按存储方式分 B-树,B+树 哈希索引 Memory引擎默认索引时哈希索引 逻辑区分 普通索引 主键索引:mysql会自动为主键创建主键索引 唯一索引:索引值必须唯一的普通索引 全文索引 空间索引:MyISAM引起支持,用于地理空间数据类型GEOMETRY,SPATIAL关键字 实际使用划分 单例索引 多列索引
Explain语句可以查看SQL的执行情况,根据执行情况进行优化。 1. id id查询的标识符,几个查询几个id。NULL表示引用其它行的结果。id越大执行优先级越高 2. select_type SIMPLE: 简单查询 PRIMARY: 最外层查询 UNION: 使用union时第二个查询和之后的查询的select_type会被标记为UNION
dex文件格式 dex是android虚拟机的可执行字节码文件,java文件经过javac编译成class文件,class文件又被dx处理后生成dex文件。 dex文件分为四大部分: DEX文件头,索引结构区,data数据区,静态链接数据区。 所有的代码和数据都放在data数据区中,索引结构区中存放的是data中各种数据的对应的
当前版本:v 7.10.1 1、创建索引模式 2、查看数据
equals // 区分大小写,判断内容是否相等 equalslgnoreCase // 忽略大小写的判断内容是否相等 length // 获取字符的个数, 字符串的长度 indexOf // 获取字符在字符串中第一次出现的索引,索引从0开始 , 如果找不到 , 返回-1 lastIndexOf // 获取字符在字符串中最后一次出现的索引,
一、查询SQL尽量不要使用select *,而是具体字段 1、反例 SELECT * FROM user 2、正例 SELECT id,username,tel FROM user 3、理由 节省资源、减少网络开销。 可能用到覆盖索引,减少回表,提高查询效率。 注意:为节省时间,下面的样例字段都用*代替了。 二、避免在where子句中使用 o
mysql面试题 一、MySQL高频面试20问 https://blog.csdn.net/weixin_45682261/article/details/125130807 1.1 MySQL的三大范式? 范式是我们创建表的时候要遵循的规范。满足最低要求的范式为第一范式1NF,在第一范式的基础上满足更多规范要求的称为第二范式2NF,第三范式3NF以此类推。
题目: 给你一个只包含 '(' 和 ')' 的字符串,找出最长有效(格式正确且连续)括号子串的长度。 示例 1: 输入:s = "(()"输出:2解释:最长有效括号子串是 "()"示例 2: 输入:s = ")()())"输出:4解释:最长有效括号子串是 "()()"示例 3: 输入:s = ""输出:0 提示: 0 <= s.length <= 3
并不是索引越多越好,索引是一种以空间换取时间的方式,所以建立索引是要消耗一定的空间,况且在索引的维护上也会消耗资源。本文首发我的个人博客mysql索引不生效 这里有张用户浏览商品表,建表语句: CREATE TABLE `product_view` ( `id` int(11) NOT NULL AUTO_INCREMENT, `user_id`
pandas的一些基本概念 整体表格叫做DataFrame 行叫做row 列叫做column 由数组创建series index是行索引 创建series index是行索引 name='age'是这个series的名称,也可以说成是列名 pandas正则提取行数据 6-8k中提取6和8 2.使用了正则表达式的分组提
先看下《高性能MySQL》中对于他们的评价: InnoDB:MySQL默认的事务型引擎,也是最重要和使用最广泛的存储引擎。它被设计成为大量的短期事务,短期事务大部分情况下是正常提交的,很少被回滚。InnoDB的性能与自动崩溃恢复的特性,使得它在非事务存储需求中也很流行。除非有非常特别的原因需
注:本文摘抄自:https://mp.weixin.qq.com/s/Q-QV86XntKniQlMohIaexQ 生活中的数据 搜索引擎是对数据的检索,所以我们先从生活中的数据说起。我们生活中的数据总体分为两种: 结构化数据 非结构化数据 结构化数据: 也称作行数据,是由二维表结构来逻辑表达和实现的数据,严格地遵循数据格
gorm默认支持软删除 如果想要支持联合唯一索引,就需要用到一个gorm的插件库:gorm.io/plugin/soft_delete By default, gorm.Model uses *time.Time as the value for the DeletedAt field, and it provides other data formats support with plugin gorm.io/plugin/soft_delete INFO
1、基于Lucene开发 他们底层都是基于Lucene开发,使用了Lucene的倒排索引实现的 2、解决IO阻塞性能 solr在实时建立索引的时候产生的IO阻塞查询性能会比ES差一些 3、是否支持分布式 solr自身是不支持分布式的,但是我们可以搭建集群来支持分布式; es是实时处理数据,默认是支持分布
查询当前数据库中缺失的索引,知道你进行优化的参考 SELECT user_seeks * avg_total_user_cost * ( avg_user_impact * 0.01 ) AS [index_advantage] , migs.last_user_seek , --上一次访问时间 mid.[statement] AS [Database.Schema.Table] ,--表 mid.equality_columns , --
DML和DDL补充 insert插入多条语句 insert into 表名(字段1,字段2) values(值1,值2), (值3,值4),...,() 快速创建表 将查询的结果当作成新的表 create table xx as select * from emp; 把查询结果插入到 insert into xx select * from xxx 快速删除表中的数据,不可恢复! truncate table
一、分页查询优化 很多时候我们业务系统实现分页功能可能会用如下sql实现: select * from employees limit 10000,10; 表示从表 employees 中取出从 10001 行开始的 10 行记录。看似只查询了 10 条记录,实际这条 SQL 是先读取 10010条记录,然后抛弃前 10000 条记录,然后读到后面 10
前言 在了解索引覆盖前,我们先来看下,聚集索引,非聚集索引,回表等概念. 什么是聚集索引 聚集索引是按照每张表的主键构造一颗B+树,同时叶子节点中存放的就是整张表的行记录数据,也将聚集索引的叶子节点称为数据页。这个特性决定了索引组织表中数据也是索引的一部分 主键被定义了,那么
查询碎片率 SELECT a.index_id ,B.name [IndexName] ,avg_fragmentation_in_percent FROM sys.dm_db_index_physical_stats ( DB_ID() , NULL , NULL, NULL, NULL ) AS A JOIN sys.indexes AS B ON a.object_id = b.object_id AND a.index_id = b.index_id inner JOIN sys.tab
1.ElasticSearch-全文检索 1.1 简介: Elasticsearch 是一个分布式的开源搜索和分析引擎,在 Apache Lucene 的基础上开发而成。Lucene 是开源的搜索引擎工具包,Elasticsearch 充分利用Lucene,并对其进行了扩展,使存储、索引、搜索都变得更快、更容易, 而最重要的是, 正如名字中的“ elas
Elasticsearch 面试题 为什么要使用 Elasticsearch? 系统中的数据,随着业务的发展,时间的推移,将会非常多,而业务中往往采用模糊查询进行数据的 搜索,而模糊查询会导致查询引擎放弃索引,导致系统查询数据时都是全表扫描,在百万级别的数据库中, 查询效率是非常低下的,而我们使用 ES 做一个全
Elasticsearch 什么是Elasticsearch Elasticsearch、Kibana、Beats 和 Logstash ES 是一个开源的高扩展的分布式全文搜索引擎 全文搜索引擎 这里说到的全文搜索引擎指的是目前广泛应用的主流搜索引擎。它的工作原理是计算机 索引程序通过扫描文章中的每一个词,对每一个词建立一个索
一个列要不要建立btree索引,判断条件是其键值分布是否够离散,比如主键、唯一键,可以建立索引。如果这个列有大量重复的值,则建立索引没有意义。 在生产环境中常会碰到键值分布不均匀的列,如表t1有一个名为FLAG的列,有0,1,2三个值,其中值为0的记录占95%,值为1的占3%,2占2%。在FLAG上建立索引
MySQL笔记 1、MySQL简介 MySQL 是由瑞典的 MySQL AB 公司开发的,目前是 Oracle(甲骨文)公司的一个关系型数据库产品(2008年 MySQL AB 被 Sun 公司收购、2009年 Sun 公司又被 Oracle 收购 )。MySQL 是世界上最流行的开源数据库系统,功能足够强大,足以应付普通的web应用。百度,淘宝,校内网,腾
看到各种猜测(xiache),我也来猜一下。表现:人多了卡顿,系统崩溃。太多人猜测是并发问题。但是我(北里闻箫)告诉你,不可能是并发问题。就算是全成都同时扫码,因为点位就只有那么多。而且点位不可能同时扫码,只会间隔扫码。能有个1000并发就顶天了。所以,推测。最直接的问题,就是mysql数据库单