- 综合排序
- 最热优先
- 最新优先
- 来自专栏兜兜毛毛
MySQL 索引（3）
3. 平衡二叉树（AVL Tree） 平衡二叉树的定义：左右子树深度差绝对值不能超过1。 什么意思呢？比如左子树的深度是2，右子树的深度只能是1或者3。 https://www.cs.usfca.edu/~galles/visualization/BTree.html 比如MaxDegree（路数）是3的时候，我们插入数据1、2、3，在插入3的时候，本来应该在第一个磁盘块 把中间的数据2提上去，把1和3变成2的子节点。 ? 从这个里面我们也能看到，在更新索引的时候会有大量的索引的结构的调整，所以解释了为什么我们不要在频繁更新的列上建索引，或者为什么不要更新主键。 在查找数据时一次页的查找代表一次IO，也就是说，一张2000万左右的表，查询数据最多需要访问3次磁盘。 所以在InnoDB中B+树深度一般为1-3层，它就能满足千万级的数据存储。 索引的创建 1、在用于where判断order排序和join的（on）字段上创建索引 2、索引的个数不要过多。——浪费空间，更新变慢。 3、区分度低的字段，例如性别，不要建索引。
56920发布于 2020-08-11 - 来自专栏逸鹏说道
维护索引（3）——通过重建索引提高性能
前言： 重建一个索引只是在内部删除并重建索引，使得碎片消失、统计信息更新、物理顺序重新排列组织。它会压缩数据页，按照填充因子填充适当的数据。如果有需要，也会添加新的数据页。 准备工作： 首先先要决定是否达到了重建索引的临界值。否则，重组索引会更好。当碎片超过30%，那么重建索引会比较好。 重建索引有两种方式，在重建之前应该考虑使用哪种会更好： 1、 脱机：脱机重建索引是默认选项。它会锁住整个表，知道重建结束，没有人可以访问这个表。如果表非常大，这将持续几个小时甚至更久。 注意：是否联机重建索引只有开发版和企业版可用。其他版本只有脱机重建。 因为重建大表索引会非常耗时，所以不要不耐烦并停止重建操作，这样会引起一些危险的后果，并可能使得数据库进入恢复模式。 重建索引需要有sysadmin、db_onwer或者db_ddladmin角色。
1.2K40发布于 2018-04-11 - 来自专栏小工匠聊架构
MySQL-索引优化篇(3)_利用索引优化锁
---- 利用索引优化锁 为什么索引能优化锁 Innodb采用的行级锁，只有在修改行时才会对需要修改的行加锁。 但是这种情况只有在Innodb层过滤掉不需要的行是才有效。 所以利用索引可以过滤掉不需要的数据， 使用索引的话，仅需要锁定被索引检索出来的数据，而不是锁定全部数据，从而达到优化锁的目的。 索引可以减少锁定的行数 索引可以加快处理速度，同时也加快了锁的释放 ---- 演示 举个例子 （演示锁， 肯定需要两个会话了） 无索引的情况 （获取不同的数据 发生了阻塞） session 1 : mysql 1 row in set, 1 warning (0.00 sec) ERROR: No query specified mysql> mysql> begin ; # Step3 HUMPHREY | WILLIS | 2006-02-15 04:34:33 | +----------+------------+-----------+---------------------+ 3
48630发布于 2021-08-17 - 来自专栏GreatSQL出品技术文章
3.联合索引、覆盖索引及最左匹配原则|MySQL索引学习
的索引被使用的前提下，tcol02的索引才会被使用。 `t3` ( `id` int(11) NOT NULL AUTO_INCREMENT, `tcol01` tinyint(4) DEFAULT NULL, `tcol02` smallint 情况3：下面的SQL用不到索引 [root@GreatSQL][test]>explain SELECT /* NO_CACHE */ * FROM t1 WHERE tcol02=167; +---- 那么就可以使用到覆盖索引的功能，查询数据无需回表，减少随机IO。 3.效率高。多列条件的查询下，索引列越多，通过索引筛选出的数据就越少。 3.尽量避免>、<、between、or、like首字母为%的范围查找，范围查询可能导致无法使用索引。 4.只筛选需要的数据字段，满足覆盖索引的要求，不要用 select * 筛选所有列数据。
1.9K10编辑于 2022-04-18 - 来自专栏源码之路
「Mysql索引原理（十四）」索引案例3-优化排序
对于那些选择性非常低的列,可以增加一些特殊的索引来做排序。 例如,可以创建(sex，rating)索引用于下面的查询: mysql> SELECT <cols> FROM profiles WHERE sex=‘M’ ORDER BY rating LIMIT 10; 这个査询同时使用了ORDER BY和LIMIT，如果没有索引的话会很慢。 即使有索引，如果用户界面上需要翻页，并且翻页翻到比较靠后时査询也可能非常慢。 优化这类索引的另一个比较好的策略是使用延迟关联，通过使用覆盖索引查询返回需要的主键，再根据这些主键关联原表获得需要的行。这可以减少 MySQL扫描那些需要丢弃的行数。
76130发布于 2020-09-04 - 来自专栏java学习java
索引的数据结构（3）
3. 叶子节点包括 k-1 个关键字（叶子节点没有孩子），k 的取值范围为 [ceil(M/2), M]。 4. 上面那张图所表示的 B 树就是一棵 3 阶的 B 树。 我们可以看下磁盘块 2，里面的关键字为（8，12），它 有 3 个孩子 (3，5)，(9，10) 和 (13，15)，你能看到 (3，5) 小于 8，(9，10) 在 8 和 12 之间，而 (13，15 按照指针 P1 找到磁盘块 2，关键字为（8，12），因为 9 在 8 和 12 之间，所以我们得到指针 P2； 3. 3. 非叶子节点仅用于索引，不保存数据记录，跟记录有关的信息都放在叶子节点中。而 B 树中， 非 叶子节点既保存索引，也保存数据记录 。 4.
51930编辑于 2022-11-15 - 来自专栏vivo互联网技术
【干货】Elasticsearch的索引性能优化（3）
创建索引的API允许实例化一个索引。Elasticsearch能够为多个索引，包括跨索引的操作提供支持。每个创建的索引都有与其关联的单独配置。 localhost:9200/my_index -d '{ "settings" : { "index" : { "number_of_shards" : 3, 索引别名API允许为一个索引起一个别名，并且所有的API会自动将别名转换为对应的索引。一个别名也可以同时映射到多个索引，当指定别名时，它会自动扩展到所有的对应的索引。 3 启用专门的数据节点 数据节点包含了建立索引的文档所在的分片。数据节点处理与数据相关的操作比如GRUD、搜索、聚合。这些操作属于I/O、内存和CPU密集型。 英文原文：https://qbox.io/blog/maximize-guide-elasticsearch-indexing-performance-part-3
80920发布于 2019-04-19 - 来自专栏vivo互联网技术
【干货】Elasticsearch的索引性能优化（3）
创建索引的API允许实例化一个索引。Elasticsearch能够为多个索引，包括跨索引的操作提供支持。每个创建的索引都有与其关联的单独配置。 localhost:9200/my_index -d '{ "settings" : { "index" : { "number_of_shards" : 3, 索引别名API允许为一个索引起一个别名，并且所有的API会自动将别名转换为对应的索引。一个别名也可以同时映射到多个索引，当指定别名时，它会自动扩展到所有的对应的索引。 3 启用专门的数据节点 数据节点包含了建立索引的文档所在的分片。数据节点处理与数据相关的操作比如GRUD、搜索、聚合。这些操作属于I/O、内存和CPU密集型。 英文原文：https://qbox.io/blog/maximize-guide-elasticsearch-indexing-performance-part-3 ---- 本文章未经授权，禁止转载，
1.3K30发布于 2019-03-19 - 来自专栏学习有记
聚集索引：SQL Server 进阶 Level 3
108 733 3 356.90 43668 109 763 3 Scan count 1, logical reads 3. Scan count 1, logical reads 3. 表3：检索单个产品的所有行 前两个查询大大受益于聚簇索引的存在; 第三个是大致相等的。 有时聚集索引是有害的吗？ 答案是肯定的，主要与插入，更新和删除行有关。 在我们的四级中，我们将重点从逻辑转向物理，介绍页面和范围，并检查索引的物理结构。 可下载的代码 Clustered.SQL 资源： Level3_Clustered.sql ----
1.4K30发布于 2018-07-19 - 来自专栏MySQL进阶
MySQL的3种索引合并优化⭐️or到底能不能用索引?
MySQL导致索引失效的八股文中有这样一条：使用or会导致索引失效那么是不是所有场景都会失效呢？ 比如有两个集合分别是（1，2，3）、（2，3，4），那么交集就是它们都存在的值（2，3）举例这样一条SQL：select * from seat where seat_code = 'caicaiseat ' and student_id = 1当不使用索引合并优化时，优化器可能选择seat_code索引或者student_id索引当使用seat_code索引时，先在索引中找到满足seat_code = ，因此大部分使用交集索引合并的场景是等值比较=开启交集索引合并，查看执行计划type类型为索引合并，使用到这两个索引，附加信息显示用到交集索引合并，并且还用上覆盖索引不需要回表由于seat座位表只存在主键 比如有两个集合分别是（1，2，3）、（2，3，4），那么并集就是它们都存在值的总和（1，2，3，4）举例这样一条SQLselect * from seat where seat_code = 'caicaiseat
1.1K22编辑于 2024-06-18 - 来自专栏机器学习之禅
3 | PyTorch张量操作：基本操作、索引、命名
2.从列表到张量 搞过Python的应该都知道列表这个东西，也可以认为是数组，比如像下面这样定义一个列表 a = [1.0, 2.0, 3.0] a[0] #按位置索引访问列表元素 这时候就返回其中的值 尝试几个简单的操作 a[1] ### 按位置索引访问元素 out: tensor(1.) float(a[1]) #强行转为浮点数 out: 1.0 #可以看到这个时候输出的就不带tensor限定了 a 使用shape方法查看张量的形状,这里返回的size表示这是一个三行二列的张量（数组） points.shape out:torch.size([3,2]) tips:当我们用索引访问张量中的元素，或者张量中的张量时 4.范围索引 这个跟Python list的操作是一样的 points = torch.tensor([[4.0, 1.0], [5.0, 3.0], [2.0, 1.0]]) points outs: outs: (torch.Size([2, 3, 5, 5]), torch.Size([2, 3, 5, 5]), torch.Size([3, 1, 1])) 爱因斯坦求和约定（einsum）提供了一套既简洁又优雅的规则
1.1K10编辑于 2022-07-11 - 来自专栏迁移内容
高性能MySQL(3)——创建高性能索引
哈希索引将所有的哈希码存储在索引中，同时在哈希表中保存指向每个数据行的指针。 1.3、全文索引 全文索引是一种特殊类型的索引，它查找的是文本中的关键词，而不是直接比较索引中 的值。 前缀索引能大大节约索引空间，从而提高索引效率，但这样也会降低索引的选择性（索引选择性——不重复的索引值和数据表记录总数的比值）； 索引前缀长度的选择——计算法。 例如：LELECT COUNT(DISTINCT city)/COUNT() AS sel1, COUNT(DISTINCT LEFT(city, 3))/COUNT() AS sel2, …; 如果前缀的选择性接近 3.3、多列索引 为多列创建合适的索引 多列索引。 例如：key(col1, col2, col3)； MySQL5.0之后的版本引入了“索引合并”的策略，一定程度上可以使用表上的多个单列索引来定位表中的行； 索引合并策略有时候是一种优化后的结果，但实际上更说明表上的索引建得很糟糕
1.6K20编辑于 2022-12-01 - 来自专栏方丈的寺院
存储优化(3)-mongo大表加索引
摘要 在存储优化(2)-排序引起的慢查询优化中我们提到过排序对查询选择索引的影响。但是的解决办法就是增加一个索引。在线上给mongo的大表增加一个索引要慎重。 在增加索引的过程中也遇到了一些问题，这边进行相关的记录与分析。 问题描述 表结构 _id,biz_Id,version,name 索引 1. ":-1},"limit":1}} 增加一个索引 bizId,_id 增加索引过程 对于大表（该表记录数5亿），建立索引过程涉及到锁表，大量的读写操作、数据同步，肯定会影响线上的操作。 完美，走到了新的索引。 总结 最后解决是通过强制索引来避免索引误判，当然也可以将排序改成 sort({bizId:-1,_id:-1}) 这样也不会误判 总结一下： 大表加索引，需要确保不会block表的其他操作，尽量选择空闲时候
3.1K10发布于 2020-04-01 - 来自专栏侯哥的Python分享
Mysql高级3-索引的结构和分类
说明3：特殊二叉树红黑树当做索引是，大数据量情况下，层级比较深，检索速度慢 2.4 B树实现索引的弊端 以一个最大度数（max-degree）为5（5阶）的b树为例（每个节点最多储存4个key 相对于hash索引，B+树支持范围匹配及排序操作 三、索引分类 3.1 主键索引 针对于表中主键创建的索引，默认自动创建，只能有一个， 关键字：primary 3.2 唯一索引 ，主键索引就是聚集索引 如果不存在主键，将使用第一个唯一（unique）索引作为聚集索引 如果表没有主键，也没有合适的唯一索引，则InnoDB会自动生成一个rowid作为隐藏的聚集索引 3.6 二级索引 在InnoDB中，根据索引的储存形式划分的，将数据与索引分开储存，索引结构的叶子节点关联的是对应的主键，可以存在多个 说明：聚集索引下面存放的是整行的数据，二级索引下面存放的对应的主键 ，要不然聚集索引下存放了整行数据，二级索引下也放整行数据，就会很冗余 3.7 回表查询 说明1：首先根据name字段走二级索引 说明2：找到Arm对应的id=10 说明3：
44331编辑于 2023-07-31 - 来自专栏嵌入式、安防、流媒体、AI分析
m3u8索引文件介绍
写在前面：m3u8文件使用UTF-8字符编码 m3u8索引文件介绍 EXTM3U： 这个是M3U8文件必须包含的标签，必须放在第一行 EXT-X-VERSION：M3U8文件的版本，常见的是3（目前最高版本应该是 EXT-X-MEDIA-SEQUENCE： 第一个TS分片的序列号 EXT-X-TARGETDURATION： 每个分片TS的最大的时长 EXT-X-ALLOW-CACHE： 是否允许cache EXT-X-ENDLIST： m3u8 文件结束符，表明M3U8文件不会再产生更多的切片 EXTINF extra info：分片TS的信息，如时长，带宽等 示例 test.m3u8文件 #EXTM3U #EXT-X-VERSION:3 #EXT-X-ALLOW-CACHE
2.6K30编辑于 2023-01-04 - 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 - 来自专栏全栈程序员必看
索引(index)_普通索引、唯一索引和复合索引.索引查询
这是因为：创建主键的时候自动给主键添加了索引，且该索引为唯一性索引。 即主键一定是唯一性索引。 但是一张表中可以有多个唯一性索引，所以唯一性索引不一定是主键。 ************************ 在这里不得不讲一下普通索引和唯一性索引的区别： 1、普通索引 普通索引的唯一任务是加快对数据的访问速度。 只要有可能，就应该选择一个数据最整齐、最紧凑的数据列（如一个整数类型的数据列）来创建索引。 2、唯一索引 普通索引允许被索引的数据列包含重复的值。 当建立复合索引index(column1,column2,column3),这就相当于建立了以下三个索引： index(column1), index(column1,column2) index(column1 ,column2,column3) // 跟三个字段的顺序没有关系 比如：index(column3,column1,column2)，它们是一样的效果 上面是创建索引，下面的语句提供查询索引
1.6K40编辑于 2022-07-22 - 来自专栏ElasticSearch搜索引擎详解
ElasticSearch详解——3.ES索引的创建过程详解
本文是《ElasticSearch搜索引擎详解》系列文章的第三篇：ElasticSearch详解——3.ES索引的创建过程详解。 所以，6.x版本的索引结构如下： 7.x版本的索引结构如下： 索引一个文档 即通过一个文档，来创建索引。 CREATE(1), /** Updates a document */ UPDATE(2), /** Deletes a document */ DELETE(3) ; ... } 参数检查，查看是否有关键字，并获取相关关键字的值 0 = "parent" 1 = "pretty" 2 = "version\_type" 3 = "format" 4 = 再次遍历所有的request，获取获取每个request应该发送到的shardId，获取的过程是这样的：如果上一步获取到了routing则取routing，否则取文档ID，取其hash值（哈希算法 Murmur3Hash
1.2K20编辑于 2024-12-26 - 来自专栏后端从入门到精通
B+树(3)聚簇索引，二级索引 --mysql从入门到精通（十五)
上篇文章说了b+树索引的方案，因为用之前二分法查找，前提条件是索引必须是挨着的，而受到用户记录数的启发，建立了和用户记录真实数据页一样的目录记录页(索引)，并且最高三层，最高层是根节点，最底层是叶子节点 3）目录记录页也是通过主键值连接成双向链表。 B+树的叶子节点存储的是完整的用户记录信息，包括隐藏页。 当满足这两个特点时，这就叫做聚簇索引，所有完整记录都记录在叶子节点。 在innoDB中，聚簇索引就是数据的存储方式(所有记录都在叶子节点中)，也就是索引即是数据，数据即是索引。 二级索引(secondary index) 上面的聚簇索引只有在查询主键的时候，才有效果，所以聚簇索引又叫主键索引。 3）目录记录页也是通过c2列连接成双向链表。 二级索引的B+树的叶子节点不是用户存储数据，只存储c2列+他的主键。 二级索引的目录页不再是主键+页号，而是c2列+页号。
53940编辑于 2022-07-26 - 来自专栏desperate633
深入理解四种数据库索引类型（- 唯一索引非唯一索引 - 主键索引（主索引） - 聚集索引非聚集索引 - 组合索引）唯一索引非唯一索引主键索引（主索引）聚集索引非聚集索引5.组合索引（联合索引）
非唯一索引 2.非唯一索引是在表上一个或者多个字段组合建立的索引，这个或者这些字段的值组合起来在表中可以重复，不要求唯一。 主键索引（主索引） 3.主键索引（主索引）是唯一索引的特定类型。 创建索引 create index idx1 on table1(col1,col2,col3) 查询 select * from table1 where col1= A and col2= B and col3 = C 组合索引查询的各种场景 组合索引 Index (A, B, C) 下面条件可以用上该组合索引查询： A>5 A=5 AND B>6 A=5 AND B=6 AND C=7 A=5 AND B=6 AND C IN (2, 3) 下面条件将不能用上组合索引查询： B>5 ——查询条件不包含组合索引首列字段 B=6 AND C=7 ——理由同上 下面条件将能用上部分组合索引查询 ——当范围查询使用第一列， 查询条件仅仅能使 用第一列 A=5 AND B>6 AND C=2 ——范围查询使用第二列， 查询条件仅仅能使用 前二列 A=5 AND B IN (2, 3)
14.2K20发布于 2018-08-22
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