索引

数组 数组类型是引用类型。 定义格式： 格式一： 数据类型 [ ] 数组名=new 数据类型 [ 长度 ]； new：创建数组的关键字，通过new开辟内存空间 格式二： 数据类型 [ ] 数组名=new 数据类型[ ]{元素一，元素二，元素三…}； 元素确定，可以避免空间的浪费 格式三： 数据类型[ ] 数组名={元素一，元素二，元素三…}； 通过数组的索引访问数组的元素 索引：也叫下标、脚标，是数组元素距离数组起始位置的偏移量。数组的索引从0开始。 在输出中直接写入数组名，输出的是数组的地址。 在一个数组中，没有写入数组元素，则默认为0 数组的长度： 数组名.length 数组的最大索引： 数组的长度-1 数组的初始化 动态初始化：只指定长度，由系统给出默认值 整数型：0 浮点型：0.0 字符型：‘\u0000’（空字符） 布尔型：false 引用类型：null 静态初始化：给出初始化值，由系统决定数组长度。 Java 程序的内存分配 方法区：存储可运行的class文件。包含方法，静态成员，常量等 栈：方法运行时使用的内存，特点是“后进先出” 堆：存储new出来的数组或对象 本地方法栈：JVM在调用操作系统功能时使用，与开发无关。 寄存器：CPU使用，与开发无关 一个数组两个引用 当定义arr1时，开辟了一块空间。 在定义arr2时，并没有new，而是等于arr1

SQL SERVER 提供了两种索引 聚集索引：聚集索引表示表中存储的数据按照索引的顺序存储，检索效率比非聚集索引高，但对数据更新影响较大； 非聚集索引：非聚集索引表示数据存储在一个地方，索引存储在另一个地方，索引带有指针指向数据的存储位置，非聚集索引检索效率比聚集索引低，但对数据更新影响较小。 聚集索引 　　该索引中键值的逻辑顺序决定了表中相应行的物理顺序。聚集索引类似于电话簿，后者按姓氏排列数据。由于聚集索引规定数据在表中的物理存储顺序，因此一个表只能包含一个聚集索引。但该索引可以包含多个列（组合索引），就像电话簿按姓氏和名字进行组织一样。 1）聚集索引使用注意事项 定义聚集索引键时使用的列越少越好。 包含大量非重复值的列； 使用下列运算符返回一个范围值的查询：BETWEEN、>、>=、< 和 <=； 被连续访问的列； 回大型结果集的查询； 经常被使用联接或 GROUP BY 子句的查询访问的列；一般来说，这些是外键列。对 ORDER BY 或 GROUP BY 子句中指定的列进行索引，可以使 SQL Server 不必对数据进行排序，因为这些行已经排序。这样可以提高查询性能； OLTP 类型的应用程序，这些程序要求进行非常快速的单行查找（一般通过主键）。应在主键上创建聚集索引。 2）聚集索引不适用于 频繁更改的列 。这将导致整行移动（因为 SQL Server

参考： http://blog.csdn.net/xluren/article/details/32746183 http://www.cnblogs.com/hustcat/archive/2009/10/28/1591648.html 关于MySQL索引的好处，如果正确合理设计并且使用索引的MySQL是一辆兰博基尼的话，那么没有设计和使用索引的MySQL就是一个人力三轮车。对于没有索引的表，单表查询可能几十万数据就是瓶颈，而通常大型网站单日就可能会产生几十万甚至几百万的数据，没有索引查询会变的非常缓慢。还是以WordPress来说，其多个数据表都会对经常被查询的字段添加索引，比如wp_comments表中针对5个字段设计了BTREE索引。 一个简单的对比测试 以我去年测试的数据作为一个简单示例，20多条数据源随机生成200万条数据，平均每条数据源都重复大概10万次，表结构比较简单，仅包含一个自增ID，一个char类型，一个text类型和一个int类型，单表2G大小，使用MyIASM引擎。开始测试未添加任何索引。 执行下面的SQL语句： 1 mysql> SELECT id,FROM_UNIXTIME( time ) FROM article WHERE a.title= '测试标题' 查询需要的时间非常恐怖的，如果加上联合查询和其他一些约束条件，数据库会疯狂的消耗内存

继续 上一篇文章 ，继续SQLServer索引调优实践。这次探讨一下索引覆盖 - SQL Server主要使用索引去查询你需要的数据，当索引包括所有的你请求查询的字段，SQL Server将不需要去在表中查询。这个概念称做“索引覆盖”。 SQLServer2005的Non-clustered INDEX增加了一个“ 包含列(included column) ”选项。在 SQL Server 2005 中，可以通过将非键列添加到非聚集索引的叶级别来扩展非聚集索引的功能。通过包含非键列，可以创建覆盖更多查询的非聚集索引。当查询中的所有列都作为键列或非键列包含在索引中时，带有包含性非键列的索引可以显著提高查询性能。这样可以实现性能提升，因为查询优化器可以在索引中找到所有列值；不访问表或聚集索引数据，从而减少磁盘 I/O 操作。 但应避免添加不必要的列。添加过多的索引列（键列或非键列）会对性能产生不良影响，应该合理使用。和Clustered INDEX，或者组合索引，结合使用，扩大索引覆盖，但不大可能所有列都有索引覆盖，磁盘开销和数据insert updat时索引的重新计算的时间开销是巨大的。总之，合理的索引设计是建立在对各种查询的分析和预测上的，只有正确地使索引与程序结合起来,才能产生最佳的优化方案。 继续实践，先建个实验表 Table1： 建两个索引： 1.

问题1：DataGridView绑定DataTable之后，在界面排序，选择若干行，此时选中的行的index与DataTable中的index不一致，这样若想要对其对应的行进行修改操作，将会造成错误。 Sol: 首先将选中的DataGridView行的DataBoundItem属性转换为DataRowView, 然后通过对应的DataTable中的取出索引。 1 DataRowView drv = dataGridView.SelectedRows[0].DataBoundItem as DataRowView; 2 int index = dataTable.Rows.IndexOf(drv.Row); 这是因为DataRowView对象中，有一个Row属性，获取 正被查看的 DataRow ，那么就可以在DataRow所在的表中找到它的索引啦。 问题2：为什么foreach遍历DataTable或者DataGridView对行进行增删修改的操作，会造成索引错误的问题？ Sol: 这是因为foreach循环是从第一位开始遍历，如果对某一行进行删除操作，那么该行后面的DataRow(DataGridViewRow)的索引会提前一位，也即是说，DataRow(DataGridViewRow)的index是会实时变化的，因此会出错。比如索引为3被删除，那么删除后4的索引就变成3了

1.为什么要给表加上主键？ 建表的时候都会为表加上主键， 在某些关系数据库中， 如果建表时不指定主键，数据库会拒绝建表的语句执行。 一个没加主键的表，并不能被称之为「表」。一个没加主键的表，它的数据无序的放置在磁盘存储器上，一行一行的排列的很整齐， 跟我认知中的「表」很接近。 如果给表上了主键，那么表在磁盘上的存储结构就由整齐排列的结构转变成了树状结构，也就是上面说的「平衡树」结构，换句话说，就是整个表就变成了一个索引。没错， 再说一遍， 整个表变成了一个索引，也就是所谓的「聚集索引」。 这就是为什么一个表只能有一个主键， 一个表只能有一个「聚集索引」，因为主键的作用就是把「表」的数据格式转换成「索引（平衡树）」的格式放置。 假如我们执行一个SQL语句： select * from table where id = 1256; 首先根据索引定位到1256这个值所在的叶结点，然后再通过叶结点取到id等于1256的数据行。 2.为什么加索引后会使查询变快？ 平衡树结构（一棵非常茂盛和节点非常多的树），假设这棵树有10层，那么只需要10次IO开销就能查找到所需要的数据， 速度以指数级别提升，用大O标记法就是O(log n)，n是记录总树，底数是树的分叉数，结果就是树的层次数。 3.为什么加索引后会使写入、修改、删除变慢？ 索引能让数据库查询数据的速度上升， 而使写入数据的速度下降

一：对索引进行操作 1.reindex重新索引 　　pandas提供了一个方法来创建一个适应新索引的新对象。 　　Series通过调用reindex方法会根据新的索引顺序重新排序，如果新的索引中存在原索引不存在的索引，会将使用NaN进行填充 2.测试 　　 3.对某个位置进行操作 　　可以通过fill_value来填充值。 4.测试 　　 5.插值处理 　　ffill或者pad向前填充，使用插值的前一个值来填充。 　　还可以使用bfill和backfill向后填充，当没有前一个或者后一个，使用默认的NaN进行填充。 　　 6.测试 　　 　　---------------------------------------------- 　　再测试： 　　 7.使用reindex对DataFrame进行列索引的重排 　　可以同时对列与行进行重新索引，但是需要注意的是，插值只能对行应用，对列无效。 8.测试 　　 9.使用ix标签重新索引 　　第一个代表行索引，第二个代表列索引 10.测试 　　 二：删除指定列或者行 1.Series通过索引删除行（原本的不变化） 　　会返回一个新的series，原本的series不会变化。 2.测试 　　 3.Series通过索引删除行（原本的变化） 　　可以指定属性inplace为True，就会在原来的基础上删除 4.测试 　

目录 一、索引介绍以及使用 1.1 什么是索引？ 1.2 索引的分类？ 1.3 索引的创建、查询、删除 的方式？ 二、高频面试题（通过面试题更能了解索引） 2.1 什么是索引？ 2.2 MySQL索引是什么样的数据结构？ 2.3 MySQL中的常用的存储引擎 MyISAM与InnoDB的区别？ 2.4 如何选择存储引擎 MyISAM与InnoDB？ 2.5 MyISAM与InnoDB实现BTree索引的方式不同在哪？ 2.6 为什么要使用索引？（索引的优点？） 2.7 索引是怎么提高查询速度的？ 2.8 既然索引这么多好处，为什么不给表中的每一列都创建索引？(索引的缺点？) 2.9 使用索引有哪些注意事项？（使用索引时，SQL语句怎么优化？） 2.10 什么是最左前缀原则？ 2.11 什么是覆盖索引？ 一、索引介绍以及使用 1.1 什么是索引？ MySQL官方对索引的定义为：索引（Index）是帮助MySQL高效获取数据的数据结构。 从官方定义中，我们可以知道索引本质是一种数据结构。 详细一点的解释就是： 数据库除了数据本身之外，数据库还维护着一个满足特定查找算法的数据结构，这些数据结构通过某种方式指向数据。如此一来，就可以在这些数据结构的基础上实现高级查找算法，这种数据结构就是 索引。 简单一点的解释就是： 索引是排好序的可快速查找的数据结构。 形象一点的解释就是：

索引使用策略及优化 MySQL的优化主要分为结构优化（Scheme optimization）和查询优化（Query optimization）。本章讨论的高性能索引策略主要属于结构优化范畴。本章的内容完全基于上文的理论基础，实际上一旦理解了索引背后的机制，那么选择高性能的策略就变成了纯粹的推理，并且可以理解这些策略背后的逻辑。 示例数据库 为了讨论索引策略，需要一个数据量不算小的数据库作为示例。本文选用MySQL官方文档中提供的示例数据库之一：employees。这个数据库关系复杂度适中，且数据量较大。下图是这个数据库的E-R关系图（引用自MySQL官方手册）： 图12 MySQL官方文档中关于此数据库的页面为 http://dev.mysql.com/doc/employee/en/employee.html 。里面详细介绍了此数据库，并提供了下载地址和导入方法，如果有兴趣导入此数据库到自己的MySQL可以参考文中内容。 最左前缀原理与相关优化 高效使用索引的首要条件是知道什么样的查询会使用到索引，这个问题和B+Tree中的“最左前缀原理”有关，下面通过例子说明最左前缀原理。 这里先说一下联合索引的概念。在上文中，我们都是假设索引只引用了单个的列，实际上，MySQL中的索引可以以一定顺序引用多个列，这种索引叫做联合索引，一般的，一个联合索引是一个有序元组<a1, a2, …,

开篇 在我们了解过 Elasticsearch 的概念，并且在我们的机器上安装过 es 后， 我们就可以简单操作一下。 我们前面提到 ES 是基于一个搜索库开发的，提供了大量 RESTful API 接口，因此我们可以直接使用 curl 命令 或者 postman 这样的客户端去访问这些接口。 集群状况检查 es 提供了一 套api，叫做 cat api，可以查看 es 中各种各样的数据 GET http://localhost:9200/_cat/health?v epoch timestamp cluster status node.total node.data shards pri relo init unassign pending_tasks max_task_wait_time active_shards_percent 1580201783 08:56:23 docker-cluster yellow 1 1 3 3 0 0 3 0 - 50.0% 上面查询出来的信息有很多，我们暂时只关注 status 以及其对应的值： yellow。 如何快速了解集群的健康状况？ status 对应了三个值，分别是 green，yellow，red，他们分别代表了集群的三种健康状态。 green 每个索引的primary shard和replica