（二十）索引

最新推荐文章于 2024-07-12 16:35:20 发布
最新推荐文章于 2024-07-12 16:35:20 发布
阅读量83 收藏
点赞数
分类专栏： # MySQL：菜鸟的进化 文章标签： 数据库 mysql sql 笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lvmealn/article/details/131649990
版权

索引概述 

索引(index)是帮助MySOL高效获取数据的数据结构(有序)。在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用(指向)数据， 这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引。

在查询数据时，如果一张表没有索引，则会一条一条查询，直到全部记录查询完成即止，这样查询的效率极低。有索引则会显著提高效率。

优缺点：

        优点：

  1. 提高数据检索的效率，降低数据库的IO成本
  2. 通过索引列对数据进行排序，降低数据排序的成本，降低CPU的消耗。

        缺点：

  1. 索引列也是要占用空间的。
  2. 索引大大提高了查询效率，同时却也降低更新表的速度，如对表进行INSERT、UPDATE、DELETE时，效率降低。

索引的数据结构

MySQL的索引是在存储引擎层实现的，不同的存储引擎有不同的结构，主要包含以下几种：

B+tree

最常见的索引类型，大部分引擎都支持 B+tree 索引。我们平常所说的索引，如果没有特别指明，都是指B+tree 结构组织的索引。

先看二叉树：

二叉树

二叉树缺点：顺序插入时，会形成一个链表，查询性能大大降低。大数据量情况下，层级较深，检索速度慢。这时可以采用红黑树解决链表结构问题：

红黑树

红黑树的缺点：大数据量情况下，层级较深，检索速度慢。

为解决大数据量层级较深这个问题，可以采用B-tree（多路平衡查找树）

        以一颗最大度数(max-degree)为5(5阶)的b-tree为例(每个节点最多存储4个key，5个指针)。（树的度数指的是一个节点的子节点个数。）

B-tree

B-tree可视化：Data Structure Visualization

大于4个key时，中间元素向上分裂（2n阶则为第\frac{2n-1-1}{2}个元素向上分裂）：

B+tree是B-tree的变种，以一颗最大度数(max-degree)为4(4阶)的b+tree为例：

B+tree

所有的数据都会存放在叶子节点，根节点只做索引作用。

中间元素向上裂变时，中间元素仍会保留在叶子节点中，叶子节点间会形成单向链表。

MySOL索引数据结构对经典的B+Tree进行了优化。在原B+Tree的基础上，增加一个指向相邻叶子节点的链表指针，就形成了带有顺序指针的B+Tree，提高区间访问的性能。

mysql中的B+tree

Hash

底层数据结构是用哈希表实现的，只有精确匹配索引列的查询才有效，不支持范围查询

hash索引就是采用一定的hash算法，将键值换算成新的hash值，映射到对应的槽位上，然后存储在hash表中。

如果两个(或多个)键值，映射到一个相同的槽位上，他们就产生了hash冲突(也称为hash碰撞)，可以通过链表来解决。

hash索引

hash索引的特点：

  1. Hash索引只能用于对等比较(=，in)，不支持范围查询 (between，>，<，...
  2. 无法利用索引完成排序操作
  3. 查询效率高，通常（不存在hash碰撞时）只需要一次检索就可以了，效率通常要高于B+tree索引

在MysQL中，支持hash索引的是Memry引擎，而lnnoDB中具有自适应hash功能，hash索引是存储引擎根据B+Tree索引在指定条件下自动构建的。

R-tree（空间索引）

空间索引是MyISAM引擎的一个特殊索引类型，主要用于地理空间数据类型，通常使用较少

Full-text（全文索引）

是一种通过建立倒排索引快速匹配文档的方式。类似于Lucene, Solr, ES

思考

为什么InnoDB存储引擎选择使用B+tree索引结构?

  1. 相对于二叉树，层级更少，搜索效率高；
  2. 对于B-tree，无论是叶子节点还是非叶子节点，都会保存数据，这样导致一页中存储的键值减少，指针跟着减少，要同样保存大量数据，只能增加树的高度，导致性能降低；
  3. 相对Hash索引，B+tree支持范围匹配及排序操作。

索引的分类

分类含义特点关键字
主键索引针对与表中主键创建的索引默认自动创建，只能有一个PRIMARY
唯一索引避免同一个表中某数据类的值重复可以有多个UNIQUE
常规索引快速定位特定数据可以有多个
全文索引全文索引查找的是文本中的关键词，而不是比较索引中的值可以有多个FULLTEXT

在InnoDB存储引擎中，根据索引的存储形式，又可以分为以下两种：

  • 聚集索引(Clustered Index)：将数据存储与索引放到了一块，索引结构的叶子节点保存了行数据。必须有，而且只有一个。

选取规则：

  1. 如果存在主键，主键索引就是聚集索引。
  2. 如果不存在主键，将使用第一个唯一(UNIQUE)索引作为聚集索引。
  3. 如果表没有主键，或没有合适的唯一索引，则innoDB会自动生成一个rowid作为隐藏的聚集索引。

  • 二级索引(Secondary Index)：将数据与索引分开存储，索引结构的叶子节点关联的是对应的主键。可以存在多个。

id为主键，则id为聚集索引。聚集索引下面挂的是行数据，二级索引下面挂的是name对应的id。

当执行下面这行代码时，先通过二级索引找到Arm对应的id=10，再根据聚集索引找到id=10的row（行数据）。这个过程成为回表查询。

select * from user where name = 'Arm';

 思考

  1. 以下SQL语句，那个执行效率高?为什么?（其中，id为主键，name字段创建有索引） 
    select * from user where id = 10;
select * from user where name = 'Arm';

    答：代码1只需要根据聚集索引查询即可；代码2需要有回表查询的过程。

  2. InnoDB主键索引的B+tree有多高？

        假设：一行数据大小为1k，一页中可以存储16行这样的数据。InnoDB的指针占用6个字节的空间，主键即使为bigint，占用字节数为8。

        如果树的高度为2，当前节点存储的key的数量为n，则n+1为指针数量：

        n\times8+(n+1)\times6=16\times1024，解得n\approx 1170

1171\times16=18736，则这个B+tree能存储的数据量大概为18736

：：

索引的语法

-- 创建索引
CREATE [UNIQUE | FULLTEXT] INDEX index_name ON table_name (index_col_name, ...);


-- 查看索引
SHOW INDEX FROM tb_name;


-- 删除索引
DROP INDEX idx_tbname_colname ON tb_name;

举个栗子

准备数据：复制world中的country表于test数据库中，对于这张表进行操作，这样不会改变原有数据。

use test;

-- 复制world中的country表
CREATE TABLE `country` (
  `Code` char(3) NOT NULL DEFAULT '',
  `Name` char(52) NOT NULL DEFAULT '',
  `Continent` enum('Asia','Europe','North America','Africa','Oceania','Antarctica','South America') NOT NULL DEFAULT 'Asia',
  `Region` char(26) NOT NULL DEFAULT '',
  `SurfaceArea` decimal(10,2) NOT NULL DEFAULT '0.00',
  `IndepYear` smallint DEFAULT NULL,
  `Population` int NOT NULL DEFAULT '0',
  `LifeExpectancy` decimal(3,1) DEFAULT NULL,
  `GNP` decimal(10,2) DEFAULT NULL,
  `GNPOld` decimal(10,2) DEFAULT NULL,
  `LocalName` char(45) NOT NULL DEFAULT '',
  `GovernmentForm` char(45) NOT NULL DEFAULT '',
  `HeadOfState` char(60) DEFAULT NULL,
  `Capital` int DEFAULT NULL,
  `Code2` char(2) NOT NULL DEFAULT '',
  PRIMARY KEY (`Code`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;

insert into country select * from world.country;  -- 复制

需求：

  1. name字段为国家名称字段，该字段的值可能会重复，为该字段创建索引。
  2. code2是非空，且唯一的，为该字段创建唯一索引。
  3. 为continent, region, surfacearea创建联合索引。
  4. 为GNP建立合适的索引来提升查询效率。
-- 查询当前表有的索引 
show index from country;  -- 只有1个主键索引，数据结构为B+tree（结果显示为BTREE）

-- 创建索引 
-- 1
create index idx_country_name on country(name);

-- 2
create unique index idx_country_code2 on country(code2);

-- 3
create index idx_country_ctt_reg_sfa on country(continent, region, surfacearea);  -- 字段顺序是有讲究的

-- 4
create index idx_country_gnp on country(gnp);

-- 删除索引 
drop index idx_country_gnp on country;

SQL性能分析

SQL执行频率

-- 查看服务器状态信息
SHOW [SESSION | GLOBAL] STATUS;


-- 查看当前数据库的INSERT, UPDATE, DELETE, SELECT访问频次
SHOW GLOBAL STATUS LIKE 'Com_______';  -- 7个下划线

如果上述结果中，select占绝大多次，则需要根据这一块，对SQL进行优化。其他也一样。

慢查询日志

慢查询日志记录了所有执行时间超过指定参数（long_query_time，单位: 秒，默认10秒）的所有SQL语句的日志。可以定位哪些sql语句用时较长，从而进行针对性的优化。

MySQL的慢查询日志默认没有开启，可以通过以下方式设置：

-- 查询慢查询日志是否开启及日志文件
show variables like 'slow_query%';


-- 开启mysql的慢查询日志 
set global slow_query_log = 1;


-- 设置慢查询日志的时间为0.01秒(便于教学)，SQL语句执行时间超过2秒，就会视为慢查询，记录慢查询日志
set global long_query_time = 0.01;

以管理员身份打开慢查询日志xxx-slow.log。在C:\ProgramData\MySQL\MySQL Server 8.0\Data目录下，可以找到慢查询记录（但cmd只能在关闭mysql慢查询以后才能打开这个文件，还是linux实时更好一点）。

慢查询日志

 

profile详情

show profiles 能够在做SQL优化时帮助我们了解时间都耗费到哪里去了。通过have_profiling参数，能够看到当前MySQL是否支持。默认profiling是关闭的，可以通过set语句在session/global级别开启profiling:

-- mysql是否支持
select @@have_profiling;


-- 查看profiling是否打开
select @@profiling;


-- 打开profiling
set profiling = 1;

执行一系列的业务SOL的操作，然后通过如下指令查看指令的执行耗时：

-- 查看每一条SQL的耗时基本情况
show profiles;


-- 查看指定query_id的SQL语句各个阶段的耗时情况
show profile for query query_id;


-- 查看指定query_id的SQL语句CPU的使用情况
show profile cpu for query query_id;
show profiles;

 

show profile for query 10;

 

show profile cup for query 10;

 

explain执行计划

EXPLAIN 或者 DESC命令获取 MySQL 如何执行 SELECT 语句的信息，包括在 SELECT 语句执行过程中表如何连接和连接的顺序。

-- 直接在select语句之前加上关键字 explain / desc
EXPLNN SELECT 字段列表 FROM 表名 WHERE 条件
select * from ciry where id = 10;

 

  1. id：select查询的序列号，表示查询中执行selet子句或者是操作表的顺序(id相同，执行顺序从上到下; id不同，值越大，越先执行)。 
    -- 多表查询 
use world;
explain
select a.name as city_name, b.name as country_name
from city a, country b
where a.countrycode = b.code;

    -- 查询country为Afghanistan的ciry name（子查询）
explain select name from city where countrycode = (select code from country where name = 'Afghanistan');

     

  2. select_type：表示 SELECT 的类型，常见的取值有 SIMPLE(简单表，即不使用表连接或者子查询)、PRIMARY(主查询，即外层的查询)、UNION (UNION 中的第二个或者后面的查询语句)、SUBQUERY (SELECT/WHERE之后包含了子查询)等
  3. type：表示连接类型，性能由好到差的连接类型为NULL(当查询的时候不访问任何表时)、System（访问系统表）、const（用主键/唯一索引访问时）、eq_ref、ref（使用非唯一索引访问时）、range、index、all。
  4. possible key：显示可能应用在这张表上的索引，一个或多个
  5. Key：实际使用的索引，如果为NULL，则没有使用索引。
  6. Key_len：表示索引中使用的字节数，该值为索引字段最大可能长度，并非实际使用长度，在不损失精确性的前提下，长度越短越好
  7. rows：MySQL认为必须要执行查询的行数，在innodb引擎的表中，是一个估计值，可能并不总是准确的。
  8. filtered：表示返回结果的行数占需读取行数的百分比，filtered 的值越大越好，100%是最好的。

索引的使用

验证索引效率

-- 在未建立索引之前，执行如下SQL语句，查看SQL的耗时。
SELECT * FROM tb_sku WHERE sn = 100000003145001;  -- sku大概1000万条数据，大概20秒


-- 针对字段创建索引
create index idx_sku_sn on tb_sku(sn);


-- 然后再次执行相同的SQL语句，再次查看SQL的耗时
SELECT * FROM tb_sku WHERS sn = '100000003145001';  -- 大概0.01秒

说明创建索引对提高数据查询速度非常有效。如果这里直接查询100000003145001数值，也能查到，但是不会再使用idx_sku_sn索引（索引失效），查询速度不会提升。

使用原则

最左前缀法则

如果索引了多列（联合索引），要遵守最左前缀法则。最左前缀法则指的是查询从索引的最左列开始，并且不跳过索引中的列。

如果跳跃某一列，索引将部分失效（后面的字段索引失效）。

use test;
explain select * from country 
where continent = 'Africa' 
and region = 'Central Africa' 
and surfacearea = 1246700.00;

-- 索引生效
explain select * from country 
where continent = 'Africa';  -- 最左边存在，没有跳过


-- 索引部分生效
explain select * from country 
where continent = 'Africa' 
and surfacearea = 1246700.00;  -- 最左边存在，但只用了continent索引，后面索引失效


-- 索引失效
explain select * from country 
where surfacearea = 1246700.00;  -- 最左边不存在

范围查询

联合索引中，出现范围查询(>,<)，范围查询右侧的列索引失效 

索引列运算

不要在索引列上进行运算操作，索引将失效

explain select code2, name from country where code2 = 'AQ';  -- 用到了索引 
explain select code2, name from country where substring(code2, 1, 1) = 'A';  -- 没用到索引
explain select code2, name from country where code2 = 'AQ'; 

 

explain select code2, name from country where substring(code2, 1, 1) = 'A';  

 

字符串不加引号

字符串类型字段使用时，不加引号，索引将失效

模糊查询

如果仅仅是尾部模糊匹配，索引不会失效。如果是头部模糊匹配，索引失效

OR连接的条件

用or分割开的条件，如果or前的条件中的列有索引，而后面的列中没有索引，那么涉及的索引都不会被用到。解决：给没有索引的列创建索引。

数据分布原则

如果MySQL评估使用索引比全表更慢，则不使用索引。

SQL提示

SQL提示，是优化数据库的一个重要手段，简单来说，就是在SOL语句中加入一些人为的提示来达到优化操作的目的。

提示：use index; ignore index; force index;

explain select * from country use index(idx_country_code2) where code2 like 'A%';  -- 这只是给mysql的建议，建不建议在mysql自身

explain select * from country ignore index(idx_country_code2) where code2 like 'A%';

explain select * from country force index(idx_country_code2) where code2 like 'A%';  -- 强制mysql

覆盖索引

尽量使用覆盖索引（查询使用了索引，并且需要返回的列，在该索引中已经全部能够找到，也就是不出现回表查询），减少select * （实际中因尽量避免使用select *，因为很容易造成回表查询，这时性能就会较低）。

explain select code, continent from country where continent = 'Europe' and region = 'Southern Europe' and surfacearea = '28748.00';

explain select code, continent, region, surfacearea from country where continent = 'Europe' and region = 'Southern Europe' and surfacearea = '28748.00';

explain select code, name, continent, region, surfacearea from country where continent = 'Europe' and region = 'Southern Europe' and surfacearea = '28748.00';

explain select * from country where continent = 'Europe' and region = 'Southern Europe' and surfacearea = '28748.00';

 

前两条SQL语句中select包含了主键索引primary的字段code，在使用联合索引idx_country_ctt_reg_sfa 查询时，不需要回表查询就可以直接返回结果，这时候就是覆盖索引。mysql显示using where; using index。

但后两条SQL语句中，查询了除主键索引和联合索引以外的列name，这时候就需要回表查询，相应的性能也较弱。mysql显示using index condition。

  • using index condition : 查找使用了索引，但是需要回表查询数据
  • using where; using index : 查找使用了索引，但是需要的数据都在索引列中能找到，所以不需要回表查询数据

思考：一张表,有四个字段(id,username,password,status)由于数据量大,需要对以下SQL语句进行优化,该如何进行才是最优方案:：

select id, username, password from tb_user where usename = 'hxx';

解决：优化就是建立索引，最优的就是建立username, password的联合索引。

前缀索引

当字段类型为字符串(varchar，text等)时，有时候需要索引很长的字符串，这会让索引变得很大，查询时，浪费大量的磁盘0，影响查询效率。此时可以只将字符串的一部分前缀，建立索引，这样可以大大节约索引空间，从而提高索引效率。 （主要用于大文本字符串）

create index idx_xxx on tb_name(col(n));  -- 提取列的前n个字符创建索引

前缀长度n：可以根据索引的选择性来决定，而选择性是指不重复的索引值(基数)和数据表的记录总数的比值，索引选择性越高则查询效率越高，唯一索引的选择性是1，这是最好的索引选择性，性能也是最好的。

select 'sub_20' 前缀长度, count(distinct substring(name, 1, 20)) / count(*) 选择性 from country
union
select 'sub_10', count(distinct substring(name, 1, 10)) / count(*) from country
union
select 'sub_05', count(distinct substring(name, 1, 5)) / count(*) from country
union
select 'sub_03', count(distinct substring(name, 1, 3)) / count(*) from country;

-- 创建索引
create index idx_country_name_5 on country(name(5));

-- 比较
explain select * from country use index(idx_country_name_5) where name = 'Canada';
explain select * from country where name = 'canada';

单列索引&联合索引

在业务场景中，如果存在多个查询条件，考虑针对于查询字段建立索引时，建议建立联合索引，而非单列索引。多条件联合查询时，MySOL优化器会评估哪个字段的索引效率更高，会选择该索引完成本次查询。

-- 联合索引：容易避免回表查询（注意考虑字段顺序）
create unique index idx_country_name_region on country(name, region);

索引的设计原则

  1. 针对于数据量较大（100w+），且查询比较频繁的表建立索引。
  2. 针对于常作为查询条件 (where)、排序 (order by)、分组 (group by) 操作的字段建立索引。
  3. 尽量选择区分度高的列作为索引，尽量建立唯一索引，区分度越高，使用索引的效率越高。
  4. 如果是字符串类型的字段，字段的长度较长，可以针对于字段的特点，建立前缀索引。
  5. 尽量使用联合索引，减少单列索引，查询时，联合索引很多时候可以覆盖索引，节省存储空间，避免回表，提高查询效率。
  6. 要控制索引的数量，索引并不是多多益善，索引越多，维护索引结构的代价也就越大，会影响增删改的效率。
  7. 如果索列不能存储NULL值，请在创建表时使用NOT NULL约束它。当优化器知道每列是否包含NULL值时，它可以更好地确定哪个索引最有效地用于查询

不总结=白学 

 

THE END

魔镜er
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
mysql索引详解
学Java，找哪吒
07-07 10万+
MySQL的存储引擎架构将查询处理与数据的存储/提取相分离
MongoDB索引详解
持续学习，坚持原创，分享技术笔记及经验。
01-06 1600
MongoDB索引详解
Mysql基础(二十)：建立二级索引
mingyuli的博客
11-22 2906
1、MySQL CREATE INDEX语句 通常，创建表的时候就能为表创建索引。 例如，以下语句创建一个新表，并创建了是由两列c2和c3组成的索引。 CREATE TABLE t( c1 INT PRIMARY KEY, c2 INT NOT NULL, c3 INT NOT NULL, c4 VARCHAR(10), INDEX (c2,c3) ); 但是要为列或一组列添加索引，可以使用CREATE INDEX语句，如下所示： CREATE INDEX ...
Pandas(十四)--索引操作
Hanscal
05-07 7270
目录 索引Index 创建索引 设置索引 重置索引 分层索引MultiIndex 创建分层索引 应用分层索引 分层索引切片取值 聚合函数应用 局部索引 行索引层转换为列索引 列索引实现分层 交换层和层排序 索引Index 通过索引(Index)可以从 DataFame 中选择特定的行数和列数，这种选择数据的方式称为“子集选择”。在 Pandas 中，索引值也被称为标签（label），它在 Jupyter 笔记本中以粗体字进行显示。索引可以加快数据访问的速度，它就好比数据的书签，
ELK详解（二十）——Elasticsearch索引管理
永远是少年
04-09 3549
今天继续给大家介绍Linux运维相关知识，本文主要内容是Elasticsearch索引管理。 一、索引查看 二、索引删除 （一）删除指定索引 （二）索引模糊匹配删除 三、禁用索引通配符 四、定时删除索引
PostGIS教程二十：索引集群_postgis_PostGIS索引集群_
09-30
在PostGIS中，索引集群是一种优化数据库查询性能的技术，尤其对于地理空间数据处理来说，其重要性不言而喻。本教程将深入探讨PostGIS中的索引集群及其对提高数据访问速度的影响。 首先，理解索引的概念是关键。在...
PHP 函数索引.doc
11-29
8. `base_convert()`: 在不同基数之间转换数字，如从二进制转换为十进制或十六进制。 9. `bcadd()`: 对两个高精度（任意精度）数字进行加法运算，用于处理大数字的精确计算。 10. `bccomp()`: 比较两个高精度数字...
matlab 二十四点游戏
11-15
【标题】"matlab 二十四点游戏"是一个利用MATLAB编程实现的经典数学游戏，目标是通过加、减、乘、除运算将四张牌的数值组合成24。这个游戏不仅锻炼了玩家的逻辑思维和计算能力，同时也展示了MATLAB作为编程工具在...
oracle在线创建索引和重组索引
04-20
如果索引实在太大，如几十个 G 的索引，创建一次或者重组一次需要耗费很长的时间。在这种情况下，可以采用一些特殊的方法来提高速度，如采用大的排序区，并行操作等等。 例如： ```sql alter session set sworkarea...
计算机科学导论索引.docx
12-18
2. **数制换算**: 数制是表示数字的方法，包括二进制、八进制、十进制和十六进制等。转换在计算机科学中至关重要，因为计算机内部使用二进制表示数据。 3. **原码、反码和补码**: 这是表示负数的三种方式，主要在二...
初始C++
2302_81016149的博客
07-08 802
在C语言我们学习函数的时候，我们学习过生命周期这个概念。那么，什么是生命周期呢？生命周期通常指的是一个对象或变量从创建到销毁所经历的时间段。那么，命名空间是什么？咱们可以这样理解：在这个空间的生命周期内，对这个空间内的全部标识符起一个名字，可对其进行引用，可类似与C语言中的结构体。#include<stdlib.h>//此处不包此头文件代码可正常运行，那该如何解决此处情况呢？int main()//此处编译不通过原因为：在不包头文件前为变量，包含后为函数。return 0;
set user & password for database 设置数据库 用户和密码
DavidsonGong的博客
07-12 93
USE sbms;
mysql笔记1
m0_62975692的博客
07-11 240
首先查看systemctl status mysqld，如果是关闭的可以进入的配置文件打开mysql，我的mysql配置文件就是在/usr/local/mysql/support-filess/下，在此目录下执行./mysql.server start,打开mysql服务，也可以通过systmectl start mysqld，如果你嫌麻烦的话可以systemctl enable mysqld 一直打开mysql的服务;重新给字段添加约束的时候不可以添加not null约束的！
docker-compose安装PolarDB-PG数据库
wnfff的博客
07-12 196
docker-compose安装PolarDB-PG数据库
Redis数据结构-String篇
最新发布
时间如瑾 代码如诗
07-12 507
对⼀个内部表示成long型的string执行append, setbit, getrange这些命令，针对的仍然是string的值（即⼗进制表示的字符串），而不是针对内部表⽰的long型进⾏操作。因此，在这些命令的实现中，会把long型先转成字符串再进行相应的操作。String 的内部存储结构⼀般是 sds（Simple Dynamic String，可以动态扩展内存），但是如果⼀个String 类型的 value 的值是数字，那么 Redis 内部会把它转成 long 类型来存储，从⽽减少内存的使用。
系统架构设计师教程 第二章 计算机系统基础知识-2.3计算机软件
Remon的专栏
07-09 718
《系统架构设计师教程》清华第二版 2.3计算机软件 章节的详细解读
Java：使用synchronized和Redis实现并发控制的区别
好幸运
07-08 456
而Redis则适用于分布式环境下的同步需求，虽然操作相对复杂，但它能够解决跨JVM的资源竞争问题。: 是Java语言内置的关键字，用于实现线程间的同步。这种同步是** JVM层面**的，对本地内存中的对象进行操作。Redis: 由于是基于网络通信的分布式存储，它的性能受到网络延迟和带宽的影响。然而，在分布式环境下，Redis提供的分布式锁机制能够有效解决跨JVM的同步问题，尽管相比。Redis: 使用Redis实现同步（如通过SETNX命令设置锁），需要手动编写代码来获取和释放锁。
配置Redis时yml的格式导致报错
weixin_63680330的博客
07-12 543
这个错误是由于在创建名为'redissonClient'的bean时出现了问题。具体原因是Redis连接异常，无法解析主机名'null'。请检查您的Redis配置，确保主机名和端口号正确。但是我明明已经配置了，一番排查后发现是缩进问题。
CH-benCHmark：一个HTAP数据库测试基准
算力测评
07-09 254
这一基准测试，旨在弥合TPC-C（专注于联机事务处理，即OLTP）与TPC-H（侧重于联机分析处理，即OLAP）这两项业界权威但单一的工作负载测试之间的鸿沟。它巧妙地结合了TPC-C的订单录入流程产生的交易负载，以及与之对应的、等同于TPC-H级别的OLAP查询套件，并在单一数据库系统内的同一数据集上并行执行。正因为继承自两个最广泛应用的TPC标准，CH-benCHmark的测试结果不仅对混合负载系统具有重大参考价值，同时也适用于传统的单一工作负载场景。
如何索引一行二十四列的数组
05-04
对于一行二十四列的数组，可以使用一维数组来表示。要索引该数组中的元素，可以使用下标（index）的方式来访问。 例如，如果你想要访问第五个元素，可以使用下标 4，因为数组的下标是从 0 开始的。代码示例： ``` ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值