- 综合排序
- 最热优先
- 最新优先
- 来自专栏存储内核技术交流
常用的数据检索结构
哈希表 哈希表支持增、删、改、查操作，但是支持范围查找较差；因为哈希表特性，如果进行范围查找，一个范围的所有数据都必须经过哈希计算来查找对应的链表节点，这几乎是需要这个范围每一个数据都需要去哈希表中查找一次，性能比较差。 B+树 B+树支持增、删、改、查操作，并且很好支持范围查找，插入和查找性能均衡。 B+树的结构每个非叶子节点是数据索引，叶子节点是数据或者数据的指针。B+树叶子节点之间的连接可以实现高效的范围查询，例如innoDB存储引擎默认就是B+树结构. 传统的B+树读写相对比较均衡，但是当内存容
87730编辑于 2022-08-17 YashanDB 数据检索系统
设计一个高性能的 YashanDB 数据检索系统，可以从以下几个方面进行考虑：1. 数据模型设计- 数据分区：根据数据的特点，将数据分为多个分区，以提高检索效率。可以采用哈希分区、范围分区等方式。 - 索引优化：针对常用的查询条件，建立合适的索引结构（如 B-tree、LSM-tree 等），提高数据检索速度。- 数据压缩：使用高效的数据压缩算法，减少存储空间并提升 I/O 性能。2. 通过这些方面的设计，可以构建一个高性能的 YashanDB 数据检索系统，满足高效快速的数据访问需求。
18910编辑于 2025-10-04- 来自专栏Python爬虫实战
MySQL 从零开始：06 数据检索
所谓数据检索，就是前面所讲的”增删改查“的”查“。 注：本文使用的“行”指数据表中的“记录”，“列”指数据表中的“字段”。 本文介绍一些数据检索的其他高级使用方法。 1、数据准备 首先准备文需要的数据，如下图所示： ?
1.1K30发布于 2018-08-31 - 来自专栏AI
GPT动作中的数据检索
GPT中一个常见的任务是数据检索。 使用API进行数据检索许多组织依赖第三方软件存储重要数据。 使用关系数据库进行数据检索组织使用关系数据库存储与业务相关的各种记录。这些记录可能包含有助于改进您的GPT响应的有用上下文。例如，假设您正在构建一个GPT来帮助用户了解保险理赔的状态。 使用向量数据库进行数据检索如果您希望为您的GPT配备最相关的搜索结果，您可能需要考虑将您的GPT与支持语义搜索的向量数据库集成，就像上面描述的那样。
1.6K10编辑于 2024-05-21 - 来自专栏01二进制
数据检索的玄铁剑——索引
数据检索的玄铁剑——索引 在现实生活中，如果你想使用新华字典查询一个字，在没有背下来具体页码的情况下，第一步多半是打开目录，根据拼音首字母快速的锁定目标数据所在的位置范围。 百度百科是从数据库的角度出发给出了一个索引的定义，维基百科也并没有为 CS 中的索引做一个概述，而是细分了多个领域来介绍 https://en.wikipedia.org/wiki/Index image-3 本质上，索引是一种用于提高数据检索效率的技术 最后 在这篇文章中，我们聊了聊索引的相关知识，作为数据检索的玄铁剑，我们虽然没有聚焦于某些具体的索引，但是以上帝视角重新审视了索引的微观存在与宏观运用。
74520编辑于 2022-12-05 - 来自专栏bisal的个人杂货铺
Oracle要求顺序的top数据检索问题
关于数据检索顺序的问题，可以参考《Oracle数据顺序问题》。
1.4K20发布于 2021-01-08 软件系统的数据检索设计
软件系统的数据检索设计 随着业务量加大，数据检索量也会日益增多，为了减轻数据库压力，本系统采用ElasticSearch来实现数据检索功能。 Elasticsearch 是一个实时的分布式存储、搜索、分析的引擎，它可以近乎实时的存储、检索数据，本身扩展性很好，可以扩展到上百台服务器，处理PB级别(大数据时代)的数据，ElasticSearch的检索流程如下： 数据检索流程图
35410编辑于 2024-08-22- 来自专栏栗霖积跬步之旅
第四章：数据检索
本文介绍了数据检索的相关知识，包括单表检索、多表检索、所有列检索、排除重复值、限制结果以及使用完全限定的表名等方法。
688100发布于 2018-01-05 - 来自专栏大数据与微服务架构
ElasticSearch亿级数据检索深度优化
四、使用API获取集群节点信息（http,thread_pool,transport,jvm,os,process.....）
56120编辑于 2022-12-05 - 来自专栏对线JAVA面试
ElasticSearch 亿级数据检索深度优化
数据平台已迭代三个版本，从头开始遇到很多常见的难题，终于有片段时间整理一些已完善的文档，在此分享以供所需朋友的实现参考，少走些弯路，在此篇幅中偏重于ES的优化，关于HBase，Hadoop的设计优化估计有很多文章可以参考，不再赘述。
76510编辑于 2022-10-08 - 来自专栏大数据成神之路
ElasticSearch 亿级数据检索深度优化
数据平台已迭代三个版本，从头开始遇到很多常见的难题，终于有片段时间整理一些已完善的文档，在此分享以供所需朋友的实现参考，少走些弯路，在此篇幅中偏重于ES的优化。
90050发布于 2021-09-22 - 来自专栏一个会写诗的程序员的博客
ElasticSearch 亿级数据检索深度性能优化
数据平台已迭代三个版本，从头开始遇到很多常见的难题，终于有片段时间整理一些已完善的文档，在此分享以供所需朋友的实现参考，少走些弯路，在此篇幅中偏重于ES的优化，关于HBase，Hadoop的设计优化估计有很多文章可以参考，不再赘述。
2.2K20编辑于 2021-12-16 - 来自专栏架构驿站
一文读懂 Agentic RAG 数据检索范式
在 Agentic RAG 体系结构中，不再被动地响应查询请求,而是主动地分析初步检索到的信息，并基于对任务复杂性的评估，战略性地选择最为合适的工具和方法进行进一步的数据检索和处理。 通过引入基于人工智能的智能代理，这些系统不再是被动响应查询请求，而是能够主动分析任务复杂性、评估当前信息状态，并战略性地选择最有效的工具和方法进行多步骤的数据检索和处理。
83710编辑于 2024-11-01 - 来自专栏业余草
Elasticsearch 亿级数据检索案例与原理
原文链接：https://www.cnblogs.com/mikevictor07/p/10006553.html
1.6K10发布于 2019-11-04 如何利用YashanDB实现快速数据检索和处理
在当今数据驱动的业务环境中，快速而有效的数据检索和处理能力成为组织竞争力的关键。然而，传统数据库在处理性能、数据一致性和存储效率等方面面临挑战。 YashanDB不仅支持单机和分布式集群部署，还提供了多种存储结构和强大的查询优化功能，能够显著提高数据检索和处理的效率。 本文将深入探讨如何有效利用YashanDB的技术特性实现快速数据检索和处理，涵盖其体系架构、存储引擎、索引机制和SQL引擎等关键技术，旨在增强开发人员和DBA对YashanDB的理解与应用。 高效的数据检索与处理索引机制YashanDB支持多种索引类型，尤其是BTree索引，提供可见读和写一致性。索引的创建与管理是关键，合适的索引可以显著提高查询效率。 结论YashanDB通过其灵活的体系结构和强大的功能，为快速的数据检索和处理提供了良好的基础。数据存储、索引机制和优化器的配合使用，可以有效提高数据库查询效率和整体性能。
21210编辑于 2025-09-15- 来自专栏深入浅出区块链技术
使用 TheGraph 完善Web3 事件数据检索
以前我们看过Solidity的大图和create-eth-app，它们之前已经提到过TheGraph。这次，我们将仔细研究TheGraph，它在去年已成为开发Dapps的标准堆栈的一部分。
2K10发布于 2020-11-03 - 来自专栏智慧零售领域相关技术应用
从0到1快速了解ElasticSearch数据检索
简介 这篇文章主要讨论一下ElasticSearch数据检索内部流程，方便大家对数据检索的理解。 ES数据检索流程 GET获取数据 主要流程如下： image.png Search获取数据 GET /_search { "query" : { "term" : { "user " : "kimchy" } } } 协调节向这个索引的所有分片发送search请求，每个分片执行数据检索，最后协调节点将数据返回给客户端，核心流程如下： image.png 搜索两阶段：query
1.8K52发布于 2021-10-21 优化YashanDB数据库的数据检索效率
对于YashanDB数据库，优化数据检索效率不仅能提升应用响应速度，还能增强用户体验和整体系统性能。本文将深入探讨优化YashanDB数据库数据检索效率的核心技术实践。1. 使用索引优化查询性能索引是加速数据检索的重要工具，它为特定列提供了一个查找机制，使查询时能够快速定位到相关数据。 为了提高数据检索效率，建议以下做法：识别出高频查询的列，针对这些列创建索引。在表上经常检索的列尤其适合添加索引，以提高数据访问的速度。 在YashanDB中，可以通过以下手段来优化数据检索效率：利用MERGE语句一次性处理多条数据合并，以减少频繁的数据库交互。 总结提高YashanDB数据库中的数据检索效率涉及到多个方面，从索引的配置到存储结构的选择，再到优化器的使用等。
24010编辑于 2025-08-17企业如何利用YashanDB实现高效的数据检索
在当前数字化时代，企业面临着不断增加的数据量，对数据检索效率的要求也随之提高。如何优化数据检索速度，尤其在大数据场景下，成为了每个企业迫切需要解决的问题。 YashanDB作为一款高性能的数据库，通过其先进的架构和功能，为企业提供了高效的数据检索解决方案。本文将深入分析YashanDB在数据检索方面的核心技术点及其优势。 选择合适的存储结构，能够依据业务场景有效提升数据检索速度。智能的SQL优化引擎YashanDB的SQL引擎包含优化器，负责解析、验证和优化SQL查询，并生成执行计划。 通过合理地创建索引，可以极大地加快数据检索的速度。特别是当针对大数据表进行复杂查询时，索引的建立可以减少I/O操作的次数，从而有效提升响应时间。 希望本文能对企业在数据检索方面的优化实践起到借鉴作用，鼓励各企业在实际项目中深入应用YashanDB的核心技术和最佳实践。
17410编辑于 2025-07-14利用YashanDB数据库实现快速数据检索
在当前数据驱动的技术环境中，如何提高数据检索的速度与效率成为众多企业面临的重要挑战。尤其在大数据环境下，传统的数据库技术可能会遇到性能瓶颈和数据一致性问题。 YashanDB作为新一代分布式数据库，采用了多种先进技术以优化数据检索能力，特别是在海量数据处理和高并发场景中，显示出优越性。 本文将详细解析YashanDB在快速数据检索方面的技术能力，旨在为开发人员和数据库管理员提供实用的指导和参考。核心技术点拆解1. 在单机部署中，YashanDB通过主备复制技术确保数据的一致性与高可用性，使得在数据检索过程中即使发生故障，仍旧能够保证业务的连续性。2. YashanDB凭借其创新的架构和多种优化机制，在快速数据检索方面展现了良好的行业前景。
19200编辑于 2025-07-16
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