mysql创建索引

Redis面试题大全含答案 Redis面试题大全含答案 1.什么是Redis？ 答：Remote Dictionary Server(Redis)是一个开源的使用ANSI C语言编写、支持网络、可基于内存亦可持久化的日志型、Key-Value数据库，并提供多种语言的API。 它通常被称为数据结构服务器，因为值（value）可以是 字符串(String), 哈希(Map), 列表(list), 集合(sets) 和 有序集合(sorted sets)等类型。 2.Redis的特点什么是？ 1. 支持多种数据结构，如 string(字符串)、 list(双向链表)、dict(hash表)、set(集合)、zset(排序set)、hyperloglog(基数估算) 2. 支持持久化操作，可以进行aof及rdb数据持久化到磁盘，从而进行数据备份或数据恢复等操作，较好的防止数据丢失的手段。 3. 支持通过Replication进行数据复制，通过master-slave机制，可以实时进行数据的同步复制，支持多级复制和增量复制，master-slave机制是Redis进行HA的重要手段。 单进程请求，所有命令串行执行，并发情况下不需要考虑数据一致性问题。 3.Redis数据类型有哪些？ 答：String(字符串) Hash(hash表) List(链表) Set(集合) SortedSet

索引 索引的出现其实就是为了提高数据查询的效率，就像书的目录一样 InnoDB的索引模型 N叉树 以InnoDB的一个整数字段索引为例子，这个N差不多是1200。如果这棵树高4的化，就可以存储1200的3次方的值17亿了。考虑到根节点总是在内存中的，那么查一个数据最多只需要访问3次磁盘，而且其中第二层也很有可能在内存中，那么访问磁盘的平均次数就更少了。 B+树 每一个索引都有一颗B+树 假如有这么一张表,有一个id为主键和一个普通索引k的表 create table zx( id int primary key, k int not null, name varchar(16), index(k) )engine=InnoDB; 如果有R1-R5（ID，k）值分别为（100,1)、（200,2）、（300,3）、（500,5）和(600,6)，那么两颗树的样子就如下图 主键索引B+树结构 主键索引的叶子节点存的是表的数据。在InnoDB里，主键索引也叫聚簇索引（clustered index） 分主键索引B+树结构 非主键索引的叶子节点内容是主键的值。在InnoDB里，非主键索引也被称为二级索引（secondary index) 区别 根据上面的内容，我们知道了数据是放在主键的索引结构中的，那么我们查询数据肯定最后会查询主键的索引树才会有数据。 案例 select * from

一、索引种类 1、普通索引：加速查询 create index 索引的名字 on 表名(列名) 2、唯一索引：加速查询与约束 unique index create unique index 索引的名字 on 表名(列名) 3、主键索引：在创建表的时候primary key 就是主键索引 # 添加主键 alter table 表名 add primary key(列名); # 删除主键 alter table 表名 drop primary key; alter table 表名 modify 列名 int,drop primary key; 4、组合索引(联合索引) create index 索引名 on 表名(列名1,列名2); 5、索引名词： 覆盖索引：在索引文件中直接获取数据 索引合并：把多个单列索引合并成使用 select * from userinfo where name = 'sb' and id='123'; 二、正确使用索引 #不能使用like与函数 #查询的时候类型一定要一致 #！= 这个如果是主键才走索引 #> 如果是主键或索引是整数类型就走索引 #order by 排序的时候选择的映射如果是索引就走索引，不是索引则不走 #组合索引最左前缀 如果组合索引为(name,email) name and email -- 使用索引 name -- 使用索引

优秀相关博客地址 1. https://www.cnblogs.com/liqiangchn/p/9060521.html 通俗易懂 一、索引的分类 1:从存储结构上来划分：BTree索引（B-Tree或B+Tree索引），Hash索引，full-index全文索引，R-Tree索引。 2:从应用层次来分：普通索引，唯一索引，复合索引 3:根据中数据的物理顺序与键值的逻辑（索引）顺序关系：聚集索引，非聚集索引。 ​ 1中所描述的是索引存储时保存的形式，2是索引使用过程中进行的分类，两者是不同层次上的划分。 不过平时讲的索引类型一般是指在应用层次的划分。 二、B、B+树 B+树是B-树的优化，B+树是非叶子节点做索引项，叶子节点做数据信息项，并且叶子节点每M个也就是一个数据页之间是使用指针进行关联，也就是B+树只需要遍历叶子节点就可以实现整个树的遍历，可以更加好地使用范围查询。 B+树增加和删除是符合B树的特性，当子孩子项大于M时，数据就会分裂，中间的节点就会充当父节点。 基于主键进行创建索引，可以减少当增加和删除时候产生的数据分裂的数据更新的操作。 三、聚集索引以及辅组索引 mysql 是使用B+树作为数据结构索引，并且再数据的物理量顺序和索引的顺序使用了聚集索引，也就是叶子节点是存储数据信息，而辅组索引是存储聚集索引的索引项，找到索引项之后又要进行二次索引再一次进行查询 四

Python后端技术栈(六)--数据库 每日分享 What makes you different or weird—that’s your strength. 那些让你与众不同或怪异的，就是你的力量所在。 1.6数据库 上篇文章对网络编程中的一些经典问题做了总结，比如各种网络协议、IO 多路复用模型、并发库等等。 本篇文章将开始数据库的相关内容，开始咯~ 1.6.1 MySQL 1.6.1.1 MySQL 基础知识点 1.事务的原理，特性，事务并发控制 2.常用的字段、含义和区别 3.常用数据库引擎之间区别 1.6.1.2事务 Transaction 1.事务是数据库并发控制的基本单位 2.事务可以看做是一系列 SQL 语句的集合 3.事务的特性就是要么全部执行成功，要么全部执行失败（回滚） 我们最常见的就是转账操作这样一个使用案例。比如 A 给 B 转账，第一步是从 A 的账户查询一下余额还够不够，然后扣款。第二步是 B 的账户里面增加对应的金额。 从代码的层面来说，下面举一个 SQLAlchemy 框架执行回滚操作的例子： session.begin() try: item1 = session.query(Item).get(1) item2 = session.query(Item).get(2) item1.foo = 'bar' item2.bar = 'foo'

MySQL优化一览图 笔者将优化分为了两大类： 软优化和硬优化 。软优化一般是操作数据库即可；而硬优化则是操作服务器硬件及参数设置。 1、软优化 1）查询语句优化 首先我们可以用EXPLAIN或DESCRIBE(简写:DESC)命令分析一条查询语句的执行信息。 例: DESC SELECT * FROM `user` 其中会显示索引和查询数据读取数据条数等信息。 2）优化子查询 在MySQL中，尽量使用JOIN来代替子查询。因为子查询需要嵌套查询，嵌套查询时会建立一张临时表，临时表的建立和删除都会有较大的系统开销，而连接查询不会创建临时表，因此效率比嵌套子查询高。 3）使用索引 索引是提高数据库查询速度最重要的方法之一，使用索引的三大注意事项包括： LIKE关键字匹配'%'开头的字符串，不会使用索引； OR关键字的两个字段必须都是用了索引，该查询才会使用索引； 使用多列索引必须满足最左匹配。 4）分解表 对于字段较多的表，如果某些字段使用频率较低，此时应当将其分离出来从而形成新的表。 5）中间表 对于将大量连接查询的表可以创建中间表，从而减少在查询时造成的连接耗时。 6）增加冗余字段 类似于创建中间表，增加冗余也是为了减少连接查询。 7）分析表、检查表、优化表 分析表主要是分析表中关键字的分布；检查表主要是检查表中是否存在错误；优化表主要是消除删除或更新造成的表空间浪费。 分析表：

停止命令：net stop mysql 启动命令：net start mysql mysql登录命令 mysql -h ip -P 端口 -u 用户名 -p mysql --version 或者mysql -V用于在未登录情况下，查看本机mysql版本 select version();：登录情况下，查看链接的库版本 显示所有数据库：show databases; 进入指定的库：use 库名; 显示当前库中所有的表：show tables; 查看其他库中所有的表：show tables from 库名; 查看表的创建语句：show create table 表名; 查看表结构：desc 表名; 查看当前所在库：select database(); mysql语法规范 不区分大小写，但建议关键字大写，表名、列名小写 每条命令最好用英文分号结尾 每条命令根据需要，可以进行缩进或换行 注释 单行注释：#注释文字 单行注释：-- 注释文字 ，注意， 这里需要加空格 多行注释：/ **注释文字 **/ SQL的语言分类 DQL（Data Query Language）：数据查询语言 select 相关语句 DML（Data Manipulate Language）：数据操作语言 insert 、update、delete 语句 DDL（Data Define Languge）：数据定义语言

1,什么是索引，为什么要使用索引？ 索引是帮助Mysql高效获取数据的排好序的数据结构。建立索引可以帮助我们快速检索我们需要的信息，减少磁盘的I/O次数，加快检索速度。索引的数据结构包括：二叉树，红黑树，Hash表，B-树等。 2,数据查询的方式 二叉查找树的方式查找信息 普通情况下，在一个二叉树中查找到5非常快速。只需要2步，但在某些极端情况下，如对于顺序插入信息的二叉树，查找到我们需要的信息就非常麻烦了。 红黑树 红黑树是一种 自平衡二叉查找树 ，就是会自动平衡更新根节点和其它节点的位置，也就是说根节点和其它节点的位置是不固定，会根据插入的信息进行动态改变的。 按照1~5的顺序插入数据后，会重新排列分支节点的位置。 对于少量数据使用红黑树是完全可以的，但是一个项目的数据库中存储的数据都是10万条以上，再使用红黑树，树的度又会变得很大了。这个时候就可以使用B 树了。 B 树 B树是一种 多路自平衡搜索树 ，它是一种特殊的平衡二叉树，但是B书允许每个节点有更多的子节点。B树示意图如下： B树的特点： （1）所有键值分布在整个树中（2）任何关键字出现且只出现在一个节点中 （3）搜索有可能在非叶子节点结束（4）在关键字全集内做一次查找，性能逼近二分查找算法 比如我们想要找到主键为28的数据，过程如下： 1，根据根节点找到磁盘块1,进行一次I/O(磁盘的输入和输出)操作; 2

一、是否查询了不需要的数据 1.多使用limit来分页 2.不要用select *，特别是在多表关联的时候 3.避免重复查询相同的数据，可以多使用缓存 二、正确使用索引 如何正确使用索引见上一篇文章《MySQL索引》，这里再补充几个索引失效的案例： key(last_name, first_name, dob) 1.select * from blog_user where last_name like ‘%A%’; //使用like时通配符在前 2.select * from blog_user where last_name is null; //is null或is not null会放弃使用索引 3.select * from blog_user where UPPER(last_name) like 'A%'; //对索引列做了函数计算 4.select * from blog_user where last_name like 'A%' or first_name = 'b'; //使用or会导致索引失效，除非or的左右两边都分别正确使用索引。如select * from blog_user where last_name like 'A%' or last_name = 'b'; 5.隐式类型转换 6.隐式字符编码转换 创建blog_name表： CREATE

先简单梳理下Mysql的基本概念，然后分创建时和查询时这两个阶段的优化展开。 1 基本概念简述 1.1 逻辑架构 第一层：客户端通过连接服务，将要执行的sql指令传输过来 第二层：服务器解析并优化sql，生成最终的执行计划并执行 第三层：存储引擎，负责数据的储存和提取 1.2 锁 数据库通过锁机制来解决并发场景-共享锁（读锁）和排他锁（写锁）。读锁是不阻塞的，多个客户端可以在同一时刻读取同一个资源。写锁是排他的，并且会阻塞其他的读锁和写锁。简单提下乐观锁和悲观锁。 乐观锁 ，通常用于数据竞争不激烈的场景，多读少写，通过版本号和时间戳实现。 悲观锁 ，通常用于数据竞争激烈的场景，每次操作都会锁定数据。 要锁定数据需要一定的锁策略来配合。 表锁 ，锁定整张表，开销最小，但是会加剧锁竞争。 行锁 ，锁定行级别，开销最大，但是可以最大程度的支持并发。 但是MySql的存储引擎的真实实现不是简单的行级锁，一般都是实现了多版本并发控制（MVCC）。MVCC是行级锁的变种，多数情况下避免了加锁操作，开销更低。MVCC是通过保存数据的某个时间点快照实现的。 1.3 事务 事务保证一组原子性的操作，要么全部成功，要么全部失败。一旦失败，回滚之前的所有操作。MySql采用自动提交，如果不是显式的开启一个事务，则每个查询都作为一个事务。 隔离级别控制了一个事务中的修改，哪些在事务内和事务间是可见的