mysql数据库优化面试(面试中常问：mysql数据库做哪些优化也提高mysql性能)
各位老铁们，大家好，今天由我来为大家分享mysql数据库优化面试，以及面试中常问:mysql数据库做哪些优化也提高mysql性能的相关问题知识，希望对大家有所帮助。如果可以帮助到大家，还望关注收藏下本站，您的支持是我们最大的动力，谢谢大家了哈，下面我们开始吧！
数据库工程师课程
Ⅰ我想自学数据库工程师需要看哪些书
考试科目1：信息系统知识
1.
计算机系统知识
1.1
硬件知识
1.1.1
计算机体系结构和主要部件的基本工作原理
·
1.1.2
存储系统
·
1.1.3
安全性、可靠性与系统性能评测基础知识
1.2
数据结构与算法
1.2.1
常用数据结构
·
1.2.2
常用算法
·
1.3
软件知识
1.3.1
操作系统知识
1.3.2
程序设计语言和语言处理程序的知识
·
1.4
计算机网络知识
2.
数据库技术
2.1
数据库技术基础
2.1.1
数据库模型
2.1.2
数据库管理系统的功能和特征
2.1.3
数据库系统体系结构
·
2.2
数据操作
2.2.1
关系运算
·
2.2.2
关系数据库标准语言（SQL）
2.3
数据库的控制功能
2.4
数据库设计基础理论
2.4.1
关系数据库设计
·
2.4.2
对象关系数据库设计
·
2.5
数据挖掘和数据仓库基础知识
2.6
多媒体基本知识
2.6.1
多媒体技术基本概念
2.6.2
多媒体压缩编码技术
·
2.6.3
多媒体技术应用
2.7
系统性能知识
·
2.8
计算机应用基础知识
3.
系统开发和运行维护知识
3.1
软件工程、软件过程改进和软件开发项目管理知识
3.2
系统分析基础知识
·
3.3
系统设计知识
·
3.4
系统实施知识
·
3.5
系统运行和维护知识
·
4.
安全性知识
·
5.标准化知识
6.信息化基础知识
·
7.计算机专业英语
考试科目2：数据库系统设计与管理
1.数据库设计
1.1
理解系统需求说明
1.2
系统开发的准备
1.3
设计系统功能
1.4
数据库设计
1.4.1
设计数据模型
·
1.4.2
物理结构设计
1.4.3
数据库实施与维护
1.4.4
数据库的保护
·
1.5
编写外部设计文档
·
1.6
设计评审
2.
数据库应用系统设计
2.1
设计数据库应用系统结构
·
2.2
设计输入输出
2.3
设计物理数据
2.4
设计安全体系
·
2.5
应用程序开发
2.5.1
应用程序开发
2.5.2
模块划分（原则、方法、标准）
2.5.3
编写程序设计文档
2.5.4
程序设计评审
2.6
编写应用系统设计文档
2.7
设计评审
3.
数据库应用系统实施
3.1
整个系统的配置与管理
3.2
常用数据库管理系统的应用（SQL
Server、Oracle、Sybase、DB2、Access或Visual
Foxpro）
·3.3
数据库应用系统安装
3.4
数据库应用系统测试
3.5
培训与用户支持
4.数据库系统的运行和管理
4.1
数据库系统的运行计划
4.2
数据库系统的运行和维护
4.3
数据库管理
4.4
性能调整
4.5
用户支持
5.
SQL
5.1
数据库语言
5.2
SQL概述
5.3
数据库定义
5.4
数据操作
5.5
完整性控制与安全机制
5.6
创建触发器（Create
Trigger）
5.7
SQL使用方式
·
5.8
SQL
标准化
6.
网络环境下的数据库
6.1
分布式数据库
6.1.1
分布式数据库的概念
·
6.1.2
分布式数据库的体系结构
·
6.1.3
分布式查询处理和优化
6.1.4
分布式事务管理
·
6.1.5
分布式数据库系统的应用
6.2
网络环境下数据库系统的设计与实施
7.数据库的安全性
7.1
安全性策略的理解
7.2
数据库安全测量
8.
数据库发展趋势与新技术
8.1
面向对象数据库（OODBMS）
8.1.1
OODBMS的特征
8.1.2
面向对象数据模型
8.1.3
面向对象数据库语言
8.1.4
对象关系数据库系统（ORDBMS）
8.2
企业资源计划（ERP）和数据库
8.2.1
ERP概述
·
8.2.2
ERP与数据库
·
8.2.3
案例分析
8.3
决策支持系统的建立。
主要看一下数据库原理数据结构还有就是数据库设计这些
Ⅱ请问想成为一名好的数据库工程师，大学是学经济和政治的，所以不太清楚要学哪些东西
1，你的问题太笼统，没法准确回答。
2，如果学知识，不建议看书，书里的东西太理论化。
3，建议在网上先搜数据库，SQL,oracle等命令，下客户端安装后自己边练边学，等把网上搜到的主流命令练会后（大约2周），
4，之后就去图书馆，浏览型的去看书，不要从第一页看，从你感兴趣的目录和内容去看，
5，最后选个当当什么网上书店里数据库排行第一的书，看一遍补充建立个框架，比如实际联系中无法学到的游标的定义，库设计的经验等等。
6，这时候你应该可以去应聘DBA入门级别的工作了。
7，以上过程不要超过4周，超过则拖下去此事则荒废了。
Ⅲ数据库开发工程师需要学习哪些课程
数据库开发工程师需要学习的课程：
计算机硬件、数据结构与算法、操作系统、程序设计语言、计算机网络、数据库技术、多媒体知识、系统开发和运行维护、安全性知识、标准化知识、知识产权、计算机专业英语等课程，数据库方面的主要有数据库设计、数据流程设计、数据库系统的运行和管理、还有SQL语言。
数据库开发工程师简介：
数据库开发工程师是指设计、开发、维护管理大型数据库的专业人才。第一类是MySQL，以自由软件为主，以社团式开发为代表。版本选择4.0,侧重于在Linux平台（RedHat8.0）。MySQL数据库短小精悍，速度比较快，它是自由软件产品，现在美国国家航天局的数据库系统就是MySQL。在很多中小型的ICP有着广泛的应用。第二类是SQL Server 2000，中小型企业数据库，界面友好，可操作性强，在数据库市场占有很大的份量，SQL Server 2000是企业产品的代表，定位数据库中低端市场。第三类是Oracle9i，中大型企业数据库，跨平台，在数据库中高市场占有很大的份量，Oracle9i介绍主要是Windows 2000平台和Linux平台（RedHat8.0）。Oracle9i在金融、电信、银行有很多经典应用。
Ⅳ数据库工程师需要掌握哪些知识
一、考试说明
1.考试要求
（1）掌握计算机体系结构以及各主要部件的性内能和基本工作原理；容
（2）掌握操作系统、程序设计语言的基础知识，了解编译程序的基本知识；
（3）熟练掌握常用数据结构和常用算法；
（4）熟悉软件工程和软件开发项目管理的基础知识；
（5）熟悉计算机网络的原理和技术；
（6）掌握数据库原理及基本理论；
（7）掌握常用的大型数据库管理系统的应用技术；
（8）掌握数据库应用系统的设计方法和开发过程；
（9）熟悉数据库系统的管理和维护方法，了解相关的安全技术；
（10）了解数据库发展趋势与新技术；
（11）掌握常用信息技术标准、安全性，以及有关法律、法规的基本知识；
（12）了解信息化、计算机应用的基础知识；
（13）正确阅读和理解计算机领域的英文资料。
Ⅳ大数据开发工程师要学习哪些课程
主要学习office办公自动化，HTML+css3，JavaScript，C语言程序设计，Linux服务器配置与应用，MySQL数据库管理的应用等。
Ⅵ数据库系统工程师需要学哪些课程
可以到工业和信息化部教育与考试中心（网址//ceiaec/index）查看关于这类考试的信息，而且有准确专的考试时间和指定教属材信息，指定教材里主要包括数据结构、操作系统、数据库系统概论、计算机网络、计算机组成原理、管理信息系统方面的，各个方面都涉及一点的
Ⅶ计算机四级数据库工程师要考什么需要什么复习资料
我今年3月刚考过四级数据库，过了也考过了五月的软考数据库工程师，但是我科班的。还有三个月来得及何况现在是暑假这么多时间！需要资料留个邮箱！
四级的教材：四级的官方教材+官方的考题与训练两本书+历年真题（学校图书馆可以借飞思希赛前面两本是官方在指定教材，后三本是我自己用过的复习资料。（网络文库里面有这些书的图片）
全国计算机等级考试四级教程--数据库工程师(2011年版).
计算机全真笔试+上机考题解答与训练四级数据库工程师
(2011)全国计算机等级考试考点分析、题解与模拟——四级数据库工程师.
全国计算机等级考试考点分析、题解与模拟——四级数据库工程师.
(四级数据库历年真题)全国计算机等级考试历年真题必练——四级数据库工程师.
四级数据库和软考的数据库工程师比，更注重理论，所以你得早点开始复习，如果你没有基础，书至少看三遍。第一遍，把书大概看一下，知道哪些地方不懂；第二遍，梳理知识点；第三遍，巩固知识点，最好将重要的和你不懂的知识点记在笔记本上，考前半个月开始做真题！
真题都有规律可寻的！
计算机等级考试（教育部主办的）
软考（由国家人事部和信息产业部领导下的国家级考试）
个人觉得等级考试简单点，软考难点但是用人单位更重视点(我面试时候我说过了四级数据库，人家问我软考数据库过了没，明显软考含金量高)
等级考试纯理论化（纯数据库知识），四级工程师通过率高
软考理论（考计算机四大基础知识数据结构、计算机组成原理、计算机网络、操作系统，还涉及软件工程、编译原理、计算机安全、计算机英语等知识）+实际，软考网络工程师软件设计师数据库工程师通过率低，含金量高）
Ⅷ我想考软考数据库工程师，需要买《数据库系统工程师考试全程指导》吗
可以买的，不过建议你去希赛软考学院看一下，数据库系统工程师辅导有很多，你可以选择自己所需要的，如真题解析类的，案例分析类的，全程指导的，还有考试大纲！
mysql数据库面试题(学生表_课程表_成绩表_教师表)
Student(Sid,Sname,Sage,Ssex)学生表
Sid：学号
Sname：学生姓名
Sage：学生年龄
Ssex：学生性别
Course(Cid,Cname,Tid)课程表
Cid：课程编号
Cname：课程名称
Tid：教师编号
SC(Sid,Cid,score)成绩表
Sid：学号
Cid：课程编号
score：成绩
Teacher(Tid,Tname)教师表
Tid：教师编号：
Tname：教师名字
1、插入数据
2、删除课程表所有数据
3、将学生表中的姓名张三修改为张大山
或者
4、查询姓’李’的老师的个数：
5、查询所有课程成绩小于60的同学的学号、姓名：
6、查询没有学全所有课的同学的学号、姓名
7、查询平均成绩大于60分的同学的学号和平均成绩
8、查询学过“100”并且也学过编号“101”课程的同学的学号、姓名
9、查询“100”课程比“101”课程成绩高的所有学生的学号
10、查询课程编号“100”的成绩比课程编号“101”课程高的所有同学的学号、姓名
11、查询学过“鲁迅”老师所教的所有课的同学的学号、姓名
12、查询所有同学的学号、姓名、选课数、总成绩
13、查询至少有一门课与学号为“1”同学所学相同的同学的学号和姓名
14、把“SC”表中“鲁迅”老师教的课的成绩都更改为此课程的平均成绩，
错误
15、查询和“2”学号的同学学习的课程完全相同的其他同学学号和姓名
16、删除学习“鲁迅”老师课的SC表记录
17、向SC表中插入一些记录，这些记录要求符合以下条件：没有上过编号“003”课程的同学学号、002号课的平均成绩
18、查询各科成绩最高和最低的分：以如下的形式显示：课程ID，最高分，最低分
19、按各科平均成绩从低到高和及格率的百分数从高到低顺序
20、查询如下课程平均成绩和及格率的百分数(用”1行”显示):数学（100），语文（101），英语（102）
22、查询不同老师所教不同课程平均分从高到低显示
23、查询如下课程成绩第3名到第6名的学生成绩单：数学（100），语文（101），英语（102）
23、统计下列各科成绩，各分数段人数：课程ID，课程名称，[100-85],[85-70],[70-60],[小于60]
24、查询学生平均成绩及其名次
25、查询各科成绩前三名的记录（不考虑成绩并列情况）
26、查询每门课程被选修的学生数
27、查询出只选修一门课程的全部学生的学号和姓名
28、查询男生、女生人数
29、查询姓“张”的学生名单
30、查询同名同姓的学生名单，并统计同名人数
31、1981年出生的学生名单（注：student表中sage列的类型是datetime）
32、查询平均成绩大于85的所有学生的学号、姓名和平均成绩
33、查询每门课程的平均成绩，结果按平均成绩升序排序，平均成绩相同时，按课程号降序排列
34、查询课程名称为“英语”，且分数低于60的学生名字和分数
35、查询所有学生的选课情况
36、查询任何一门课程成绩在70分以上的姓名、课程名称和分数
37、查询不及格的课程，并按课程号从大到小的排列
38、查询课程编号为“101”且课程成绩在80分以上的学生的学号和姓名
39、求选了课程的学生人数：
40、查询选修“鲁迅”老师所授课程的学生中，成绩最高的学生姓名及其成绩
41、检索至少选修两门课程的学生学号
42、查询全部学生都选修的课程的课程号和课程名(1.一个课程被全部的学生选修，2.所有的学生选择的所有课程)
43、查询没学过“鲁迅”老师讲授的任一门课程的学生姓名
44、查询两门以上不及格课程的同学的学号及其平均成绩
45、检索“101”课程分数小于60，按分数降序排列的同学学号
46、删除“2”同学的“101”课程的成绩
面试中常问:mysql数据库做哪些优化也提高mysql性能
在开始演示之前，我们先介绍下两个概念。
概念一，数据的可选择性基数，也就是常说的cardinality值。
查询优化器在生成各种执行计划之前，得先从统计信息中取得相关数据，这样才能估算每步操作所涉及到的记录数，而这个相关数据就是cardinality。简单来说，就是每个值在每个字段中的唯一值分布状态。
比如表t1有100行记录，其中一列为f1。f1中唯一值的个数可以是100个，也可以是1个，当然也可以是1到100之间的任何一个数字。这里唯一值越的多少，就是这个列的可选择基数。
那看到这里我们就明白了，为什么要在基数高的字段上建立索引，而基数低的的字段建立索引反而没有全表扫描来的快。当然这个只是一方面，至于更深入的探讨就不在我这篇探讨的范围了。
概念二，关于HINT的使用。
这里我来说下HINT是什么，在什么时候用。
HINT简单来说就是在某些特定的场景下人工协助MySQL优化器的工作，使她生成最优的执行计划。一般来说，优化器的执行计划都是最优化的，不过在某些特定场景下，执行计划可能不是最优化。
比如：表t1经过大量的频繁更新操作，（UPDATE,DELETE,INSERT），cardinality已经很不准确了，这时候刚好执行了一条SQL，那么有可能这条SQL的执行计划就不是最优的。为什么说有可能呢？
来看下具体演示
譬如，以下两条SQL，
A：
select* from t1 where f1= 20;B：
select* from t1 where f1= 30;如果f1的值刚好频繁更新的值为30，并且没有达到MySQL自动更新cardinality值的临界值或者说用户设置了手动更新又或者用户减少了sample page等等，那么对这两条语句来说，可能不准确的就是B了。
这里顺带说下，MySQL提供了自动更新和手动更新表cardinality值的方法，因篇幅有限，需要的可以查阅手册。
那回到正题上，MySQL 8.0带来了几个HINT，我今天就举个index_merge的例子。
示例表结构：
mysql> desc t1;+------------+--------------+------+-----+---------+----------------+| Field| Type| Null| Key| Default| Extra|+------------+--------------+------+-----+---------+----------------+| id| int(11)| NO| PRI| NULL| auto_increment|| rank1| int(11)| YES| MUL| NULL||| rank2| int(11)| YES| MUL| NULL||| log_time| datetime| YES| MUL| NULL||| prefix_uid| varchar(100)| YES|| NULL||| desc1| text| YES|| NULL||| rank3| int(11)| YES| MUL| NULL||+------------+--------------+------+-----+---------+----------------+7 rows in set(0.00 sec)表记录数：
mysql> select count(*) from t1;+----------+| count(*)|+----------+| 32768|+----------+1 row in set(0.01 sec)这里我们两条经典的SQL：
SQL C：
select* from t1 where rank1= 1 or rank2= 2 or rank3= 2;SQL D：
select* from t1 where rank1=100 and rank2=100 and rank3=100;表t1实际上在rank1,rank2,rank3三列上分别有一个二级索引。
那我们来看SQL C的查询计划。
显然，没有用到任何索引，扫描的行数为32034，cost为3243.65。
mysql> explain format=json select* from t1 where rank1=1 or rank2= 2 or rank3= 2\G*************************** 1. row***************************EXPLAIN:{"query_block":{"select_id": 1,"cost_info":{"query_cost":"3243.65"},"table":{"table_name":"t1","access_type":"ALL","possible_keys": ["idx_rank1","idx_rank2","idx_rank3" ],"rows_examined_per_scan": 32034,"rows_produced_per_join": 115,"filtered":"0.36","cost_info":{"read_cost":"3232.07","eval_cost":"11.58","prefix_cost":"3243.65","data_read_per_join":"49K"},"used_columns": ["id","rank1","rank2","log_time","prefix_uid","desc1","rank3" ],"attached_condition":"((`ytt`.`t1`.`rank1`= 1) or(`ytt`.`t1`.`rank2`= 2) or(`ytt`.`t1`.`rank3`= 2))"}}}1 row in set, 1 warning(0.00 sec)我们加上hint给相同的查询，再次看看查询计划。
这个时候用到了index_merge,union了三个列。扫描的行数为1103，cost为441.09，明显比之前的快了好几倍。
mysql> explain format=json select/*+ index_merge(t1)*/* from t1 where rank1=1 or rank2= 2 or rank3= 2\G*************************** 1. row***************************EXPLAIN:{"query_block":{"select_id": 1,"cost_info":{"query_cost":"441.09"},"table":{"table_name":"t1","access_type":"index_merge","possible_keys": ["idx_rank1","idx_rank2","idx_rank3" ],"key":"union(idx_rank1,idx_rank2,idx_rank3)","key_length":"5,5,5","rows_examined_per_scan": 1103,"rows_produced_per_join": 1103,"filtered":"100.00","cost_info":{"read_cost":"330.79","eval_cost":"110.30","prefix_cost":"441.09","data_read_per_join":"473K"},"used_columns": ["id","rank1","rank2","log_time","prefix_uid","desc1","rank3" ],"attached_condition":"((`ytt`.`t1`.`rank1`= 1) or(`ytt`.`t1`.`rank2`= 2) or(`ytt`.`t1`.`rank3`= 2))"}}}1 row in set, 1 warning(0.00 sec)我们再看下SQL D的计划：
不加HINT，
mysql> explain format=json select* from t1 where rank1=100 and rank2=100 and rank3=100\G*************************** 1. row***************************EXPLAIN:{"query_block":{"select_id": 1,"cost_info":{"query_cost":"534.34"},"table":{"table_name":"t1","access_type":"ref","possible_keys": ["idx_rank1","idx_rank2","idx_rank3" ],"key":"idx_rank1","used_key_parts": ["rank1" ],"key_length":"5","ref": ["const" ],"rows_examined_per_scan": 555,"rows_produced_per_join": 0,"filtered":"0.07","cost_info":{"read_cost":"478.84","eval_cost":"0.04","prefix_cost":"534.34","data_read_per_join":"176"},"used_columns": ["id","rank1","rank2","log_time","prefix_uid","desc1","rank3" ],"attached_condition":"((`ytt`.`t1`.`rank3`= 100) and(`ytt`.`t1`.`rank2`= 100))"}}}1 row in set, 1 warning(0.00 sec)加了HINT，
mysql> explain format=json select/*+ index_merge(t1)*/* from t1 where rank1=100 and rank2=100 and rank3=100\G*************************** 1. row***************************EXPLAIN:{"query_block":{"select_id": 1,"cost_info":{"query_cost":"5.23"},"table":{"table_name":"t1","access_type":"index_merge","possible_keys": ["idx_rank1","idx_rank2","idx_rank3" ],"key":"intersect(idx_rank1,idx_rank2,idx_rank3)","key_length":"5,5,5","rows_examined_per_scan": 1,"rows_produced_per_join": 1,"filtered":"100.00","cost_info":{"read_cost":"5.13","eval_cost":"0.10","prefix_cost":"5.23","data_read_per_join":"440"},"used_columns": ["id","rank1","rank2","log_time","prefix_uid","desc1","rank3" ],"attached_condition":"((`ytt`.`t1`.`rank3`= 100) and(`ytt`.`t1`.`rank2`= 100) and(`ytt`.`t1`.`rank1`= 100))"}}}1 row in set, 1 warning(0.00 sec)对比下以上两个，加了HINT的比不加HINT的cost小了100倍。
总结下，就是说表的cardinality值影响这张的查询计划，如果这个值没有正常更新的话，就需要手工加HINT了。相信MySQL未来的版本会带来更多的HINT。
如果你还想了解更多这方面的信息，记得收藏关注本站。