oracle索引

IoT是Internet of Things的缩写，字面翻译是"物体组成的因特网"，准确的翻译应该为"物联网"。物联网(Internet of Things)又称传感网，简要讲就是互联网从人向物的延伸。 "物联网"(Internet of Things)指的是将各种信息传感设备，如射频识别装置、红外感应器、全球定位系统、激光扫描器等种种装置与互联网结合起来而形成的一个巨大网络。其目的是让所有的物品都与网络连接在一起，方便识别和管理。 具有代表意义的平台有PTC的Thingworx。 基本功能 IoT(Interoperability Test，互操作测试)是多厂商运营环境形成的技术基础。只有完成Iu接口的IoT，才能保证不同厂家的无线接入网与 核心网 互联互通，也只有完成Uu接口的IoT，才能保证每一款手机与无线接入系统之间的互联互通。从世界上已经完成的3G 设备选型 中可以看出，有一个非常明显的趋势就是，同一运营商大多选择二至三家厂商的设备，来组建自己的3G网络，形成多厂商设备的运营环境。所以，不同厂商之间的IoT(互操作测试)对3G时代就显得格外重要。IoT已经被摆在非常重要的战略地位，为此，信息产业部也特意组织所有参加信息产业部3G技术试验的系统厂家和手机厂家进行Uu/Iu接口的互操作IoT测试来验证各厂家系统之间和手机与系统之间的互通性。 IoT是一个持续的过程，众所周知

select dbms_metadata.get_ddl('TABLE','TABLE_NAME') from dual; 返回包括索引信息： CONSTRAINT "XXX_PK" PRIMARY KEY ("F1", "F2") DISABLE 关于所以的具体数据结构介绍:https://blog.csdn.net/xiaoxin0630/article/details/88786873 二叉 B- B+ Hash 1、哈希索引就是采用一定的哈希算法把键值换算成新的哈希值，检索时不需要类似B+树那样从根节点到叶子节点逐级查找，只需一次哈希算法即可立刻定位到相应的位置，速度非常快。 2、B+树索引和哈希索引有如下四点明显区别： a、如果是等值查询，那么哈希索引明显有优势，因为只需要经过一次算法即可找到相应的键值； b、如果是范围查询检索，这时候哈希索引没有优势了，因为原先是有序的键值，经过哈希算法后，有可能变成不连续的了，就没办法再利用索引完成范围查询检索； 同理，哈希索引也没办法利用索引完成排序，以及like ‘xxx%’ 这样的部分模糊查询（这种部分模糊查询，其实本质上也是范围查询）；------------------- 这里HBASE 分布式数据库就能做到Row Key order. 不理解为什么做不到。看来是存储方式不灵活 c、哈希索引也不支持多列联合索引的最左匹配规则

（13） 通过内部函数提高SQL效率.： 复杂的SQL往往牺牲了执行效率. 能够掌握上面的运用函数解决问题的方法在实际工作中是非常有意义的 （14） 使用表的别名(Alias)： 当在SQL语句中连接多个表时, 请使用表的别名并把别名前缀于每个Column上.这样一来,就可以减少解析的时间并减少那些由Column歧义引起的语法错误. （15） 用EXISTS替代IN、用NOT EXISTS替代NOT IN： 在许多基于基础表的查询中,为了满足一个条件,往往需要对另一个表进行联接.在这种情况下, 使用EXISTS(或NOT EXISTS)通常将提高查询的效率. 在子查询中,NOT IN子句将执行一个内部的排序和合并. 无论在哪种情况下,NOT IN都是最低效的 (因为它对子查询中的表执行了一个全表遍历). 为了避免使用NOT IN ,我们可以把它改写成外连接(Outer Joins)或NOT EXISTS. 例子： （高效）SELECT * FROM EMP (基础表) WHERE EMPNO > 0 AND EXISTS (SELECT ‘X' FROM DEPT WHERE DEPT.DEPTNO = EMP.DEPTNO AND LOC = ‘MELB') (低效)SELECT * FROM EMP (基础表) WHERE EMPNO > 0 AND DEPTNO IN

写于2018-04-26 索引及数据库高性能基础 作为最核心的内功知识，也是面试中我对应聘者的重点考察项之一。迄今为止，在这方面能让我完全满意的应聘者寥寥无几。 注意： 这里介绍的技能对Mysql、SqlServer、Oracle等关系型数据库基本通用，比较而言，Mysql索引机制更加简单，为了排除更高级的数据库特性带来的复杂性，本文采用Mysql作为性能分析案例。 另外 Mysql常见的存储引擎：MyISAM、InnoDB，实际项目中极少采用MyISAM，大多采用InnoDB。 InnoDB的索引类型：BTREE、HASH，实际项目中很少使用HASH索引，基本都采用BTREE 故采用InnoDB和BTREE作为案例分析更具有普遍性。以下介绍的基础知识可能随着Mysql的版本发展会有少许变化。 I 关于索引 数据准备 建测试表： CREATE TABLE `user_info` ( `user_id` bigint(20) NOT NULL AUTO_INCREMENT, `name` varchar(20) NOT NULL, `age` int(18) NOT NULL, PRIMARY KEY (`user_id`) ) ENGINE=InnoDB AUTO_INCREMENT=10000001 DEFAULT CHARSET=utf8 生成测试数据： public

视图和索引 视图 视图的作用 控制数据访问、简化查询、避免重复访问相同的数据 视图的优点 限制用户只能通过视图检索数据，用户看不到底层基表 注意事项 视图可以理解为临时表， 会随着真实表的数据变化而自动变化 视图的名字以V_开头,表明是视图; 视图不提高任何效率 视图不占用空间 不是所有的视图都能更改(若改动能对应的原来的表,则可以,否则不可以,比如用了聚合函数的,或者group by而来的) 简单视图 语法 create or replace view 视图名 as select 语句; create or replace :关键字,创建或者替换(若原来没有,则创建,若已经有,则替换原来的) 范例 SQL> create or replace view v_emp as 2 select empno, ename, job from emp; 视图已创建。 SQL> select * from v_emp; EMPNO ENAME JOB ---------- -------------------- ------------------ 7777 S_HH%GGH CLERK 7369 SMITH CLERK 7499 ALLEN SALESMAN ... 只读视图 语法 create or replace view 视图名 as select 语句 with read

学习笔记: ##视图 * 概念：视图就是提供一个查询的窗口，所有数据来自于原表。 * 方法： * 查询语句创建表： * create table emp as select * from scott.emp; * 创建视图【必须有dba权限】 * create view v_emp as select ename, job from emp; * 查询视图 * select * from v_emp; * 修改视图【不推荐】 * update v_emp set job='CLERK' where ename='ALLEN'; * --做增删改需要加commit * commit; * 创建只读视图(with read only) * create view v_emp1 as select ename, job from emp with read only; * 作用： * 1. 视图可以屏蔽掉一些敏感字段。 * 2. 保证总部和分部数据及时统一。 ##索引 * 概念：索引就是在表的列上构建一个二叉树。 * 作用： * 达到大幅度提高查询效率的目的，但是索引会影响增删改的效率。 * 方法： * 单列索引 * 复合索引 * 单列索引 * 创建单列索引： * create index idx_ename on emp(ename); * 注意： * 单列索引触发规则

索引是sql优化的使用频度最高的武器 索引就是一种优化查询的工具 , 注意 是优化了查询 .,但是他也影响了dml的速度变慢 . 在了解索引的优点之前我们先看一下索引的结构,只有充分了解索引的结构,才能明白索引的机制和应用. 索引结构 根块--茎块---叶块 叶块;存储rowid+列植. 索引存储列植的时候是有序排列,但是不存储空值,这是索引的重要属性 茎快:当产生两个叶块以上的时候 就会产生一个茎快来管理,这时候茎块只储存叶块的键值. 根块: 当产生 两个茎块 以上的时候 , 就 会产生一个根块来管理, 这时候根块只储存 茎 块的键值. 索引运行方式 通过索引查询是首先通过键值 由根块找到叶块,根块-茎块-叶块找到rowid和列值. 索引三大特性 1.索引的高度较低 2.有序性 3.存储列值和rowid 理解了索引特性之后 就可以理解 1.索引列的聚合 .注:因为索引里已经存储了列值所以索引列的聚合必然很快 2.索引列的排序. 注:因为索引里已经存储了排序之后的列值所以排序也必然很快 索引扫描类型 1.index range scan 2.index full scan 3.index fast full scan 4.index unique scan 5.index full scan (max/min) 注:这里如果语句是这样的select max(id),min(id)

此文摘自网上，侵删！ (查询速度慢的原因很多，常见如下几种) . 1、没有索引或者没有用到索引(这是 查询慢 最常见的问题，是程序设计的缺陷) 2、I/O吞吐量小，形成了瓶颈效应。 3、没有创建计算列导致查询不优化。 4、内存不足 5、网络速度慢 6、查询出的数据量过大（可以采用多次查询，其他的方法降低数据量） 7、锁或者死锁(这也是 查询慢 最常见的问题，是程序设计的缺陷) 8、sp_lock,sp_who,活动的用户查看,原因是读写竞争资源。 9、返回了不必要的行和列 10、查询语句不好，没有优化 可以通过如下方法来优化查询 1、把数据、日志、索引放到不同的I/O设备上，增加读取速度，以前可以将Tempdb应放在RAID0上， SQL 2000不在支持。数据量（尺寸）越大，提高I/O越重要. 2、纵向、横向分割表，减少表的尺寸(sp_spaceuse) 3、升级硬件 4、根据查询条件,建立索引,优化索引、优化访问方式，限制结果集的数据量。注意填充因子要适当（最好是使用默认值0）。索引应该尽量小，使用字节数小的列建索引好（参照索引的创建）,不要对有限的几个值的字段建单一索引如性别字段 5、提高网速; 6、扩大服务器的内存,Windows 2000和 SQL server 2000能支持4-8G的内存。配置虚拟内存：虚拟内存大小应基于计算机上并发运行的服务进行配置。运行

一、数据库简单介绍 1、 按照数据库的发展时间顺序，主要出现了以下类型数据库系统： Ø 网状型数据库 Ø 层次型数据库 Ø 关系型数据库 Ø 面向对象数据库 上面4中数据库系统中，关系型数据库使用最为广泛。面向对象数据库则是由面向对象语言催生的新型数据库，目前的一些数据库系统，如：SQL Server 2005、Oracle10g等都开始增加面向对象的特性。 二、常用基本SQL语句/语法 Ø SQL语句基础理论 SQL是操作和检索关系型数据库的标准语言，标准SQL语句可用于操作然后关系型数据库。 标准的SQL语句通常划分为以下类型： 查询语句： 主要由于select关键字完成，查询语句是SQL语句中最复杂，功能最丰富的语句。 DML （Data Munipulation Language，数据操作语言）语句，这组DML语句修改后数据将保持较好的一致性；操作表的语句，如插入、修改、删除等； DDL （Data Definition Language，数据定义语言）语句，操作数据对象的语言，有create、alter、drop。 DCL （Data Control Language，数据控制语言）语句，主要有grant、revoke语句。 事务控制语句： 主要有commit、rollback和savepoint三个关键字完成 DDL语句 DDL语句是操作数据库对象的语句

须知： SQL语言：结构化查询语言，是关系型数据库查询语言的标准，不同的数据库虽然有自己私有扩展，但关键词都支持：（select、update、delete、insert、where） SQL语句分类：像Oracle、MSSQL都是通用的 DDL：数据定义语言（create、alter、drop、rename） DML：数据库维护语言（select、insert、update、delete） DCL：数据库控制语言，权限（Grant、revoke） TCL：事务控制语言（commt、sarepqint）：新型的语句 一、数据库增删改查 根据这个表结构以下来操作: mysql> select * from user; +----+----------+------+ | id | name | pass | +----+----------+------+ 基本操作 1.创建数据库 create database name; 2.删除数据库 drop database name; 3.创建一个用户表 create table user(id int,name varchar(30),pass varchar(30)); 4.插入数据 insert into user(id,name,pass) values("1","zhangsan","123"); 5.删除一个表 drop