高性能mysql初探之五

聚簇索引和二级索引(也就是辅助索引)

  主键(自增的效率最高,不是自增可能会导致不是顺序插入引起页分裂,影响插入速度)默认是聚簇索引,存储是叶子节点不仅存储主键的key还存储对应行的所有列的值

  二级索引键直接存储索引键的值(所以数字类型加索引,索引就会小得多),值直接存储主键的key,所以如果用到二级索引且查的值不在覆盖索引的范围内,就会再次去查一次聚簇索引拿到值

索引的经验原则

  选择度最高排最前原则,最左匹配原则,到范围位置原则(即涉及到范围的查询该列放最后,防止后面的列使用不到索引)

  索引支持最左的前缀匹配

where与order by ,group by 联合使用

先后顺序为 where----group by ----order by,你既可以在group by和order by后面单独使用索引,也可以和where子句联合使用

如有 key(a,b,c) 

where a=1 order by b   能用索引         where k=2 order by a,b 能用   where a=1 order by c 不能用

group by 同理是一样的

 

加索引的原则

索引不是越多越好,要注意删除冗余的索引如 (A, B) 和 A 就是冗余索引,删除A。而且索引本身构建需要时间,经常更改索引列的值,可能导致页分裂,产生很多页内碎片,需要执行optimize table 优化索引存储才行并且索引存储的是列的值,当是一个选择度不高且值的内容很长会浪费很大的空间而且生成的树近似于直链,查询效率不高。所以索引只推荐在那些中型大小的表里面使用,小型和大型都没有太大必要

  

 

主要内容:本文详细介绍了一种QRBiLSTM(分位数回归双向长短期记忆网络)的时间序列区间预测方法。首先介绍了项目背景以及模型的优势,比如能够有效利用双向的信息,并对未来的趋势上限和下限做出估计。接着从数据生成出发讲述了具体的代码操作过程:数据预处理,搭建模型,进行训练,并最终可视化预测结果与计算分位数回归的边界线。提供的示例代码可以完全运行并且包含了数据生成环节,便于新手快速上手,深入学习。此外还指出了模型未来发展的方向,例如加入额外的输入特性和改善超参数配置等途径提高模型的表现。文中强调了时间序列的标准化和平稳检验,在样本划分阶段需要按时间序列顺序进行划分,并在训练阶段采取合适的手段预防过度拟合发生。 适合人群:对于希望学习和应用双向长短时记忆网络解决时序数据预测的初学者和具有一定基础的研究人员。尤其适用于有金融数据分析需求、需要做多一步或多步预测任务的从业者。 使用场景及目标:应用于金融市场波动预报、天气状况变化预测或是物流管理等多个领域内的决策支持。主要目的在于不仅能够提供精确的数值预计还能描绘出相应的区间概率图以增强结论置信程度。 补充说明:本教程通过一个由正弦信号加白噪构造而成的简单实例来指导大家理解和执行QRBiLSTM流程的所有关键步骤,这既方便于初学者跟踪学习,又有利于专业人士作为现有系统的补充参考工具。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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