myql深度学习7-索引

1、将一个表的查询的结果插入到另一个表中

insert into table_name1 (column_list1) select (column_list2) from table_name2 where (condition)

2、索引是对数据库表中一列或多列的值进行排序的一种结构,使用索引可以提高数据库中特定的数据的查询速度。索引是一个单独的存储在磁盘上的数据库结构,包含的这对数据表的所有记录的引用指针。
缺点:
①创建索引和维护索引要耗费时间,并且随着数据量的增加所耗费的时间也会增加。
②占据磁盘空间。
③对数据表走红的数据进行增加、删除和修改的时候索引要动态维护,降低了数据的维护速度。

3、创建普通索引 使用index或key关键字。其中possible_keys表示可以选用的关键字,key表示的是实际使用的关键字。

create table fruit(
    id int(11) auto_increment,
    name varchar(50) not null,
    price DECIMAL(8,2) not null,
    city VARCHAR(100) not null,
    primary key(id),
    index(city)
)

然后通过explain进行查看 索引的情况,此时的key为city

explain select * from fruit where city = 'beijing'

在这里插入图片描述

若使用下面的查询条件,其key值为空

explain select * from fruit where name = 'mei'

在这里插入图片描述

4、创建唯一索引,唯一索引的和普通索引类似,不同的是索引列的值必须是唯一,但允许有空值。如果是组合索引,则列值得组合必须唯一。 使用unique index关键字,并且为id起了别名UniqIdx。

create table newfruit(
id int not null,
name varchar(50) not null,
price DECIMAL(8,2) not null,
city varchar(100) not null,
UNIQUE INDEX UniqIdx(id)
)

在这里插入图片描述

5、创建多列索引,当查询条件至少包含id时才会利用到索引,而查询条件中单独使用name和price的时候不会利用到索引。

create table newfruit2(
id int not null,
name varchar(50) not null,
price DECIMAL(8,2) not null,
city varchar(100) not null,
INDEX Mmindex(id,name,price)
)

6、删除索引

drop index_name on table_name

alter table table_name drop index index_name
由于内存数据库具有比基于磁盘的数据库更高的查询响应速度和并发度,其被广泛应用于银行、证券交易所和在线购物等数据量庞大并且实时性要求高的商业领域。索引能够有效降低数据的搜索空间、提高内存数据库的查询效率,然而当前它却受到性能和效率的挑战。 基于图形处理器的通用计算(GPGPU)在多个领域具有重要的研究价值和应用前景,也是当前研究的热点。目前图形处理器(GPU)上索引技术的研究已有一定的相关成果,然而这些研究成果存在着诸如:并行算法未充分利用硬件的资源、并行度不高,算法缺乏可扩展性且不能解决索引数据的更新等问题。因此,本文以如何充分利用 GPU 的硬件资源、最大限度地提高内存数据库索引的操作性能为主要研究内容,在相关研究的基础上,本文主要做了以下工作: 1. 对目前内存数据库索引技术的研究成果进行总结归纳,并且对 GPU 的硬件特点和编程技术做了相关综述。 2. 提出一种基于 GPU T-树索引的并行计算方案,该方案通过分析 T-树的节点间的父子关系,在 GPU 上实现对 T-树的最大并行度构建。设计在 GPU 上 T-树索引数据可任意伸缩的动态数组,解决 GPU 上尚无动态分配显存空间的问题;通过对各种构建 T-树方案的理论和实验分析,提出的并行建树方案较传统的建树方案,在操作效率和空间利用率上均有明显的性能优势。为解决 CUDA 程序数据传输的瓶颈问题,通过页锁定内存的方式提高 CPU 和 GPU 间的数据传输速率;为适应未来硬件发展的需求,对算法的可扩展性进行相关研究;为验证方案的正确性,提出基于 GPU T-树的遍历算法; 为验证提出的并行方案的有效性,进行相关的实验论证。 3. 为加速多维数据的操作性能,提出一种基于 GPU 多维线性哈希索引的并行处理方案。该方案通过对传统哈希索引数据结构的扩展,利用 2 层的数据结构可实现哈希表在 GPU 上的任意收缩,从而解决多维数据在 GPU 上无法有效更新的问题。在哈希表的记录并行批量插入算法,采用并行分裂哈希桶的方式可加速哈希表分裂的处理 速度,从而提高了插入的效率;设计一个灵活的溢出桶管理机制,可提高多维哈希索引在 GPU 上的存储空间利用率;对提出的记录并行批量插入方案进行算法时间和空间复杂度的分析,并与传统的 CPU 算法进行相关对比;在各种硬件平台上对多维线性哈希索引记录的并行批量插入、批量删除和查询的操作性能进行相关的实验论证。 4. 提出一种基于 GPU 缓存敏感 CSB+-树索引的无锁并行处理方案,该方案通过对传统的 CSB+-树的结构改进,可实现 CSB+-树的索引数据在 GPU 上动态更新。在 GPU上提出基于树层和基于节点索引键 CSB+-树两种并行构建算法,其后者可实现对CSB+-树的最大并行度构建;通过在 CSB+-树的内部节点添加填充位的方式,可减少GPU 线程块里的线程分支数,从而提高 CSB+-树的查询性能;通过对 CSB+-树的查询算法使用共享存储器的可行性分析,指出传统的缓存敏感技术的思想在复杂的 GPU 内存框架并不适合使用。为验证提出的并行方案的有效性,在多个硬件平台上进行相关的实验论证。 5.在 GPU 平台上提出一种 BD-树索引的并行计算方案,该方案通过修改传统 BD-树的哈希函数,可实现对 BD-树索引的并行处理。通过对传统 BD-树的数据结构改进,可实现 BD-树索引数据在 GPU 上的更新操作;通过分析 BD-树的树形结构,可实现基于内部节点键的并行度方式构建 BD-树;通过增加额外的空间开销,减少 GPU 原子函数的调用次数,可显著提高 BD-树哈希表的数据插入效率;对 BD-树并行构建算法进行空间复杂度的分析,与传统的构建算法相比,提出算法的空间利用率明显得到提高。同样,为验证提出方案的有效性,进行相关的实验论证。
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