mysql底层存储数据结构是什么
MySQL底层存储数据结构是B+树。B+树是一种特殊的B树，它在B树的基础上进行了改进，以适应数据库存储需求。
B+树的每个叶子节点都包含了整个数据表中的所有数据，这使得查询数据时可以大大提高效率。此外，B+树的索引结构非常紧凑，有利于减少存储空间的浪费，并且对于数据的插入、删除和修改操作也比较方便。因此，B+树是高效的数据存储结构，广泛应用于数据库系统中。
mysql如何同时查询表结构不同表的全部数据
要在 MySQL 中同时查询表结构不同但数据相同的表的全部数据，可以使用以下方法：
1. 对于表结构不同的表，可以使用 SELECT、INSERT INTO 和 UPDATE 语句进行查询和插入操作。例如，可以按照表结构的差异编写多个 SELECT 语句，将表中的数据插入到另一个表中。
2. 对于表结构相同的表，可以使用 JOIN 语句将两个表的数据连接起来，例如按照主键或唯一约束进行连接。
3. 如果需要同时查询多个表，可以使用 UNION 语句将查询结果合并起来。例如，可以编写如下语句：
```sql
SELECT *
FROM table1
UNION
SELECT *
FROM table2
```
这样可以同时查询 table1 和 table2 中的所有数据。不过，这种方法需要保证表中的数据是相同的，否则查询结果可能会出现重复项。
mysql分库分表如何解决数据倾斜问题
在MySQL的分库分表架构中，为了解决数据倾斜问题，可以采取以下几种方法：
1. 哈希分片（Hash Sharding）：使用哈希函数对分片键（如用户ID、订单ID）进行哈希计算，将数据分散到不同的库和表中。通过合理选择哈希函数，可以使数据在分片中均匀分布，从而减少数据倾斜。
2. 范围分片（Range Sharding）：根据数据的范围将其分片到不同的库和表中。可以根据业务需求选择合适的范围，如按时间范围分片，将不同时间段的数据存储在不同的库或表中。
3. 垂直拆分（Vertical Partitioning）：将表按照列的关系和使用频率进行拆分，将不同的列分到不同的表中。这样可以减少单个表的数据量，降低数据倾斜的可能性。
4. 水平拆分（Horizontal Partitioning）：将表按照行进行拆分，将不同的行分散到不同的表中。可以根据分片键或其他关键业务字段进行拆分，确保数据在不同分片中均匀分布。
mysql分库分表解决数据倾斜问题
mysql是一种避免避免数据倾斜的手段
允许在map阶段进行join操作，mysql把小表全部读入内存中，在map阶段直接拿另外一个表的数据和内存中表数据做匹配，由于在map是进行了join操作，省去了reduce运行的效率也会高很多
在《hive：join遇到问题》有具体操作
在对多个表join连接操作时，将小表放在join的左边，大表放在Jion的右边，
在执行这样的join连接时小表中的数据会被缓存到内存当中,这样可以有效减少发生内存溢出错误的几率
2. 设置参数
hive.map.aggr = true
hive.groupby.skewindata=true 还有其他参数
3.SQL语言调节
比如： group by维度过小时：采用sum() group by的方式来替换count(distinct)完成计算
4.StreamTable
将在reducer中进行join操作时的小table放入内存，而大table通过stream方式读取