技术分享 | OceanBase 全局索引与局部索引探索

OceanBase 的索引有局部索引和全局索引。局部索引和全局索引的索引区别在哪里？下面通过实战例子演示如何给 OceanBase 做优化。阅读时注意以下几个优化关键参考指标。 name ,phone,address) values (i,'yang',phone+i,'address'); set i=i+1; end while; end // delimiter ; 2索引使用场景 ID，必须是唯一性，必须包括主键列，基于局部索引加上唯一索引，不产生回表。 局部索引应用于争取 LOCAL 的场景，避免 DISTRUBTE。场景二、场影三、场影四 使用 LOCAL，但是场景五使用 DISTRUBTE。深思的是必须结合分区键才能完成唯一索引创建。 这里内部的逻辑，局部索引要完成跨域，必须要与分区键绑定。 全局索引也可以实现 LOCAL 的场景，见场景六。笔者后续会做 OceanBase 的分布式环境。

分区表用了索引还很慢？局部索引 vs 全局索引，别再踩坑了

关键词：MySQL分区表、索引优化、局部索引、全局索引、性能调优、高级技巧大家好呀！我是​数据库小学妹​上篇我们学了分区表，把大表拆成小区域，查询能只扫对应分区。 二、核心概念：局部索引vs全局索引对比项局部索引（LocalIndex）全局索引（GlobalIndex）存储方式每个分区独立维护自己的索引树整个表共用一个索引树分区裁剪✅支持（扫描对应分区索引）❌不支持 三、实战技巧：如何设计分区表索引？优先使用局部索引，兼顾分区键和查询条件​原则​：将分区键包含在索引中，或作为索引的前缀列。 代码解释--创建按年份Range分区的订单表CREATETABLEorders(idINTNOTNULL,order_dateDATENOTNULL,user_idINT,amountDECIMAL(10,2) 上海）nameVARCHAR(50))PARTITIONBYLIST(region)(PARTITIONp_beijingVALUESIN(1),PARTITIONp_shanghaiVALUESIN(2)

索引系列：2dsphere索引

No 2 版本变更 2dsphere索引版本 版本 3 MongoDB 3.2 引入了 2dsphere索引的版本3。 对于包含2dsphere索引键以及其他类型键的复合索引，该索引是否引用文档只取决于2dsphere索引字段。 MongoDB的早期版本仅支持2dsphere (Version 1)索引。 这使得geoNear在具有多个2dsphere索引或多个2d索引的文档中也能被使用： 如果您的集合具有多个2dsphere索引或多个2d索引，则必须使用key选项来指定使用哪个索引字段路径。 如果未指定key，您将无法使用多个2dsphere索引或多个2d索引。因为没有指定key时，在多个2d索引或2dsphere索引中选择索引将变得无法明确。 敲黑板！！！ 如果您不指定key，您将最多只能拥有一个2dsphere索引或一个2dsphere索引，MongoDB首先寻找2d索引。如果不存在2d索引，则MongoDB会寻找2dsphere索引。

局部函数实现add(1)(2)(3)

导读 本文主要介绍如何通过局部函数（高阶函数）来实现函数curry，国内翻译为函数柯里化（这翻译太操蛋了）。 这样可通过一个函数同时实现如下调用： add(1)(2)(3) add(1, 2)(3) add(1)(2, 3) add(1, 2, 3) 一道“难”题 每天都要在各个读者群内看一看，看看各读者有没有遇到难题 ) # 6 解决思路 乍一看这题的解决思路就是：让函数返回局部函数。 ——说穿了，其实无非就是定义局部函数、返回局部函数。 提示 每当你觉得xxx很难时，往往还是基础不扎实，很多人学编程时难免犯一个方法错误，他把编程知识分成两类： A：看一眼似乎能学会的。 __code__.co_argcount : # 直接执行fn函数 return fn(*args) else : # 定义局部函数

(2)Python索引和切片

维护索引（2）——填充因子

前言： 在第九章中，已经介绍了如何使用索引，当一个索引创建时，以B-Tree格式存放数据，拥有根节点、中间节点、叶子节点。 比如有一个聚集索引在SSN上，当插入一个新的SSN数时。 SQLServer会尝试把数据插入到合适的数据页，假设SSN从2开始，此时在最后的数据页中找到这个页面是以SSN开始的，SQLServer将会仅仅在这个页中插入新行。 填充因子仅仅在创建或重建一个索引时有影响，在日常的DML操作中，页依然会100%填满。 , type_desc , fill_factor FROM sys.indexes WHERE type_desc <> 'HEAP' 2、

mysql索引abc,a=1 and c=2是否可使用索引_sql联合索引

若表中索引过多，会影响INSERT及UPDATE性能，简单说就是会影响数据写入性能。因为更新数据的同时，也要同时更新索引。 最实际的好处当然是查询速度快，性能好。 ) … 建索引参考的原则 ： 一个表有3列 ，a,b,c 说出3种索引，能够在查询的时候用到 a,b,c,bc,ac,abc . abc (a,bc,abc) bc (c,bc) ca (c) 用 查询 bc 的时候用不到abc和ac 索引。 使用联合索引应该注意： MySQL使用联合索引只能使用左侧的部分，例如INDEX(a,b,c)，当条件为a或a,b或a,b,c时都可以使用索引，但是当条件为b,c时将不会使用索引。 离散度更高的索引应该放在联合索引的前面，因为离散度高索引的可选择性高。考虑一种极端的情况，数据表中有100条记录，若INDEX(a,b)中a只有两种情况，而b有100种情况。

【MySQL（2）| MySQL索引机制】

B+Tree索引图 详细的B-Tree和B+Tree可以参考 【MySQL一】开发人心里都该有的那颗 B 树 B树被作为实现索引的数据结构被创造出来，是因为它能够完美的利用“局部性原理”。 这样做的理论依据是计算机科学中著名的局部性原理：当一个数据被用到时，其附近的数据也通常会马上被使用。程序运行期间所需要的数据通常比较集中。 由于磁盘顺序读取的效率很高（不需要寻道时间，只需很少的旋转时间），因此对于具有局部性的程序来说，预读可以提高I/O效率。 预读的长度一般为页（page）的整倍数。 (1)由于是m分叉的，高度能够大大降低； (2)每个节点可以存储j个记录，如果将节点大小设置为页大小，例如4K，能够充分的利用预读的特性，极大减少磁盘IO； 注意：高度降低的原因在于： 在利用了局部性原理前提下 ，我们把一个节点的大小设为一页，一页4K，假设一个KEY有8byte，一个节点可以存储500个KEY，即j=500 m叉树，大概m/2<= j <=m，即可以差不多是1000叉树 一层树：1个节点，1*

【干货】Elasticsearch索引性能优化 (2)

Elasticsearch索引性能优化 (2) 本文翻译自QBox官方博客的“Elasticsearch索引性能优化”系列文章中的第二篇，版权归原作者所有。 curl -XPOST 'localhost:9200/my_index/_refresh' 2 段与合并 段合并是一个计算开销较大的操作，而且会消耗大量的磁盘I/O。 "indices.store.throttle.type" : "merge" } }' 注意：上面的设置只适用于Elasticsearch 1.X版本，Elasticsearch 2. 机械介质在并发I/O方面有较大的时间开销，因此需要减少线程数，以便能按索引并发访问磁盘。该设置允许每次有max_thread_count + 2个线程操作磁盘，所以设置为1表示支持3个线程。 index.translog.interval - 检查是否需要flush的时间间隔，随机在该时间到2倍之间取值，默认为5秒。

【干货】Elasticsearch索引性能优化 (2)

Elasticsearch索引性能优化 (2) 本文翻译自QBox官方博客的“Elasticsearch索引性能优化”系列文章中的第二篇，版权归原作者所有。 curl -XPOST 'localhost:9200/my_index/_refresh' 2 段与合并 段合并是一个计算开销较大的操作，而且会消耗大量的磁盘I/O。 "indices.store.throttle.type" : "merge" } }' 注意：上面的设置只适用于Elasticsearch 1.X版本，Elasticsearch 2. 机械介质在并发I/O方面有较大的时间开销，因此需要减少线程数，以便能按索引并发访问磁盘。该设置允许每次有max_thread_count + 2个线程操作磁盘，所以设置为1表示支持3个线程。 index.translog.interval - 检查是否需要flush的时间间隔，随机在该时间到2倍之间取值，默认为5秒。

索引的数据结构（2）

常见索引概念 索引按照物理实现方式，索引可以分为 2 种：聚簇（聚集）和非聚簇（非聚集）索引。我们也把非聚集 索引称为二级索引或者辅助索引。 1. 聚簇索引 特点： 1. 二级索引（辅助索引、非聚簇索引） 概念：回表 我们根据这个以c2列大小排序的B+树只能确定我们要查找记录的主键值，所以如果我们想根 据c2列的值查找到完整的用户记录的话，仍然需要到 聚簇索引 中再查一遍 在记录的c2列相同的情况下，采用c3列进行排序 注意一点，以c2和c3列的大小为排序规则建立的B+树称为 联合索引 ，本质上也是一个二级索引。 为c2和c3列分别建立索引会分别以c2和c3列的大小为排序规则建立2棵B+树。 3.4 InnoDB的B+树索引的注意事项  1. 根页面位置万年不动 2. 内节点中目录项记录的唯一性 3. 如果我们在Col2上建立一个二级索引，则此  如果我们在Col2上建立一个二级索引，则此索引的结构如下图所示： MyISAM 与 InnoDB对比   MyISAM的索引方式都是“非聚簇”的，与InnoDB

dom啦 循环索引同步2

DOCTYPE html> <html> <head> <title></title> </head> <body> <button>我是按钮1</button> <button>我是按钮2</button > <button>我是按钮3</button> <script type="text/javascript"> /* 在ES6中如果在循环中通过let定义的变量, 那么这个变量是一个局部变量 ) { console.log(i); } list.push(fn); } list[0](); list[1](); list[2] ) { console.log(i); } list.push(fn); } list[0](); list[1](); list[2]

【Android NDK 开发】JNI 引用 ( 局部引用 | 局部引用作用域 | 局部引用产生 | 局部引用释放 | 代码示例)

局部引用 作用域 IV . 局部引用 产生 与 释放 V . 局部引用 代码示例 I . JNI 引用数据类型 ---- 1 . 中定义的 Java 引用数据类型 , 其本质是 C/C++ 环境中对应的 Java 数据类型 ; 要注意将 JNI 中的 Java 类型引用 , 与 C/C++ 指针区分开 , 两者概念不同 ; 2 局部引用 作用域 ---- 1 . 局部引用作用域 : 局部引用只能在当前作用域有效 ; 超出作用域 手动释放 上面 两种情况 都会导致 局部引用变量 失效 ; 2 . 方法 释放该局部引用 ; 2 . 获取 Teacher 类 ( 该变量需要释放 ) jclass class_teacher = env->FindClass("kim/hsl/jni/Teacher"); // 2

深入非聚集索引：SQL Server索引进阶 Level 2

C Guo shannon16@adventure-works.com 1106 John Y Chen john2@ 索引条目的优点是在顺序 索引的条目按索引键值进行排序，所以SQL Server可以在任一方向上快速遍历条目。 顺序条目的扫描可以从索引的开始，索引的结尾或索引内的任何条目开始。 Merrill 1 Steele Joan 1 Steele Laura 2 Steelman Shanay 1 Steen Heidi 2 Stefani Stefano 下载代码 NonClustered.SQL Resources: Level 2 - NonClustered.sql | Level2_MillionRowContactTable.sql ----

索引的创建与设计原则（2）（适合创建索引情况 ）

VARCHAR(40) DEFAULT NULL, PRIMARY KEY (`id`) ) ENGINE=INNODB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8; 第2步 RAND()*52),1));       SET i = i + 1;    END WHILE;    RETURN return_str; END // DELIMITER ; #函数2： 10000,10100),rand_string(6));   UNTIL i = max_num   END REPEAT;   COMMIT;  #提交事务 END // DELIMITER ; # 存储过程2： （来源：Alibaba） 说明：不要以为唯一索引影响了 insert 速度，这个速度损耗可以忽略，但提高查找速度是明显的。  2. 在多个字段都要创建索引的情况下，联合索引优于单值索引

ggplot2拓展功能：局部放大和边际密度图

#-----ggExtra:Add marginal density plots-------# library(ggplot2) # Create a scatter plot p <- ggplot 02 — ggforce：局部放大 ggplot拓展功能 第二部分的局部放大。 Petal.Width, colour = Species)) + geom_point() + ggpubr::color_palette("jco") + facet_zoom(ylim = c(1,2)

局部熵

propab=[np.size(signal[signal==i])/(1.0*lensig) for i in symset]#每个值的概率 ent=np.sum([p*np.log2( plt.subplot(1,3,3) plt.imshow(E,cmap=plt.cm.jet) plt.xlabel('6x6 邻域熵') plt.colorbar() plt.show() 算法：局部熵是将图分成一个个区域

新特性解读 | MySQL 8.0 索引特性2-索引跳跃扫描

*考虑以下的场景： 表t1有一个联合索引idx_u1(rank1,rank2)，但是查询的时候却没有rank1这列，只有rank2。 比如，select * from t1 where rank2 = 30。 那以前遇到这样的情况，如果没有针对rank2这列单独建立普通索引，这条SQL怎么着都是走的FULL TABLE SCAN。 ISS 可以在查询过滤组合索引不包括最左列的情况下，走索引扫描，而不必要单独建立额外的索引。因为毕竟额外的索引对写开销很大，能省则省。 rank2 > 400union allselect * from t1 where rank1 = 5 and rank2 > 400; 可以看出来，MySQL其实内部自己把左边的列做了一次DISTINCT 那这样的场景就必须给rank2加一个单独索引了。 ? 那来总结下 ISS 就是一句话：ISS 其实就是MySQL 8.0推出的适合联合索引左边列唯一值较少的情况的一种优化策略。

17.Elasticsearch更新文档3---局部更新2---脚本更新2

policy_document", "_id": "222", "_version": 9, "result": "updated", "_shards": { "total": 2, 10.脚本更新 以下是2.x版本的脚本语法 POST policy_document/policy_document/222/_update { "script": "ctx. policy_document", "_id": "222", "_version": 11, "result": "updated", "_shards": { "total": 2, policy_document", "_id": "222", "_version": 12, "result": "updated", "_shards": { "total": 2, 结果如下： { "_index": "policy_document", "_type": "policy_document", "_id": "122", "_version": 2,

「Mysql索引原理（十三）」索引案例2-避免多个范围条件

age列索引，但无法同时使用它们。 所以这个查询条件没法使用任何索引，但因为这个条件的过滤性不高，即使在索引中加入该列也没有太大的帮助。换个角度来说,缺乏合适的索引对该查询的影响也不明显。 我们已经加入了很多这样的列表，但另外一个可选的方案就只能是为不同的组合列创建单独的索引。 这些索引对某个具体的查询来说可能都是更优化的，但是考虑到索引的维护和额外的空间占用的代价，这个可选方案就不是一个好策略了。 在这个案例中，优化器的特性是影响索引策略的一个很重要的因素。 如果未来版本的MySQL能够实现松散索引扫描，就能在一个索引上使用多个范围条件,那也就不需要为上面考虑的这类查询使用IN()列表了。