本地服务器网站建设WordPress头像服务

当前位置： 首页 > news >正文

本地服务器网站建设,WordPress头像服务,p2p借贷网站开发 论文,wordpress 定时生成首页静态索引常见面试题 什么是索引 索引的定义就是帮助存储引擎快速获取数据的一种数据结构#xff0c;形象的说就是索引是数据的目录。存储引擎#xff0c;说白了就是如何存储数据、如何为存储的数据建立索引和如何更新、查询数据等技术的实现方法。索引和数据就是位于存储引擎。…索引常见面试题 什么是索引 索引的定义就是帮助存储引擎快速获取数据的一种数据结构形象的说就是索引是数据的目录。存储引擎说白了就是如何存储数据、如何为存储的数据建立索引和如何更新、查询数据等技术的实现方法。索引和数据就是位于存储引擎。 索引的分类 按「数据结构」分类Btree索引、Hash索引、Full-text索引。 创建的主键索引和二级索引默认使用的是 BTree 索引。BTree 存储千万级数据只需要 3-4 层高度就可以满足从千万级的表查询目标数据最多需要 3-4 次磁盘 I/O。先检索二级索引找到对应的叶子节点获取主键值然后通过聚簇索引中的BTree 树查询到对应的叶子节点要查两个 BTree 才能查到数据这个过程叫做回表。在二级索引的 BTree 就能查询到结果的过程就叫作「覆盖索引」也就是只需要查一个 BTree 就能找到数据。 按「物理存储」分类聚簇索引主键索引、二级索引辅助索引。 主键索引的 BTree 的叶子节点存放的是实际数据所有完整的用户记录都存放在主键索引的 BTree 的叶子节点里。术语“聚簇”表示数据行和相邻的键值聚簇地存储在一起。二级索引的 BTree 的叶子节点存放的是主键值而不是实际数据。 按「字段特性」分类主键索引、唯一索引、普通索引、前缀索引。 主键索引就是建立在主键字段上的索引通常在创建表的时候一起创建一张表最多只有一个主键索引索引列的值不允许有空值。唯一索引建立在 UNIQUE 字段上的索引一张表可以有多个唯一索引索引列的值必须唯一但是允许有空值。普通索引就是建立在普通字段上的索引既不要求字段为主键也不要求字段为 UNIQUE。前缀索引是指对字符类型字段的前几个字符建立的索引而不是在整个字段上建立的索引前缀索引可以建立在字段类型为 char、 varchar、binary、varbinary 的列上。使用前缀索引的目的是为了减少索引占用的存储空间提升查询效率 按「字段个数」分类单列索引、联合索引。 通过将多个字段组合成一个索引该索引就被称为联合索引。联合索引的最左匹配原则在遇到范围查询如 、的时候就会停止匹配建立联合索引时要把区分度大的字段排在前面这样区分度大的字段越有可能被更多的 SQL 使用到。
什么时候需要 / 不需要创建索引 索引也是有缺点的比如 需要占用物理空间数量越大占用空间越大 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大 会降低表的增删改的效率因为每次增删改索引B 树为了维护索引有序性都需要进行动态维护 什么时候适用索引 字段有唯一性限制的比如商品编码。经常用于 WHERE 查询条件的字段这样能够提高整个表的查询速度如果查询条件不是一个字段可以建立联合索引。经常用于 GROUP BY 和 ORDER BY 的字段这样在查询的时候就不需要再去做一次排序了因为我们都已经知道了建立索引之后在 BTree 中的记录都是排序好的。 什么时候不需要创建索引 WHERE 条件GROUP BYORDER BY 里用不到的字段索引的价值是快速定位如果起不到定位作用的字段通常是不需要创建索引的因为索引是会占用物理空间的。字段中存在大量重复数据不需要创建索引MySQL 有一个查询优化器查询优化器发现某个值出现在表的数据行中的百分比很高的时候它一般会忽略索引进行全表扫描。表数据太少的时候不需要创建索引。经常更新的字段不用创建索引比如不要对电商项目的用户余额建立索引因为索引字段频繁修改由于要维护 BTree的有序性那么就需要频繁的重建索引这个过程是会影响数据库性能的。
有什么优化索引的方法 前缀索引优化使用某个字段中字符串的前几个字符建立索引。可以减小索引字段大小节省空间。可以增加一个索引页存储前缀索引值提高索引查询速度。 前缀索引有一定的局限性例如 order by 就无法使用前缀索引无法把前缀索引用作覆盖索引 覆盖索引优化SQL 中查询的所有字段在索引 BTree 的叶子节点上都能找得到的那些索引从二级索引中查询得到记录而不需要通过聚簇索引查询整行记录的所有信息可以避免回表的操作。主键索引最好是自增的如果我们使用自增主键那么每次插入的新数据就会按顺序添加到当前索引节点的位置不需要移动已有的数据当页面写满就会自动开辟一个新页面。因为每次插入一条新记录都是追加操作不需要重新移动数据因此这种插入数据的方法效率非常高。 如果我们使用非自增主键可能产生页分裂。页分裂还有可能会造成大量的内存碎片导致索引结构不紧凑从而影响查询效率。 索引列最好设置为NOT NULL约束 第一原因索引列存在 NULL 就会导致优化器在做索引选择的时候更加复杂更加难以优化因为可为 NULL 的列会使索引、索引统计和值比较都更复杂比如进行索引统计时count 会省略值为NULL 的行。第二个原因NULL 值是一个没意义的值但是它会占用物理空间。
防止索引失效 发生索引失效的情况 当我们使用左或者左右模糊匹配的时候也就是 like %xx 或者 like %xx%这两种方式都会造成索引失效。 like %xx查询后缀为xx的数据。因为索引 B 树是按照「索引值」有序排列存储的只能根据前缀进行比较。 索引列发生改变当我们在查询条件中对索引列进行计算、使用函数这些情况下都会造成索引失效。 因为索引保存的是索引字段的原始值而不是经过计算后的值。 MySQL 在遇到字符串和数字比较的时候会自动把字符串转为数字然后再进行比较。如果字符串是索引列而输入的参数是数字的话那么索引列会发生隐式类型转换由于隐式类型转换是通过 CAST 函数实现的等同于对索引列使用了函数所以就会导致索引失效。联合索引要能正确使用需要遵循最左匹配原则也就是按照最左优先的方式进行索引的匹配否则就会导致索引失效。 索引下推优化index condition pushdown) 可以在联合索引遍历过程中对联合索引中包含的字段先做判断直接过滤掉不满足条件的记录减少回表次数。 在 WHERE 子句中如果在 OR 前的条件列是索引列而在 OR 后的条件列不是索引列那么索引会失效。 因为 OR 的含义就是两个只要满足一个即可因此只有一个条件列是索引列是没有意义的只要有条件列不是索引列就会进行全表扫描。
LeetCode leetcode494 既然为target那么就一定有 left组合 - right组合 target。 left right sum而sum是固定的。right sum - left 公式来了 left - (sum - left) target 推导出 left (target sum)/2 。 target是固定的sum是固定的left就可以求出来。 假设加法总和为x减法总和为sum - x。x (target sum) / 2。 问题转化为装满容量x的背包有几种方法是一个组合问题。 dp数据及其下标含义dp[j]表示装满 j 容积的背包有dp[j]种装法。 确定递推公式 所以递推公式为dp[j] dp[j - nums[i]]。后面还会用到这种递推公式。 dp数组如何初始化dp[0] 1因为当x为0时有1种组合方案。 确定遍历顺序与之前类似外层遍历nums内层倒序遍历x。 举例推导dp数组 class Solution {public int findTargetSumWays(int[] nums, int target) {/*//01背包问题left - right target。right sum - leftleft (target sum) / 2/int sum 0;for(int i : nums){sum i;}if(sum Math.abs(target)){return 0;}if((target sum) % 2 ! 0){return 0;}int size (target sum) / 2;int dp [] new int [size 1];dp[0] 1;for(int i 0 ;i nums.length ;i ){for(int j size;j nums[i]; j –){dp[j] dp[j - nums[i]];}}return dp[size];} }leetcode474 给定背包容量可以装m个0和n个1求背包可以装满的最大容量最大子集。strs[ i ] 看作是1个物品只不过是将0和1两个不同的维度分开。该物品的价值为一个子集。最大容量最大子集为dp[m][n]。 dp数组及下标含义dp[i][j]表示i个0和j个1的strs的最大子集。 确定递推公式dp[i][j] Math.max(dp[i][j] , dp[i - zeorNum][j - oneNum] 1) dp数组初始化初始化为0即可。 遍历顺序物品就是strs里的字符串背包容量就是题目描述中的m和n。所以外层正序遍历zreoNum内层倒序遍历oneNum。 举例推导
class Solution {public int findMaxForm(String[] strs, int m, int n) {int dp [] [] new int [m 1][n 1];for(String s : strs){int zeroNum 0 , oneNum 0;for(int i 0 ;i s.length() ;i ){char c s.charAt(i);if(c 0){zeroNum ;}else oneNum ;}//外层for循环表示每次取物体放入背包。//该for循环表示两个维度的具体计算。for(int i m ;i zeroNum ;i –){for(int j n ;j oneNum ; j –){dp[i][j] Math.max(dp[i][j] , dp[i - zeroNum][j - oneNum] 1);}}}return dp[m][n];} }完全背包理论基础 有N件物品和一个最多能背重量为W的背包。第i件物品的重量是weight[i]得到的价值是value[i] 。每件物品都有无限个也就是可以放入背包多次求解将哪些物品装入背包里物品价值总和最大。 完全背包和01背包问题唯一不同的地方就是每种物品有无限件。 01背包的一维dp数组内层背包容量是从大到小遍历因为每件物品只有一件要保证只放入一次。而完全背包不同每件物品有无数件所以从小到大遍历即可。 for(int i 0;i n ;i ){ //先遍历物品for(int j weight[i];j bagWeight; j ){ //再遍历背包dp[j] Math.max(dp[j] , dp[j - weight[i]] values[i]);} }for(int j 0;j bagWeight;j ){ //先遍历背包for(int i 0;i n;i ){ //后遍历物品if(j - weight[i] 0) dp[j] Math.max(dp[j] , dp[j - weight[i]] values[i]);} }LeetCode leetcode 518 注意该题是求组合数所以用递推公式dp[j] dp[j - coins[i]]。 在求装满背包有几种方案的时候难点在于遍历顺序 如果求组合数就是外层for循环遍历物品内层for遍历背包。正常遍历顺序组合数不分数字先后 如果求排列数就是外层for遍历背包内层for循环遍历物品。 class Solution {public int change(int amount, int[] coins) {int n coins.length;int dp [] new int [amount 1];dp[0] 1;for(int i 0 ;i n;i ){for(int j coins[i]; j amount; j ){dp[j] dp[j - coins[i]];}}return dp[amount];}
}