LieRabbit

LieRabbit 查看完整档案

广州编辑大连东软信息学院  |  软件工程 编辑三七互娱  |  Java服务端 编辑 lierabbit.cn 编辑
编辑

有些梦虽然遥不可及,但并不是不可能实现,只要我足够的强

个人动态

LieRabbit 提出了问题 · 2020-08-17

解决mysql单表的数据量达到多少性能会下降?

mysql InnoDB单表的数据量达到多少性能会下降?

关注 3 回答 2

LieRabbit 收藏了文章 · 2020-08-17

为什么mysql索引选择b+树作为底层存储结构?

博客搬家啦,更多干活 https://blog.csdn.net/qq_2816...

这篇文章解决一个问题

mysql 底层为什么是用b+树作为存储结构?为什么不是二叉树,红黑树,b树?

我们先构造一个应用场景,我们有1kw的数据需要存储在一张表里面,那么我们怎么设计能让查询速度尽可能的快

我们实验的可视化的数据结构皆从以下网站获取,地址:https://www.cs.usfca.edu/~gal...
image.png

ok,我们先来看下二叉树怎么存储这1kw数据,假设我有一张表,这张表里只有一个字段,他是递增的,看看用二叉树是什么情形

b_in.2020-02-03 13_00_50.gif

于是,我们看到,在这种情况下二叉树直接退化成了一个链表,我们如果要找到5这个记录,需要查找5次,n条数据就要查找n次,复杂度O(n), 不满足我们的需求

我们再来看看红黑树

WX20200203-132708@2x.png

我们看到红黑树有一个自平衡的特性,以牺牲插入性能解决了退化成链表的问题,但随着记录树的增加,树的高度会不断增加,那么,我们想找到第1kw个数据,依然要查找很多次,对应到mysql上每次读取一个树的节点都需要进行一次io,那么还有没有更好的办法呢?

ok,接下来看看b树

WX20200203-133550@2x.png

可以明显看到的区别是,每一个节点上存储了多个数据,其实逻辑很简单嘛,想保证高度固定,那就横向上想办法,这样的话我们查找16这条记录,其实只需要经过3次io就可以了

b_find.2020-02-03 13_40_12.gif

那b+树和b树又有什么区别呢?引用网上的一张图说明一下

image.png

具体到mysql上就是

  1. 有冗余索引,方便查找
  2. 只在叶子节点上存储数据,16k(mysql innodb_page_size的默认大小)的内存可以存下更多数据,降低高度,查询更快
  3. 叶子节点增加了双向链表,方便范围查询

于是,我们就明白了,为什么mysql要用b+树作为底层数据结构,1kw的数据,索引应用合理,可能3次或者4次io就可以定位到记录了。

查看原文

LieRabbit 收藏了文章 · 2020-08-17

【转载】为什么Mongodb索引用B树,而Mysql用B+树?

文章转载自孤独烟的微信公众号,可关注他的公众号阅读原文
image.png

正文

这里的Mysql指的是Innodb的存储引擎下的索引结构,其他存储引擎我们暂时不讨论。

B树和B+树

开头,我们先回忆一下,B树和B+树的结构以及特点,如下所示:
B树

注意一下B树的两个明显特点

  • 树内的每个节点都存储数据
  • 叶子节点之间无指针相邻

B+树

注意一下B+树的两个明显特点

  • 数据只出现在叶子节点
  • 所有叶子节点增加了一个链指针

针对上面的B+树和B树的特点,我们做一个总结
(1)B树的树内存储数据,因此查询单条数据的时候,B树的查询效率不固定,最好的情况是O(1)。我们可以认为在做单一数据查询的时候,使用B树平均性能更好。但是,由于B树中各节点之间没有指针相邻,因此B树不适合做一些数据遍历操作。

(2)B+树的数据只出现在叶子节点上,因此在查询单条数据的时候,查询速度非常稳定。因此,在做单一数据的查询上,其平均性能并不如B树。但是,B+树的叶子节点上有指针进行相连,因此在做数据遍历的时候,只需要对叶子节点进行遍历即可,这个特性使得B+树非常适合做范围查询。

因此,我们可以做一个推论:没准是Mysql中数据遍历操作比较多,所以用B+树作为索引结构。而Mongodb是做单一查询比较多,数据遍历操作比较少,所以用B树作为索引结构。

那么为什么Mysql做数据遍历操作多?而Mongodb做数据遍历操作少呢?
因为Mysql是关系型数据库,而Mongodb是非关系型数据。

那为什么关系型数据库,做数据遍历操作多?

而非关系型数据库,做数据遍历操作少呢?
我们继续往下看

关系型VS非关系型

假设,我们此时有两个逻辑实体:学生(Student)和班级(Class),这两个逻辑实体之间是一对多的关系。毕竟一个班级有多个学生,一个学生只能属于一个班级。
关系型数据库
我们在关系型数据库中,考虑的是用几张表来表示这二者之间的实体关系。常见的无外乎是,一对一关系,用一张表就行。一对多关系,用两张表。多对多关系,用三张表。
那这里,我们需要用两张表表示二者之间逻辑关系,如下所示

那我们,此时要查cname1班的班级,有多少学生怎么办?
假设cname这列,我们建了索引!
执行SQL,如下所示!

SELECT *FROM t_student t1, (        SELECT cid        FROM t_class        WHERE cname = '1班'    ) t2WHERE t1.cid = t2.cid

而这,就涉及到了数据遍历操作!

因为但凡做这种关联查询,你躲不开join操作的!既然涉及到了join操作,无外乎从一个表中取一个数据,去另一个表中逐行匹配,如果索引结构是B+树,叶子节点上是有指针的,能够极大的提高这种一行一行的匹配速度!

有的人或许会抬杠说,如果我先执行

SELECT cidFROM t_classWHERE cname = '1班'

获得cid后,再去循环执行

SELECT *FROM t_studentWHERE cid = ...

就可以避开join操作呀?

对此,我想说。你确实避开了join操作,但是你数据遍历操作还是没避开。你还是需要在student的这张表的叶子节点上,一遍又一遍的遍历!

那在非关系型数据库中,我们如何查询cname1班的班级,有多少学生?
非关系型数据库
有人说,你可以这么设计?也就是弄两个集合如下所示

然后,执行两次查询去获得结果!一次去class集合查,获得id后再去student集合查。

确实,这么设计是可以的,我没说不行。只是不符合非关系型数据库的设计初衷。在MongoDB中,根本不推荐这么设计。虽然,Mongodb中有一个$lookup操作,可以做join查询。但是理想情况下,这个$lookup操作应该不会经常使用,如果你需要经常使用它,那么你就使用了错误的数据存储了(数据库):如果你有相关联的数据,应该使用关系型数据库(SQL)。

因此,正规的设计应该如下

假设name这列,我们建了索引!
我只需执行一次语句

db.class.find( { name: '1班' } )

这样就能查询出自己想要的结果。

而这,就是一种单一数据查询!毕竟你不需要去逐行匹配,不涉及遍历操作,幸运的情况下,有可能一次IO就能够得到你想要的结果。

因此,由于关系型数据库和非关系型数据的设计方式上的不同。导致在关系型数据中,遍历操作比较常见,因此采用B+树作为索引,比较合适。而在非关系型数据库中,单一查询比较常见,因此采用B树作为索引,比较合适。

查看原文

LieRabbit 赞了文章 · 2020-08-17

【转载】为什么Mongodb索引用B树,而Mysql用B+树?

文章转载自孤独烟的微信公众号,可关注他的公众号阅读原文
image.png

正文

这里的Mysql指的是Innodb的存储引擎下的索引结构,其他存储引擎我们暂时不讨论。

B树和B+树

开头,我们先回忆一下,B树和B+树的结构以及特点,如下所示:
B树

注意一下B树的两个明显特点

  • 树内的每个节点都存储数据
  • 叶子节点之间无指针相邻

B+树

注意一下B+树的两个明显特点

  • 数据只出现在叶子节点
  • 所有叶子节点增加了一个链指针

针对上面的B+树和B树的特点,我们做一个总结
(1)B树的树内存储数据,因此查询单条数据的时候,B树的查询效率不固定,最好的情况是O(1)。我们可以认为在做单一数据查询的时候,使用B树平均性能更好。但是,由于B树中各节点之间没有指针相邻,因此B树不适合做一些数据遍历操作。

(2)B+树的数据只出现在叶子节点上,因此在查询单条数据的时候,查询速度非常稳定。因此,在做单一数据的查询上,其平均性能并不如B树。但是,B+树的叶子节点上有指针进行相连,因此在做数据遍历的时候,只需要对叶子节点进行遍历即可,这个特性使得B+树非常适合做范围查询。

因此,我们可以做一个推论:没准是Mysql中数据遍历操作比较多,所以用B+树作为索引结构。而Mongodb是做单一查询比较多,数据遍历操作比较少,所以用B树作为索引结构。

那么为什么Mysql做数据遍历操作多?而Mongodb做数据遍历操作少呢?
因为Mysql是关系型数据库,而Mongodb是非关系型数据。

那为什么关系型数据库,做数据遍历操作多?

而非关系型数据库,做数据遍历操作少呢?
我们继续往下看

关系型VS非关系型

假设,我们此时有两个逻辑实体:学生(Student)和班级(Class),这两个逻辑实体之间是一对多的关系。毕竟一个班级有多个学生,一个学生只能属于一个班级。
关系型数据库
我们在关系型数据库中,考虑的是用几张表来表示这二者之间的实体关系。常见的无外乎是,一对一关系,用一张表就行。一对多关系,用两张表。多对多关系,用三张表。
那这里,我们需要用两张表表示二者之间逻辑关系,如下所示

那我们,此时要查cname1班的班级,有多少学生怎么办?
假设cname这列,我们建了索引!
执行SQL,如下所示!

SELECT *FROM t_student t1, (        SELECT cid        FROM t_class        WHERE cname = '1班'    ) t2WHERE t1.cid = t2.cid

而这,就涉及到了数据遍历操作!

因为但凡做这种关联查询,你躲不开join操作的!既然涉及到了join操作,无外乎从一个表中取一个数据,去另一个表中逐行匹配,如果索引结构是B+树,叶子节点上是有指针的,能够极大的提高这种一行一行的匹配速度!

有的人或许会抬杠说,如果我先执行

SELECT cidFROM t_classWHERE cname = '1班'

获得cid后,再去循环执行

SELECT *FROM t_studentWHERE cid = ...

就可以避开join操作呀?

对此,我想说。你确实避开了join操作,但是你数据遍历操作还是没避开。你还是需要在student的这张表的叶子节点上,一遍又一遍的遍历!

那在非关系型数据库中,我们如何查询cname1班的班级,有多少学生?
非关系型数据库
有人说,你可以这么设计?也就是弄两个集合如下所示

然后,执行两次查询去获得结果!一次去class集合查,获得id后再去student集合查。

确实,这么设计是可以的,我没说不行。只是不符合非关系型数据库的设计初衷。在MongoDB中,根本不推荐这么设计。虽然,Mongodb中有一个$lookup操作,可以做join查询。但是理想情况下,这个$lookup操作应该不会经常使用,如果你需要经常使用它,那么你就使用了错误的数据存储了(数据库):如果你有相关联的数据,应该使用关系型数据库(SQL)。

因此,正规的设计应该如下

假设name这列,我们建了索引!
我只需执行一次语句

db.class.find( { name: '1班' } )

这样就能查询出自己想要的结果。

而这,就是一种单一数据查询!毕竟你不需要去逐行匹配,不涉及遍历操作,幸运的情况下,有可能一次IO就能够得到你想要的结果。

因此,由于关系型数据库和非关系型数据的设计方式上的不同。导致在关系型数据中,遍历操作比较常见,因此采用B+树作为索引,比较合适。而在非关系型数据库中,单一查询比较常见,因此采用B树作为索引,比较合适。

查看原文

赞 2 收藏 1 评论 0

LieRabbit 关注了问题 · 2019-06-21

excel如何进行json数据效验

有如下数据

clipboard.png

如何效验是否是json呢?

期望:
A1是json
A2不是

关注 2 回答 1

LieRabbit 提出了问题 · 2019-06-21

excel如何进行json数据效验

有如下数据

clipboard.png

如何效验是否是json呢?

期望:
A1是json
A2不是

关注 2 回答 1

LieRabbit 关注了问题 · 2019-05-26

mac下idea 无法拖动类到另外一个目录。

以前能鼠标或者键盘点击一个类然后移动到另外一个包下,不知道怎么了,现在无法拖动了,不知道在哪设置?

关注 5 回答 3

认证与成就

  • 获得 80 次点赞
  • 获得 16 枚徽章 获得 1 枚金徽章, 获得 2 枚银徽章, 获得 13 枚铜徽章

擅长技能
编辑

开源项目 & 著作
编辑

(゚∀゚ )
暂时没有

注册于 2016-12-10
个人主页被 2.4k 人浏览