索引

创建完索引之后，我们需要查询。 百度的查询接口及结果如图所示： 具体步骤已经在上个博客中写到，直接上代码：（由于是一个完整的程序，我把创建索引的代码也post上） package come.me.lucene; import static org.junit.jupiter.api.Assertions.*; import java.io.File; import org.apache.commons.io.FileUtils; import org.apache.lucene.analysis.Analyzer; import org.apache.lucene.analysis.standard.StandardAnalyzer; import org.apache.lucene.document.Document; import org.apache.lucene.document.Field; import org.apache.lucene.document.Field.Store; import org.apache.lucene.document.LongField; import org.apache.lucene.document.StoredField; import org.apache.lucene.document.TextField; import

1. 数据备份与恢复 数据备份：mongodump命令来备份MongoDB数据，可以导出所有数据到指定目录中 mongodump -h dbhost -d dbname -o dbdirectory -h： 服务器地址，也可以指定端⼝号 -d： 需要备份的数据库名称 -o： 备份的数据存放位置 数据恢复：mongorerstore命令来恢复备份的数据 mongorestore -h dbhost -d dbname --directoryperdb dbdirectory -h：MongoDB所在服务器地址 -d：需要恢复的数据库实例 --directoryperdb：备份数据所在位置 --drop：恢复时先删除当前数据，然后恢复备份数据（恢复后备份后添加修改的数据都会被删除，慎用） 2. 索引 索引通常能够极大的提高查询的效率，如果没有索引MongoDB在读取数据时必须扫描集合中的每个文件并选取那些符合查询条件的记录 这种扫描全集合的查询效率是非常的，特别在处理大量的数据时，查询可以要花费几十秒甚至几分钟，这对网站的性能是非常致命的 索引是特殊的数据结构，索引存储在一个易于遍历读取的数据集合中，索引是对数据库表中一列或多列的值进行排序的一种结构 创建索引：db.col.ensureIndex({KEY:1}) - Key值为你要创建的索引字段，1为指定按升序创建索引，-1为降序

numpy高级索引： 　　NumPy 比一般的 Python 序列提供更多的索引方式。除了之前看到的用整数和切片的索引外，数组可以由整数数组索引、布尔索引及花式索引 1 整数索引 　　除了支持python中list那样索引之外，还支持以下实例获取数组中(0,0)，(1,1)和(2,0)位置处的元素 　　 import numpy as np x = np.array([[1, 2], [3, 4], [5, 6]]) y = x[[0,1,2], [0,1,0]] # 指获取索引（0，0），（1，1），（2，0） print (y) # [1 4 5] 　　同时 切片操作支持多维数组： import numpy as np x = np.arange(100).reshape(4,25) print(x) print('------------------------------') print(x[0:10:2]) 　　结果: [[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24] [25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49] [50 51 52 53 54 55 56 57 58 59 60

逍遥山人的MySQL使用笔记，持续更新中 表结构 新建表以及添加表和字段的注释 create table t_user( ID INT(11) primary key auto_increment comment '主键', NAME VARCHAR(255) comment '姓名', CREATE_TIME date comment '创建时间' )comment = '用户信息表'; 修改字段类型 alter table tablename modify column column_name varchar(30); 查看表结构 查看表的字段、字段类型、索引等 DESC tablename; 或 SHOW COLUMNS FROM tablename; 或包含字符集、字段注释等 SHOW FULL FIELDS from table_name; 查看表生成的DDL 注意表名不加单引号 show create table 表名; 查看分区表的分区情况 SELECT partition_name part, partition_expression expr, partition_description descr, table_rows FROM information_schema.PARTITIONS WHERE table_schema = SCHEMA() AND

前言： 今天在这里总结一下Mysql索引，也给自己加个印象。 我的座右铭：即使记性再差，仍要坚持多读多看。 概念 Mysql索引的建立对于Mysql的高效运行是很重要的，索引可以大大提高Mysql的检索速度。 Mysql目前主要有以下5中索引类型： 普通索引 唯一索引 主键索引 组合索引 全文索引 缺点： 索引也有它的缺点，过多的滥用索引，也会降低更新表的速度。如对表进行INSERT、UPDATE和DELETE。因为更新表时，MySQL不仅要保存数据，还要保存一下索引文件。建立索引会占用磁盘空间的索引文件。 5种索引类型 普通索引 这是最基本的索引，他没有任何限制。可以用如下方式创建： 直接创建索引 create index index_name on table ( column ( length ) ) 修改表结构的方式添加索引： alter table table_name add index index_name on ( column ( length ) ) 创建表的时候同时创建索引 CREATE TABLE ` table ` ( ` id ` int ( 11 ) NOT NULL AUTO_INCREMENT , ` title ` char ( 255 ) CHARACTER NOT NULL , ` content ` text CHARACTER NULL

省时间的可以直接看这里：简单来说 就是传 正值 的时候 是按照 0 1 2 3 这样子依次往后叠加。但传 负值 的时候，都是往 0 索引添加，之前已经有的就往后面退一位。 首先，开始一长篇废话。我们先给SparseIntArray传 正值 ，先在onCreate里面put正值 然后，我们看一下打印结果（解释一下 indexOfKey 是根据key找出索引 indexOfValue 是根据value找出索引） ok,结果一切正常，也跟我们平时用的HashMap List一样。 接下来 我们put 负值 。 其实也就是在上面所有的数值前加一个 负号。那我们就直接看结果 可以看到，结果完全跟上面的不一样。简单来说， 当传负值的时候，最新的数值总是在 0 索引。 至于为什么这么设计有知道的老铁可以说下。。。。。 来源： CSDN 作者： wumeixinjiazu 链接： https://blog.csdn.net/wumeixinjiazu/article/details/103711652

索引与数据的关系 Series = 索引 + 一维数据 DataFrame = 行列索引 + 二维数据 索引与数据的关系：操作索引即是操作数据 算数运算法则 算术运算根据行列索引，补齐后运算，运算默认产生的浮点数。 补齐时缺项填充NaNa(空值) 二维和一维、一维和零维时广播运算 采用 +-*/ 符号进行二元运算产生新的对象 df1 = pd . DataFrame ( np . arange ( 12 ) . reshape ( 3 , 4 ) , index = [ 'c1' , 'c2' , 'c3' ] , columns = [ 'a' , 'b' , 'c' , 'd' ] ) a b c d c1 0 1 2 3 c2 4 5 6 7 c3 8 9 10 11 df2 = pd . DataFrame ( np . arange ( 20 ) . reshape ( 4 , 5 ) , index = [ 'c1' , 'c2' , 'c3' , 'c4' ] , columns = [ 'a' , 'b' , 'c' , 'd' , 'e' ] ) a b c d e c1 0 1 2 3 4 c2 5 6 7 8 9 c3 10 11 12 13 14 c4 15 16 17 18 19 加法、乘法 index，columns相同的加减、乘法，不相同的index

1.数组定义和访问 1.1 数组的概念 数组的概念：是一种容器，可以同时存放多个数据值。 数组的特点： 1. 数组是一种引用数据类型 2. 数组当中的多个数据，类型必须统一 3. 数组的长度在程序运行期间不可改变 1.2 数组的定义 数组的初始化：在内存当中创建一个数组，并且向其中赋予一些默认值。 两种常见的初始化方式： 动态初始化（指定长度）：在创建数组的时候，直接指定数组当中的数据元素个数。 静态初始化（指定内容）：在创建数组的时候，不直接指定数据个数多少，而是直接将具体的数据内容进行指定。 动态初始化数组的格式： 数据类型[] 数组名称 = new 数据类型[数组长度]; 解析含义： 左侧数据类型：也就是数组当中保存的数据，全都是统一的什么类型 左侧的中括号：代表我是一个数组 左侧数组名称：给数组取一个名字 右侧的new：代表创建数组的动作 右侧数据类型：必须和左边的数据类型保持一致 右侧中括号的长度：也就是数组当中，到底可以保存多少个数据，是一个int数字 静态初始化基本格式： 数据类型[] 数组名称 = new 数据类型[] { 元素1, 元素2, ... }; 注意事项： 虽然静态初始化没有直接告诉长度，但是根据大括号里面的元素具体内容，也可以自动推算出来长度。 使用静态初始化数组的时候，格式还可以省略一下。 标准格式： 数据类型[] 数组名称 = new 数据类型[]

【承接上文】 1、问：Lucene优点？ 答：a、Lucene定义了一套以9字节为基础的索引文件格式，使得兼容系统或者不同平台的应用能够共享建立的索引文件。 b、在传统倒排索引的基础上，实现了分块索引。 【ps：这里说明一下什么是倒排索引】 实际应用中需要根据属性值来查找记录，这种索引表中的每一项都包括一个属性值和对应的记录地址。由于是由属性值来确定记录位置，因而被称为倒排索引。 c、用户无需编写代码即可使用系统强大的查询能力，默认实现布尔、模糊、分组查询等。 d、虽然Lucene使用Java语言，但是开源之后就有许多大牛使得其能运行在各种各样的平台上。 2、问：能不能别整那些虚头巴脑的，整点代码不香吗？ 答：香，好滴。以idea为例。 【未完待续！】 来源： 51CTO 作者： Red_Ant_hoyl 链接： https://blog.51cto.com/13479739/2468698

索引类型 MongDB的索引分为以下几种类型：单键索引、复合索引、多键索引、地理空间索引、全文本索引和哈希索引 单键索引(Single Field Indexes) 在一个键上创建的索引就是单键索引，单键索引是最常见的索引，如MongoDB默认创建的_id的索引就是单键索引。 例子： { "_id" : ObjectId(...), "name" : "Alice", "score" : 27 } 如果要在如上的文档中创建单键索引，语句如下： db.users.ensureIndex( { "score" : 1 } ) 其存储结构如下图： 如果想要在子文档的一个键上建立单键索引，其例子如下： { "_id": ObjectId(...), "name": "John Doe", "address": { "street": "Main", "zipcode": "53511", "state": "WI" } } 结构如上，其创建语句如下： db.users.ensureIndex( { "address.zipcode": 1 } ) 如果想要在整个子文档上建立单键索引，其例子如下： { _id: ObjectId(...), metro: { city: "New York", state: "NY" }, name: "Giant Factory" } 结构如上