- 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 主键索引 -- 2. idx_name索引（如果存在） -- 3. idx_email索引（如果存在） -- 4. idx_age索引（如果存在） 索引的代价： 存储空间：每个索引都需要额外的磁盘空间 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
27411编辑于 2025-09-02 - 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
27020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)
75810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
1K30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
31750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
4.8K00编辑于 2022-03-20 - 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 ?
58310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。
95330编辑于 2023-11-08 - 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。
1.7K40发布于 2018-06-29 - 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.
83630编辑于 2023-08-02 - 来自专栏Web技术布道师
10 分钟掌握 MySQL 的索引查询优化技巧
www.baidu.com' 如果数据量比较多，为防止哈希冲突，可自定义哈希函数，或用MD5函数返回值的一部分作为哈希值： SELECT CONV(RIGHT(MD5('www.baidu.com'),16), 16, 10 多列索引 上面提到的“People”上创建的索引即为多列索引，多列索引往往比多个单列索引更好。 聚簇索引 聚簇索引是一种数据存储结构，InnoDB在主键的索引的叶子节点中直接保存了数据行，而不是像二级索引那样只是保存了索引列的值和所指向行的主键值。由于这个特性，一个表只能有一个聚簇索引。 冗余索引和重复索引不同，比如某个索引是(A,B)，另一个索引是（A），这叫冗余索引，前者可以代替后者，后者不可以代替前者的作用。 查询优化 查询慢的原因 是否向数据库请求了多余的行 比如应用程序只需要10条数据，但是却向数据库请求了所有的数据，在显示在UI上之前抛弃了大部分数据。
1.3K20发布于 2019-05-15 - 来自专栏后端
覆盖索引 vs 普通索引：只改一行 SQL，性能竟然快了 10 倍！
摘要很多开发者在面对数据库性能瓶颈时，第一反应就是“加个索引”，但往往只是机械地添加普通索引，而忽略了更高效的优化方式，比如“覆盖索引”。 引言我们在做数据库查询优化时，经常听到一句话：“能用索引的地方都用索引。”但实际情况是，光有索引不一定就快，比如索引没选好、字段顺序不对，反而可能拖慢查询。 尤其是覆盖索引这个东西，很多人听过但没真用过。那到底覆盖索引跟普通索引差在哪儿？为什么有人说它能极大提升查询性能？今天咱们就来好好聊聊。什么是普通索引，什么是覆盖索引？ 普通索引（Basic Index）这是我们最常见的索引类型。你在某个字段上加了索引之后，查询会先通过索引定位数据，然后再回到原始表中取你需要的字段值。 (100), email VARCHAR(100), age INT, INDEX idx_name (name), INDEX idx_name_age (name, age));-- 插入10
69700编辑于 2025-04-22 - 来自专栏Python联盟
10 分钟 纯 Python 搭建全文搜索引擎
有一个群友在群里问个如何快速搭建一个搜索引擎，在搜索之后我看到了这个 代码所在 Git:https://github.com/asciimoo/searx 官方很贴心，很方便的是已经提供了docker
1.1K40编辑于 2022-01-27 - 来自专栏苏三说技术
聊聊索引失效的10种场景，太坑了
今天就跟大家一起聊聊，mysql数据库索引失效的10种场景，给曾经踩过坑，或者即将要踩坑的朋友们一个参考。 1. 准备工作 所谓空口无凭，如果我直接把索引失效的这些场景丢出来，可能没有任何说服力。 其实这里用到了：覆盖索引。 如果select语句中的查询列，都是索引列，那么这些列被称为覆盖索引。这种情况下，查询的相关字段都能走索引，索引查询效率相对来说更高一些。 目前like查询主要有三种情况： like '%a' like 'a%' like '%a%' 假如现在有个需求：想查出所有code是10开头的用户。 这个需求太简单了吧，sql语句如下： explain select * from user where code like '10%'; 执行结果： 图中看出这种%在10右边时走了索引。 10. not in和not exists 在我们日常工作中用得也比较多的，还有范围查询，常见的有： in exists not in not exists between and 今天重点聊聊前面四种
1.7K50编辑于 2022-08-25 - 来自专栏Python
LightRAG：图增强检索框架，索引速度提升10倍
香港大学团队开源的LightRAG提供了新思路：用知识图谱双层索引重构检索架构，在保持轻量化的同时，让索引速度比GraphRAG快10倍。 VideoRAG）可观测性集成Langfuse追踪每次检索路径API返回完整上下文，便于调试优化支持自定义评估指标（RAGAS框架）六、性能表现基于多个公开数据集的测试结果：指标LightRAGGraphRAG索引速度基准 10倍基准1倍查询延迟小于2秒8-15秒准确率提升+20%基线在保持轻量化的同时，LightRAG在检索质量和速度上都有明显优势。 云栈社区推荐团队在构建企业级检索系统时，重点关注其双层索引设计和异步处理模式。结尾LightRAG通过工程化手段解决了GraphRAG的性能瓶颈，为企业级知识检索提供了可落地的架构方案。
70910编辑于 2025-12-03 - 来自专栏Java识堂
10张图，搞懂索引为什么会失效？
` varchar(10) NOT NULL COMMENT '学生姓名', `age` int(11) NOT NULL COMMENT '学生年龄', PRIMARY KEY (`id`), 考虑到树根的数据块总是在内存中的，一个 10 亿行的表上一个整数字段的索引，查找一个值最多只需要访问 3次磁盘。其实，树的第二层也有很大概率在内存中，那么访问磁盘的平均次数就更少了。 索引下推 当执行如下语句的时候 select * from student where name like '张%' and age = 10 and ismale = 1; 在5.6版本之前的执行过程如下 有1000W条数据的表，有如下sql:select * from table where col1=1 and col2=2 and col3=3,假设假设每个条件可以筛选出10%的数据，如果只有单值索引 ，那么通过该索引能筛选出1000W10%=100w条数据，然后再回表从100w条数据中找到符合col2=2 and col3= 3的数据；如果是联合索引，通过索引筛选出1000w*10%*10% *10%
1.4K40发布于 2020-12-16 - 来自专栏Python工程师
【项目实战】自监控-10-DataFrame索引操作（中篇）
Windows-x86_64 编辑器：pycharm-community-2016.3.2 这个系列主要是实际在做项目的一个笔记 自监控项目，主要是对采集的质量监控数据做的一个实时预警 今天讲讲DataFrame行索引与常规列的互换 DataFrame 一个DataFrame可以看成一个二维表格，不过这个二维表格有行标题也有列标题，而且每类标题可能不止一级 示例中由一个字典构建一个DataFrame 通过index参数指定行名称 给行索引本身指定名称 : [82, 87, 89, 80]}df = pd.DataFrame(dict1, index=["x", "y", "z", "q"]) df.index.name = "ts" # 指定行索引列名称 Part 2：将索引变成列 使用reset_index将索引变成常规列 通过对replace参数进行设置，确定是否在原变量上执行操作 原索引变成常规列后，会重新自动生成一个默认索引 df.reset_index Part 3：将列变成索引 使用set_index将常规列变成索引 同样通过设置inplace值决定是否在原变量上执行操作 执行该操作原索引会消失 df.set_index("a", inplace=True
70210发布于 2019-10-23 - 来自专栏Python与算法之美
10分钟带你学会Pandas多层级索引
原因是使用多层级索引展示数据更加直观，操作数据更加灵活，并且可以表示3维，4维乃至任意维度的数据。 一，多层级索引的创建 1，指定多维列表作为columns ? 2，使用pd.MultiIndex中的方法显式生成多层级索引 可以使用pd.MultiIndex中的from_tuples等方法生成多层级索引。 ? 3，使用set_index方法将普通列转成多层级索引 这种方法只能生成多层级行索引。 ? ? ? 4，groupby和pivot_table等方法也可以生成带有多层级索引的结果 ? ? ? 二，多层级索引的取值 多层级索引Series或多层级DataFrame支持方括号直接取值，loc取值，和pd.IndexSlice切片取值等方法。 1，多层级Series的取值 ? ? ? 三，多层级索引相关操作 多层级索引相关操作包括stack和unstack,set_index和reset_index，以及指定level的相关方法。 1，stack和unstack ? ? ?
1.2K20发布于 2020-07-20 - 来自专栏爱笑的架构师
2020-10-22在线识图搜索引擎
如果汉明距离小于5，则表示有些不同，但比较相近，如果汉明距离大于10则表明完全不同的图片。 以上就是均值哈希的基本实现思路，总体来说是比较简单的。 灰度值换算：baike.baidu.com/item/灰度值/10… 效果演示： 1、原图查找 ? 2、完全马赛克查找 ?
1.2K30发布于 2020-10-28 - 来自专栏一个会写诗的程序员的博客
mysql 查看索引、添加索引、删除索引命令添加索引删除索引
· Non_unique 如果索引不能包括重复词，则为0。如果可以，则为1。 · Key_name 索引的名称。 · Seq_in_index 索引中的列序列号，从1开始。 · Collation 列以什么方式存储在索引中。在MySQL中，有值‘A’（升序）或NULL（无分类）。 · Cardinality 索引中唯一值的数目的估计值。 基数越大，当进行联合时，MySQL使用该索引的机 会就越大。 · Sub_part 如果列只是被部分地编入索引，则为被编入索引的字符的数目。如果整列被编入索引，则为NULL。 · Index_type 用过的索引方法（BTREE, FULLTEXT, HASH, RTREE）。 · Comment 添加索引 ALTER TABLE Persons ADD CONSTRAINT uc_PersonID UNIQUE (Id_P,LastName) 删除索引 mysql> alter
4.6K10发布于 2018-08-17
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