面试题精讲:数据库
1. 数据库事务 (Transaction)
面试核心： ACID 特性。
- A (Atomicity) 原子性：事务是不可分割的最小单元，要么全部成功，要么全部失败回滚。
- C (Consistency) 一致性：事务执行前后，数据库从一个一致性状态转换到另一个一致性状态。
- I (Isolation) 隔离性：多个并发事务之间相互隔离，互不干扰（通过锁和 MVCC 实现）。
- D (Durability) 持久性：一旦事务提交，对数据的修改就是永久性的。
2. 数据库索引与 B+ Tree
面试核心： 为什么 MySQL 选择 B+ Tree 而不是二叉树或 B-Tree？
- B+ Tree 优势：
- 磁盘读写代价更低：内部节点不存放数据，只存放索引，一个节点能容纳更多索引，树更矮胖。
- 查询效率稳定：所有数据都在叶子节点，任何路径长度相同。
- 范围查询极强：叶子节点之间有双向链表连接。
- 聚集索引 vs 非聚集索引：
- 聚集索引：索引的叶子节点就是行数据（通常是主键）。
- 非聚集索引：叶子节点存储的是主键值（回表查询）。
3. Redis 核心原理
面试核心： 为什么单线程还这么快？持久化怎么做？
- 快的原因：纯内存操作；IO 多路复用机制（epoll）；单线程避免了上下文切换和竞争锁。
- 数据结构：String, Hash, List, Set, ZSet（跳表实现）。
- 持久化策略：
- RDB (快照)：定时全量备份，恢复快，但易丢数据。
- AOF (追加日志)：记录每个写指令，数据安全性高，但文件大、恢复慢。
- 混合持久化 (Py 3.x 时代主流)：RDB 头 + AOF 尾。
4. 悲观锁 vs 乐观锁
面试核心： 场景选择。
- 悲观锁：先取锁再访问。适用于写多读少、并发竞争激烈的场景（
SELECT ... FOR UPDATE）。 - 乐观锁：访问时不加锁，更新时通过版本号（Version）或 CAS 检查。适用于读多写少、冲突较少的场景。
5. MVCC (多版本并发控制)
面试核心： InnoDB 如何实现非阻塞读？
MVCC 解决了“读-写”冲突。InnoDB 通过在每行记录后维护两个隐式列（创建时间/删除时间的事务 ID）以及 Undo Log (回滚日志) 链表来实现。
- 快照读 (Snapshot Read)：普通的
SELECT，不加锁，读取的是历史版本。 - 当前读 (Current Read)：
INSERT/UPDATE/DELETE，读取的是最新版本，需加锁。
6. 存储引擎：MyISAM vs InnoDB
7. Elasticsearch (ES) 搜索深度解析
面试核心： 倒排索引原理。
- 什么是 ES？ 基于 Lucene 的分布式全文检索服务器，近实时。
- 核心：倒排索引 (Inverted Index)：
- 正排索引：文档 ID -> 单词。
- 倒排索引：单词 -> 文档 ID 列表。通过分词技术将文本拆解，极大提升搜索性能。
- 分布式架构：
- Index (索引)：相当于数据库。
- Shard (分片)：将数据水平拆分到不同节点。
- Replica (副本)：保证高可用。
- 与关系型数据库区别：ES 擅长模糊搜索、聚合分析；MySQL 擅长事务处理、复杂关联查询。
🚀 后续建议：
这一章由于涉及 Redis 和 ES，内容较为跳跃。在 Rspress 站点中，你可以针对 Redis 的缓存雪崩、穿透、击穿 单独写一篇“三兄弟避坑指南”，这在 Python 后端面试中是“重中之重”。
需要我为你补充 Redis 缓存失效的三种经典场景及其解决方案吗？