数据库工程师面试题及答案.docxVIP

数据库工程师面试题及答案

一、基础理论与选型

问题：关系型数据库（如MySQL）和非关系型数据库（如MongoDB）核心区别是什么？各举3个实际项目中常用的场景，说明为什么选这种类型数据库？

答案：核心区别在数据结构和事务支持——关系型是结构化表+强事务（ACID），非关系型是灵活结构（文档/键值等）+弱事务（部分支持最终一致性）。

场景举例：

选MySQL：用户订单系统（需事务保证下单-扣库存-支付一致性）、财务账单（强事务+结构化数据）、电商商品SKU管理（多表关联查询频繁）；

选MongoDB：用户行为日志（非结构化+高写入）、APP首页个性化推荐（嵌套结构存储用户偏好）、物联网设备实时数据（字段多变，无需固定表结构）。

问题：MySQL中InnoDB和MyISAM引擎的差异？现在项目里为什么很少用MyISAM了？

答案：差异主要在事务、锁和崩溃恢复：InnoDB支持事务（ACID）、行级锁、崩溃后数据恢复，MyISAM不支持事务、只有表级锁、崩溃易丢数据。

少用MyISAM的原因：现在项目大多需要事务（比如下单、支付），表级锁在高并发写场景（如秒杀库存扣减）会严重阻塞，而且MyISAM不支持外键（虽然外键慎用，但部分场景需要），崩溃恢复能力差，生产环境风险高。

二、SQL实战与优化

问题：有一张用户表（user_id主键，register_timedatetime，cityvarchar），写SQL统计“近30天每个城市的新增用户数，若某天无新增则显示0”，并说明怎么优化这条查询的性能？

答案：

SQL语句：

--先构造近30天的日期表（避免某天无数据不显示）

WITHdate_rangeAS(

SELECTCURDATE()-INTERVALnDAYASstat_date

FROM(SELECT0nUNIONALLSELECT1UNIONALL...SELECT29)t--生成30天日期

)

SELECT

dr.stat_date,

u.city,

COUNT(u.user_id)ASnew_user_count

FROMdate_rangedr

LEFTJOINuseru

ONDATE(u.register_time)=dr.stat_date

ANDu.register_time=DATE_SUB(CURDATE(),INTERVAL30DAY)--过滤近30天数据

GROUPBYdr.stat_date,u.city

ORDERBYdr.stat_dateDESC,new_user_countDESC;

性能优化：

给register_time加索引（避免全表扫描），如果查询频繁，可建联合索引（register_time,city），覆盖查询字段，减少回表；

避免用DATE(register_time)函数（会导致索引失效），改成u.register_timeBETWEENdr.stat_dateANDdr.stat_date+INTERVAL1DAY-INTERVAL1SECOND；

日期表生成用表变量或预生成的日期字典表，避免每次子查询生成（尤其MySQL5.7及以下，子查询效率低）。

问题：执行SELECT*FROMordersWHEREorder_status=1ANDpay_timeBETWEEN2024-05-01AND2024-05-31时查询很慢，怎么排查原因？至少说3个排查方向和对应解决办法。

答案：

先看执行计划：用EXPLAIN分析，看是否走索引——如果type是ALL（全表扫描），说明没用到索引。解决：给order_status+pay_time建联合索引（注意顺序：等值查询字段order_status放前面，范围查询pay_time放后面，避免范围后字段失效）；

查索引是否失效：比如pay_time是varchar类型（存了日期字符串），但查询用了datetime格式，会导致隐式转换失效索引。解决：统一字段类型，或查询时按varchar格式传值（如pay_timeBETWEEN2024-05-0100:00:00AND2024-05-3123:59:59，确保类型匹配）；

看表数据量和碎片：如果orders表是千万级，且长期删除/更新，可能有索引碎片。解决：用OPTIMIZETABLEorders整