zoukankan      html  css  js  c++  java
  • B+索引、Hash索引、数据类型长度

    1.为什么在数据库中要用B树索引而不是Hash索引?

      Mysql Hash索引结构的特殊性,其检索效率非常高,索引的检索可以一次定位,不像B-Tree 索引需要从根节点到枝节点,最后才能访问到页节点这样多次的IO访问,所以 Hash 索引的查询效率要远高于 B-Tree 索引。 
      但 Hash 索引本身由于其特殊性也带来了很多限制和弊端,主要有以下这些。

    (1)MySQL Hash索引仅仅能满足"=","IN"和"<=>"查询,不能使用范围查询。

      由于 MySQL Hash索引比较的是进行 Hash 运算之后的 Hash 值,所以它只能用于等值的过滤,不能用于基于范围的过滤,因为经过相应的 Hash 算法处理之后的 Hash 值的大小关系,并不能保证和Hash运算前完全一样。

    (2)MySQL Hash索引在任何时候都不能避免表扫描。

      前面已经知道,Hash 索引是将索引键通过 Hash 运算之后,将 Hash运算结果的 Hash 值和所对应的行指针信息存放于一个 Hash 表中,由于不同索引键存在相同 Hash 值,所以即使取满足某个 Hash 键值的数据的记录条数,也无法从 Hash 索引中直接完成查询,还是要通过访问表中的实际数据进行相应的比较,并得到相应的结果。

    (3)MySQL Hash索引遇到大量Hash值相等的情况后性能并不一定就会比B-Tree索引高。

      对于选择性比较低的索引键,如果创建 Hash 索引,那么将会存在大量记录指针信息存于同一个 Hash 值相关联。这样要定位某一条记录时就会非常麻烦,会浪费多次表数据的访问,而造成整体性能低下。

    (4)MySQL Hash索引无法被用来避免数据的排序操作。

    由于 MySQL Hash索引中存放的是经过 Hash 计算之后的 Hash 值,而且Hash值的大小关系并不一定和 Hash 运算前的键值完全一样,所以数据库无法利用索引的数据来避免任何排序运算;

    (5)MySQL Hash索引不能利用部分索引键查询。

    对于组合索引,Hash 索引在计算 Hash 值的时候是组合索引键合并后再一起计算 Hash 值,而不是单独计算 Hash 值,所以通过组合索引的前面一个或几个索引键进行查询的时候,Hash 索引也无法被利用。

    (2)

    2. B-Tree索引    

           MySQL 中的 B-Tree 索引的物理文件大多都是以平衡树的结构来存储的,所有实际需要的数据都存放于 Tree 的 Leaf Node ,而且到任何一个 Leaf Node 的最短路径的长度都是完全相同的,所以称之为 B-Tree 索引。

       Innodb 存储引擎的 B-Tree 索引实际使用的存储结构实际上是 B+Tree ,但在每一个Leaf Node 上面出了存放索引键的相关信息之外,还存储了指向与该 Leaf Node 相邻的后一个 LeafNode 的指针信息,这主要是为了加快检索多个相邻 Leaf Node 的效率考虑。

        在 Innodb 存储引擎中,存在两种不同形式的索引,一种是 Cluster 形式的主键索引( Primary Key ),另外一种则是和其他存储引擎(如 MyISAM 存储引擎)存放形式基本相同的普通 B-Tree 索引,这种索引在 Innodb 存储引擎中被称为 Secondary Index 。

    QQ截图未命名

          图示中左边为 Clustered 形式存放的 Primary Key ,右侧则为普通的 B-Tree 索引。两种 Root Node 和 Branch Nodes 方面都还是完全一样的。而 Leaf Nodes 就出现差异了。在 Prim中, Leaf Nodes 存放的是表的实际数据,不仅仅包括主键字段的数据,还包括其他字段的数据据以主键值有序的排列。而 Secondary Index 则和其他普通的 B-Tree 索引没有太大的差异,Leaf Nodes 出了存放索引键 的相关信息外,还存放了 Innodb 的主键值。

          所以,在 Innodb 中如果通过主键来访问数据效率是非常高的,而如果是通过 Secondary Index 来访问数据的话, Innodb 首先通过 Secondary Index 的相关信息,通过相应的索引键检索到 Leaf Node之后,需要再通过 Leaf Node 中存放的主键值再通过主键索引来获取相应的数据行。MyISAM 存储引擎的主键索引和非主键索引差别很小,只不过是主键索引的索引键是一个唯一且非空 的键而已。而且 MyISAM 存储引擎的索引和 Innodb 的 Secondary Index 的存储结构也基本相同,主要的区别只是 MyISAM 存储引擎在 Leaf Nodes 上面出了存放索引键信息之外,再存放能直接定位到 MyISAM 数据文件中相应的数据行的信息(如 Row Number ),但并不会存放主键的键值信息。

    B~树:

    B~树,又叫平衡多路查找树。一棵m阶的B~树 (m叉树)的特性如下:

    1)  树中每个结点至多有m个孩子;

    2)  除根结点和叶子结点外,其它每个结点至少有[m/2]个孩子;

    3)  若根结点不是叶子结点,则至少有2个孩子;

    4)  所有叶子结点都出现在同一层,叶子结点不包含任何关键字信息(可以看做是外部接点或查询失败的接点,实际上这些结点不存在,指向这些结点的指针都为null);

    5)  每个非终端结点中包含有n个关键字信息: (n,A0,K1,A1,K2,A2,......,Kn,An)。其中,

         a)   Ki (i=1...n)为关键字,且关键字按顺序排序Ki < K(i-1)。

         b)   Ai为指向子树根的接点,且指针A(i-1)指向子树种所有结点的关键字均小于Ki,但都大于K(i-1)。

         c)   关键字的个数n必须满足:  [m/2]-1 <= n <= m-1

    B+树:

    B+树:是应文件系统所需而产生的一种B~树的变形树。 

    一棵m阶的B+树和m阶的B-树的差异在于:

    1) 有n棵子树的结点中含有n个关键字;  (B~树是n棵子树有n+1个关键字)
    2) 所有的叶子结点中包含了全部关键字的信息,及指向含有这些关键字记录的指针,且叶子结点本身依关键字的大小自小而大的顺序链接。 (B~树的叶子节点并没有包括全部需要查找的信息)

    3) 所有的非终端结点可以看成是索引部分,结点中仅含有其子树根结点中最大(或最小)关键字。 (B~树的非终节点也包含需要查找的有效信息)

      B+树的叶子结点包含了所有待查询关键字,而非终节点只是作为叶子结点中最大(最小)关键字的索引。因此B+树的非终结点没有文件内容所在物理存储的地址,而B~树所有结点均有文件内容所在的磁盘物理地址(B~树结构图中结点内部的小红方块)。

     

    2.java数据类型长度

    1、整数:包括int,short,byte,long 
    2、浮点型:float,double 
    3、字符:char 
    4、布尔:boolean

    基本型别 大小 最小值 最大值
    boolean ----- ----- ------
    char 16-bit Unicode 0 Unicode 2^16-1
    byte 8-bit -128 +127
    short 16-bit -2^15 +2^15-1
    int 32-bit -2^31 +2^31-1
    long 64-bit -2^63 +2^63-1
    float 32-bit IEEE754 IEEE754
    double 64-bit IEEE754 IEEE754
    void      

    3.TCP/IP模型

    ①   网络接口层:主要参与IP分组时建立和网络介质的物理连接

    ②   网际互联层:主要解决主机到主机的通信问题。该层有四个主要协议:网际协议(IP)、地址解析协议(ARP)、互联网组管理协议(IGMP)和互联网控制报文协议(ICMP)。IP协议是网际互联层最重要的协议,它提供的是一个不可靠、无连接的数据报传递服务。

    ③   传输层:为应用层实体提供端到端的通信功能。该层定义了两个主要的协议:传输控制协议(TCP)和用户数据报协议(UDP)。TCP协议提供的是一种可靠的、面向连接的数据传输服务;而UDP协议供的是不可靠的、无连接的数据传输服务。

    ④   应用层:为用户提供所需要的各种服务,例如FTP、Telnet、DNS、SMTP等。

    4.Date中的Month-1

    因为JDK的月份表示范围是0~11,分别表示1月至12月。

     

    5.线程读写锁(和数据库一样)

    读写锁:

    读写锁算法主要实现对共享资源访问时,可以在多个线程间同时进行读操作,但是在同一时间内只能有一个线程对共享资源进行修改,并且在写操作时不能有线程进行读操作。

    算法思想:

    当进行读操作时不能进行写操作,因此当有读操作时需要一把锁来锁住写操作,由于允许多个线程同时读操作,因此还需要一个变量(count)来记录当前读操作的线程个数,由于对count的修改需要互斥因此还需要一个锁用来保存count的修改

    在多线程的环境下,对同一份数据进行读写,会涉及到线程安全的问题。比如在一个线程读取数据的时候,另外一个线程在 

     写数据,而导致前后数据的不一致性;一个线程在写数据的时候,另一个线程也在写,同样也会导致线程前后看到的数据的 

     不一致性。 

     读写锁的机制:  "读-读"不互斥    "读-写"互斥   "写-写"互斥 

     即在任何时候必须保证: 

        只有一个线程在写入; 

        线程正在读取的时候,写入操作等待; 

        线程正在写入的时候,其他线程的写入操作和读取操作都要等待; 

     缺点:

    1. 进行读操作时会进行再次加锁和解锁操作,计算开销比较大,因此对锁内计算比较小的操作不适合使用读写锁

    2. 如果读操作比较密集,使得rwLock.m_icount永远不可能为0,因此会使写操作线程饿死

     

  • 相关阅读:
    Hive扩展功能(四)--HiveServer2服务
    Hive扩展功能(三)--使用UDF函数将Hive中的数据插入MySQL中
    Hive扩展功能(二)--HWI接口
    Hive扩展功能(一)--Parquet
    Flutter全局变量设置 (ScopedModel)
    PHP时间常用方法
    用iFrame Resizer解决iframe高度自适应问题
    aos.js超赞页面滚动元素动画jQuery动画库
    Jcrop最新手册
    jQuery Jcrop API参数说明(中文版)
  • 原文地址:https://www.cnblogs.com/kxdblog/p/4316794.html
Copyright © 2011-2022 走看看