mysql索引

问题未明确： decimal float double 具体原理和应用 datetime等时间类型 复合索引的最左前缀原则原理还是不太懂啊，需要学习一下算法了 sql的执行级别type没有进行仔细的研究 记笔记 时间戳函数 字符串转unix时间戳 insert into t1 values(9876543.21, 9876543.12); unix时间戳转字符串 select FROM_UNIXTIME(1496215980); 主键索引 增加和删除主键索引 alter table user1 add primary key (uid); 指定字段为主键时，会自动加主键索引 alter table user1 drop primary key; 查询所有索引 show index from user1; 删除主键之前必须删除自增长 增加索引 唯一索引 添加唯一索引 alter table user2 add UNIQUE (uid);　　索引名默认使用列名　　指定字段为unique时，会自动加唯一索引 删除唯一索引（普通索引也用这个删除） 普通索引 alter table user3 add key(uid); 来源： https://www.cnblogs.com/gengsc/p/6924867.html

概要 ： 基本语法 输出格式、 变量 、注释 数据类型 Numbers (数字)、String (字符串)、List (列表)、Tuple(元组)、Cictionary(字典) 及各个数据类型的常用方法和内置函数 、多维数组等 数据操作 切片操作 、回文算法 基本语法 - 输出格式 ： Python的输出语法和Swift 的输出一样 1 # 输出 2 print("Hello Python") 注释 ： Python中单行注释采用 # 开头。 python中多行注释使用三个单引号 ''' 或三个双引号 """ 变量 ： Python中的变量不需要声明，变量的赋值操作既是变量声明和定义的过程。每个变量在使用前都必须赋值，变量赋值以后该变量才会被创建 Python允许你同时为多个变量赋值, 也可以为多个对象指定多个变量。例如： 1 a = b = c = 1 2 3 # 多变量赋值 4 a, b, c = 1, 2, "jun" 标准数据类型 有五个标准的数据类型： Numbers (数字) String (字符串) List (列表) Tuple(元组) Cictionary(字典) Number（数字） Number 是不可被改变的数据类型, 当你指定一个值时， Number 对象就会被创建 Python 支持四种不同的数值类型： int （有符号整型） long （长整型

测试环境 本文简单对比下Solr与MySQL的查询性能速度。 测试数据量：10407608 Num Docs: 10407608 普通查询 这里对MySQL的查询时间都包含了从MySQL Server获取数据的时间。 在项目中一个最常用的查询，查询某段时间内的数据，SQL查询获取数据，30s左右 SELECT * FROM `tf_hotspotdata_copy_test` WHERE collectTime BETWEEN '2014-12-06 00:00:00' AND '2014-12-10 21:31:55'; 对collectTime建立索引后，同样的查询，2s，快了很多。 Solr索引数据： <!--Index Field for HotSpot--> <field name="CollectTime" type="tdate" indexed="true" stored="true"/> <field name="IMSI" type="string" indexed="true" stored="true"/> <field name="IMEI" type="string" indexed="true" stored="true"/> <field name="DeviceID" type="string" indexed="true" stored=

1、MyISAM不支持事务，InnoDB是事务类型的存储引擎 当我们的表需要用到事务支持的时候，那肯定是不能选择MyISAM了。 2、MyISAM只支持表级锁，BDB支持页级锁和表级锁默认为页级锁，而InnoDB支持行级锁和表级锁默认为行级锁 表级锁：直接锁定整张表，在锁定期间，其他进程无法对该表进行写操作，如果设置的是写锁，那么其他进程读也不允许 MyISAM是表级锁定的存储引擎，它不会出现死锁问题 对于write，表锁定原理如下： 如果表上没有锁，在其上面放置一个写锁，否则，把锁定请求放在写锁队列中。 对于read，表锁定原理如下 ： 如果表上没有写锁定，那么把一个读锁放在其上面，否则把锁请求放在读锁定队列中 当一个锁定被释放时，表可被写锁定队列中的线程得到，然后才是读锁定队列中的线程。这意味着，如果你在一个表上有许多更新，那么你的SELECT语句将等到所有的写锁定线程执行完。 行级锁：只对指定的行进行锁定，其他进程还是可以对表中的其他行进行操作的。 行级锁是Mysql粒度最小的一种锁，它能大大的减少数据库操作的冲突，但是粒度越小实现成本也越大。 行 级锁可能会导致“死锁”，那到底是怎么导致的呢，分析原因：Mysql行级锁并不是直接锁记录，而是锁索引。索引分为主键索引和非主键索引两种，如果一条 sql语句操作了主键索引，那么Mysql就会锁定这个主键索引

MyISAM与InnoDB两者之间怎么选择 1、MyISAM不支持事务，InnoDB是事务类型的存储引擎 当我们的表需要用到事务支持的时候，那肯定是不能选择MyISAM了。 2、MyISAM只支持表级锁，BDB支持页级锁和表级锁默认为页级锁，而InnoDB支持行级锁和表级锁默认为行级锁 表级锁：直接锁定整张表，在锁定期间，其他进程无法对该表进行写操作，如果设置的是写锁，那么其他进程读也不允许 MyISAM是表级锁定的存储引擎，它不会出现死锁问题 对于write，表锁定原理如下： 如果表上没有锁，在其上面放置一个写锁，否则，把锁定请求放在写锁队列中。 对于read，表锁定原理如下 ： 如果表上没有写锁定，那么把一个读锁放在其上面，否则把锁请求放在读锁定队列中 当一个锁定被释放时，表可被写锁定队列中的线程得到，然后才是读锁定队列中的线程。这意味着，如果你在一个表上有许多更新，那么你的SELECT语句将等到所有的写锁定 线程执行完。 行级锁：只对指定的行进行锁定，其他进程还是可以对表中的其他行进行操作的。 行级锁是Mysql粒度最小的一种锁，它能大大的减少数据库操作的冲突，但是粒度越小实现成本也越大。 行级锁可能会导致“死锁”，那到底是怎么导致的呢，分析原因：Mysql行级锁并不是直接锁记录，而是锁索引。索引分为主键索引和非主键索引两种，如果一条sql语句操作了主 键索引

设计原则 经常被用户条件查询的字段，创建索引 索引不是越多越好；索引占用磁盘空间，影响insert、update、delete性能 经常修改的表，不要建过多的索引；更新表数据时，索引也会进行微调或者更新，十分消耗系统资源 数据量小的表，不需要建索引；数据量小时查询本来就很快，但是建索引会对于索引结构的维护带来系统资源消耗 boolean值字段不需要建索引；比如deteleTag字段，只有0或者1的情况 唯一性字段建议建唯一索引；查询速度有明显提高 当排序是固定多个列时，在这些列上建组合索引 优化原则 避免使用 select * 范围查询索引失效。（ > 、< 、between...and... 、<> 、!= 、like ） is null 、is not null 、or 索引失效 使用函数、计算等操作索引失效 组合索引最左原则。（建索引顺序与查询顺序要一致） 连接查询表之间的字符集与校对集要一致。（ utf8 、utf8_bin） 来源： oschina 链接： https://my.oschina.net/u/4198095/blog/3217536

一、ElasticSearch 介绍 官网链接 1、简介 ElasticSearch 是一个基于 Lucene 的搜索服务器。它提供了一个分布式的 RESTful 风格的搜索和数据分析引擎。 Elasticsearch 是用 Java 语言开发的，并作为 Apache 许可条款下的开放源码发布，是一种流行的企业级搜索引擎。 ElasticSearch 能够达到实时搜索，稳定，可靠，快速，安装使用方便。 2、特性 存储：分布式的文档存储引擎，支持PB级数据。 查询和分析：分布式的搜索引擎和分析引擎。 可扩展：支持一主多从且扩容简易，只要cluster.name一致且在同一个网络中就能自动加入当前集群；也支持很多开源的第三方插件，如分词插件、同步插件、Hadoop插件、可视化插件等。 高可用：在一个集群的多个节点中进行分布式存储，索引支持shards和复制，即使部分节点down掉，也能自动进行数据恢复和主从切换。 RestfulAPI标准：通过http接口使用JSON格式进行操作数据。 数据类型丰富：数字、文本、地理位置、结构化、非结构化等。 3、使用场景 搜索领域：如百度、谷歌，全文检索等。 门户网站：访问统计、文章点赞、留言评论等。 广告推广：记录员工行为数据、消费趋势、员工群体进行定制推广等。 信息采集：记录应用的埋点数据、访问日志数据等，方便大数据进行分析。 二

独立索引： 　　独立索引是指索引列不能是表达式的一部分，也不能是函数的参数 　　 例1： SELECT actor_id FROM actor WHERE actor_id+1=5 --这种写法，就算在actor_id上建立了索引，也不起效 　　 例2: SELECT .... WHERE TO_DAYS(CURRENT_DATE) - TO_DAYS(date_col) <= 10 --这也是一种错误的写法 多列索引（联合索引）&选择合适的索引列顺序： 　　多列索引（Multiple-Column Indexes）也称为复合索引（composite index），也即同时对多个列建立索引。 　　什么时候用多列索引？ 当出现服务器对多个索引做相交操作时(通常有多个AND条件)，通常意味着需要一个包含所有相关列的多列索引，而不是多个独立的单列索引。 当服务器需要对多个索引做联合操作时(通常有多个OR条件)，通常需要耗费大量CPU和内存资源在算法的缓存、排序和合并操作上。特别是当其中有些索引的选择性不高，需要合并扫描返回大量数据的时候。 　　多列索引的生效规则： 　　比如(a,b,c)，abc都是拍好序的，在任意一段a的下面b都是排好序的,任何一段b下面c都是拍好序的。多列索引的生效原则是从前往后依次使用生效，如果中间某个索引没有使用，那么断点前面的索引部分起作用

索引 作用：提高数据查询的效率 常用索引模型 哈希表 有序数组 搜索树 哈希表 以键值对的形式存储，适合于只有等值查询的场景。 用一个哈希函数把 key 换算成一个确定的位置，然后把 value 这个位置的数组中。一个 key 会对应一个数组，数组中会有多个 value ， value 并不是有序的。 查找时先通过哈希函数算出 key ，找到具体的数组，然后遍历数组，找到具体的位置。 有序数组 以有序数组形式存储，等值查询和范围查询场景中性能非常优秀，只适用于静态存储引擎。 仅仅看查询效率，有序数组就是最好的数据结构了，但是，在需要更新数据多的时候就麻烦了，你往中间插入一个记录就必须得挪动后面所有的记录，成本太高。 所以，有序数组索引只适用于静态存储引擎，比如你要保存2017年某个城市的所有人口信息，这类不会再修改的数据。 搜索树 以类似二叉树的多叉树来实现。 二叉搜索树：每个节点的左儿子小于父节点，父节点又小于右儿子。 多叉树：每个节点有多个儿子，儿子之间的大小保证从左到右。 在 MySQL 中，索引是在存储引擎层实现的，所有并没有同一的索引标准，即不同存储引擎的索引的工作方式并不一样。而即使多个存储引擎支持同一种类型的索引，其底层的实现也可能不同。 InnoDB 使用了 B+ 树索引模型，所有的数据都是存储在 B+ 树中的。每一个索引在 InnoDB 里面对应一棵 B+ 树

在下列表T中，执行 select * from T where k betwee 3 and 5; ，需要执行几次树的搜索操作？ mysql> create table T ( ID int primary key, k int NOT NULL DEFAULT 0, s varchar(16) NOT NULL DEFAULT '', index k(k)) engine=InnoDB; insert into T values(100,1, 'aa'),(200,2,'bb'),(300,3,'cc'),(500,5,'ee'),(600,6,'ff'),(700,7,'gg'); SQL 语句执行流程： 在k索引树上找到k值为3的记录，取得ID为300 再到ID索引树上找到ID为300对应的R3记录 在k索引树上找到k值为5的记录，取得ID为500 再回到ID索引树上找到ID为500对应的R4记录 在k索引树上找到k值为6的记录，不符合条件，结束循环 在这个过程中，回到主键索引搜索树的过程，成为回表。 在这个例子中，由于查询结果所需要的数据只有主键索引上有，所以不得不回表。如果执行的语句是 select ID from T where k between 3 and 5; ，只需要查询ID的值，而k索引树上有这个值，不需要回表，索引k已经覆盖了查询所需要的值，成为 覆盖索引