Postgresql vs Mysql
资料
Postgres
MySQL
一些说法
Oracle有才无德
MySQL才浅德薄
PostgreSQL德才兼备
概念
对象关系型数据库
面向对象的特性
关于MySQL
MySQL有哪几种存储引擎？各自有什么优缺点？适用场景是？
MySQL索引的工作机制
MySQL性能优化方式
MySQL分库分表
SQL执行过程
存储引擎对比
Innodb
事务支持：完全支持ACID属性（原子性、一致性、隔离性、持久性）。行级锁。
外键支持：MySQL中唯一支持外键约束的存储引擎
崩溃恢复：由于支持事务和自动崩溃恢复，InnoDB在系统崩溃后能保证数据的一致性和完整性
适用场景：适合于需要高可靠性、事务处理和并发控制的应用。
MyISAM
性能：在大量读操作上表现优异。表级锁，限制写并发能力。
适用场景：只读或以读为主的数据库应用，如数仓、日志记录等。
索引
索引是为了加速数据查询的数据结构，让我们能够以尽可能少的磁盘操作次数查到想要的数据。现实中的字典可按拼音/部首查字，拼音表、部首表就是字典中的索引。对于数据库查询而言，什么样的数据结构能够让我们查找数据时尽可能减少磁盘IO次数呢？一种经典的思路就是将数据通过平衡的多路搜索树进行组织，比如B-Tree（Balance Tree）、B+Tree。
B-Tree
B-Tree即平衡树，是所有的叶子节点都在同一层的多路查找树。
B+Tree
B+树的查找过程
先读取根节点磁盘块到内存中，通过二分查找确定待查找数据项在哪个子节点磁盘块中，然后将对应子节点磁盘块加载到内存中进行二分查找缩小范围，依此类推，直到在某个叶子节点磁盘块中找到目标，结束查询。
所以需要的磁盘IO次数就是树的高度。
为什么要把数据放到叶子节点？
非叶子节点可以存放更多索引，数据量相同的情况下，B+树结构会比B树更加“矮胖”，提高查询效率。删除数据时不会引起树结构的复杂变形。
B+树与B树的性能对比
单数据查询
插入、删除效率
B树删除根节点时，可能导致树发生很大的变形
范围查询
由于B树的数据可能在非叶子节点中，要实现范围查询只能通过树的遍历，涉及多个磁盘IO操作；而B+树的数据存在叶子节点中，叶子节点间又通过指针构成了有序双向链表，因此范围查询效率更高。
索引的建立原则
对区分度高的字段建立索引,区分度公式:count(distinct FIELD)/count(*)
索引在什么情况下可能失效
对索引使用左或左右模糊匹配
对索引使用函数
索引指对数据原始值建立索引，而非对数据经函数处理后的结果建立索引。MySQL8.0之后支持函数索引特性，可以针对函数计算后的值建立索引。
对索引进行表达式计算
原理与对索引使用函数类似。
对索引进行隐式类型转换
分情况讨论，如果索引字段是字符串类型，但条件查询中的输入参数是整型，会走全表扫描。
如果索引字段是整型，条件查询中输入参数是字符串类型时，索引不会失效，因为MySQL会将字符串转为整型。
联合索引非最左匹配
对主键字段建立的索引叫聚簇索引，对普通字段建立的索引叫二级索引。多个普通字段组合在一起建立的索引叫联合索引/组合索引。
联合索引的建立顺序会影响查询性能，因为联合索引是按照最左优先的顺序进行索引匹配。
WHERE子句中的OR
如果存在OR查询，其中一个条件的字段没有建立索引，那么数据库会走全表扫描，因为OR查询意味着需要查询OR连接的两个条件的结果集的并集。
事务
事务隔离有哪几种可能模式？
读未提交
读已提交
可重复读
串行化
事务的隔离级别如何实现？
事务有哪些特性？
并行事务会引发什么问题？
SQL执行过程
