新闻详情

新闻详情

首页 / 资讯中心 / 详情

深入理解MySQL_经典问题总结1

发布时间:2026/11/15 12:41:46来源:尧图网络
深入理解MySQL_经典问题总结1
✅MySQL存储引擎有哪些有什么区别MySQL主要的存储引擎有InnoDBMyISAMMemoryArchiveNDB。InnoDB是默认的存储引擎支持事务和外键通过聚簇索引根据主键快速访问数据通过行锁和MVCC机制很好的支持高并发读写通过undolog redolog用于数据备份和恢复保证了事务的acid特性。MyISAM适用于读多写少的场景表级锁因为没有事务机制也没有mvcc寻址机制不存在undolog redolog读写所以读的性能好但是不适用于高并发读写因为并发写会触发表锁阻塞读的线程Memory 存储在内存中表结构存储只能通过sql访问重启就丢没有持久化机制Archive 适用于数据归档数据压缩率高NDB 适用于大规模集群数据自动分片✅MySQL索引类型有哪些MySQL的索引主要分为三类数据结构存储方式索引性质按数据结构分为B树索引InnoDB和MyISAM默认的索引类型是一个平衡树非叶子结点存储索引值叶子结点通过双向链表连接既支持等值查询又支持快速排序和范围查询Hash索引通过计算固定hash值来匹配数据等值查询性能好时间复杂度是O1不适用于范围查询和排序全文索引先文本分词再倒排索引适用于TEXT类型字段值关键字快速匹配类似搜索引擎实现机制空间索引基于R-树结构来存储数据适用于地理位置坐标快速查询按存储方式分为聚簇索引又叫主键索引通过B树存储叶子结点存储完整的行数据默认按照主键顺序排序能够快速根据主键定位到完整行数据并且叶子结点采用双向链表连接支持快速排序和范围查询一个表只能有一个聚簇索引非聚簇索引又叫二级索引叶子结点存储的是索引列的值和主键值查询的时候需要先查二级索引的主键值再根据主键值查聚簇索引里面的数据行这个操作也叫回表回表次数会影响查询效率一个表可以有多个二级索引按索引性质分为主键索引也叫聚簇索引根据主键唯一不可重复的特性快速定位数据行唯一索引唯一索引的列值不可重复支持值为NULL可以有多个NULL唯一索引会认为每个NULL都是不同的普通索引只是用来提高查询效率的索引联合索引由多个列的值组成查询的时候需要满足最左匹配原则全文索引基于文本分词和倒排索引实现适用于对TEXT类型字段值做关键字查询空间索引适用于对GIS数据快速查询✅InnoDB引擎聚簇索引和非聚簇索引的区别聚簇索引和非聚簇索引都是通过B树来存储的B树非叶子结点存储的都是索引值区别在于聚簇索引又叫主键索引一个表只能有一个聚簇索引聚簇索引叶子结点存储的是完整的数据行所以查询的时候可以直接根据索引值定位到完整数据查询效率高非聚簇索引一个表可以有多个非聚簇索引叶子结点存储的是主键值和索引值查询的时候需要先拿到主键值然后再回表查询效率低
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉