信息存储

在本章中，我们将学习能够将相关信息关联起来的Python字典。我们将学习如何访问和修改字典中的信息。鉴于字典可存储的信息几乎是不受限制，因此我们会演示如何遍历字典中的数据。另外，我们还将学习存储字典的列表、存储列表的字典和存储字典的字典。 理解字典后，我们就能够更准确地为各种真是物体建模。我们可以创建一个表示人的字典，然后想在其中存储多少信息就存储多少信息：姓名、年龄、地址、职业以及要描述的任何方面。我们还能够存储任意两种相关的信息，如一系列单词及其含义，一系列人名及其喜欢的数字，以及一系列山脉及其海拔等。 6.1 一个简单的字典 来看一个游戏，其中包含一些外星人，这些外星人的颜色和点数各不相同。下面是一个简单的字典，存储了有关特性外星人的消息： alien.py] 　　alien_0 = {"color":"green","points":5} 　　print(alien_0["color"]) 　　print(alien_0["points"]) 字典alien_0存储了外星人的颜色和点数。使用两条print语句来访问并打印这些信息，如下所示： green 5 与大多数编程概念一样，要熟练使用字典，也需要一段时间的练习。使用字典一段时间后，我们就会明白为何它们能够高效地模拟现实世界中的情形。 刚接触字典的时候也是很不习惯，其实字典主要包含键值对，键——值组成一个搭配

1) 什么是Cardinality 不是所有的查询条件出现的列都需要添加索引。对于什么时候添加B+树索引。一般的经验是，在访问表中很少一部分时使用B+树索引才有意义。对于性别字段、地区字段、类型字段，他们可取值范围很小，称为低选择性。如 SELECT * FROM student WHERE sex='M' 按性别进行查询时，可取值一般只有M、F。因此SQL语句得到的结果可能是该表50%的数据(加入男女比例1:1)这时添加B+树索引是完全没有必要的。相反，如果某个字段的取值范围很广，几乎没有重复，属于高选择性。则此时使用B+树的索引是最合适的。例如对于姓名字段，基本上在一个应用中不允许重名的出现 怎样查看索引是否有高选择性？通过SHOW INDEX结果中的列Cardinality来观察。非常关键，表示所以中不重复记录的预估值，需要注意的是Cardinality是一个预估值，而不是一个准确值基本上用户也不可能得到一个准确的值，在实际应用中，Cardinality/n_row_in_table应尽可能的接近1，如果非常小,那用户需要考虑是否还有必要创建这个索引。故在访问高选择性属性的字段并从表中取出很少一部分数据时，对于字段添加B+树索引是非常有必要的。如 SELECT * FROM member WHERE usernick='David'; 表member大约有500W行数据

索引的概念 索引的用途：我们对数据查询及处理速度已成为衡量应用系统成败的标准，而采用索引来加快数据处理速度通常是最普遍采用的优化方法。 索引是什么：数据库中的索引类似于一本书的目录，在一本书中使用目录可以快速找到你想要的信息，而不需要读完全书。在数据库中，数据库程序使用索 引可以重啊到表中的数据，而不必扫描整个表。书中的目录是一个字词以及各字词所在的页码列表，数据库中的索引是表中的值以及各值存储位置的列表。 索引的利弊：查询执行的大部分开销是I/O，使用索引提高性能的一个主要目标是避免全表扫描，因为全表扫描需要从磁盘上读取表的每一个数据页，如果有 索引指向数据值，则查询只需要读少数次的磁盘就行啦。所以合理的使用索引能加速数据的查询。但是索引并不总是提高系统的性能，带索引的表需要在数 据库中占用更多的存储空间，同样用来增删数据的命令运行时间以及维护索引所需的处理时间会更长。所以我们要合理使用索引，及时更新去除次优索引。 数据表的基本结构 一个新表被创建之时，系统将在磁盘中分配一段以8K为单位的连续空间，当字段的值从内存写入磁盘时，就在这一既定空间随机保存，当一个 8K用完的时候，数据库指针会自动分配一个8K的空间。这里，每个8K空间被称为一个数据页（Page），又名页面或数据页面，并分配从0-7的页号, 每个文件的第0页记录引导信息，叫文件头（File header）；每8个数据页

索引的概念 索引的用途：我们对数据查询及处理速度已成为衡量应用系统成败的标准，而采用索引来加快数据处理速度通常是最普遍采用的优化方法。 索引是什么：数据库中的索引类似于一本书的目录，在一本书中使用目录可以快速找到你想要的信息，而不需要读完全书。在数据库中，数据库程序使用索 引可以重啊到表中的数据，而不必扫描整个表。书中的目录是一个字词以及各字词所在的页码列表，数据库中的索引是表中的值以及各值存储位置的列表。 索引的利弊：查询执行的大部分开销是I/O，使用索引提高性能的一个主要目标是避免全表扫描，因为全表扫描需要从磁盘上读取表的每一个数据页，如果有 索引指向数据值，则查询只需要读少数次的磁盘就行啦。所以合理的使用索引能加速数据的查询。但是索引并不总是提高系统的性能，带索引的表需要在数 据库中占用更多的存储空间，同样用来增删数据的命令运行时间以及维护索引所需的处理时间会更长。所以我们要合理使用索引，及时更新去除次优索引。 数据表的基本结构 一个新表被创建之时，系统将在磁盘中分配一段以8K为单位的连续空间，当字段的值从内存写入磁盘时，就在这一既定空间随机保存，当一个 8K用完的时候，数据库指针会自动分配一个8K的空间。这里，每个8K空间被称为一个数据页（Page），又名页面或数据页面，并分配从0-7的页号, 每个文件的第0页记录引导信息，叫文件头（File header）；每8个数据页

数据经常以组的形式存在，例如，学生的信息包括姓名、学号、性别。年龄等；当我们查看学生的信息时，如果这些信息在一起访问起来会很高效简单。但是这些信息的值的类型都不同就不能够放入是数组中，但是C语言中，我们却可以使用结构来解决这个问题。 什么是结构体？ 在C语言中，聚合数据类型能够同时存储超过过一个的数据，该类型有两种： 数组和结构 ，数组存储出的型同类型的元素，而结构却可以存储不同类型的元素(标量、数组、指针、结构)，并且这些元素叫结构的 成员变量 ； 结构体的声明 struct tag //标签，为成员类表提供一个名字，作用就是允许多个声明使用同一个成员列表 { member - list ; //必须给出锁把包含的成员(类型+名字) } variable - list ; //结构变量列表 结构体变量的定义和初始化 定义变量： struct Point { int x ; int y ; } p1 ; //1、在声明时同时定义变量 struct Point p2 ; //2、定义结构体变量 初始化： 结构和数组的初始化方式相同，全部初始化或者是部分初始化，不过部分初始化剩余的成员将是使用缺省值进行初始化； 初始化的值必须和成员列表中顺序相同； struct Stu //类型声明 { char name [ 15 ] ; //名字 int age ; //年龄 } ; struct

原文: ArcGIS三大文件格式解析 Shape数据 Shapefile是ArcView GIS 3.x的原生数据格式，属于简单要素类，用点、线、多边形存储要素的形状，却不能存储拓扑关系，具有简单、快速显示的优点。一个shapefile是由若干个文件组成的，空间信息和属性信息分离存储，所以称之为“基于文件”。 每个shapefile，都至少有这三个文件组成，其中： *.shp 存储的是几何要素的的空间信息，也就是XY坐标 *.shx 存储的是有关*.shp存储的索引信息。它记录了在*.shp中，空间数据是如何存储的，XY坐标的输入点在哪里，有多少XY坐标对等信息 *.dbf 存储地理数据的属性信息的dBase表 这三个文件是一个shapefile的基本文件，shapefile还可以有其他一些文件，但所有这些文件都与该shapefile同名，并且存储在同一路径下。 其它较为常见的文件： *.prj 如果shapefile定义了坐标系统，那么它的空间参考信息将会存储在*.prj文件中 *.shp.xml 这是对shapefile进行元数据浏览后生成的xml元数据文件 *.sbn 和 *.sbx 这两个存储的是shapefile的空间索引，它能加速空间数据的读取。这两个文件是在对数据进行操作、浏览或连接后才产生的，也可以通过ArcToolbox >Data Management

成文迪， 在Web前端摸爬滚打的码农一枚，对技术充满热情的菜鸟，致力为手Q的建设添砖加瓦。 GIF格式的历史 GIF(Graphics Interchange Format)原义是“图像互换格式”，是CompuServe公司在1987年开发出的图像文件格式，可以说是互联网界的老古董了。 GIF格式可以存储多幅彩色图像，如果将这些 图像 连续播放出来，就能够组成最简单的动画。所以常被用来存储“动态图片”，通常时间短，体积小，内容简单，成像相对清晰，适于在早起的慢速互联网上传播。 本来，随着网络带宽的拓展和视频技术的进步，这种图像已经渐渐失去了市场。可是，近年来流行的表情包文化，让老古董GIF图有了新的用武之地。 表情包通常来源于手绘图像，或是视频截取，目前有很多方便制作表情包的小工具。 这类图片通常具有文件体积小，内容简单，兼容性好（无需解码工具即可在各类平台上查看），对画质要求不高的特点，刚好符合GIF图的特性。 所以，老古董GIF图有了新的应用场景。 本文的应用场景 新的应用场景带来新的需求，本文所探究的问题来自于某个业务场景下——为用户批量推送GIF表情包。 一批图像大约有200-500张，以缩略图列表的形式展示在客户端。 根据我们使用测试数据进行的统计GIF图表情包的尺寸大部分在200k-500k之间，批量推送的一个重要问题就是数据量太大，因此

本文转载自： http://www.cnblogs.com/forfuture1978/archive/2009/12/14/1623597.html Lucene的索引里面存了些什么，如何存放的，也即Lucene的索引文件格式，是读懂Lucene源代码的一把钥匙。 当我们真正进入到Lucene源代码之中的时候，我们会发现: Lucene的索引过程，就是按照全文检索的基本过程，将倒排表写成此文件格式的过程。 Lucene的搜索过程，就是按照此文件格式将索引进去的信息读出来，然后计算每篇文档打分(score)的过程。 本文详细解读了Apache Lucene - Index File Formats( http://lucene.apache.org/java/2_9_0/fileformats.html ) 这篇文章。 一、基本概念 下图就是Lucene生成的索引的一个实例： Lucene的索引结构是有层次结构的，主要分以下几个层次： 索引(Index)： 在Lucene中一个索引是放在一个文件夹中的。 如上图，同一文件夹中的所有的文件构成一个Lucene索引。 段(Segment)： 一个索引可以包含多个段，段与段之间是独立的，添加新文档可以生成新的段，不同的段可以合并。 如上图，具有相同前缀文件的属同一个段，图中共两个段 "_0" 和 "_1"。 segments

这里是官方wiki： https://wiki.centos.org/AdditionalResources/Repositories 一、简介 YUM（Yellowdog Updater Modified）是一种开源的，广泛使用的基于命令行和图形的包管理工具，适用于基于RPM（RedHat Package Manager）的Linux系统，包括但不限于Red Hat Enterprise Linux（RHEL），CentOS和Scientific Linux（SL），Oracle Linux（OL）。它用于在系统上安装，更新，删除或搜索软件包。要安装未包含在默认基础和更新存储库中的软件包，以及其他CentOS存储库（Extras，Centosplus，CentOS-Fasttrack，Continuous Release和Software Collections），您需要安装并启用其他第三方存储库。 先介绍两个命令，yum 和 rpm 命令介绍： https://www.computerhope.com/unix/yum.htm 二、YUM的常见用法 1、选项 -h：显示帮助信息； -y：对所有的提问都回答“yes”； -c：指定配置文件； -q：安静模式； -v：详细模式； -d：设置调试等级（0-10）； -e：设置错误等级（0-10）； -R

存储MP3信息 使用变量(括号内的单词)存储以下MP3信息(冒号后的信息)： 品牌（brand）：爱国者 F928 重量（weight）：12.4 电池类型（types）：内置锂电池 价格（price）：499 # 请将MP3信息保存到变量中 brand = "爱国者 F928" weight = 12.4 types = "内置锂电池" price = 499 来源： CSDN 作者： Nasinhore 链接： https://blog.csdn.net/qq_43191251/article/details/104803880