计算机考研复试——数据库篇

Posted 2023-03-31 我真的不是cjc

更多复试科目见此目录

所有科目资料的打印版和md原始文件可从此链接下载

1.事务

**概念：**事务指的是满足 ACID 特性的一组操作，可以通过 Commit 提交一个事务，也可以使用Rollback 进行回滚。

ACID特性：

（1）原子性 (Atomicity)：事务被视为不可分割的最小单元，事务的所有操作要么全部提交成功，要么全部失败回滚。回滚可以用回滚日志来实现，回滚日志记录着事务所执行的修改操作，在回滚时反向执行这些修改操作即可。

（2）一致性 (Consistency)：数据库在事务执行前后都保持一致性状态。在一致性状态下，所有事务对一个数据的读取结果都是相同的。

（3）隔离性 (Isolation)：一个事务所做的修改在最终提交以前，对其它事务是不可见的。

（4）持久性 (Durability)：一旦事务提交，则其所做的修改将会永远保存到数据库中。即使系统发生崩溃，事务执行的结果也不能丢失。使用重做日志来保证持久性。

​ 事务的 ACID 特性概念简单，但不是很好理解，主要是因为这几个特性不是一种平级关系：只有满足一致性，事务的执行结果才是正确的。

​ 在无并发的情况下，事务串行执行，隔离性一定能够满足。此时只要能满足原子性，就一定能满足一致性。

​ 在并发的情况下，多个事务并行执行，事务不仅要满足原子性，还需要满足隔离性，才能满足一致性。事务满足持久性是为了能应对数据库崩溃的情况。

2.并发一致性问题

丢失数据

​ T₁和T₂两个事务都对一个数据进行修改，T₁先修改，T₂随后修改，T₂的修改覆盖了T₁的修改。简记为同时修改 。

读脏数据

​ T₁对一个数据做了修改，T₂读取这一个数据。若T₁执行 ROLLBACK 操作，则T₂读取的结果和第一次的结果不一样。简记为读取失败的修改。最简单的场景是修改完成后，紧接着查询检验结果。

不可重复读

​ T₂读取一个数据，T₁对该数据做了修改。如果T₂再次读取这个数据，此时读取的结果和第一次读取的结果不同。简记为读时修改，重复读取的结果不一样。

幻影读

​ T₁读取某个范围的数据，T₂在这个范围内插入新的数据，T₁再次读取这个范围的数据，此时读取的结果和和第一次读取的结果不同。简记为 读时插入 ，重复读取的结果不一样。

解决方案

​ 在并发环境下，事务的隔离性很难保证，因此会出现很多并发一致性问题。产生并发不一致性问题的主要原因是破坏了事务的隔离性。解决方法是通过并发控制来保证隔离性。并发控制可以通过封锁来实现，但是封锁操作需要用户自己控制，相当复杂。数据库管理系统提供了事务的隔离级别，让用户以一种更轻松的方式处理并发一致性问题。

3.封锁

封锁粒度

mysql 中提供了两种封锁粒度：行级锁以及表级锁。

​ 应尽量只锁定需要修改的那部分数据，而不是所有的资源。锁定的数据量越少，发生锁争用的可能就越小，系统的并发程度就越高。但是加锁需要消耗资源，锁的各种操作 (包括获取锁、释放锁、以及检查锁状态) 都会增加系统开销。因此封锁粒度越小，系统开销就越大。为此，我们在选择封锁粒度时，需在锁开销和并发程度之间做一个权衡。

封锁类型

（1）读写锁

排它锁 (Exclusive)，简写为X 锁，又称写锁。

共享锁 (Shared)，简写为S 锁，又称读锁。

有以下两个规定：

​ 一个事务对数据对象 A 加了 X 锁，就可以对 A 进行读取和更新。加锁期间其它事务不能对 A 加任何锁。

​ 一个事务对数据对象 A 加了 S 锁，可以对 A 进行读取操作，但是不能进行更新操作。加锁期间其它事务能对 A 加 S 锁，但是不能加 X 锁。

（2）意向锁
使用意向锁 (Intention Locks)，可以更容易地支持多粒度封锁，使得行锁和表锁能够共存。

​ 在存在行级锁和表级锁的情况下，事务 T 想要对表 A 加 X 锁，就需要先检测是否有其它事务对表A 或者表 A 中的任意一行加了锁，那么就需要对表 A 的每一行都检测一次，这是非常耗时的。

​ 意向锁在原来的 X/S 锁之上引入了 IX / IS，IX / IS 都是表级别的锁，用来表示一个事务稍后会对表中的某个数据行上加 X 锁或 S 锁。整理可得以下两个规定：
​ 一个事务在获得某个数据行对象的 S 锁之前，必须先获得表的 IS 锁或者更强的锁；
​ 一个事务在获得某个数据行对象的 X 锁之前，必须先获得表的 IX 锁。

封锁协议

三级封锁协议

一级封锁协议 ：事务 T 要修改数据 A 时必须加 X 锁，直到 T 结束才释放锁。防止同时修改,可解决丢失修改 问题，因不能同时有两个事务对同一个数据进行修改，那么事务的修改就不会被覆盖。

二级封锁协议 ：在一级的基础上，要求读取数据 A 时必须加 S 锁，读取完马上释放 S 锁。防止修改时读取，可解决丢失修改和读脏数据问题，因为一个事务在对数据 A 进行修改，根据 1 级封锁协议，会加 X 锁，那么就不能再加 S 锁了，也就是不会读入数据。

三级封锁协议 ：在二级的基础上，要求读取数据 A 时必须加 S 锁，直到事务结束了才能释放 S 锁。防止读取时修改，可解决丢失修改和读脏数据问题，还进一步防止了不可重复读的问题，因为读 A 时，其它事务不能对 A 加 X 锁，从而避免了在读的期间数据发生改变。

两段锁协议

​ 两段锁协议是指每个事务的执行可以分为两个阶段：生长阶段 (加锁阶段) 和衰退阶段 (解锁阶段)。两段封锁法可以这样来实现：

​ 事务开始后就处于加锁阶段，一直到执行 ROLLBACK 和 COMMIT 之前都是加锁阶段。

​ ROLLBACK 和 COMMIT 使事务进入解锁阶段，即在 ROLLBACK 和 COMMIT 模块中 DBMS 释放
所有封锁。

4.关系数据库设计理论

函数依赖

• 记 A->B 表示 A 函数决定 B，也可以说 B 函数依赖于 A。
• 若 A₁, A₂, … , A_n 是关系的一个或多个属性的集合，该集合函数决定了关系的其它所有属性并且是最小的，那么该集合就称为键码。
• 对于 A->B ，如果能找到 A 的真子集 A’，使得 A’->B ，那么 A->B 就是部分函数>依赖，否则就是完全函数依赖。
• 对于 A->B ， B->C ，则 A->C 是一个传递函数依赖。

异常

​ 如表所示，展示了学生课程关系的函数依赖为 Sno, Cname -> Sname, Sdept, Mname,
Grade，键码为 Sno, Cname。也就是说，确定学生和课程后就能确定其它信息。

Sno	Sname	Sdept	Mname	Cname	Grade
1	学生-1	学院-1	院长-1	课程-1	90
2	学生-2	学院-2	院长-2	课程-2	80
2	学生-2	学院-2	院长-2	课程-1	100
3	学生-3	学院-2	院长-2	课程-2	95

不符合范式的关系，会产生很多异常，主要有以下四种异常：

• 冗余数据 ：例如 学生-2 出现了两次。
• 修改异常 ：修改了一个记录中的信息，但是另一个记录中相同的信息却没有被修改。
• 删除异常 ：删除一个信息，那么也会丢失其它信息。例如删除了 课程-1 需要删除第一>行和第三行，那么 学生-1 的信息就会丢失。
• 插入异常 ：例如想要插入一个学生的信息，如果这个学生还没选课，那么就无法插入。

范式

​ 范式理论是为了解决以上提到四种异常。高级别范式的依赖于低级别的范式，1NF 是最低级别的范式。

第一范式 (1NF)

​ 属性不可分。即数据库表的每一列都是不可分割的基本数据项，同一列中不能有多个值，即实体中的某个属性不能有多个值或者不能有重复的属性。

第二范式 (2NF)

​ 每个非主属性完全函数依赖于键码。可以通过分解来满足 2NF。

分解前:

Sno	Sname	Sdept	Mname	Cname	Grade
1	学生-1	学院-1	院长-1	课程-1	90
2	学生-2	学院-2	院长-2	课程-2	80
2	学生-2	学院-2	院长-2	课程-1	100
3	学生-3	学院-2	院长-2	课程-2	95

以下学生课程关系中，Sno, Cname 为键码，有如下函数依赖：

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

函数依赖状况分析：

​ Grade 完全函数依赖于键码，它没有任何冗余数据，每个学生的每门课都有特定的成绩。

​ Sname, Sdept 和 Mname 都部分依赖于键码，当一个学生选修了多门课时，这些数据就会出现多次，造成大量冗余数据。

分解后：

关系-1：

Sno	Sname	Sdept	Mname
1	学生-1	学院-1	院长-1
2	学生-2	学院-2	院长-2
3	学生-3	学院-2	院长-2

有以下函数依赖：

• Sno -> Sname, Sdept

• Sdept -> Mname

关系-2：

Sno	Cname	Grade
1	课程-1	90
2	课程-2	80
2	课程-1	100
3	课程-2	95

有以下函数依赖：

• Sno, Cname -> Grade

第三范式 (3NF)

• 非主属性不传递函数依赖于键码。简而言之，第三范式就是属性不依赖于其它非主属性。
• 上面的 关系-1 中存在以下传递函数依赖：Sno -> Sdept -> Mname。

分解后：
关系-1.1：

Sno	Sname	Sdept
1	学生-1	学院-1
2	学生-2	学院-2
3	学生-3	学院-2

关系-1.2：

Sdept	Mname
学院-1	院长-1
学院-2	院长-2

巴斯-科德范式（BCNF）

​ Boyce-Codd Normal Form（巴斯-科德范式）

​ 在3NF基础上，任何非主属性不能对主键子集依赖（在3NF基础上消除对主码子集的依赖）巴斯-科德范式（BCNF）是第三范式（3NF）的一个子集，即满足巴斯-科德范式（BCNF）必须满>足第三范式（3NF）。通常情况下，巴斯-科德范式被认为没有新的设计规范加入，只是对第二范式与第三范式中设计规范要求更强，因而被认为是修正第三范式，也就是说，它事实上是对第三范式的修正，使数据库冗余度更小。这也是BCNF不被称为第四范式的原因。某些书上，根据范式要求的递增性将其称之为第四范式是不规范，也是更让人不容易理解的地方。而真正的第四范式，则是在设计规范中添加了对多值及依赖的要求。

5.ER图

​ 实体关系图 (Entity-Relationship，E-R)，有三个组成部分：实体、属性、联系。用来进行关系型数据库系统的概念设计。

• 实体 ：用矩形表示，矩形框内写明实体名。

• 属性 ：用椭圆形表示，并用无向边将其与相应的实体连接起来。

• 联系 ：用菱形表示，菱形框内写明联系名，并用无向边分别与有关实体连接起来，同时在无向>边旁标上联系的类型（1…1，1…* 或 …）就是指存在的三种关系 (一对一、一对多或多对多)。

​ ER 模型转换为关系模式的原则：

• 一对一 ：遇到一对一关系的话，在两个实体任选一个添加另一个实体的主键即可。
• 一对多 ：遇到一对多关系的话，在多端添加另一端的主键。
• 多对多 ：遇到多对多关系的话，我们需要将联系转换为实体，然后在该实体上加上另外两个实体的主键，作为联系实体的主键，然后再加上该联系自身带的属性即可。

6.索引

索引的数据结构

​ B-Tree (平衡树, Balance Tree)：也称为多路平衡查找树，并且所有叶子节点位于同一层。

​ B+Tree：它不仅具有 B-Tree 的平衡性，并且可通过顺序访问指针来提高区间查询的性能。

​ 在 B+Tree 中，一个节点中的 key 从左到右非递减排列，若某个指针的 key_i 左右相邻分别是 key_i-1 和 key_i+1 ，且不为 null，则该指针指向节点的所有 key 满足 key_i-1 < key_i < key_i+1 。

​ B+Tree 与 B-Tree 最大区别是，B+Tree 的非叶子结点不保存数据，只用于索引，所有数据都保存在叶子结点中。而且叶子结点间按照从小到大顺序链接起来。

B-Tree/B+Tree 的增删改查：

​ 查找操作 ：首先在根节点进行二分查找，找到一个 key 所在的指针，然后递归地在指针所指向的节点进行查找。直到查找到叶子节点，然后在叶子节点上进行二分查找，找出 key 所对应的data。

​ 二分查找要求表有序，正好 B-Tree 和 B+Tree 结点中的 key 从左到右非递减有序排列。

​ 增删操作 ：会破坏平衡树的平衡性，因此在插入删除操作之后，需要对树进行一个分裂、合并、旋转等操作来维护平衡性。

MySQL 索引

​ 索引，在 MySQL 也称为键 (Key)，是 存储引擎 快速找到记录的一种 数据结构 。相当于图书的目录，可根据目录中的页码快速找到所需的内容。

索引结构类型

（1）B+Tree 索引

• B+Tree 索引是大多数 MySQL 存储引擎的默认索引类型。
• 因为 B+ Tree 的 有序性 ，因此可用于 部分查找 、 范围查找 、 排序 和 分组 。
• 适用于全键值、键值范围和键前缀查找，其中键前缀查找只适用于最左前缀查找。若不是按照索引列的顺序进行查找，则无法使用索引。

（2）Hash 索引

​ Hash 索引能以 O(1) 时间进行查找，但是失去了有序性。因此无法用于排序与分组，无法用于部分查找和范围查找，只支持精确查找。

Hash 索引仅满足**=，IN和<=>**查询，不能使用范围查询。因为 Hash 索引比较的是Hash 运算后的 Hash 值，所以它只能用于等值的过滤。

（3）全文索引

​ 全文索引使用倒排索引实现，它记录着关键词到其所在文档的映射。

（4）空间数据索引

​ 空间数据索引会从所有维度来索引数据，可以有效地使用任意维度来进行组合查询。

​ 必须使用 GIS 相关的函数来维护数据。

索引的优点缺点

优点

• 大大减少了服务器需要扫描的数据行数。
• 避免服务器进行排序和分组操作，以避免创建临时表。

B+Tree 索引是有序的，可以用于 ORDER BY 和 GROUP BY 操作。临时表主要是在排序和分组过程中创建，不需要排序和分组，也就不需要创建临时表。

• 将 随机 I/O 变为 顺序 I/O 。

B+Tree 索引是有序的，会将相邻的数据都存储在一起。

缺点

• 索引并不是越多越好，索引固然可以提高相应的 SELECT 的效率，但同时也降低了 INSERT 及UPDATE 的效率，因为 INSERT 或 UPDATE 时有可能会重建索引。

索引的设计原则
从索引的优、缺点考虑索引的设计原则。

• 忌过度索引：索引需要额外的磁盘空间，而且会降低写操作的性能。

• 在修改表内容时，索引会进行更新甚至重构，索引列越多花销时间越长。为此优化检索性能，只保持需要的索引即可。

• 经常用在 排列 、 分组 和 范围搜索 的列适合创建索引，因为索引是有序的。

• 经常出现在 WHERE 子句的列，或是 JOIN 连接子句中指定的列适合创建索引。

• 使用短索引：若对长字符串列进行索引，应该指定一个前缀长度，这样能够节省大量索引空间。

索引的优化策略

• 独立的列：在进行查询时，索引列不能是 表达式 的一部分，也不能是 函数参数 ，否则无法使用索引。

• 多列索引：在需要使用多个列作为条件进行查询时，使用多列索引比使用多个单列索引性能更好。

• 索引列的顺序：让选择性最强的索引列放在前面。

• 前缀索引：对于 BLOB、TEXT 和 VARCHAR 类型的列，必须使用前缀索引，只索引开始的部分字符。前缀长度的选取需要根据索引选择性来确定。

• 覆盖索引：索引包含所有需要查询的字段的值。具有以下优点：

• 索引通常远小于数据行的大小，只读取索引能大大减少数据访问量。

• 一些存储引擎（例如 MyISAM）在内存中只缓存索引，而数据依赖于操作系统来缓存。因此，只访问索引可以不使用系统调用（通常比较费时）。

索引的使用场景

• 对于非常小的表：大部分情况下简单的全表扫描比建立索引更高效；

• 对于中大型的表：建立索引非常有效；

• 对于特大型的表：建立和维护索引的代价将会随之增长。这种情况下，需要用到一种技术可以直接区分出需要查询的一组数据，而不是一条记录一条记录地匹配。例如可以使用分区技术。