1、MySQL有索引了查询一定快吗？
- Atomic 原子性: 一个事务的所有系列操作步骤被看成是一个动作，所有的步骤要么全部完成要么一个也不会完成，如果事务过程中任何一点失败，将要被改变的数据库记录就不会被真正被改变。
- Consistency 一致性: 在事务开始或结束时，数据库应该在一致状态。也就是说，通过各种途径包括外键约束等任何写入数据库的数据都是有效的，不能发生表与表之间存在外键约束，但是有数据却违背这种约束性。所有改变数据库数据的动作事务必须完成，没有事务会创建一个无效数据状态.
- Isolated 隔离性: 主要用于实现并发控制, 隔离能够确保并发执行的事务能够顺序一个接一个执行，通过隔离，一个未完成事务不会影响另外一个未完成事务。
- Durable 持久性: 一旦一个事务被提交，它应该持久保存，不会因为和其他操作冲突而取消这个事务。很多人认为这意味着事务是持久在磁盘上，但是规范没有特别定义这点。
这里的一致性是为了保证系统数据的
保护性和不变性，不论在何种并发的情况下。以转账案例为例，假设有五个账户，每个账户余额是100元，那么五个账户总额是500元，如果在这个5个账户之间同时发生多个转账，无论并发多少个，比如在A与B账户之间转账5元，在C与D账户之间转账10元，在B与E之间转账15元，五个账户总额也应该还是500元，这就是保护性和不变性，这是一种「一致的状态」。
2、有没有做过分库分表？分库分表需要注意什么？
这应该是全网最全的分库分表方案了_JavaMonsterr的博客-CSDN博客
3、MySQL索引类型有哪些？
- B-树索引，使表中的每一行都会在索引上有一个对应值；
- 哈希索引，可根据索引列对应的哈希值的方法获取表的记录行；
- 普通索引，允许在定义索引的列中插入重复值和空值；
- 唯一索引，可以避免数据出现重复；
- 主键索引，是为主键字段创建的索引；
- 空间索引，是对空间数据类型的字段建立的索引；
- 全文索引，用来查找文本中的关键字；
- 单列索引，即索引只包含原表的一个列。
4、MySQL有索引了查询一定快吗？
不一定，可能会出现索引失效的情况
5、有哪些情况索引会失效？索引有什么好处？有什么坏处？
最佳左前缀法则：索引文件具有 B-Tree 的最左前缀匹配特性，如果左边的值未确定，那么无法使用此索引。
主键插入顺序
计算、函数、类型转换(自动或手动)导致索引失效
范围条件右边的列索引失效
不等于(!= 或者<>)导致索引失效
is null可以使用索引，is not null无法使用索引
like以通配符%开头索引失效
OR 前后只要存在非索引的列，都会导致索引失效
数据库和表的字符集统一使用utf8mb4
6、BTree存储索引，BTree是什么？根节点如何拓展的？
BTree索引是最常用的mysql数据库索引算法，因为它不仅可以被用在=、>、<、>=、<=、between这些比较操作符上，还可以用于like操作符。
只要它的查询条件是一个不以通配符开头的常量则该索引生效；否则索引失效。
7、Hash索引和BTree索引区别
Hash仅适用于对等比较（=、>、<、>=、<=、between），而BTree可以支持like模糊查询。
不同的引擎支持不同的索引：Innodb和MyISAM默认的索引是BTree索引；而Mermory默认的索引是Hash索引。
BTree
BTree索引是最常用的mysql数据库索引算法，因为它不仅可以被用在=、>、<、>=、<=、between这些比较操作符上，还可以用于like操作符。
只要它的查询条件是一个不以通配符开头的常量则该索引生效；否则索引失效。Hash
Hah索引只能用于对等比较，例如=、>、<、>=、<=、between。由于是一次定位数据，不像BTree索引需要从根节点到枝节点，最后才能访问到叶节点这样多次IO访问，所以检索效率远高于BTree索引。为什么使用BTree比Hash多呢?
- Hash索引仅仅能满足=、>、<、>=、<=、between查询，不能使用范围查询。
- 联合索引中，Hash索引不能利用部分索引键查询。对于联合索引中的多个列，Hash要么全部使用，要么全部不适用，并不支持BTree支持的联合索引的最有前缀，也就是联合索引的前面一个或几个索引键进行查询时，Hash索引无法被利用。
- Hash索引无法避免数据的排序操作。由于Hash索引中存放的是经过Hash计算之后的Hash值，而且Hash值的大小关系并不一定和Hash运算前的键值完全一样，所以数据库无法利用索引的数据来避免任何排序运算。
- Hash索引任何时候都不能避免表扫描。Hash索引是将索引键通过Hash运算之后，将Hash运算结果的Hash值和所对应的行指针信息存放于一个Hash表中，由于不同索引键存在相同Hash值，所以即使满足某个Hash键值的数据的记录条数，也无法从Hash索引中直接完成查询，还是要通过访问表中的实际数据进行比较，并得到相应的结果。
- Hash索引遇到大量Hash值相等的情况后性能并不一定会比BTree高。对于选择性比较低的索引键，如果创建Hash索引，那么将会存在大量记录指针信息存于同一Hash值相关联。这样要定位某一条记录时就会非常麻烦，会浪费多次表数据访问，从而造成整体性能低下。
- Hash索引查找数据基本上能一次定位数据，当然有大量碰撞的话性能也会下降。而BTree索引就得在节点上挨个查找了，很明显在数据精确查找方面Hash索引的效率要高于BTree索引的；
- 因为Hash算法是基于等值计算的，所以对于like等范围查找Hash索引不支持；
- 对于BTree支持的联合索引的最有前缀，hash也是无法支持的，联合索引中的字段要么全用要么全不用。
- hash不支持索引排序，索引值和计算出来的hash值大小并不一定一致。
8、日常工作中有没有做过查询慢进行优化的操作？
- 优化查询语句：使用更优化的查询语句，例如：使用JOIN代替子查询，避免使用 DISTINCT ，OR 等不必要的查询语句。
- 避免使用SELECT *：尽量避免使用SELECT *语句，因为这会查询所有列，包括不必要的列，而且会消耗更多的系统资源。
- 索引优化：确保表中的字段都有适当的索引，特别是在WHERE、ORDER BY、GROUP BY子句中使用的字段。多表联查时，join on 上的字段添加索引。但要避免过多的索引，因为过多的索引会降低写操作的性能
- 分页查询：将查询结果分页返回，每次只查询部分结果，可以减少查询的数据量，从而提高查询速度。
- 优化数据库结构：合理地设计数据库结构，避免使用过多的冗余字段和表，可以提高查询效率。
- 数据库服务器优化：增加数据库服务器内存、优化配置、升级硬件等方式可以提高数据库服务器的处理能力，从而缩短查询时间。
- 避免锁表：如果查询语句需要锁表，可能会导致查询时间过长，因此应该避免锁表，或者在非高峰时段进行查询。
- 优化数据存储方式：对于大量数据，可以采用分区、分库、分表等方式进行存储，以提高查询效率。分库，采用微服务的模式进行分库，一个服务或者模块来建库，所有数据表在一个库中肯定会降低数据库性能。
- 优化应用程序：优化应用程序中的查询语句、使用连接池等方式也可以提高查询性能
- 缓存查询结果：对于查询结果比较固定的查询语句，可以将查询结果缓存起来，以提高查询效率。
- 定期维护：定期清理无用数据、更新统计信息、重新组织表等维护操作可以提高查询性能