这一份MySQL文章，可以帮你搞定99%以上的面试题！
提起mysql，首先必不可少的就是图形化开发工具navicat了。俗话说工欲善其事，必先利其器。对于Navicat Premium12下载安装及汉化过程如下。
开发工具navicat
安装：
搜索https://xclient.info/网址下载Navicat Premium12安装即可。
汉化：
安装TNT版主程序
下载 https://www.pipipan.com/fs/13114864-217250713 中文包
安装成功之后复制到汉化文件夹到
/Applications/Navicat Premium.app/Contents/Resources
汉化完成。
数据库设计规范
数据库对象名称使用小写字母，如果是有两个单词组成的，要用下划线将两个单词连接起来
所有存储相同数据的列名和类型必须一致，比如user表的id和order表的user_id要一致
所有字段都要注释
数据库设计三范式
第一范式1NF：字段原子性，字段原子性，字段不可再分割。
第二范式：消除对主键的部分依赖，即在表中加上一个与业务逻辑无关的字段(id)作为主键
依赖：A字段可以确定B字段，则B字段依赖A字段。比如知道了下一节课是数学课，就能确定任课老师是谁。于是周几和下一节课和就能构成复合主键，能够确定去哪个教室上课，任课老师是谁等。但我们常常增加一个id作为主键，而消除对主键的部分依赖。
第三范式：消除对主键的传递依赖，独立数据独立建表
传递依赖：B字段依赖于A，C字段又依赖于B。比如上例中，任课老师是谁取决于是什么课，是什么课又取决于主键id。因此需要将此表拆分为两张表日程表和课程表（独立数据独立建表）：
索引
数据结构角度
B+tree索引:多路平衡查找树木，是在b+tree基础上延伸来的，是基于233树的，顶级节点是存储在页上的，主键key的长度越短，能存放的key越多，key越多，分叉就越多，层级结构就越低，查找的效率就越高；数据都放在叶子节点中，其他节点放的都是索引，这样能存放的索引就越多，层级结构就越低，io操作就越少，查找效率就越高；叶子节点形成有序链表，范围查找方便，从而减少IO次数。
hash索引:等值查询，hash值找到指针，然后根据指针找到具体的值。
fulltext索引:关键词查找。
存储角度
聚集索引:逻辑顺序和物理顺序相同。MySQL里面的主键就是聚集索引。
非聚集索引:逻辑顺序和物理顺序不同。首先检索非聚集索引获得主键，然后用主键到聚集索引中获得记录
逻辑角度
primary key 主键索引
unqiue key 唯一索引
normal key 索引
单列索引
组合索引
覆盖索引
tip
唯一索引和普通索引对查询和插入的效率有什么影响?
查询:唯一索引命中1条数据；普通索引命中n条数据，查询效率不高。
插入:插入的时候并不是直接到数据库，先到缓存。唯一索引，先判断索引是否唯一，索引所在的数据页找到，如果这个数据页不在内存里还得先把数据页加载到内存，然后再拿出来比较如果没有的话写进去；普通索引直接写到内存里面去。
建立索引
select,update,delete语句中的where从句中的列
包含在order by,group by,distinct中的字段
多表join的关联列
多个单列索引再多个查询条件时只会生效一个索引。多条件查询时最好建立组合索引
避免索引失效
最左前缀法则
不在索引上做任何操作，函数，类型转换(自动or手动)
尽量使用覆盖索引，索引列和查询列一致
like已%开头会索引失效 如果非要加在左边，用覆盖索引解决
字符串不加单引号索引失效，会自动类型转换
or,is null,!=会导致索引失效
索引优化
explain，先看访问类型type，一般来说，得保证查询至少达到range级别，最好能达到ref。all为全表扫描，再看key列，是否用到索引，再看 rows列，扫描的行数
用连接查询代替子查询
or可以用union all来代替
不要用select *
in先查询子表，当子表大的时候可以用exists代替，小表驱动大表
not exists速度更快，not in没有用到索引
建表，用更小的符合要求的数据类型
项目中的sql 调优
1.加索引，单个索引改成复合索引，单个索引是多个索引取交集，复合索引是在一个索引的基础上再按照其他索引的要求取。
2.索引列上加函数，索引失效
惨例：在索引列上加函数操作，导致不走索引；（有个需求是保留最近7天的数据，时间为索引列，我是在时间那加了7天的函数导致索引失效）
解决方法: 分成两步来查，将运算放在service层，先查出最近7天第7天的那个最大的id，（主键id）；然后根据id删除对应的数据。
3.force index强制走索引
4.not in 和not exists错误使用
当你想对两个表进行差集操作的时候，可以配合子查询，使用not exists或not in，但是有个很重要的区别是，如果在子查询的结果里返回了null，not in 子句会执行失败，因为NULL和任何值都不相等。
事务
并发事务带来的问题
丢失更新:当两个事务基于最初选定的值进行更改，最后的更新就覆盖了前一个
脏读:A读到了B已经修改但未提交的数据。如果此时B事务回滚，则A读取的数据无效，不符合一致性
不可重复读:一个事务在读取某些数据后的某个时间，再此读取以前读过的数据，却发现其读出的数据已经发生了变化，或某些记录已经被删除。
幻读:一个事务按相同的查询条件重新读取以前检索过的数据，却发现其他事务插入了满 足其查询条件的新数据
事务的隔离级别
读未提交
读已提交:保证对读取到的记录加锁(记录锁)，存在幻读现象。
可重复读:同时保证对读取的范围加锁，新的满足条件的记录不能插入(间隙锁)，不存 在幻读
串行化: 读写冲突
锁
乐观锁:每次获取数据的时候，都不会担心数据被修改，所以每次获取数据的时候都不会 进行加锁，但是在更新数据的时候需要判断该数据是否被别人修改过。如果数据被其他线程修改，则不进行数据更新，否则，更新数据。由于数据没有进行加锁，期间该数据可以被其他线程进行读写操作。
判断数据是否更改过一般使用version和CAS操作方法
1. version方式:在数据库表中加一个数据版本号字段，标识数据被修改的次数，当数据被修改时,version的值会加1,当线程A要更新数据值时,在读取数据的同时也会读取version值,在提交更新时若刚才读取到的version值为当前数据库中的version值相等时才更新，否则重试直至更新成功。
2. 适用于读取操作比较频繁的场景
悲观锁:每次获取数据的时候,都会担心数据被修改，所以每次获取数据的时候都会进行加锁，确保在自己使用的过程中数据不会被别人修改，使用完成后进行数据解锁。比如synchronize
共享锁:又称读锁，简称S锁，共享锁就是多个事务对于同一数据可以共享一把锁，都能访问到数据，但是只能读不能修改。
排他锁:又称写锁，简称X锁，排他锁就是不能与其他锁并存，如一个事务获取了一个数据行的排他锁，其他事务就不能再获取该行的其他锁，包括共享锁和排他锁，但是获取排他锁的事务是可以对数据进行读取和修改。
update,delete,insert都会自动给涉及的数据加上排他锁，select语句默认不会加任何锁类型，如果加共享锁可以使用select...lock in share mode语句，加排他锁可以使用select...for update。加过排他锁的数据行在其他事务中是不能修改数据的，也不能通过for update或lock in share mode锁的方式查询数据，但可以直接通过select ...from...查询 数据，因为普通的查询没有任何锁机制。
意向锁:InnoDB为了让表锁和行锁共存使用了意向锁。
例子:事务A锁住表中的一行(写锁)。事务B锁住整个表(写锁)。很明显这是冲突的，所 以，没有意向锁的时候，行锁和表锁共存就会存在问题。有了意向锁，事务A在申请行锁(写 锁)之前，数据库自动先给事务A申请表的意向排他锁。当事务B去申请表的写锁时就会失败， 因为表上有意向排他锁之后事务B申请表的写锁时会被阻塞。意向锁是表锁。