查询表 ==> 分组前条件过滤 ==> 分组 ==> 分组后条件过滤 ==> 获取哪些字段 ==> 按照字段排序 ==> 分页显示
比如在上例子中,我们存储了一些不希望暴露性别的用户,存储的值为3.此时想要查询可以:
在数据库中，对无索引的表进行查询或者有索引但是MySQL查询优化器不选择使用索引而进行的查询被称为全表扫描。如何判断当前某个
1、最左前缀匹配原则，非常重要的原则，mysql会一直向右匹配直到遇到范围查询(>、<、between、like)就停止匹配，比如a = 1 and b = 2 and c > 3 and d = 4 如果建立(a,b,c,d)顺序的索引，d是用不到索引的，如果建立(a,b,d,c)的索引则都可以用到，a,b,d的顺序可以任意调整。
该sql命中了索引，但未覆盖索引。 select * from s1 where id=123;
image.png mysql主要是B+ 和hash结构 image.png image.png image.png image.png image.png image.png image.png 更适合做范围查询 可以横向 image.png 链表 image.png 若想利用索引达到预想的提高查询速度的效果，我们在添加索引时，必须遵循以下原则 #1.最左前缀匹配原则，非常重要的原则， create index ix_name_email on s1(
交叉表查询可以将同一个表中的一个或多个字段作为行标签，另一个字段作为列标签，然后对表中的某个字段进行某种统计计算（例如计数，求和、平均值等）。
现在需要使用 EasyExcel 的报表导入导出功能，一般的字段都没有问题，但是由于系统使用了 Spring Boot + Mybatis Plus 的枚举类型映射功能，所以类似于 性别 的字段，在实体类中是下面的形式。
索引是关系数据库中对某一列或多个列的值进行预排序的数据结构。通过索引，可以让数据库不必全表扫描，直接快速访问到符合条件的记录，大大加快了查询速度。
我们都知道，在关系型数据库中，索引的存在是非常重要的，但是不合理的索引反而会影响到业务的性能，那怎么才能合理的设计索引也是业务高效访问数据库需要考虑的？如何才能评估索引创建的合理呢？今天我们给出其中一个评估指标：Cardinality
Redis系列到上一篇已经全部结束了，从本篇开始进入Mysql系列文章专题。本篇作为Mysql系列专题的开篇文章，主要是一文带大家大致了解什么是Mysql。本篇文章主要涉及的内容有：
索引的优点 索引的缺点 建索引的几大原则 索引的优点 通过创建唯一性索引，可以保证数据库表中每一行数据的唯一性。 可以大大加快数据的检索速度，这也是创建索引的最主要的原因。 可以加速表和表之间的连接，特别是在实现数据的参考完整性方面特别有意义。 在使用分组和排序子句进行数据检索时，同样可以显著减少查询中分组和排序的时间。 通过使用索引，可以在查询的过程中，使用优化隐藏器，提高系统的性能 索引的缺点 创建索引和维护索引要耗费时间，这种时间随着数据量的增加而增加。 索引需要占物理空间，除了数据表占数据空间之
GC、Lambda、 Java8的流（Stream）概念其实都来自函数式编程。 他因何有如此魔力呢？
大多数互联网应用场景都是读多写少，业务逻辑更多分布在写上。对读的要求大概就是要快。那么都有什么原因会导致我们完成一次出色的慢查询呢？
唯一性索引的值是唯一的，可以更快速的通过该索引来确定某条记录。例如，学生表中学号是具有唯一性的字段。为该字段建立唯一性索引可以很快的确定某个学生的信息。如果使用姓名的话，可能存在同名现象，从而降低查询速度。
事务就是将一组SQL语句放在同一批次内去执行 如果一个SQL语句出错，则该批次内的所有SQL都将被取消执行
提到MySQL优化，索引优化是必不可少的。其中一种优化方式 ——索引优化，添加合适的索引能够让项目的并发能力和抗压能力得到明显的提升。
有些字段，例如性别、婚姻状况、等标志性字段，在数据库中存放的形式往往是数字，0 或者 1，这样做的好处是存取的效率高节省空间，但是前端的在展示的时候不能直接展示，需要进行一个判断，但是判断逻辑放在前端不妥，所以后端应该提前将值转换好返回该前端。
在面试中，SQL 调优经常是被问及的问题，它可以考察候选人对于 SQL 整体性能优化的理解和掌握程度。一般来说，SQL 调优的步骤可以从以下几个方面入手。
索引在数据库中非常重要，它可以加快查询速度并提高数据库性能。对于经常被用作查询条件的字段，添加索引可以显著改善查询效率。然而，索引的创建和维护需要考虑多个因素，包括数据量、查询频率、更新频率等。
点击率（CTR）的预测在推荐系统中至关重要，目的是估算用户点击推荐项目的可能性。大多数推荐系统的目标都是最大程度地增加点击次数，因此返回给用户的项目也根据估算的点击率进行排名；而在其他应用场景（例如互联网广告）中，提高收入也很重要，因此项目的排名策略调整为所有候选项的点击率X出价，其中“出价”是用户点击商品后系统获得的收益。故无论哪种情况，很明显，关键都在于正确估算点击率。
一、磁盘IO 磁盘IO是非常高昂的操作，计算机操作系统做了一些优化，当一次IO时，不光把当前磁盘地址的数据，而是把相邻的数据也都读取到内存缓冲区内，因为局部预读性原理告诉我们，当计算机访问一个地址的数据的时候，与其相邻的数据也会很快被访问到。每一次IO读取的数据我们称之为一页(page)。具体一页有多大数据跟操作系统有关，一般为4k或8k，也就是我们读取一页内的数据时候，实际上才发生了一次IO，这个理论对于索引的数据结构设计非常有帮助。 二、索引数据结构 索引是B+树的数据结构。 磁盘块=数据项+指针
索引是对数据库表中的一列或多列值进行排序的一种结构，使用索引可以快速访问数据库表中的特定信息。
另:SELECT * FROM information_schema.STATISTICS WHERE TABLE_NAME = "t1" 与 show index from t1 作用相似,且会返回更多的字段信息
在关系数据库中，索引是一种数据结构，为存储引擎提高访问速度的数据结构，它一般是以包含索引键值和一个指向索引键值对应数据记录物理地址的指针的节点的集合的清单的形式存在。
https://cloud.tencent.com/document/product/866/37657
注意:索引的数目不是越多越好。每个索引都需要占用磁盘空间，索引越多，需要的磁盘空间就越大。修改表时，对索引的重构和更新很麻烦。越多的索引，会使更新表变得很浪费时间。
本文基于springboot、maven、jdk1.8、mysql开发，所以开始前我们需要准备好这套环境。
为了使索引的使用效率更高，在创建索引时，必须考虑在哪些字段上创建索引；溪源给大家整理了以下基本原则：
如果不需要小数部分，就是用整数来保存数据；如果需要小数部分，就是用浮点数。对于浮点数据列，存入的数值会对该列定义的小数位进行四舍五入。 浮点类型包裹FLOAT和DOUBLE类型，精度要求较高时，使用DOUBLE类型。
本号之前就已经有一篇文章关于探索《泰坦尼克号》的生还数据案例，文章中完全使用 Python 分析出一系列数据背后的逻辑。
+-------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
索引是排好序的数据结构！可以用在 where 条件查找的字段，和order by 排序的字段，有了索引，便可以快速地定位数据所在的物理地址并找出来。
数据查询语言（Data Query Language, DQL）是SQL语言中，负责进行数据查询而不会对数据本身进行修改的语句，这是最基本的SQL语句。
无论在工作还是面试中，关于SQL中不要用“SELECT *”，都是大家听烂了的问题，虽说听烂了，但普遍理解还是在很浅的层面，并没有多少人去追根究底，探究其原理。
如何加快查询，最直接有效的办法就是增加索引，在不使用索引的情况下试图采用其他方式加快查询就是在浪费时间。本文先介绍下MySQL索引的基本数据结构，再对索引的基本规则做下总结。
TCP/IP 模型将 OSI 模型由七层简化为四层，传输层和网络层被完整保留，因此网络中最核心的技术就是传输层和网络层技术。
因为一个BUG， 我在一个摇摇欲坠，几乎碰一下就会散架的项目中某一个角落中发现下面这样一段代码 这段程序与那个BUG有密切的关系。 我来回反复的捉摸这段代码， 发现这段代码实现了两个功能 第一个是在一
预期效果为：当查到属性值为 1 时，就给序列化后的 json 中性别字段赋值为 “男” ， 0 则 ”女“ 。
SQL语法预览： 创建表字段数据类型：【createtable 表名(字段名称 数据类型); 】 插入字段值：【insert into表名 values(值1,值2,...,值n);】 查看格式化值：【select* 或 【格式1,格式2,...,格式n】from 表名;】 详解： 接上期... 二、选择数据类型的方法 MySQL提供大量的数据类型，为了优化存储，提高数据库性能，在任何情况下都应使用最精确的类型。即选择占用存储空间最少的类型。 1.整数和浮点数 有小数用浮点数，没有就用整数。但注意浮点数存储
面试官：“小陈，说一下你常用的 SQL 优化方式吧。” 陈小哈：“那很多啊，比如不要用 SELECT *，查询效率低。巴拉巴拉...”
0x00 前言 刚入行做数据开发的时候经常听企业导师讲，你要有数据的意识，不能只知道闷着头来一个需求接一个，要从业务的角度来理解数据，这样你的职业线才能更长。 本篇不会分享和业务强相关的数据 Sense，但是会引入一些各种业务都会涉及的最基本内容： 数据核心维度分布：核心业务维度分布，主要是指像年龄、地域、性别之类的维度分布。 数据口径：数据口径可以理解为同名字段在不同表中的取值范围。 0x01 数据核心维度分布 核心维度分布主要是指数据中那些比较重要的列的内容分布，比如说用户最基本的年龄、性别和城市
点击上方“芋道源码”，选择“设为星标” 管她前浪，还是后浪？ 能浪的浪，才是好浪！ 每天 10:33 更新文章，每天掉亿点点头发... 源码精品专栏 原创 | Java 2021 超神之路，很肝~ 中文详细注释的开源项目 RPC 框架 Dubbo 源码解析 网络应用框架 Netty 源码解析 消息中间件 RocketMQ 源码解析 数据库中间件 Sharding-JDBC 和 MyCAT 源码解析 作业调度中间件 Elastic-Job 源码解析 分布式事务中间件 TCC-Transaction
位图索引是一种很高效的索引结构，对于多属性过滤的聚合查询很高效，玩的就是 bit。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
