mysql数据库索引的建立以及性能测试
##---------mysql学习(四)索引的建立--------### #今天突然开窍了,所以补充点索引方面的知识。 #创建索引,这里仍然以数据较少的mytab表为例: #原数据为: mysql set names gbk; Query OK, 0 rows affected (0.00 sec) mysql select * from mytab; -----
##---------mysql学习(四)索引的建立--------###
#今天突然开窍了,所以补充点索引方面的知识。
#创建索引,这里仍然以数据较少的mytab表为例:
#原数据为:
mysql> set names gbk;
Query OK, 0 rows affected (0.00 sec)
mysql> select * from mytab;
+----+--------+-----+--------+
| id | name | age | salary |
+----+--------+-----+--------+
| 1 | ?阿琼 | 23 | 1000 |
| 2 | 秋水虾 | 24 | 500 |
| 3 | 害人精 | 22 | 100 |
+----+--------+-----+--------+
3 rows in set (0.00 sec)
#alter table table_name add index index_name (column)==
#create index index_name on table_name(column);
#alter创建索引示例
mysql> alter table mytab add index mytab_name (name);
Query OK, 3 rows affected (0.15 sec)
Records: 3 Duplicates: 0 Warnings: 0
#create创建索引示例:
mysql> create index mytab_id on mytab (id);
Query OK, 3 rows affected (0.16 sec)
Records: 3 Duplicates: 0 Warnings: 0
#查看索引
mysql> show index from mytab;
+-------+------------+----------+--------------+-------------+-----------+------
-------+----------+--------+------+------------+---------+
| Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardi
nality | Sub_part | Packed | Null | Index_type | Comment |
+-------+------------+----------+--------------+-------------+-----------+------
-------+----------+--------+------+------------+---------+
| mytab | 0 | PRIMARY | 1 | id | A |
3 | NULL | NULL | | BTREE | |
| mytab | 1 | mytab_id | 1 | id | A |
3 | NULL | NULL | | BTREE | |
+-------+------------+----------+--------------+-------------+-----------+------
-------+----------+--------+------+------------+---------+
2 rows in set (0.00 sec)
#创建unique索引
mysql> alter table mytab add unique (name);
Query OK, 3 rows affected (0.20 sec)
Records: 3 Duplicates: 0 Warnings: 0
#创建联合索引:
mysql> create index mytab_id_name on mytab (id,name);
Query OK, 3 rows affected (0.20 sec)
Records: 3 Duplicates: 0 Warnings: 0
mysql> show index from mytab;
+-------+------------+---------------+--------------+-------------+-----------+-
------------+----------+--------+------+------------+---------+
| Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation |
Cardinality | Sub_part | Packed | Null | Index_type | Comment |
+-------+------------+---------------+--------------+-------------+-----------+-
------------+----------+--------+------+------------+---------+
| mytab | 0 | PRIMARY | 1 | id | A |
3 | NULL | NULL | | BTREE | |
| mytab | 0 | name | 1 | name | A |
3 | NULL | NULL | | BTREE | |
| mytab | 1 | mytab_name | 1 | name | A |
3 | NULL | NULL | | BTREE | |
| mytab | 1 | mytab_id_name | 1 | id | A |
3 | NULL | NULL | | BTREE | |
| mytab | 1 | mytab_id_name | 2 | name | A |
3 | NULL | NULL | | BTREE | |
+-------+------------+---------------+--------------+-------------+-----------+-
------------+----------+--------+------+------------+---------+
5 rows in set (0.00 sec)
#下面我们尝试一下删除索引,删除用drop
#drop index index_name on table_name==
#alter table table_name drop index index_name;
#drop示例:
mysql> drop index mytab_id on mytab;
Query OK, 3 rows affected (0.17 sec)
Records: 3 Duplicates: 0 Warnings: 0
#alter示例:
mysql> alter table mytab drop index mytab_id_name;
Query OK, 3 rows affected (0.17 sec)
Records: 3 Duplicates: 0 Warnings: 0
#现在发现由于数据数量较小,根本无法判断索引存在的价值。
#
#这里我打算向其中添加3000行数据,这里需要用到Java代码:
#
| 3001 | yiha_2997 | 22 | 5997 |
| 3002 | yiha_2998 | 22 | 5998 |
| 3003 | yiha_2999 | 22 | 5999 |
+------+-----------+-----+--------+
3003 rows in set (0.01 sec)
#######################java代码段##############################
public static void main(String[] args) {
Connection conn=DBConnection.getConnection();
try {
conn.setAutoCommit(false);
PreparedStatement state=conn.prepareStatement
("insert into mytab(name,age,salary) values (?,?,?)");
for(int i=0;i
state.setString(1,"yiha_"+i );
state.setInt(2, 22);
state.setInt(3, 3000+i);
state.addBatch();
}
state.executeBatch();
conn.commit();
state.close();
} catch (SQLException e) {
e.printStackTrace();
}
}
######################数据库连接connection######################
private static String url="jdbc:mysql://" +
"localhost:3306/mydb?useUnicode=true&characterEncoding=UTF-8";
private static String driver="com.mysql.jdbc.Driver";
private static String name="root";
private static String pwd="root";
public static Connection getConnection(){
Connection conn;
try {
Class.forName(driver).newInstance();
conn = DriverManager.getConnection(url, name, pwd);
return conn;
###################################################################
##现在数据库中有3003条数据,我们看一下检索数据时间。
#如检索:
id NAME age salary
| 2894 | yiha_2890 | 22 | 5890 |
#id以及name为索引,但是age和salary为非索引
mysql> select * from mytab where id=2894;
+------+-----------+-----+--------+
| id | name | age | salary |
+------+-----------+-----+--------+
| 2894 | yiha_2890 | 22 | 5890 |
+------+-----------+-----+--------+
1 row in set (0.00 sec)
mysql> select * from mytab where salary=5890;
+------+-----------+-----+--------+
| id | name | age | salary |
+------+-----------+-----+--------+
| 2894 | yiha_2890 | 22 | 5890 |
+------+-----------+-----+--------+
1 row in set (0.00 sec)
#可以看出无差别,也许数据仍旧太少,现在将数据提升到30000;
mysql> select * from mytab where id=30000; #id为索引
+-------+------------+-----+--------+
| id | name | age | salary |
+-------+------------+-----+--------+
| 30000 | yiha_29996 | 23 | 32996 |
+-------+------------+-----+--------+
1 row in set (0.00 sec)
mysql> select * from mytab where salary=32996;#salary为非索引
+-------+------------+-----+--------+
| id | name | age | salary |
+-------+------------+-----+--------+
| 30000 | yiha_29996 | 23 | 32996 |
+-------+------------+-----+--------+
1 row in set (0.02 sec)
#由于name也是索引,所以这里试一下用name查找数据:
mysql> select * from mytab where name='yiha_29996';#name为索引
+-------+------------+-----+--------+
| id | name | age | salary |
+-------+------------+-----+--------+
| 30000 | yiha_29996 | 23 | 32996 |
+-------+------------+-----+--------+
1 row in set (0.00 sec)
##虽然在数据多次实验中能够看出索引的作用,但是并不是很明显。以上每一组所耗费时间都是
#个人寻找的出现次数最多的时间。
##个人感觉测试索引效果挺无聊的,索引的作用很多文章都只写了可以精确查找,至于索引如何
#运用貌似很少有相关的东西。数据库中的数据还可以随意扩大,个人感觉先这样吧。

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Prestasi pertanyaan MySQL boleh dioptimumkan dengan membina indeks yang mengurangkan masa carian daripada kerumitan linear kepada kerumitan logaritma. Gunakan PreparedStatements untuk menghalang suntikan SQL dan meningkatkan prestasi pertanyaan. Hadkan hasil pertanyaan dan kurangkan jumlah data yang diproses oleh pelayan. Optimumkan pertanyaan penyertaan, termasuk menggunakan jenis gabungan yang sesuai, membuat indeks dan mempertimbangkan untuk menggunakan subkueri. Menganalisis pertanyaan untuk mengenal pasti kesesakan; gunakan caching untuk mengurangkan beban pangkalan data;

Salah satu perubahan utama yang diperkenalkan dalam MySQL 8.4 (keluaran LTS terkini pada 2024) ialah pemalam "Kata Laluan Asli MySQL" tidak lagi didayakan secara lalai. Selanjutnya, MySQL 9.0 mengalih keluar pemalam ini sepenuhnya. Perubahan ini mempengaruhi PHP dan apl lain

Perbandingan prestasi rangka kerja Java yang berbeza: Pemprosesan permintaan REST API: Vert.x adalah yang terbaik, dengan kadar permintaan 2 kali SpringBoot dan 3 kali Dropwizard. Pertanyaan pangkalan data: HibernateORM SpringBoot adalah lebih baik daripada Vert.x dan ORM Dropwizard. Operasi caching: Pelanggan Hazelcast Vert.x lebih unggul daripada mekanisme caching SpringBoot dan Dropwizard. Rangka kerja yang sesuai: Pilih mengikut keperluan aplikasi Vert.x sesuai untuk perkhidmatan web berprestasi tinggi, SpringBoot sesuai untuk aplikasi intensif data, dan Dropwizard sesuai untuk seni bina perkhidmatan mikro.

Mencipta jadual MySQL menggunakan PHP memerlukan langkah berikut: Sambung ke pangkalan data. Buat pangkalan data jika ia tidak wujud. Pilih pangkalan data. Buat jadual. Laksanakan pertanyaan. Tutup sambungan.

Cara menggunakan MySQLi untuk mewujudkan sambungan pangkalan data dalam PHP: Sertakan sambungan MySQLi (require_once) Cipta fungsi sambungan (functionconnect_to_db) Fungsi sambungan panggilan ($conn=connect_to_db()) Laksanakan pertanyaan ($result=$conn->query()) Tutup sambungan ( $conn->close())

Teknik berkesan untuk mengoptimumkan prestasi berbilang benang C++ termasuk mengehadkan bilangan utas untuk mengelakkan perbalahan sumber. Gunakan kunci mutex ringan untuk mengurangkan perbalahan. Optimumkan skop kunci dan minimumkan masa menunggu. Gunakan struktur data tanpa kunci untuk menambah baik keselarasan. Elakkan sibuk menunggu dan maklumkan urutan ketersediaan sumber melalui acara.

Keluaran terbaharu Apple bagi sistem iOS18, iPadOS18 dan macOS Sequoia telah menambah ciri penting pada aplikasi Photos, yang direka untuk membantu pengguna memulihkan foto dan video yang hilang atau rosak dengan mudah disebabkan pelbagai sebab. Ciri baharu ini memperkenalkan album yang dipanggil "Dipulihkan" dalam bahagian Alat pada apl Foto yang akan muncul secara automatik apabila pengguna mempunyai gambar atau video pada peranti mereka yang bukan sebahagian daripada pustaka foto mereka. Kemunculan album "Dipulihkan" menyediakan penyelesaian untuk foto dan video yang hilang akibat kerosakan pangkalan data, aplikasi kamera tidak disimpan ke pustaka foto dengan betul, atau aplikasi pihak ketiga yang menguruskan pustaka foto. Pengguna hanya memerlukan beberapa langkah mudah

Untuk mengendalikan ralat sambungan pangkalan data dalam PHP, anda boleh menggunakan langkah berikut: Gunakan mysqli_connect_errno() untuk mendapatkan kod ralat. Gunakan mysqli_connect_error() untuk mendapatkan mesej ralat. Dengan menangkap dan mengelog mesej ralat ini, isu sambungan pangkalan data boleh dikenal pasti dan diselesaikan dengan mudah, memastikan kelancaran aplikasi anda.
