MySQL 面试
阅读方式:MySQL 面试是一条纵向追问链,不要按知识点背。面试官从「存储引擎怎么选」切入, 一路往深里挖:引擎 → 索引(B+树/回表/失效)→ 事务(ACID/隔离级别/MVCC)→ 锁(间隙锁/死锁)→ 优化(执行计划/深分页)→ 日志(Redo/Undo/Binlog)→ 架构(分库分表/缓存一致性)。
每道题都按「会不会用 → 知不知道为什么 → 出问题怎么办」三层准备。你提到面试背不下来—— 解法不是逐字背,是记住每道题的「骨架关键词」和一条能顺下来的口述线,考场上用关键词把话说圆。 🔥🔥🔥 的题配了 90 秒口述版,照着这条线练三遍就能自己展开。
重点索引
标记说明:🔥🔥🔥 核心必背(优先练口述) | 🔥🔥 高频 | 🔥 进阶加分🎙️ = 配了 90 秒口述版。
| 编号 | 题目 | 重点 | 口述版 | 骨架关键词 |
|---|---|---|---|---|
| Q1 | InnoDB vs MyISAM 怎么选 | 🔥🔥 | — | 事务/行锁/崩溃恢复/MVCC |
| Q2 | CHAR / VARCHAR / TEXT | 🔥 | — | 定长/变长前缀/大文本 |
| Q3 | 自增主键 vs UUID | 🔥🔥 | — | 顺序写/页分裂/聚簇 |
| Q4 | 三大范式与反范式 | 🔥 | — | 1NF/2NF/3NF/冗余换性能 |
| Q5 | 为什么是 B+树 | 🔥🔥🔥 | 🎙️ | 非叶不存数据→树矮→IO少 |
| Q6 | 聚簇索引/二级索引/回表 | 🔥🔥🔥 | 🎙️ | 叶子存整行 vs 主键/覆盖索引 |
| Q7 | 最左前缀与联合索引 | 🔥🔥 | — | 从左到右/遇范围停 |
| Q8 | 索引失效场景 | 🔥🔥🔥 | 🎙️ | 函数/隐式转换/左模糊/OR |
| Q9 | ACID 分别靠什么实现 | 🔥🔥🔥 | 🎙️ | Undo/Redo/锁+MVCC/约束 |
| Q10 | 四隔离级别与三读问题 | 🔥🔥🔥 | 🎙️ | RU/RC/RR/SERIALIZABLE |
| Q11 | MVCC 实现原理 | 🔥🔥🔥 | 🎙️ | 隐藏字段+Undo链+ReadView |
| Q12 | 快照读 vs 当前读 | 🔥🔥 | — | 普通SELECT vs FOR UPDATE |
| Q13 | InnoDB 锁分类 | 🔥🔥 | — | 记录/间隙/临键/意向锁 |
| Q14 | 间隙锁与临键锁 | 🔥🔥🔥 | 🎙️ | RR防幻读/RC基本不生效 |
| Q15 | 行锁何时降级表锁 | 🔥🔥 | — | 不走索引→锁全表扫描 |
| Q16 | 死锁:条件/排查/避免 | 🔥🔥 | — | 四条件/SHOW ENGINE/固定顺序 |
| Q17 | 慢 SQL 排查流程 | 🔥🔥🔥 | 🎙️ | 定位→分析→优化→验证 |
| Q18 | EXPLAIN 关键字段 | 🔥🔥🔥 | — | type/key/key_len/Extra |
| Q19 | 深分页优化 | 🔥🔥 | — | 游标分页/延迟关联 |
| Q20 | JOIN 三种算法 | 🔥 | — | NLJ/BNL/Hash Join |
| Q21 | Redo/Undo/Binlog 区别 | 🔥🔥🔥 | 🎙️ | 层级/作用/循环vs追加 |
| Q22 | 两阶段提交 | 🔥🔥 | — | prepare→binlog→commit |
| Q23 | 分库分表的问题 | 🔥🔥 | — | 事务/全局ID/跨库JOIN |
| Q24 | 缓存与数据库一致性 | 🔥🔥🔥 | 🎙️ | 先更库再删缓存/最终一致 |
| Q25 | 穿透/击穿/雪崩 | 🔥🔥🔥 | 🎙️ | 不存在/单点/批量 |
一、基础与存储引擎
Q1 InnoDB 和 MyISAM 怎么选?为什么默认是 InnoDB? 🔥🔥
答题要点
选 InnoDB。InnoDB 支持事务、行级锁、崩溃恢复(Redo Log)、外键、MVCC 非阻塞读;MyISAM 只有表级锁、没有事务、崩溃后可能损坏。MyISAM 唯一残留优势是 COUNT(*) 为 O(1)(存储了行数),但现代业务不值得为它牺牲事务和并发能力。
追问方向
- 「InnoDB 的内存/磁盘结构?」——内存:Buffer Pool 管理数据页,默认页 16KB;磁盘:表空间、Redo Log、Undo Log。
- 「MyISAM 支持全文检索吗?」——5.6 起 InnoDB 也支持,不再是 MyISAM 的独有优势。
Q2 CHAR、VARCHAR、TEXT 的区别 🔥
答题要点
| 类型 | 特点 | 适用 |
|---|---|---|
CHAR(n) | 定长,不足补空格 | 定长值:国家代码、MD5 |
VARCHAR(n) | 变长,1–2 字节长度前缀,n 计入 65535 字节行限制 | 绝大多数场景 |
TEXT | 大文本,可 off-page 存储,只能前缀索引 | 确实超过 VARCHAR 合理范围时 |
追问:VARCHAR(255) 为什么常见?——早期 MySQL 用 1 字节存长度(上限 255),且足够容纳大多数短文本;UTF-8 下 255 字符最多 765 字节,仍远小于行限制。
Q3 自增主键 vs UUID 主键 🔥🔥
答题要点
InnoDB 用主键组织聚簇索引。自增主键顺序写入,不频繁页分裂;UUID 随机写入导致页分裂和碎片,且二级索引叶子存主键值,UUID 更长→浪费空间。
追问:没有主键会怎样?——InnoDB 选第一个唯一非空索引;都没有则隐式生成 6 字节 ROWID。
Q4 三大范式与反范式 🔥
答题要点
1NF 列不可再分;2NF 消除非主属性对候选键的部分依赖;3NF 消除传递依赖。
实际设计常故意反范式:订单表冗余用户姓名避免联表查询,用冗余换性能,代价是一致性维护成本。
二、索引(追问链条最长的一块)
Q5 为什么是 B+树,不是 B 树 / 红黑树 / Hash? 🔥🔥🔥
🎙️ 90 秒口述版
核心就一句话:索引的目标是减少磁盘 IO,B+树把这个指标压到最低。
先说和 B 树比。B+树的非叶子节点只存键和指针、不存数据,所以一个 16KB 的页能装下更多键,树高通常只有 3 到 4 层,查千万级数据也就三四次磁盘 IO;而且叶子节点用双向链表串起来,范围查询和排序只要沿链表顺序扫,B 树得做中序遍历,麻烦得多。
再说红黑树。它是二叉树,高度随数据量涨,百万级数据就有约 20 层,20 次磁盘 IO 完全不能接受,而且它不支持范围扫描。Hash 更直接——只支持等值查询,范围、排序、模糊统统不行。至于 InnoDB 的 Adaptive Hash Index,那是引擎内部的自适应优化,不是我们能选的索引结构。
所以记住三个数:B+树 3–4 层、每层一次磁盘 IO、InnoDB 页默认 16KB。答到"非叶子不存数据导致树矮、IO 少",这题的骨架就立住了。
答题骨架
- vs B 树:非叶子只存键和指针,单页容纳更多键→树高 3–4 层承载千万级;叶子双向链表,范围/排序高效。
- vs 红黑树:二叉高度随数据量线性上升(百万级约 20 层),磁盘 IO 不可接受,不支持范围扫描。
- vs Hash:只支持等值,不支持范围、排序、模糊;Adaptive Hash Index 是内部优化,非用户可选。
必备数字:B+树 3–4 层,每层一次磁盘 IO;InnoDB 页默认 16KB。
Q6 聚簇索引 vs 二级索引,什么是回表? 🔥🔥🔥
🎙️ 90 秒口述版
这题我会先把两种索引的"叶子存什么"讲清楚,回表就是它的自然推论。
聚簇索引的叶子节点存完整数据行,一张表只有一个,InnoDB 里就是主键索引。二级索引的叶子节点只存索引键 + 主键值。所以当查的列不全在二级索引里时,数据库先查二级索引拿到主键,再拿主键回聚簇索引查一次完整行——这就是回表,多一次 IO。
怎么避免回表?用覆盖索引:查询需要的所有列都在索引里,就不用回表,
EXPLAIN的 Extra 会显示Using index。比如经常按 age 查 name,就建(age, name)联合索引。顺着这个还能讲两个延伸:为什么主键推荐自增短类型?因为二级索引叶子都要存主键,主键越长越费空间;为什么更新主键代价大?因为二级索引都引用它,得一起改。
答题骨架
- 聚簇索引:叶子存完整数据行,一表一个,InnoDB 中即主键索引。
- 二级索引:叶子存「索引键 + 主键值」,查非索引列需回表。
- 覆盖索引:查询列全在索引中,无需回表,
EXPLAINExtra 显示Using index。
Q7 最左前缀原则与联合索引 🔥🔥
答题要点
联合索引 (a,b,c) 从左到右匹配,遇到范围查询停止:
WHERE a=1 AND b>2 AND c=3→ 只用到a和b,c用不上。WHERE b=1 AND c=2→ 完全用不上该索引。WHERE a=1 AND c=3→ 用到a,c不能直接定位(但可能走覆盖索引扫描)。
追问:联合索引顺序怎么定?——区分度高的列放前面,同时兼顾常用查询条件。
Q8 索引失效的常见场景 🔥🔥🔥
🎙️ 90 秒口述版
我会先列场景,最后补一句关键的话——是否失效最终由优化器基于统计信息决定,
EXPLAIN才是判断依据,别把"失效"说成绝对。常见场景有六类。第一,违反最左前缀,联合索引跳过了最左列。第二,索引列上做函数或表达式,比如
DATE(create_time),索引存的是原值,匹配不上。第三,隐式类型转换,字符串列传数字、数字列传字符串,MySQL 会偷偷转换导致索引失效。第四,LIKE '%xxx'左通配,前缀不确定没法用 B+树定位。第五,OR连接了非索引列,一边没索引就得全表扫。第六,负向查询NOT IN、!=,取决于数据分布,如果优化器判断回表代价比全表扫还高,就干脆不用索引。最后那句一定要说:这些不是铁律,是"大概率失效",具体得看优化器的成本估算,
EXPLAIN看 type 和 key 才算数。
答题骨架
① 违反最左前缀;② 索引列做函数/表达式;③ 隐式类型转换;④ LIKE '%xxx' 左通配;⑤ OR 连接非索引列;⑥ 负向查询(NOT IN/!=,取决于数据分布);⑦ 优化器判断全表扫描更快。
答题技巧:不要只列场景,补一句"是否失效最终由优化器基于统计信息决定,
EXPLAIN是判断依据"。
三、事务、隔离级别与 MVCC
Q9 ACID 分别靠什么实现? 🔥🔥🔥
🎙️ 90 秒口述版
这题我会把四个字母逐个对应到实现机制,这样比干背定义好记。
原子性 A 靠 Undo Log——事务回滚时用它把未提交的修改撤销。持久性 D 靠 Redo Log——提交后即使崩溃,也能靠 Redo 恢复。隔离性 I 靠隔离级别 + MVCC + 锁三者配合,MVCC 负责非阻塞的一致性读,锁负责写冲突。一致性 C 比较特殊,它不是一个单独机制,而是业务逻辑 + 数据库约束共同保证的结果,前三个 ACI 都是为它服务的。
所以一句话记法:A 靠 Undo,D 靠 Redo,I 靠锁和 MVCC,C 是前面三个加上业务约束共同达成的目标。
答题骨架
- 原子性:Undo Log,回滚未提交的修改。
- 持久性:Redo Log,提交后崩溃可恢复。
- 隔离性:隔离级别 + MVCC + 锁。
- 一致性:业务逻辑 + 数据库约束共同保证,非单一机制。
Q10 四种隔离级别与三种读问题 🔥🔥🔥
🎙️ 90 秒口述版
我先给表格,再主动回答那个必追的坑——RR 到底有没有解决幻读。
四个级别从低到高:读未提交 RU 三种问题都有;读已提交 RC 避免脏读,但有不可重复读和幻读;可重复读 RR 是 InnoDB 默认,避免脏读和不可重复读,幻读基本避免;串行化全避免但并发最低。记的时候抓住每一级"新增避免了什么":RC 比 RU 多了不脏读,RR 比 RC 多了可重复读。
关键的坑:RR 真的完全解决幻读了吗?严格说没有完全。快照读靠 MVCC 看到的是历史版本,能避免部分幻读;当前读靠临键锁锁住间隙、阻止插入,也能防。但如果你先做一次快照读、再做一次当前读同一个范围,当前读会看到最新数据,就可能看到"幻影"。所以更稳的说法是:RR 对幻读的防护依赖于读方式,快照读和当前读混用时仍有边界情况——承认这一点比硬说"完全解决"更专业。
答题骨架
| 隔离级别 | 脏读 | 不可重复读 | 幻读 |
|---|---|---|---|
| READ UNCOMMITTED | 可能 | 可能 | 可能 |
| READ COMMITTED | 避免 | 可能 | 可能 |
| REPEATABLE READ(InnoDB 默认) | 避免 | 避免 | 基本避免(间隙锁) |
| SERIALIZABLE | 避免 | 避免 | 避免 |
追问:RR 真的完全解决幻读了吗? 快照读靠 MVCC 避免部分幻读;当前读靠临键锁防插入;但先快照读、再当前读同一范围,仍可能看到"幻影"——严格说 RR 的幻读防护依赖读方式。
Q11 MVCC 的实现原理 🔥🔥🔥
🎙️ 90 秒口述版
MVCC 就三个支柱:隐藏字段、Undo Log 版本链、ReadView。我把它们串成一条线讲。
每行记录有隐藏字段,关键是
DB_TRX_ID——最后修改这行的事务 ID,还有DB_ROLL_PTR——指向 Undo Log 里的旧版本。更新一行时 InnoDB 不覆盖原数据,而是把旧版本放进 Undo Log,用 roll pointer 串成一条版本链。那么一个事务来读的时候,该看版本链上的哪一版?靠 ReadView 判断可见性。ReadView 记录了当前活跃的事务列表,拿版本链上每版的
DB_TRX_ID去比对,决定这一版对当前事务可不可见,不可见就顺着链往前找。最后一个必答的延伸:RC 和 RR 在 MVCC 上最大的区别是什么?是 ReadView 生成时机——RC 每条 SELECT 都生成新的 ReadView,所以能看到别人新提交的;RR 只在事务首次 SELECT 时生成一次然后复用,所以整个事务看到的是同一份快照,这就是可重复读的由来。
答题骨架
三个支柱:隐藏字段 + Undo Log 版本链 + ReadView。
- 每行有
DB_TRX_ID(最后修改的事务 ID)和DB_ROLL_PTR(指向 Undo Log 旧版本)。 - 更新不覆盖原数据,旧版本在 Undo Log 中串成版本链。
- ReadView 判断可见性:RC 每次 SELECT 生成新 ReadView;RR 首次 SELECT 生成后复用,实现可重复读。
追问:RC 和 RR 在 MVCC 上最大的区别?——ReadView 生成时机不同:RC 每条语句生成,RR 事务级复用。
Q12 快照读 vs 当前读 🔥🔥
答题骨架
- 快照读:普通
SELECT,读 Undo Log 中的历史版本,不加锁。 - 当前读:
SELECT ... FOR UPDATE、LOCK IN SHARE MODE、INSERT/UPDATE/DELETE,读最新版本并加锁。
这是理解 Q10 幻读防护和 Q14 间隙锁的前提——锁只在当前读下生效。
四、锁与死锁
Q13 InnoDB 的锁分类 🔥🔥
答题骨架
- 按粒度:表锁、行锁。
- 按模式:共享锁(S)、排他锁(X)。
- 按算法(InnoDB 核心):记录锁(Record Lock)、间隙锁(Gap Lock)、临键锁(Next-Key Lock)。
- 辅助锁:意向锁(IS/IX)、MDL(元数据锁)、AUTO-INC 锁。
Q14 间隙锁与临键锁解决了什么?RC 和 RR 下有什么区别? 🔥🔥🔥
🎙️ 90 秒口述版
先讲间隙锁锁的是什么:它锁的是索引记录之间的"空隙",目的很明确——阻止别的事务往这个空隙里插数据。间隙锁加上记录锁,合起来就是临键锁,这是 InnoDB 在 RR 下防止幻读的核心手段,因为幻读的本质就是"我查的时候没有,你却往这个范围插了新的"。
然后讲 RC 和 RR 的关键区别,这是拉开差距的地方:间隙锁基本只在 RR 下生效,RC 下间隙锁基本被禁用,只保留外键检查和唯一性检查需要的那一点。为什么?因为 RC 允许不可重复读和幻读,不需要靠间隙锁去防。
由此能推出一个工程结论:RC 的并发更高、死锁概率更低,代价是接受幻读可能。所以高并发写入场景,评估 RC 加业务幂等,往往比盲目依赖 RR 更划算。
答题骨架
- 间隙锁锁住索引记录间的"间隙",阻止插入;配合记录锁形成临键锁,用于 RR 下防幻读。
- RC 下间隙锁基本不生效(只留外键/唯一性检查所需),因此 RC 并发更高、死锁概率更低,但接受幻读可能。
Q15 行锁什么时候会"降级"为表锁? 🔥🔥
答题要点
当 UPDATE/DELETE 的 WHERE 条件没走索引时,InnoDB 无法定位具体行,会锁住扫描到的所有行甚至整张表(实际是锁住所有扫描到的索引记录,效果接近表锁)。
核心原则:行锁依赖索引。这也是 Q16 死锁排查和 Q17 慢 SQL 优化的隐藏考点。
Q16 死锁:四个条件、排查、避免 🔥🔥
答题骨架
- 必要条件:互斥、持有并等待、不可剥夺、循环等待。
- 排查:
SHOW ENGINE INNODB STATUS看LATEST DETECTED DEADLOCK;开innodb_print_all_deadlocks写错误日志。 - 避免:按固定顺序访问资源、缩短事务、控制事务粒度、为条件列建索引减少锁范围、必要时降级到 RC。
加分回答:间隙锁在 RR 下容易产生"插入意向锁等待"型死锁;高并发写入可评估 RC + 业务幂等,而非盲目依赖 RR。
五、SQL 优化与执行计划
Q17 一条 SQL 很慢,你的完整排查流程 🔥🔥🔥
🎙️ 90 秒口述版
我按四步走:定位、分析、优化、验证,不会上来就说"加索引"。
第一步定位,从慢查询日志入手,用
mysqldumpslow或pt-query-digest找出 Top SQL——先确认到底是哪条慢、慢在什么场景,别凭感觉。第二步分析,用
EXPLAIN看四个字段:type看访问类型有没有到 range/ref,key看实际用了哪个索引,rows看扫描行数,Extra看有没有Using filesort、Using temporary这种危险信号。第三步优化,分四个层次:索引优化、SQL 改写、表结构调整、数据量太大就做分批或异步。不是所有慢 SQL 都靠加索引,有时候是返回字段太多、或者深分页,得对症下药。
第四步验证,优化前后对比执行计划和实际耗时,确认真的变快了、而且没引入新问题。这四步走完,回答就完整了。
答题骨架
① 定位:慢查询日志 + mysqldumpslow / pt-query-digest 找 Top SQL;② 分析:EXPLAIN 看 type、key、rows、Extra;③ 优化:索引、SQL 改写、表结构、分批/异步;④ 验证:对比优化前后执行计划与实际耗时。
Q18 EXPLAIN 关键字段怎么看 🔥🔥🔥
答题骨架
| 字段 | 关注点 |
|---|---|
| type | 性能从优到劣:system > const > eq_ref > ref > range > index > ALL。至少到 range,最好 ref |
| key | 实际使用的索引;key_len 判断联合索引用了哪几列 |
| Extra | Using index(覆盖索引,好);Using filesort、Using temporary(需关注) |
面试常被追问:"
type=index和type=ALL区别?"——都扫全表,但 index 扫的是索引树(通常更小),ALL 扫的是数据行。
Q19 深分页为什么慢?怎么优化? 🔥🔥
答题要点
LIMIT 10000000, 10 需要扫描并丢弃前 1000 万行。优化:
- 游标分页:
WHERE id > last_id ORDER BY id LIMIT 10——用上一页最大 id 做锚点。 - 延迟关联:先用覆盖索引查出主键,再回表取完整行,减少回表次数。
Q20 JOIN 的三种算法 🔥
答题骨架
- NLJ(Nested-Loop Join):驱动表每行去被驱动表走索引,有索引时最优。
- BNL(Block Nested-Loop):被驱动表无索引时用 join buffer 批量匹配,仍较慢。
- Hash Join(8.0.18+):无索引大表等值连接时构建哈希表,复杂度接近 O(N+M),通常远快于 BNL。
六、日志与高可用
Q21 Redo Log、Undo Log、Binlog 的区别 🔥🔥🔥
🎙️ 90 秒口述版
这题我从层级、作用、写入方式三个维度对比,比单独背定义清楚。
层级上:Redo Log 和 Undo Log 都是 InnoDB 引擎层的,Binlog 是 Server 层的——这点很重要,意味着 Binlog 对所有引擎都有效。
作用上:Redo Log 用于崩溃恢复,保证持久性,记录的是物理修改,比如"某页某位置改成什么值";Undo Log 用于回滚和 MVCC 版本链,是逻辑日志;Binlog 用于主从复制、时间点恢复和归档,记录 DDL 和 DML 的逻辑操作。
写入方式上有个高频追问:为什么 Redo 循环写、Binlog 追加写?因为 Redo 只需要保留还没刷盘的修改,脏页刷到磁盘后这段日志就可以覆盖了,所以空间固定循环用;而 Binlog 是完整历史,主从复制和时间点恢复都可能用到任意一段,必须追加保留,定期清理。
三个词收尾:Redo 管持久、Undo 管回滚、Binlog 管复制。
答题骨架
| 日志 | 层级 | 作用 | 写入方式 |
|---|---|---|---|
| Redo Log | InnoDB | 崩溃恢复,保证持久性 | 循环写 |
| Undo Log | InnoDB | 回滚 + MVCC 版本链 | 逻辑上按事务组织 |
| Binlog | Server 层 | 主从复制、时间点恢复、归档 | 追加写 |
追问:Redo 循环写而 Binlog 追加写?——Redo 只需保留未刷盘的修改,脏页刷盘后可覆盖;Binlog 需完整历史,必须追加。
Q22 两阶段提交(Redo 与 Binlog 的一致性) 🔥🔥
答题骨架
事务提交时:Redo Log 先进入 prepare → Binlog 写入 → Redo 再 commit。
崩溃恢复时:若 Redo 已 prepare 且 Binlog 完整,则提交;否则回滚。
目的:避免主库与从库/备份因两份日志不一致而分叉。
七、架构扩展与缓存一致性
Q23 分库分表后会带来哪些问题? 🔥🔥
答题骨架
| 问题 | 方案 |
|---|---|
| 事务一致性(单机事务失效) | Seata(AT/TCC/Saga)或最终一致性 |
| 全局唯一 ID(自增跨库重复) | 雪花算法 / 号段模式 |
| 跨库 JOIN / 分页 / 排序 | 广播表、绑定表、ES 二次聚合 |
| 数据迁移与扩容 | 双写 + 逐步迁移 |
Q24 缓存与数据库一致性 🔥🔥🔥
🎙️ 90 秒口述版
我先给结论:首选先更新数据库,再删除缓存,也就是 Cache-Aside。前提是接受最终一致,强一致要上分布式事务,代价太大。
为什么不选"先删缓存再更库"?因为并发读可能在删完缓存、还没更新数据库的这个空档,把旧值又写回缓存——读线程查缓存没命中,去 DB 读到旧值,回填缓存,结果库更新了、缓存却留着旧值。而"先更库再删缓存"的顺序,这个交错窗口小得多。
进阶可以聊延迟双删:更新完库删一次缓存,延迟几百毫秒再删一次,用来覆盖那段时间里并发读回填的旧值。更彻底的做法是订阅 Binlog(比如 Canal)异步失效缓存,失败重试兜底。
最后我一定会主动收一句:这些方案本质都是最终一致性,不存在无代价的完美方案——延迟时间难精确、删除可能失败,面试官要的就是你承认这个边界,而不是吹某个银弹。
答题骨架
- 首选先更新数据库,再删除缓存(Cache-Aside)。
- 不选"先删缓存再更库":并发读可能在删缓存后、更库前把旧值写回缓存。
- 进阶:延迟双删(更库后删缓存,延迟数百毫秒再删一次);强一致场景用分布式锁或订阅 Binlog(Canal)异步失效。
- 本质是最终一致性,无完美的无代价方案。
与 Redis 笔记 Q7 联动,那里展开了「删除 vs 更新缓存」的完整论证。
Q25 缓存穿透、击穿、雪崩 🔥🔥🔥
🎙️ 90 秒口述版
这三个我先用一句话把定义钉死,因为穿透和击穿最容易混。穿透是查根本不存在的数据,缓存和 DB 都没有;击穿是单个热点 key 过期那一瞬,大量并发打 DB;雪崩是大量 key 同时过期或 Redis 整体宕机。
对应方案。穿透:布隆过滤器提前拦截,或者缓存空值加短过期。击穿:互斥锁重建、逻辑过期、热点 key 永不过期三选一。雪崩:过期时间加随机偏移打散,加高可用集群,再配降级限流。
区分的口诀我这么记:穿透是"数据本就不存在",击穿是"数据存在但缓存恰好那一刻没了",雪崩是"批量一起失效或服务挂了"。面试官如果追线上案例,我会讲清当时的场景、止血动作和事后复盘——这部分背不下来就准备一个自己能讲完整的真实案例。
答题骨架
- 穿透:查不存在的数据,缓存和 DB 都没有 → 缓存空值 / 布隆过滤器。
- 击穿:热点 key 过期瞬间大量请求打到 DB → 互斥重建 / 逻辑过期 / 热点永不过期。
- 雪崩:大量 key 同时过期或 Redis 宕机 → 过期时间加随机偏移 + 高可用集群 + 降级限流。
与 Redis 笔记 Q6 联动,那里有完整的踩分点与线上止血追问。
附:面试答题的三层节奏与复习建议
面试官通常按「会不会用 → 知不知道为什么 → 出问题怎么办」三层递进。复习精力建议 3:4:3 分配:
- 基础层(30%):引擎、字段类型、范式,保持手感即可。
- 原理层(40%):B+树、MVCC、锁,花最多时间——这是追问链的主干,也是口述版覆盖最密的地方。
- 故障层(30%):至少准备 2–3 个能讲完整的真实案例(慢查询、死锁、缓存雪崩各一)。
几个容易被追问卡住的点,提前备一句接得住的话
- 索引为什么 B+树 → 一定要说"非叶子不存数据 → 树矮 → IO 少",别只说"因为快"。
- RR 的幻读 → 区分快照读和当前读,承认"部分避免"比硬说"完全解决"更稳。
- 间隙锁 → 点出"RR 下防插入,RC 下基本不生效",并关联死锁概率。
- 缓存一致性 → 先说"先更库再删缓存",再补"延迟双删 / Binlog 异步",最后承认是最终一致性。
背书口诀:别逐字背口述稿,记住每道题表格里的「骨架关键词」,考场上用关键词把三层逻辑展开。 关键词连成了线,答案自然就顺出来了——这才是"背得下来"的方法。
相关文档
- Redis 面试 — Q6/Q7 缓存三大问题与一致性,本篇有联动
- RabbitMQ 面试 — 消息队列可靠性四段模型
