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
