索引

ALTER TABLE TABLE_NAME ADD COLUMN 字段 type(); --添加字段 ALTER TABLE TABLE_NAME ADD CONSTRAINT 主键名称 PRIMARY KEY (具体字段); --添加主键 ALTER TABLE TABLE_NAME ALTER 字段 SET DATA TYPE VARCHAR(30); --为字段重新设置类型 ALTER TABLE TABLE_NAME DROP PRIMARY KEY; --删除主键 DROP INDEX 索引名称; -- 删除索引 ALTER TABLE TABLE_NAME DROP COLUMN 字段; --删除字段 ALTER TABLE RERECORD_INFO ADD PRIMARY KEY (PK_ID); alter table tableName rename column oldCName to newCName; -- 修改字段名 -db2创建索引脚本如下： 1、非唯一性索引：CREATE INDEX INDEX_NAME ON TABLE_NAME(字段);--创建那个字段为非唯一性索引 2、唯一索引：CREATE UNIQUE INDEX INX_NAME ON TABLE_NAME(字段);--为某个字段常见唯一性索引 3、查看所建立的索引：DESCRIBLE

环境：ES 6.2.2 os：Centos 7 kibana:6.2.2 1、创建新的索引（index） PUT indexTest001 结果： 2、索引设置 ES 默认提供了好多索引配置选项，参考 https://www.elastic.co/guide/en/elasticsearch/reference/6.8/index-modules.html ，这些配置选项都有经过优化的默认配置值，除非你非常清楚这些配置的作用以及知道为什么去修改它，不然使用其默认值即可。 来源： https://www.cnblogs.com/xiaozengzeng/p/12347947.html

架构师 倾向于 通信 、 通信框架 、队列和 分布式框架运用以及阿里云和微软现有分布式组件的运用。 高级软件工程师 倾向于 C#基础、 多线程、锁和数据库索引 （队列和通信也会问只是会问的浅一些） 研发经理 包含高级软件工程师问的这些外，还会问管理方面的知识 我面试的三家公司分别面试了三个职位，将知识点进行了一个表格整理，分值越高就意味着问的越深，不能百度之百准确，只当参考。 职位 C#基础 通信 缓存和队列 数据库索引 数据库锁事务 前端 多线程 数据结构 管理 自我介绍 大数据方案 常用框架 项目介绍 逻辑题 架构师 10 100 100 100 80 0 100 100 30 100 100 50 100 100 研发经理 100 50 70 70 50 0 100 80 100 100 60 0 100 50 高级软件工程师 100 50 70 100 100 50 100 50 0 100 70 100 100 60 知识点细讲 C#基础 主要面些 接口、装箱拆箱、值类型引用类型和线程 可以参考面试基础： http://www.codeisbug.com/Doc/4/63 例如：什么是装箱和拆箱，装箱和拆箱为什么会影响性能。这些属于深问细节，所以要做好防问准备。 通信 主要分为Http协议 TCP协基础知知识，通信框架例如开源的Supersocket RestSharp

　　好程序员Web前端教程入门之MySQL命名规范及使用技巧，不懂MySQL的前端不是一个好前端，作为Web应用方面最好的关系数据库管理系统应用软件之一，MySQL体积小、速度快、总体拥有成本低，尤其是开放源码这一特点，一般中小型网站的开发都选择MySQL作为网站数据库。接下来的好程序员Web前端课程就给大家简单分享MySQL命名规范及使用技巧。 　　命名规范 1、库名、表名、字段名必须使用小写字母，并采用下划线分割。 a)MySQL有配置参数lower_case_table_names，不可动态更改，Linux系统默认为0，即库表名以实际情况存储，大小写敏感。如果是1，以小写存储，大小写不敏感。如果是2，以实际情况存储，但以小写比较。 b)如果大小写混合使用，可能存在abc、Abc、ABC等多个表共存，容易导致混乱。 c)字段名显示区分大小写，但实际使⽤用不区分，即不可以建立两个名字一样但大小写不一样的字段。 d)为了统一规范， 库名、表名、字段名使用小写字母。 2、库名、表名、字段名禁止超过32个字符。 　　库名、表名、字段名支持最多64个字符，但为了统一规范、易于辨识以及减少传输量，禁止超过32个字符。 3、库名、表名、字段名禁止使用MySQL保留字。 　　当库名、表名、字段名等属性含有保留字时，SQL语句必须用反引号引用属性名称，这将使得SQL语句书写

适合的情况 主键自动建立唯一索引 频繁作为查询条件的字段应该创建索引 查询中与其他表关联的字段，外建关系建立索引 where条件里用的到的字段创建索引 单键/主键索引的选择问题，在高并发的情况倾向组合索引 查询中排序的字段通过索引去访问将大大提高排序速度 查询中统计或者分组字段适合建立索引 不适合的情况 表记录太少（三百万以下） 频繁增删的字段不适合建立索引（索引是数据结构，会占用磁盘空间。虽然提高查询速度，却会降低更新表的速度，如insert，update，delete。因为更新表时，SQL不仅要处理数据，还要处理索引） 数据重复且分布平均的表字段 来源： CSDN 作者： @LuckY BoY 链接： https://blog.csdn.net/m0_37264220/article/details/104442782

本章主要介绍pandas数据结构和基本操作。 Numpy适合处理同质型的数值类数组数据，而 pandas是用来处理表格型或异质型数据的，经常和其他数值计算工具，比如NumPy和Scipy，以及可视化工具matplotlib一起使用的。 1.数据结构 1.1 Series 1.1.1 一种一维的数组型对象，包含了一个值序列，并且包含了数据标签，即索引。 obj = pd . Series ( [ 4 , 5 , - 5 , 3 ] ) obj 0 4 1 5 2 - 7 3 3 dtype : int64 默认索引是从0到N-1，可以通过values和index属性分别获得Series的值和索引。 obj . values array ( [ 4 , 5 , - 7 , 3 ] , dtype = int64 ) obj . index RangeIndex ( start = 0 , stop = 4 , step = 1 ) 可以对Series设定索引格式。 obj2 = pd . Series ( [ 4 , 5 , - 7 , 3 ] , index = [ "d" , "b" , "a" , "c" ] ) obj2 d 4 b 5 a - 7 c 3 dtype : int64 可以通过标签来进行索引取值 obj2 [ [ "b" , "d" , "c" ] ] b 5

文章目录 数据结构 Series 属性： 生成 Series： 检查缺失值： DataFrame 构建**DataFrame： 基本操作：索引，选择，增删 基本功能 重建索引*df.reindex()* 删除行或列 算术方法 逐元素应用函数 排序 描述性统计 概述 处理表格型数据，每一列数据类型可以不一样 导入： import pandas as pd from pandas import Series,DataFrame 数据结构 Series 可以自定义索引的一维数组。默认索引是0，1，2…,N-1 属性： .value :值 .index ：索引 .name: 名字 可以自定义索引的一维数组。默认索引是0，1，2…,N-1 生成 Series： se = pd.Series(seq,index=[ ]) seq是字典时，索引自动为字典的索引，并且自动排好顺序，不想让索引自动排序的话，就将想要顺序的字典的key的列表传递给index参数。 如果键多值少，则值以NaN(not a number)出现,如果键少值多，则值被移除。 总而言之，以 索引 为准。 se = pd . Series ( [ 4 , 7 , - 5 , 3 ] ) # 从列表生成Series，默认索引 print ( se . values ) print ( se . index ) se2 = pd .

elasticsearch 摘要： 1 es是一个分布式全文搜索引擎。特定是：无中心化，实时，扩展性强。 2. es有几个好的概念或者特点：（1）cluster 集群无中心化。（2）shards。分片，通过分片实现分布式。（3）通过快照的方式实现方便的备份和恢复。 3. 安装 更改config配置文件，修改node名字，修改存储路径，集群名字保持一致，就可以加入同一个集群 定义： ElasticSearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。Elasticsearch是用Java开发的，并作为Apache许可条款下的开放源码发布，是第二流行的企业搜索引擎。设计用于 云计算 中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。 我们建立一个网站或应用程序，并要添加搜索功能，令我们受打击的是：搜索工作是很难的。我们希望我们的搜索解决方案要快，我们希望有一个零配置和一个完全免费的搜索模式，我们希望能够简单地使用JSON通过HTTP的索引数据，我们希望我们的搜索服务器始终可用，我们希望能够一台开始并扩展到数百，我们要实时搜索，我们要简单的多租户，我们希望建立一个云的解决方案。Elasticsearch旨在解决所有这些问题和更多的问题。 概念： 基础概念 Elasticsearch有几个核心概念

1， Assimp可以导入几十种不同格式的模型文件（同样也可以导出部分模型格式）。只要Assimp加载完了模型文件，我们就可以从Assimp上获取所有我们需要的模型数据。 Assimp把不同的模型文件都转换为一个统一的数据结构，所有无论我们导入何种格式的模型文，件，都可以用同一个方式去访问我们需要的模型数据。 2 ， 当导入一个模型文件时，即Assimp加载一整个包含所有模型和场景数据的模型文件到一个scene对象时，Assimp会为这个模型文件中的所有场景节点、模型节点都生成一个具有对应关系的数据结构，且将这些场景中的各种元素与模型数据对应起来。下图展示了一个简化，，的Assimp生成的模型文件数据结构： 所有的模型、场景数据都包含在 Scene 对象中，如所有的材质和Mesh。同样，场景的根节点引用也包含在这个scene对象中。 场景的根节点( Root node )可能也会包含很多子节点和一个指向保存模型点云数据mMeshes[]的索引集合。根节点上的mMeshes[]里保存了实际了Mesh对象，而每个子节点上的mMesshes[]都只是指向根节点中的mMeshes[]的一个引用(译者注：C/C++称为指针，Java/C#称为引用)。 一个 Mesh 对象本身包含渲染所需的所有相关数据，比如顶点位置、法线向量、纹理坐标、面片及物体的材质。 一个Mesh会包含多个面片。一个

【蛙蛙推荐】Lucene.net试用 【简介】 　　lucene.net好多人都知道的吧，反正我是最近才好好的看了一下，别笑我拿历史当新闻哦，不太了解Lucence的朋友先听我说两句哦。Lucene的知识主要分为索引、搜索、分析器、性能优化几个部分。索引和搜索没啥可说的，看几个例子就会了，来回那一套儿，按部就班做几个实验就熟悉了。分析器是Lucence的精华，又分为分词和过滤两部分，而且中文分词更是难点，我的例子里是用从博客园程序中提取出来的Lucene.Net.Analysis.Cn.dll来实现中文分词的，谁有中科院的那套中科院ICTCLAS分词工具的C#版麻烦提供一下哦。性能优化也很重要，因为如果要索引的文件比较大的话，建立索引的性能就会很大的下降，你可以调整IndexWriter的几个参数来优化索引性能，还有可以用IndexWriter.Optimize()方法（这个方法主要是优化查询速度，反而使索引性能有所下降），另外就是可以用多线程来分别对不同的内容进行索引并保存到RAMDirectory里，然后再把所有的内存索引合并到FSDirectory里，甚至可以让多台服务器分别处理内容的各个部分，然后把索引结果放到一个队列里，再有一台机器去读取索引结果队列并合并索引结果。 　　做这个示例主要是为了演示一下Lucene.net的功能，它可以对你指定的目录里的.txt,.htm,