数据库与分布式系统面试题¶
以对话形式回答，模拟真实面试场景
18. 数据库用的什么？数据库锁有了解吗？mysql锁机制讲一下。mysql分库分表。¶
面试官：你们项目用什么数据库？MySQL 的锁机制了解吗？
回答：我们主要用 MySQL，InnoDB 存储引擎。
MySQL 的锁机制按粒度分有表级锁、行级锁和页级锁。InnoDB 主要是行级锁，粒度更细，并发性能更好。
按类型分有共享锁和排他锁。共享锁就是读锁，多个事务可以同时持有；排他锁是写锁，独占访问。
InnoDB 还有一些特殊的锁，比如记录锁锁定具体的行，间隙锁用来防止幻读，Next-Key Lock 是记录锁加间隙锁的组合。
面试官：死锁怎么处理？
回答：InnoDB 有自动死锁检测机制，发现死锁后会选择代价最小的事务进行回滚。我们在业务代码中也会捕获死锁异常，然后重试。
面试官：分库分表做过吗？
回答：做过。我们根据业务需求采用了垂直分库和水平分表的组合策略。
垂直分库是按业务模块来分，比如用户库、订单库、商品库这样分开，减少单库的压力。
水平分表是按用户ID哈希来分表，比如用户ID模100，分成100个用户表，这样可以分散数据量和访问压力。
我们使用了 sharding 中间件来处理路由逻辑，应用层基本感知不到分表的存在。
19. 讲一下redis分布式锁？redis主从模式和集群模式的区别了解过吗？redis的数据类型有哪些？redis持久化怎么做的？¶
面试官：Redis 分布式锁你了解吗？怎么实现的？
回答：了解的，Redis 分布式锁是我们项目中经常用到的。
基本实现是用 SET 命令配合 NX 和 EX 参数，NX 表示只有 key 不存在时才设置，EX 设置过期时间。获取锁就是设置成功，释放锁要用 Lua 脚本来保证原子性，先检查 value 是否匹配再删除。
对于高可用场景，还有 Redlock 算法，在多个 Redis 实例上同时获取锁，只有超过半数成功才算获取到锁。
面试官：Redis 的主从模式和集群模式有什么区别？
回答：主要区别在几个方面：
数据分布上，主从模式是全量复制，所有数据都在每个节点上；集群模式是分片存储，数据分散在不同节点。
扩展性方面，主从模式主要是垂直扩展，通过增加从节点来提高读性能；集群模式是水平扩展，可以通过增加节点来扩展容量和性能。
高可用机制也不同，主从模式需要 Sentinel 来做故障转移；集群模式内置了故障转移机制。
面试官：Redis 有哪些数据类型？
回答：基础的五种类型：String、Hash、List、Set、ZSet。
还有一些高级类型，比如 HyperLogLog 用于基数统计，Bitmap 用于位图操作，GEO 用于地理位置计算，Stream 用于消息流处理。
面试官：持久化怎么做的？
回答：Redis 有两种持久化方式：
RDB 是快照方式，定期将内存中的数据集快照写入磁盘，恢复时直接加载快照文件。
AOF 是追加文件方式，记录每个写操作，恢复时重新执行这些操作。
Redis 4.0 之后还支持混合持久化，AOF 文件以 RDB 格式开头，后面追加增量的 AOF 日志，这样既有 RDB 的快速恢复，又有 AOF 的数据完整性。
MySQL 优化实战¶
索引优化¶
- B+树索引：了解 B+树的结构和查询过程
- 复合索引：最左前缀匹配原则
- 覆盖索引：避免回表查询
- 索引失效：了解哪些情况会导致索引失效
查询优化¶
- 执行计划：使用 EXPLAIN 分析查询
- 慢查询日志：定位性能瓶颈
- 分页优化：大偏移量分页的优化方案
- 子查询优化：转换为 JOIN 查询
事务与锁¶
- 事务隔离级别：理解四种隔离级别的区别
- MVCC：多版本并发控制的实现原理
- 死锁检测：InnoDB 的死锁检测算法
- 锁升级：行锁升级为表锁的场景
Redis 实战应用¶
缓存策略¶
- Cache-Aside：旁路缓存模式
- Write-Through：写透模式
- Write-Back：写回模式
- 缓存雪崩、击穿、穿透：常见问题及解决方案
数据结构应用¶
- String：计数器、分布式锁
- Hash：用户信息存储
- List：消息队列、时间线
- Set：标签系统、共同关注
- ZSet：排行榜、延时队列
高可用方案¶
- 主从复制：异步复制的一致性问题
- Sentinel：故障转移机制
- Cluster：分片算法和数据迁移
- 客户端分片：一致性哈希算法
分布式系统设计¶
CAP 理论¶
理解一致性（Consistency）、可用性（Availability）、分区容错性（Partition tolerance）的权衡。
分布式事务¶
- 2PC/3PC：两阶段提交和三阶段提交
- TCC：Try-Confirm-Cancel 模式
- Saga：长事务的处理方案
- 本地消息表：最终一致性实现
服务治理¶
- 服务发现：注册中心的作用
- 负载均衡：各种算法的适用场景
- 熔断降级：防止雪崩效应
- 限流：令牌桶、漏桶算法
数据一致性¶
- 强一致性：同步复制的代价
- 最终一致性：异步复制的实现
- 读写分离：主从延迟的处理
- 分布式锁：基于 Redis、ZooKeeper 的实现