- 综合排序
- 最热优先
- 最新优先
- 来自专栏Loki
巧用缓存加速Loki查询
max_active_conns: <int> | default = 0 password: <string> enable_tls: <boolean> | default = false 缓存作用域 查询结果缓存 queryrange_config里面定义了Loki查询时关于缓存和切块的配置，缓存的相关配置如下 # 查询缓存开关，默认关闭 cache_results: <boolean> | default = storage_config: #索引缓存有效时间 index_cache_validity: <duration> | default = 5m index_queries_cache_config 大意是日志的入到Loki后，缓存的日志索引在原始日志flush进存储前都为有效的，以保证查询的缓存索引是正确的。 经过小白的测试，当前引入缓存对Loki的日志查询效果还是挺明显的，效果图如下，从P99的耗时数据来看，qeury_range接口的整体下降还是比较明显的。 ?
3.8K30发布于 2021-05-13 - 来自专栏C/C++
StarRocks 查询加速1 - Bitmap
与前缀索引的互补性：前缀索引是表的 “默认单索引”，仅对包含其前缀的过滤条件有效；当查询条件不匹配前缀索引时，可为对应列创建 Bitmap 索引，作为补充加速手段。3 使用场景1. 例如：查询 “性别 = 男”，若 50% 行符合条件，Bitmap 索引需加载位图并计算，但最终仍需扫描 50% 的 Page，效率不如直接扫描。2. 为什么适用于 “多个低基数列的组合查询”？ 同时，导入数据时需为每个新值构建位图，频繁导入会显著降低性能；查询时若涉及多个值（如 “ID IN (100 个值)”），需加载 100 个位图，计算开销远超查询收益。5. 需在 “查询加速效果” 与 “额外成本” 间找到平衡，核心权衡维度如下：过滤效果优先：确保查询能过滤 99.9% 以上数据（即保留行数≤0.1%），这是 Bitmap 索引有效的前提。 查询索引加载开销：若查询条件涉及多个值（如 “城市 IN (10 个城市)”），需计算 “值数量 × 位图大小” 的加载成本，若成本超过全表扫描，则索引无效。6.
36621编辑于 2025-09-16 - 来自专栏深入浅出区块链技术
使用Multicall 加速 DeFi查询调用
如果我们想同时获取大量数据，用来在仪表板上显示或进行分析，我们必须调用合约的不同函数或者用不同参数调用相同函数， 这些都可能会导致查询时间很长。 Multicall[5]是一个 npm 软件包，可将多个 HTTP 调用分为一个组。 为此，我们通过调用函数 getAccountLiquidity 来查询 Compound 协议。我们将使用 1,000 个不同的地址来获取所有地址的信息。 result: $ {callsCount}`); } calculatetime.js 调用合约 常规循环调用 先使用传统方法进行测试，我们将遍历 1,000 个的地址数组(在map循环中)，逐个获取每个查询的结果 Multicall: https://github.com/cavanmflynn/ethers-multicall#readme [6] ethers.js: https://docs.ethers.io/v5/
1.9K20发布于 2021-01-14 - 来自专栏skyyws的技术专栏
使用Impala hint加速SQL查询
在使用Impala进行SQL查询的时候，我们经常会使用join来关联多个表进行查询，获取想要的结果。对于表的数量达到千万甚至上亿的时候，不同的join方式所造成的执行速度，可能差距非常大。 想直接了解如何加速SQL查询的可以直接跳过这里了。 Impala提供了broadcast和shuffle两种join的方式，那么这两种方式有什么区别呢？ Impala在查询的时候，会根据每个表的统计信息，自动地选择相应的join方式。 table_name COMPUTE INCREMENTAL STATS [db_name.]table_name [PARTITION (partition_spec)] 如果用户没有及时地给表进行了统计信息操作或者查询的是 的方式之外，impala hint还支持一些其他的功能，这里就不再过多描述，感兴趣的同学可以参考官方文档：https://www.cloudera.com/documentation/enterprise/5-
2.1K20编辑于 2022-05-20 - 来自专栏方亮
探索ClickHouse——使用Projection加速查询
HOWICK PARK","SUNDERLAND","SUNDERLAND","SUNDERLAND","TYNE AND WEAR","A","A" "{7A99F89E-7D81-4E45-ABD5- -537B-4278-8C67-5A060540506D}","19500","1995-01-27 00:00","SK10 2QW","T","N","L","38","","GARDEN STREET ","SWANSEA","A","A" "{1DFBF83E-53A7-4813-A37C-5A06247A09A8}","137500","1995-03-31 00:00","NR2 2NQ","D 查询 SELECT toYear(date), district, town, avg(price), sum(price), count() FROM uk_price_paid GROUP BY 优化后查询 80441 rows in set. Elapsed: 0.170 sec.
67030编辑于 2023-09-27 - 来自专栏SmartSi
Redis使用Pipeline加速查询速度
这意味着通常情况下 Redis 客户端执行一条命令分为如下四个过程： 发送命令 命令排队 命令执行 返回结果 客户端向服务端发送一个查询请求，并监听Socket返回，通常是以阻塞模式，等待服务端响应。 5. 批量命令与Pipeline对比 下面我们看一下批量命令与 Pipeline 的区别: 原生批量命令是原子的，Pipeline 是非原子的。
2.2K30发布于 2019-08-07 - 来自专栏往期博文
【目标检测】YOLOv5推理加速实验：TensorRT加速
前言 前两篇博文分别讨论了YOLOv5检测算法的两种加速思路：采用多进程或批量检测，不过效果均收效甚微。本问将讨论使用TensorRT加速以及半精度推理/模型量化等优化策略对检测加速的实际影响。 )进行检测(忽略精度，只注重速度) 环境搭建 关于TensorRT的安装在之前博文【目标检测】使用TensorRT加速YOLOv5中已经写过，这里不作赘述。 YOLOv5最新版本可以将检测前后三个步骤(预处理、推理、非极大化抑制)分别统计时间，yolov5s.pt和yolov5s.engine的时间如下： yolov5s.pt Speed: 1.0ms inference, 2.0ms NMS per image at shape (1, 3, 1280, 1280) 可以看到，转成TensorRT之后，推理(inference)时间确实如某些资料所述，加速了五倍以上 1.140 0.878 yolov5n.engine 1.100 0.910 yolov5n.engine(量化后) 0.793 1.261 yolov5s.pt 1.184 0.845 yolov5s.engine
2.4K40编辑于 2023-04-12 - 来自专栏随手写个文章
数据预热与预计算加速查询
数据预热与预计算加速查询：从缓存到StarTree的完整实践核心思想：预热/预计算的本质是用空间换时间——将高代价的计算提前完成，查询时直接命中结果，从而将查询延迟从秒级压缩到毫秒级甚至微秒级。 ASorder_count,AVG(amount)ASavg_order_valueFROMordersGROUPBYDATE(order_time),region,product_category;--创建索引加速查询 Pinot)<100ms秒级实时超大（PB）高实时多维OLAP预计算宽表<1s小时~天大中离线数据分析相似度匹配改写<10ms同缓存中中探索式查询加速推荐组合方案：展开代码语言：TXTAI代码解释实时OLAP 大盘：StarTree(Pinot)+Redis热点缓存离线数据报表：Spark预计算宽表+物化视图+Redis探索式分析加速：SQL相似度匹配+物化视图二次聚合通用业务查询：精确缓存→相似度匹配→物化视图 →原始表（逐级降级）总结数据预热与预计算加速是大规模数据分析系统的核心优化手段，其本质是在数据写入时多做工作，在查询时少做工作。
8710编辑于 2026-04-11 - 来自专栏mimic数据库
MIMIC-IV 数据查询加速教程
MIMIC-IV查询加速保姆级教程为什么查询会这么慢？ 之前的文章我们提到过，需要对字段建立索引，查询才会快， 以下面的SQL为例select * from charteventswhere itemid=226512上面这个SQL在chartevents表查询 ，只有charttime建立了索引如何对想要查询的字段建立索引？ 要对chartevents的itemid查询加速，就建立这个字段的索引。 这个过程时间比较长，2分钟左右，耐心等待我们现在看看文章开头的SQL查询速度， 9秒就完成了查询PostgreSQL 索引索引是加速搜索引擎检索数据的一种特殊表查询。
81010编辑于 2023-11-28 YashanDB数据索引设计与查询加速技巧
本文将详细解析YashanDB索引设计的技术原理和查询加速技巧，助力高性能数据库实践。 查询加速技术YashanDB通过以下技术提升索引相关查询的执行效率：统计信息驱动的成本优化(CBO)：优化器动态采集表、列及索引的统计信息，如行数、数据分布和索引树高度，基于代价模型选择最佳执行计划。 热数据和冷数据区分：利用LSC表的活跃切片（MCOL存储）处理热数据，实现动态更新；稳态切片(SCOL存储)针对冷数据进行高效压缩和索引加速查询。 对热点访问表或大表，结合列存表和索引加速技术实现多维度加速。利用YashanDB的自动选主和高可用机制，确保索引管理及查询的连续稳定。 同时，详细阐述了结合存储结构差异实施的查询加速技术，如向量化计算和并行执行。给出系统性索引设计及维护建议，保障业务查询的高效与稳定。
24210编辑于 2025-09-04- 来自专栏小孟开发笔记
to5 分词查询（多条件模糊查询）
p5 使用数组查询时，一个字段有多个搜索词时的写法 $option[‘question’]=[ [‘like’,’%’.’乐刷’.’%’], [‘like’,’%’.’666′.’%’], ‘or ’ ]; 多个字段同时匹配的查询方法 whereor闭包查询， list1=Db::name(‘user_biji’)->page(query)use(keyword){ query->whereor (‘title’,’like’,”% 未经允许不得转载：肥猫博客 » to5 分词查询（多条件模糊查询）
2.8K40编辑于 2023-02-20 - 来自专栏PHP专享栏
TP5 where数组查询(模糊查询--多个查询条件)
有查询条件就查询，多个查询条件，只要有查询，就增加一个查询条件 一、TP5.1版本 TP运算符 SQL运算符 例子 实际查询条件 eq = $map['id'] = array('eq',100); 等效于 '); id in(1,5,8) not in not in $map['id'] = array('not in','1,5,8'); id not in(1,5,8) and（默认） and $map between、 in 条件支持字符串或者数组，即下面两种写法是等效的： $map['id'] = array('not in','1,5,8'); $map['id'] = array('not in',array('1','5','8')); exp 表达式 上表中的 exp 不是一个运算符，而是一个综合表达式以支持更复杂的条件设置。 exp 不仅用于 where 条件，也可以用于数据更新，如： 官方查询语法：https://www.kancloud.cn/manual/thinkphp5/135182 版本 新增功能 5.0.9 比较运算增加闭包子查询支持
7.3K21发布于 2019-10-29 - 来自专栏生活不止眼前的代码
SpringDataJPA笔记(5)-子查询
SpringDataJPA-子查询 子查询也是一种视图查询 在数据库实际使用的时候，为了一些业务的设计，有些时候我们需要映射视图到实体，这个时候就可以使用Subselect注解来标注一个视图类 STEP1 @Id private Long id; private String dogName; private String catName; } @Subselect 子查询的注解 ，里面是原生的sql语句 @Synchronize 需要同步的表，如果表变动了，查询视图会更新这个数据 备注：可以使用@Immutable 来标注这个类不可以修改，因为视图是可读不可写的，修改数据需要修改对应表的数据
1.9K30发布于 2019-08-31 - 来自专栏三太子敖丙
MySQL的索引是怎么加速查询的？
索引到底是怎么加速查询的？ 事实上，在你还没有执行 create index 语句的时候，MySQL 就已经创建索引了。 让我们从建表开始吧。 如果没有这棵 B+树，你要根据主键查询，比如 select * from student where id = 5; 对不起，数据是无序的，你只能全表扫描，犹如大浪淘沙。 2、二级索引 聚簇索引只能帮你加快主键查询，但是如果你想根据姓名查询呢？ 对不起，看看上面这棵树你就知道，数据并没有按照姓名进行组织，所以，你还是只能全表扫描。 不想全表扫描，怎么办？ 3、复合索引 继续，如果我还想根据姓名和年龄同时查询呢？ 甚至，这么精妙的数据结构设计，难道就只能用来加速查询吗？ 至少现在我能想到的，索引可以拿来干的事情，就至少有四种。 下次聊。 （吐血画图，此处应该点赞）
3.1K10发布于 2020-02-24 - 来自专栏Devops专栏
5. Mybatis 单表查询 - resultMap标签 - 多条件查询 - 模糊查询
5. Mybatis 单表查询 - resultMap标签 - 多条件查询 - 模糊查询 数据准备 # 数据准备 DROP TABLE IF EXISTS `user`; CREATE TABLE `user 如果数据库返回结果的列名和要封装的实体的属性名完全一致的话用 resultType 属性 在前面篇章中，我们编写查询的都是 select * from user 这样的查询，而查询的结果集字段名 都是对应 在前面的案例中，我们只进行了单条件查询，而如果存在多条件查询的话，在参数设置的时候也会特殊处理一下。 而多条件查询具有两种解决方案： 方案一：将多条件查询的参数都进行传参，此时多个参数就需要设置参数映射 方案二：将多条件查询的参数都封装到一个javabean的实体类 user 对象中，这样就只需要传递一个参数
1.2K30编辑于 2022-01-17 - 来自专栏自动化、性能测试
FastAPI（5）- 查询参数 Query Parameters
什么是查询参数？ http://127.0.0.1:8000/get?name=xxx&age=18 http://127.0.0.1:8000/get? 后面跟着的一组或多组键值对，就是查询参数 FastAPI 的查询参数 当声明了不属于路径参数以外的其他函数参数时， FastAPI 会自动解析为查询参数 和路径参数不同，查询参数可以是可选非必填的，也可以具有默认值 Optional[str] = None): return {"item_id": item_id, "name": name} 不传 name 的请求结果 name 没传所以取默认值 None 查询参数类型自动转换 # 查询参数类型转换 @app.get("/items/{item_id}") async def read_item(item_id: str, q: Optional[str] = None, short "name": name, "sex": sex } 参数传枚举值的请求结果 不传 sex 的请求结果 不传 sex，会取 sex 的默认值：枚举类中的 unknown 的值 查询参数
1.7K40发布于 2021-09-26 - 来自专栏小孟开发笔记
tp5+exp通用查询
= Db::table('tp5_staff') -> where('name','exp','like "%张%"') -> select(); //转换后 8、区间查询,第三参数就是出现在SQL 条件中的字符串 //8、区间查询,第三参数就是出现在SQL条件中的字符串 $result = Db::table('tp5_staff') -> where('id','between',[1010,1020 ) -> select(); //转换后 9、集合查询,第三参数就是出现在SQL条件中的字符串 //9、集合查询,第三参数就是出现在SQL条件中的字符串 $result = Db::table('tp5 ::table('tp5_staff')->where('sex','exp','is not null')->select(); //转换后 11、不指定字段，使用函数拼接任意查询条件（tp5如何查询 hids字段中包含某个id的数据，hids字段中的值格式为 1,5,7 这种场景下的查询就特别好用 总结： 如果对原生SQL比较熟悉，用此方法，将所有查询条件归结到一种方式之下，便于记忆。
58410编辑于 2024-08-07 - 来自专栏sql优化
外键列索引优化：加速JOIN查询的关键
-----------------|| Nested Loop | 遍历驱动表每一行+全表扫描 | 索引跳转替代全表扫描 || Hash Join | 需全表扫描构建哈希表 | 索引加速哈希键定位 四、索引类型选型：精准匹配场景的利器不同索引类型如同手术刀与斧头的区别——关键在精准匹配场景：B-Tree索引：通用之王 适用场景：范围查询（>、<）、排序（ORDER BY）、等值查询案例优势： SELECT * FROM orders WHERE product_id BETWEEN 1000 AND 2000; -- 高效利用B-Tree有序性存储代价：额外占用5-20%存储空间（取决于基数 ）Hash索引：闪电等值查询 适用场景：纯等值查询（=），内存表性能对比（百万数据等值JOIN）：| 索引类型 | 查询耗时 ||----------|----------|| B-Tree | - 查询B：失效！
44721编辑于 2025-06-25 - 来自专栏量化投资与机器学习
5倍提升，加速CPython！Quant如何看？
微软将资助一个由Guido van Rossum、Mark Shannon（加速计划的提出者，精通 Python 性能研究）、Eric Snow（Python 核心开发者之一、微软高级工程师）等多人组成的小团队来加速 加速CPython！ 在今年2021 Python语言峰会上，Guido Van Rossum在表示：他打算在2022年10月发布3.11版本时将快CPython的速度提高1倍。 在接下来的四年里，他的目标是将CPython的速度提高到原来的5倍。 相关阅读 最新！ 想学CPython，Python之父Guido亲上阵 整个计划被称为“香农计划”（即“Shannon Plan”，得名于提出者），期望花 4 年时间把 Python 提速 5 倍，即每年 1.5 倍。 benchmarksgame-team.pages.debian.net/benchmarksgame/fastest/gpp-python3.html 量化圈内人评价 Citadel的前量化分析师Jeffrey Ryan评价道，Python的速度提高2-5倍在金融领域不会产生多大影响
1.5K10发布于 2021-07-07 - 来自专栏程序员泥瓦匠
5分钟了解 CDN 加速原理
继续向域名授权dns查询域名的ip地址 域名授权dns 查询域名记录后（一般是CNAME），回应给 LocalDns LocalDns 得到域名记录后，向智能调度DNS查询域名的ip地址 智能调度DNS 智能调度 DNS（比如 f5 的 3DNS） 智能调度DNS是CDN服务中的关键系统.当用户访问加入CDN服务的网站时，域名解析请求将最终由 “智能调度DNS”负责处理。 缓存功能服务 负载均衡设备(如lvs,F5的BIG/IP) 内容Cache服务器(如squid） 共享存储 三、名词解释 CNAME记录（CNAME record） CNAME即别名( Canonical CNAME域名 接入CDN时，在CDN提供商控制台添加完加速域名后，您会得到一个CDN给您分配的CNAME域名， 您需要在您的DNS解析服务商添加CNAME记录，将自己的加速域名指向这个CNAME域名， 这样该域名所有的请求才会都将转向CDN的节点，达到加速效果。
2.3K10编辑于 2021-12-17
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