- 综合排序
- 最热优先
- 最新优先
- 来自专栏苏三说技术
索引夺命 10 连问
联合索引到底该怎么设计才合理？ 别急，今天我就通过10个问题，带你彻底搞懂索引的奥秘！ 希望对你会有所帮助。 一、什么是索引？为什么需要索引？ 1.1 索引的本质 简单来说，索引就是数据的目录。 ON users(name); SELECT * FROM users WHERE name = '苏三'; -- 通过索引快速定位 1.2 索引的工作原理 索引的底层结构（B+树）： 二、索引的10 email); SELECT name, id, email FROM users WHERE name LIKE'苏三%'; -- 不需要回表 -- 方案3：使用全文索引（对于文本搜索） CREATE v$object_usage WHERE index_name = 'IDX_NAME'; 10.不同数据库的索引有什么差异？ 、Hash、全文索引等 考虑复合索引：使用复合索引减少索引数量 避免过度索引：每个索引都有维护成本 定期维护：重建索引，优化索引碎片 3.2 索引设计检查清单 总结 理解原理：掌握B+树索引的工作原理和特性
37711编辑于 2025-09-02 - 来自专栏爬蜥的学习之旅
文本获取和搜索引擎简介
根据句法本身去推断为什么这样做，理解为什么有人这样描述，比如可能是想让某人把狗唤回来，以免男孩被狗伤着 Bag of words:保留所有的单词，重复的也会保留，但是不关心单词在生个句子中出现的顺序 文本获取的分类 类似搜索引擎的Pull模型：用户拥有主动权，它具有Ad hoc属性，就是说暂时性的需要，后续不再使用，比如搜索到某个关键字的文档后，这个关键字就不再被使用 查询和浏览的区别：查询是用户知道搜索什么， 浏览是将内容放置供人查看，而不是查询 类似推荐系统的Push模型：系统拥有主动权，一个良好的推荐系统能够给用户推送它真正需要的信息 文本获取的方式 用户给定查询关键字在既有的数据集里头搜索出想要的结果以供浏览 文本获取的方式一般有两种： 第一是 document selection，即根据某种函数f给查询q和文件d作用后的结果来分类，[f(q,d)=1 / 0]，明确把文档分隔开，要么完全相关，要么完全不相关 ； 第二是 Ranking，它是计算相关性，并依次排列顺序，关键在于如何说明某个文件的相关性比另一个的相关性更大，当相关性大于某个阈值的时候就返回匹配的文件[ f(q,d)>THETA] 文本获取(Text
1K30发布于 2019-07-09 - 来自专栏小雨的CSDN
10.MySQL索引（必考要点）
1.索引 1）索引概念 索引 ：好比书的目录，是为了加快查找的效率，如果数据库中没有索引，此时查找的时候就需要把整个表都遍历一遍，就有点像“顺序表查找”，针对数据库进行查找，数据库在磁盘上，磁盘访问速度很慢 2.索引也会占用一定的磁盘空间和内存空间（空间换时间） 3.给具体表中的每一列来加索引的时候，加在主键上的索引和加在其他列上的索引不同 4）索引应用场景 主要用在查找很频繁，但是插入、删除、修改都不频繁的场景 5）索引的使用 创建主键约束（PRIMARY KEY）、唯一约束（UNIQUE）、外键约束（FOREIGN KEY）（关联到哪个列就在哪个列建立索引）时，会自动创建对应列的索引。 a.查看索引： show index from 表名; b.创建索引： create index 索引名 on 表名(字段名); 例：create index idx_classes_name on classes(name); c.删除索引： （主键的索引不能删) drop index 索引名 on 表名; 例如：drop index idx_classes_name on classes
36820编辑于 2022-10-26 - 来自专栏往期博文
MySQL学习10：视图&事务&索引
开启事务 begin; 或者 start transaction; 提交事务 commit; 回滚事务 rollback; 索引 Index 索引目的 类似字典前的目录，索引用来加快查找的速度。 索引原理 基层原理不作深究，表面上索引就是加速查找用到的树结构。 查看索引 show index from 表名 创建索引 若指定字段是字符串，需要指定长度，最好长度保持一致。 create index 索引名称 on 表名(字段名称(长度))； 删除索引 drop index 索引名称 on 表名; 索引注意事项 1.主键，外键默认就是索引。 2.不需要频繁查找的字段无需建立索引。索引过多会影响数据更新的速度(更新数据的同时要更新索引)
85710编辑于 2022-06-14 - 来自专栏机器学习/数据可视化
Pandas的10大索引
认识Pandas的10大索引 索引在我们的日常中其实是很常见的，就像： 一本书有自己的目录和具体的章节，当我们想找某个知识点，翻到对应的章节即可； 也像图书馆中的书籍被分类成文史类、技术类、小说类等，再加上书籍的编号 因此，基于实际需求出发创建的索引对我们的业务工作具有很强的指导意义。在Pandas中创建合适的索引则能够方便我们的数据处理工作。 官网学习地址：https://pandas.pydata.org/docs/reference/api/pandas.Index.html 下面通过实际案例来介绍Pandas中常见的10种索引，以及如何创建它们 In [9]: pd.RangeIndex(0,8) # 指定start和stop Out[9]: RangeIndex(start=0, stop=8, step=1) 改变步长为2： In [10 ]: pd.RangeIndex(0,8,2) Out[10]: RangeIndex(start=0, stop=8, step=2) In [11]: list(pd.RangeIndex(0,8,2
1.4K30编辑于 2023-08-23 - 来自专栏全栈测试技术
MySql基础-笔记10-索引
1、说明索引可以大大提高MySQL的检索速度；索引分单列索引和组合索引。单列索引，即一个索引只包含单个列，一个表可以有多个单列索引，但这不是组合索引。 组合索引，即一个索引包含多个列；创建索引时，需要确保该索引是应用在SQL 查询语句的条件(一般作为 WHERE 子句的条件)；索引也是一张表，该表保存了主键与索引字段，并指向实体表的记录；过多的使用索引将会造成滥用 ，虽然索引大大提高了查询速度，同时却会降低更新表的速度；建立索引会占用磁盘空间的索引文件。 DROP INDEX [indexName] ON mytable; 3、唯一索引它与前面的普通索引类似，不同的就是：索引列的值必须唯一，但允许有空值。 删除主键时只需指定PRIMARY KEY，但在删除索引时，你必须知道索引名。6、显示索引信息你可以使用 SHOW INDEX 命令来列出表中的相关的索引信息。可以通过添加 \G 来格式化输出信息。图片
41150编辑于 2023-01-31 - 来自专栏机器学习/数据可视化
Pandas中的10种索引
-MORE--> 官网学习地址：https://pandas.pydata.org/docs/reference/api/pandas.Index.html 下面通过实际案例来介绍Pandas中常见的10 种索引，以及如何创建它们。 step=1) In 9: pd.RangeIndex(0,8) # 指定start和stop Out9: RangeIndex(start=0, stop=8, step=1) 改变步长为2： In 10 : pd.RangeIndex(0,8,2) Out10: RangeIndex(start=0, stop=8, step=2) In 11: list(pd.RangeIndex(0,8,2)) 将结果用 01",periods=6, freq="3M") Out38: DatetimeIndex( ['2022-01-31', '2022-04-30', '2022-07-31','2022-10
5.2K00编辑于 2022-03-20 - 来自专栏壳屋栏博客专栏
Win10如何修改文本缩放比例？Win10修改文本缩放比例的方法
Win10系统可以说是一款比较常见的操作系统，有不少小伙伴都在使用，但是在使用的时候却觉得字体太小看不清，想要去调整的时候却不知应该如何操作，那么遇到这种情况要如何解决呢? 下面就和小编一起来看看要如何修改文本缩放比例。 Win10修改文本缩放比例的方法 1、点击桌面左下角的开始菜单，点击设置面板。 2、找到系统板块一栏。 3、点击屏幕选项。 4、最后在右侧的缩放与布局板块中，就文本项目大小的比例改为100%即可。
2.8K10编辑于 2022-06-24 - 来自专栏机器学习算法原理与实践
文本主题模型之潜在语义索引(LSI)
在文本挖掘中，主题模型是比较特殊的一块，它的思想不同于我们常用的机器学习算法，因此这里我们需要专门来总结文本主题模型的算法。本文关注于潜在语义索引算法(LSI)的原理。 1. 潜在语义索引(LSI)概述 潜在语义索引(Latent Semantic Indexing,以下简称LSI)，有的文章也叫Latent Semantic Analysis（LSA）。 也可以反过来解释：我们输入的有m个词，对应n个文本。而$A_{ij}$则对应第i个词档的第j个文本的特征值，这里最常用的是基于预处理后的标准化TF-IDF值。k是我们假设的主题数，一般要比文本数少。 LSI简单实例 这里举一个简单的LSI实例，假设我们有下面这个有10个词三个文本的词频TF对应矩阵如下： ? LSI用于文本相似度计算 在上面我们通过LSI得到的文本主题矩阵可以用于文本相似度计算。而计算方法一般是通过余弦相似度。比如对于上面的三文档两主题的例子。
1.8K20发布于 2018-08-07 - 来自专栏让技术和时代并行
lucene给文本索引和搜索功能的应用
lucene允许你往程序中添加搜索功能，lucene能够把你从文本中解析出来的数据进行索引和搜索 ，lucene不关心数据来源 甚至不关心语种，不过你需要把它转换成文本格式。 也就是说你可以搜索 html网页，文本文档，word文档 ，pdf，或者其他一些 总之 只要能够提取出文本信息的即可。 ， 而每个field相当于我们的表名 ，它能够对文本进行自动处理去掉里面的一些语气词，它能把你规定的域当作关键词来进行索引 以备查询时使用，lucene比较容易使用 ，但是不如数据库灵活，速度很快。 TextField.TYPE_STORED)); writer.addDocument(doc); } //10 list.add(doc.get("contents")); } reader.close(); return list; } } //这里我主要给文档中的文本进行添加了索引
1.1K30发布于 2019-04-16 - 来自专栏阿凯的Excel
索引功能（Pandas读书笔记10）
今天和大家分享的是索引功能的实现！ ? 当我们定义一个Series类型的数据的时候，发现Pandas会帮我们自定义生成一个0到3的索引，我个人是比较喜欢使用Pandas给我们生成的自定义索引，但是部分工作场景需要人工定义，如何实现人工定义呢？ 一、人工定义索引 方法一：初始定义数据时定义索引 ? 方法二：使用rename重定义索引 ? 上述两个案例使用的是Series作为举例说明的，我们接下来使用DataFrame数据类型再次进行测试！ 方法一：初始定义数据时定义索引 ? ? 方法二：使用rename重定义索引 ? 二、根据索引排序 1、定义好初始数据，接下来使用这个数据进行分享 ? 2、使用reindex进行按照序列重新排序 ?
70210发布于 2018-08-13 - 来自专栏分布式｜微服务｜性能优化｜并发编程｜源码分析
10.ES滚动索引如何使用
索引滚动是一种管理索引的策略，用于优化性能和资源利用，特别是在处理大量数据时。当索引数据量逐渐增大时，可能会出现性能下降或资源压力过大的情况。 为了避免这些问题，可以使用索引滚动策略来定期创建新的索引，并将数据从旧索引滚动（移动）到新索引。 创建一个有规律的索引名称 注意-后面必须是整数，这样ES才会给你递增 PUT lglbc_rollover_log-0001 { "aliases": { "lglbc_rollover_log ：lglbc_rollover_log-000002 我们验证下新的索引是否存在 GET lglbc_rollover_log-000002 结果显示还没创建，因为还没满足条件，所以再添加一条数据 PUT ，并且索引lglbc_rollover_log-000002已经创建 ，并且已经返回了下一次的索引名称。
1.2K30编辑于 2023-11-08 - 来自专栏爬蜥的学习之旅
文本获取和搜索引擎的概率模型
coursera课程 text retrieval and search engine 第四周 推荐。
1.4K30发布于 2019-07-09 - 来自专栏爬蜥的学习之旅
文本获取和搜索引擎之推荐系统
推荐系统即把恰当的内容推送给用户，类似于在一系列文档中过滤出用户想要的。一般有两种方式:
80631发布于 2019-07-09 - 来自专栏学习有记
SQL Server 索引内部结构：SQL Server 索引进阶 Level 10
索引条目也被称为索引行;无论是表行（聚簇索引叶级别条目），是指表行（非聚簇索引叶级别）还是指向较低级别（非叶级别）的页面。 所以如果表中包含10亿行，索引的叶级将包含10亿条目。 在叶级以上的级别，即最低的非叶级;每个入口指向一个叶级页面。 如果我们的10亿条目索引平均每页有100个条目，这对于其搜索关键字由几个数字，日期和代码列组成的索引是一个现实的数字;那么叶级将包含1,000,000,000 / 100 = 10,000,000个页面 反过来，最低的非叶级将包含10,000,000个条目，每个条目指向叶级页面，并且将跨越100,000个页面。 每个较高的非叶级别的页面的条目均指向下一级的页面。 以上级别将包含1,000个条目，并且大小为10页;上面那个只包含十个条目的条目就只有一个页面;这就是停止的地方。 位于索引顶部的独立页面称为根页面。位于根页面之下和叶级之上的索引的级别被称为中间级别。
2.1K40发布于 2018-06-29 - 来自专栏林德熙的博客
win10 uwp 读取文本GBK错误
本文讲的是解决UWP文本GBK打开乱码错误，如何去读取GBK，包括网页GBK。最后本文给出一个方法追加文本。 GBK UWP 读取记事本 UWP 访问GBK网页乱码 UWP 乱码 UWP GB2312 乱码 UWP 网页乱码 其实不知道垃圾wr怎么想，现在没法读ASCII，把文本用文本编辑器打开 原因是因为文本保存为 查了一下WPF使用默认可以读，原因是默认的 WPF 的编码读取是 GBK 所以这时就可以读取，但是在 UWP 是没有 GBK 的，默认也不是。 我们可以Catch，用GBK读文本，这样如果读取错误就是文件错了。 - Artech - 博客园 文本还有一个坑，我们如何在文本追加？uwp追加文本其实换了类，在FileIO。
1.8K10发布于 2018-09-18 - 来自专栏Java知识点
第10章_索引优化与查询优化
查询语句使用 OR 关键字的情况： # 未使用到索引 EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 10 OR classid = 100 #使用到索引 EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 10 OR name = 'Abel'; 因为 age 字段和 name 字段上都有索引 ` INT(10) UNSIGNED NOT NULL AUTO_INCREMENT, `card` INT(10) UNSIGNED NOT NULL, PRIMARY KEY (`bookid`) EXPLAIN SELECT * FROM student WHERE id > 2000000 LIMIT 10; # 8. 优先考虑覆盖索引 # 8.1 什么是覆盖索引？ # 9.2 前缀索引对覆盖索引的影响 结论： 使用前缀索引就用不上覆盖索引对查询性能的优化了，这也是你在选择是否使用前缀索引时需要考虑的一个因素。 # 10.
1.1K30编辑于 2023-08-02 MySQL 中的全文索引：强大的文本搜索利器
一、什么是全文索引？全文索引是一种特殊类型的索引，它允许我们在文本字段中进行快速的全文搜索。 与传统的索引不同，全文索引不是基于特定的列值进行索引，而是对文本内容进行分析和索引，以便能够快速地找到包含特定关键词的记录。 二、全文索引的工作原理 文本分析 当我们在 MySQL 表中创建全文索引时，MySQL 会对被索引的文本字段进行分析。 经过分析后的文本被存储在全文索引中，以便后续的搜索操作。 索引构建 在分析完文本后，MySQL 会构建全文索引。全文索引通常是一种倒排索引结构，它将每个单词与包含该单词的记录列表相关联。 MySQL 中的全文索引是一种非常强大的功能，它可以帮助我们在大量文本数据中进行快速的全文搜索。
1.7K00编辑于 2025-02-17- 来自专栏爬蜥的学习之旅
文本获取和搜索引擎中的反馈模型
coursera课程 text retrieval and search engine 第五周 推荐。
2.5K30发布于 2019-07-09 - 来自专栏机器学习技术分享
10.HanLP实现k均值--文本聚类
笔记转载于GitHub项目：https://github.com/NLP-LOVE/Introduction-NLP 10. 文本聚类 正所谓物以类聚，人以群分。 文本聚类 文本聚类指的是对文档进行聚类分析，被广泛用于文本挖掘和信息检索领域。 文本聚类的基本流程分为特征提取和向量聚类两步， 如果能将文档表示为向量，就可以对其应用聚类算法。 10.5 标准化评测 本次评测选择搜狗实验室提供的文本分类语料的一个子集，我称它为“搜狗文本分类语料库迷你版”。该迷你版语料库分为5个类目，每个类目下1000 篇文章，共计5000篇文章。 二元语法与中文分词 第 4 章：隐马尔可夫模型与序列标注 第 5 章：感知机分类与序列标注 第 6 章：条件随机场与序列标注 第 7 章：词性标注 第 8 章：命名实体识别 第 9 章：信息抽取 第 10 章：文本聚类 第 11 章：文本分类 第 12 章：依存句法分析 第 13 章：深度学习与自然语言处理
1.6K10发布于 2020-02-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号