一、SQL 语法题

1、Count 主键和 Count 非主键结果会不同吗

结果可能会不同，原因在于 count 只统计非空值，而主键不能存储 NULL 值，非主键可能存储 NULL 值，因此统计结果可能不一样。

延伸：从性能上：count (*) = count (1) > count (主键）> count (字段)

原因如下：

count (*) 和 count (1) 性能相同的原因在于 mysql 做了特殊处理：

InnoDB handles SELECT COUNT(\*) and SELECT COUNT(1) operations in the same way. There is no performance difference.

count (1) 比 count (主键) 性能更好的原因在于，count 主键的时候，要读取主键的数据，并且判断是否为 NULL（实际上我理解如果 mysql 做一点特殊处理，判断出 count 的是主键的时候，当成 count (1) 处理，应该性能就和 count (1) 相同了，而且因为主键没有 NULL，所以结果也是相同的。）

count (主键) > count (普通字段）这点我有点存疑：因为 count 普通字段性能好不好我理解是要看有没有索引，如果有索引，直接扫描索引就能 count 了，性能就会好不少。对于主键字段，如果没有其他的二级索引，那只能扫描主键索引，扫描主键索引和扫描全表，感觉差不多了吧。

补充：（后来问了关于微软 Copilot 关于这里，微软说全表扫描的性能还是要比扫描主键索引性能要差一点的）

2、Mysql 内连接和外连接有什么区别

1、内连接只返回两个表共有的数据

2、外连接分为两种：左外连接和右外连接，左外连接保留语法中左表中所有的数据，右表中没有的数据用 NULL 填充；右外连接保留语法中右表中的所有数据，左表中没有的数据用 NULL 填充；

3、外连接时，on 和 where 有什么区别

where 会把两张表中不符合条件的结果都过滤掉，相当于是内连接；on 的话，是先连接，然后如果后面接着 where，才会用 where 过滤条件，on 在作为连接条件的时候，如果是外连接，会保留驱动表中的所有记录，即使在被驱动表中没有相匹配的记录。

4、having 和 where 的区别

having 和 where 都是用于过滤：

SELECT department, SUM(salary)
FROM employees
WHERE hire_date >= '2020-01-01'
GROUP BY department
HAVING SUM(salary) > 50000;

				

					
				
				

					
				
				

					
				
				

					
				
			

区别在于：

1、where 用于 group by 之前对数据进行过滤，having 用于 group by 之后对数据进行过滤

2、where 不能对聚合函数进行筛选，having 可以对聚合函数进行筛选

5、exists 和 in 的区别是什么

select * from A where id in (select id from B);
 
select * from A where exists (select 1 from where A.id = B.id);

				

					
				
				

					
				
				

					
				
				

					
				
			

以上一个用 in，一个用 exists，结果相同，性能不同；

A 称为外表，B 称为内表：

内表数据多的时候，用 exists，性能更好，因为不用挨个匹配 B 中的数据

内表数据少的时候，用 in 性能更好，因为不用对于 A 中每一条结果再去查询一次 B 数据库

6、mysql 约束有哪些

1、主键约束：用于唯一标记一条数据，不能重复、不能为 NULL，可以是一个字段，也可以是多个字段复合

2、外键约束：一个表中的外键对于另外一张表的主键。外键是可以重复的，也可以为空。

3、唯一性约束：标记某个字段不能重复

4、非空约束：标记某个字段不能为空

5、默认约束：字段的默认值，在插入数据的时候，如果没有指定字段的值，那么会给字段一个默认的值

6、检查约束：mysql 不支持，如果一定要用检查约束，需要使用触发器或视图

7、delete、drop、truncate 有什么区别

1、delete 记录的时候，只是把该记录标记为已删除，并不会吧磁盘空间回收，所以磁盘文件大小是不会变的，而且用 delete 删除全表，性能会很慢。因为删除一条记录之前，需要先记录 undo log，然后 redo log 要记录 undo log 页的变更，然后 msyql 的 server 层还要记录 binlog，所以很慢。

2、drop 直接把表删除了，在 mysql 里面会把.frm 和.idb 两个文件都删除，表结构也不在了，如果想恢复数据，只能去 server 层找 binlog 了。

3、truncate 最终的效果与先 drop 再创建一张空表类似。truncate 删除的数据，也只能去用 binlog 恢复了。

8、联合查询中 union 和 union all 的区别是什么

union 会去除重复的行；

union all 不会去除重复的行；

所以 union 的性能可能差一点，因为去重很消耗性能。

三、索引结构

1、Mysql 有哪些索引类型

根据数据结构分：B + 树索引、fulltext 索引、hash 索引（memory 引擎）

按物理存储：主键索引、二级索引

按字段特性：唯一索引、前缀索引、普通索引、主键索引

按字段个数：单列索引、联合索引

2、InnoDB 引擎的索引数据结构是什么

B + 树

1、数据组织形式：主键索引 B + 树的非叶子节点只存放索引键值和指向子节点的指针，不存储实际数据，叶子节点存储索引键值和行数据

2、叶子节点链表：所有叶子节点通过指针相连、形成一个双向链表，支持快速的顺序访问和范围查询

3、平衡树结构：所有叶子节点在同一层上，树的高度平衡，保证任何数据记录的查找、插入、删除和更新操作的路径长度相同 ，稳定性好

3、B + 树的特性是什么

重点：

1、叶子节点存储索引 + 数据，非叶子节点只存储索引键值，不存储数据

2、叶子节点之间用双向链表组织

B + 树是一个多叉树，一个父节点对应多个子节点，主要特性有三个：

1、B + 树的非叶子节点不会存储数据，叶子节点才会存储数据，中间节点只用于存储到叶子结点的路由信息（即索引），而且每个节点里的数据都是根据索引的值来顺序存放的

2、B + 树所有的叶子节点之间会通过双向指针串联在一起，构成一个双向链表，方便扫表和范围查询

3、B + 树查询稳定，因为所有叶子节点都在同一层，确保了所有数据项的检索都具有相同的 I/O 延迟。B + 树存储千万级别的数据，B + 树的数据高度也只有 3~4 层，可以大幅减少磁盘 I/O 操作次数。

4、B + 树和 B 树有什么区别

B + 树和 B 树最大的区别在于 B + 树所有的数据都存放在叶子节点中，并且叶子节点通过双向指针串联成双向链表。而 B 树的非叶子节点也存放数据，也没有组织成双向链表。

1、由于 B + 树有双向链表，所以很容易实现范围查找，而 B 树要通过中序遍历实现范围查找，显然中序查找的磁盘 I/O 操作次数会多很多。

2、B + 树查询性能稳定，因为最后都要到叶子节点才能把数据返回，而 B 树查询性能不稳定，可能在非叶子节点就找到数据就返回了。另外还有一点，就是因为 B + 树的非叶子节点只存储索引，这样体积小很多，这样在定位数据的过程中，就避免了读入很多无用的数据记录，同时，减少了磁盘的 I/O 操作开销。

5、mysql 为什么用 B + 树

1、对比于红黑树，B + 树的高度更小，这样对应的磁盘 I/O 操作次数也少，可以大幅减少磁盘 I/O 开销

2、相比于 B 树，B + 支持范围查找

3、相比于跳表：跳表的多级列表高度也是有点高的，对于磁盘 I/O 来说性能差，同样查询性能也不稳定，存在极端情况下，查询性能退化成链表的情况