 學生-2 學院-2 院長-2 課程-2 80
2 學生-2 學院-2 院長-2 課程-1 100
3 學生-3 學院-2 院長-2 課程-2 95

不符合范式的關系，會產生很多異常，主要有以下四種異常：

冗余數據：例如 學生-2 出現了兩次。

修改異常：修改了一個記錄中的信息，但是另一個記錄中相同的信息卻沒有被修改。

刪除異常：刪除一個信息，那么也會丟失其它信息。例如刪除了 課程-1 需要刪除第一>行和第三行，那么 學生-1 的信息就會丟失。

插入異常：例如想要插入一個學生的信息，如果這個學生還沒選課，那么就無法插入。

范式

范式理論是為了解決以上提到四種異常。高級別范式的依賴於低級別的范式，1NF 是最低級別的范式。

第一范式 (1NF)

屬性不可分。即數據庫表的每一列都是不可分割的基本數據項，同一列中不能有多個值，即實體中的某個屬性不能有多個值或者不能有重復的屬性。

第二范式 (2NF)

每個非主屬性完全函數依賴於鍵碼。可以通過分解來滿足 2NF。

分解前:

Sno Sname Sdept Mname Cname Grade
1 學生-1 學院-1 院長-1 課程-1 90
2 學生-2 學院-2 院長-2 課程-2 80
2 學生-2 學院-2 院長-2 課程-1 100
3 學生-3 學院-2 院長-2 課程-2 95

以下學生課程關系中，{Sno, Cname} 為鍵碼，有如下函數依賴：

  • Sno -> Sname, Sdept
  • Sdept -> Mname
  • Sno, Cname-> Grade

函數依賴狀況分析： Grade 完全函數依賴於鍵碼，它沒有任何冗余數據，每個學生的每門課都有特定的成績。

Sname, Sdept 和 Mname 都部分依賴於鍵碼，當一個學生選修了多門課時，這些數據就會出現多次，造成大量冗余數據。

分解后:

關系-1：

Sno Sname Sdept Mname
1 學生-1 學院-1 院長-1
2 學生-2 學院-2 院長-2
3 學生-3 學院-2 院長-2
  • 有以下函數依賴： - Sno -> Sname, Sdept - Sdept -> Mname
  • 關系-2：
Sno Cname Grade
1 課程-1 90
2 課程-2 80
2 課程-1 100
3 課程-2 95
  • 有以下函數依賴： Sno, Cname \to Grade

第三范式 (3NF)

  • 非主屬性不傳遞函數依賴於鍵碼。簡而言之，第三范式就是屬性不依賴於其它非主屬性。
  • 上面的 關系-1 中存在以下傳遞函數依賴：Sno \to Sdept \to Mname。

分解后

  • 關系-1.1：
Sno Sname Sdept
1 學生-1 學院-1
2 學生-2 學院-2
3 學生-3 學院-2
  • 關系-1.2：
Sdept Mname
學院-1 院長-1
學院-2 院長-2

巴斯-科德范式（BCNF）

Boyce-Codd Normal Form（巴斯-科德范式） 在3NF基礎上，任何非主屬性不能對主鍵子集依賴（在3NF基礎上消除對主碼子集的依賴） 巴斯-科德范式（BCNF）是第三范式（3NF）的一個子集，即滿足巴斯-科德范式（BCNF）必須滿>足第三范式（3NF）。通常情況下，巴斯-科德范式被認為沒有新的設計規范加入，只是對第二范式與第三范式中設計規范要求更強，因而被認為是修正第三范式，也就是說，它事實上是對第三范式的修正，使數據庫冗余度更小。這也是BCNF不被稱為第四范式的原因。某些書上，根據范式要求的遞增性將其稱之為第四范式是不規范，也是更讓人不容易理解的地方。而真正的第四范式，則是在設計規范中添加了對多值及依賴的要求。

5.ER 圖

實體關系圖 (Entity-Relationship，E-R)，有三個組成部分：實體、屬性、聯系。用來進行關系型數據庫系統的概念設計。

  • 實體：用矩形表示，矩形框內寫明實體名.
  • 屬性：用橢圓形表示，並用無向邊將其與相應的實體連接起來。
  • 聯系：用菱形表示，菱形框內寫明聯系名，並用無向邊分別與有關實體連接起來，同時在無向>邊旁標上聯系的類型（1...1，1...* 或 *...*）就是指存在的三種關系 (一對一、一對多或多對多)。
  • ER 模型轉換為關系模式的原則：
  • 一對一：遇到一對一關系的話，在兩個實體任選一個添加另一個實體的主鍵即可。
  • 一對多：遇到一對多關系的話，在多端添加另一端的主鍵。
  • 多對多：遇到多對多關系的話，我們需要將聯系轉換為實體，然后在該實體上加上另外兩個實體的主鍵，作為聯系實體的主鍵，然后再加上該聯系自身帶的屬性即可。

6.索引

索引的數據結構

B-Tree (平衡樹, Balance Tree)：也稱為 多路平衡查找樹，並且所有葉子節點位於同一層。

B+Tree：它不僅具有 B-Tree 的平衡性，並且可通過 順序訪問指針 來提高 區間查詢 的性能。

在 B+Tree 中，一個節點中的 key 從左到右非遞減排列，若某個指針的 key_i 左右相鄰分別是 key_{i-1} 和 key_{i+1}，且不為 null，則該指針指向節點的所有 key 滿足 key_{i-1} \leq key_i \leq key_{i+1}。

B+Tree 與 B-Tree 最大區別是，B+Tree 的非葉子結點不保存數據，只用於索引，所有數據都保存在葉子結點中。而且葉子結點間按照從小到大順序鏈接起來。

B-Tree/B+Tree 的增刪改查：

查找操作：首先在根節點進行 二分查找，找到一個 key 所在的指針，然后遞歸地在指針所指向的節點進行查找。直到查找到葉子節點，然后在 葉子節點 上進行 二分查找，找出 key 所對應的 data。

二分查找要求表有序，正好 B-Tree 和 B+Tree 結點中的 key 從左到右非遞減有序排列。

增刪操作：會破壞平衡樹的平衡性，因此在插入刪除操作之后，需要對樹進行一個分裂、合並、旋轉等操作來維護平衡性。

MySQL 索引

索引，在 MySQL 也稱為鍵 (Key)，是 存儲引擎 快速找到記錄的一種 數據結構。相當於圖書的目錄，可根據目錄中的頁碼快速找到所需的內容。

索引結構類型

（1）B+Tree 索引

  • B+Tree 索引是大多數 MySQL 存儲引擎的默認索引類型。
  • 因為 B+ Tree 的 有序性，因此可用於 部分查找、范圍查找、排序 和 分組。
  • 適用於全鍵值、鍵值范圍和鍵前綴查找，其中鍵前綴查找只適用於最左前綴查找。若不是按照索引列的順序進行查找，則無法使用索引。

（2）Hash 索引

  • Hash 索引能以 O(1) 時間進行查找，但是失去了有序性。因此無法用於排序與分組，無法用於部分查找和范圍查找，只支持 精確查找。

    Hash 索引僅滿足 =，IN 和 <=> 查詢，不能使用范圍查詢。因為 Hash 索引比較的是 Hash 運算后的 Hash 值，所以它只能用於等值的過濾。

（3）全文索引

  • 全文索引使用倒排索引實現，它記錄着關鍵詞到其所在文檔的映射。

（4）空間數據索引

  • 空間數據索引會從所有維度來索引數據，可以有效地使用任意維度來進行組合查詢。
  • 必須使用 GIS 相關的函數來維護數據。

索引的優點缺點

優點

  • 大大減少了服務器需要掃描的數據行數。

  • 避免服務器進行排序和分組操作，以避免創建 臨時表。

    B+Tree 索引是有序的，可以用於 ORDER BY 和 GROUP BY 操作。臨時表主要是在排序和分組過程中創建，不需要排序和分組，也就不需要創建臨時表。

  • 將 隨機 I/O 變為 順序 I/O。

    B+Tree 索引是有序的，會將相鄰的數據都存儲在一起。

缺點

  • 索引並不是越多越好，索引固然可以提高相應的 SELECT 的效率，但同時也降低了 INSERT 及 UPDATE 的效率，因為 INSERT 或 UPDATE 時有可能會 重建索引。

索引的設計原則

從索引的優、缺點考慮索引的設計原則。

  • 忌過度索引：索引需要額外的磁盤空間，而且會降低寫操作的性能。
    • 在修改表內容時，索引會進行更新甚至重構，索引列越多花銷時間越長。為此優化檢索性能，只保持需要的索引即可。
    • 經常用在 排列、分組 和 范圍搜索 的列適合創建索引，因為索引是有序的。
    • 經常出現在 WHERE 子句的列，或是 JOIN 連接子句中指定的列適合創建索引。
  • 使用短索引：若對長字符串列進行索引，應該指定一個前綴長度，這樣能夠節省大量索引空間。

索引的優化策略

  • 獨立的列：在進行查詢時，索引列不能是 表達式 的一部分，也不能是 函數參數，否則無法使用索引。

  • 多列索引：在需要使用多個列作為條件進行查詢時，使用多列索引比使用多個單列索引性能更好。

  • 索引列的順序：讓選擇性最強的索引列放在前面。

  • 前綴索引：對於 BLOB、TEXT 和 VARCHAR 類型的列，必須使用前綴索引，只索引開始的部分字符。前綴長度的選取需要根據索引選擇性來確定。

  • 覆蓋索引：索引包含所有需要查詢的字段的值。具有以下優點：

    • 索引通常遠小於數據行的大小，只讀取索引能大大減少數據訪問量。
    • 一些存儲引擎（例如 MyISAM）在內存中只緩存索引，而數據依賴於操作系統來緩存。因此，只訪問索引可以不使用系統調用（通常比較費時）。

索引的使用場景

  • 對於 非常小的表：大部分情況下簡單的 全表掃描 比建立索引更高效；
  • 對於 中大型的表：建立索引 非常有效；
  • 對於 特大型的表：建立和維護索引的代價將會隨之增長。這種情況下，需要用到一種技術可以直接區分出需要查詢的一組數據，而不是一條記錄一條記錄地匹配。例如可以使用 分區技術。


免責聲明！

本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。



猜您在找 計算機考研復試面試常問問題 數據結構篇（上） 計算機考研復試面試常問問題 數據結構篇（下） 計算機考研復試面試常問問題 組成原理篇（上） 計算機考研復試面試常問問題 軟件工程篇 計算機考研復試面試常問問題 組成原理篇(下) 計算機考研復試面試常問問題 操作系統篇 計算機考研復試面試常問問題 編程語言篇 計算機考研復試面試常問問題 計算機網絡篇（下） 計算機考研復試面試常問問題 計算機網絡篇(上) 考研計算機復試專業面試問題（數據庫原理篇）
 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM