[MYSQL数据库]- 索引

前言

作者：小蜗牛向前冲

名言：我可以接受失败，但我不能接受放弃

  如果觉的博主的文章还不错的话，还请点赞，收藏，关注👀支持博主。如果发现有问题的地方欢迎❀大家在评论区指正 

目录

一、认识索引 

1、为什么要有索引

2、什么是索引

二、索引实现的基础

1、认识磁盘

2、MySQL 与磁盘交互基本单位

 三、索引的实现

1、理解单个Page

2、理解多个Page

 3、聚簇索引 VS 非聚簇索引

四、索引操作 

1、创建主键索引

2、唯一索引的创建 

3、普通索引的创建

4、全文索引的创建 

5、索引的其他知识 

本期学习：索引由来，索引是怎么实现的，索引的创建，删除和信息的查询

一、认识索引 

1、为什么要有索引

 大家可能想象这么一个场景，假设我们现在存放了8百万条用户数据到mysql中，我们要查找最后几条数据，正常来说我们不知道这个用户数据在哪里，那大家可能是从第条用户数据开始找，直到我们找到为止，也就是说我们要遍历8百万条数据才可以的得到自己想要的结果。

下面我们用where条件进行筛选查询：

发现用了5秒，但是这只是一层IO啊，如果我们高频率访问数据库这样的效率肯定是不可以的。

但是我们却可以帮empno编号加上索引。 

创建索引
alter table EMP add index(empno);

在次查询：

2、什么是索引

在上面我们创建了索引，在索引的帮助下查找效率几个量级。那为什么会这样呢？其实我们可以把mysql理解为一个本书，用户数据就是书中的文字，我们知道书多是目录的，当我们想要查询书中具体章节可以通过目录查找到对应的页码，从而找到对应的章节。

而在mysql的索引也就相当于书的目录，所以通过索引可以快速的找到我们想要的内容。

对于我们程序员，理解到这个层次肯定是不够的，虽然说我们表面上把数据存放在mysql中，但是其实仍然要通过操作系统存放在磁盘上。

提高算法的查找效率无外乎在：组织数据的方式上(各种数据结构)，算法本身（二分，快排）。

索引也不列外，但是本文只想讨论组织结构对索引的影响。

为了更好的理解mysql的存储原理，我们还要简单的了解其在硬件上的存放。

二、索引实现的基础

1、认识磁盘

MySQL与存储

MySQL 给用户提供存储服务，而存储的都是数据，数据在磁盘这个外设当中。磁盘是计算机中的一个机械设备，相比于计算机其他电子元件，磁盘效率是比较低的，在加上IO本身的特征，那么如何提交效率便成为是 MySQL 的一个重要话题。

磁盘结构 

扇区 ：

数据库文件，本质其实就是保存在磁盘的盘片当中。也就是上面的一个个小格子中，就是我们经常所说的扇区。当然，数据库文件很大，也很多，一定需要占据多个扇区。

  • 从上图可以看出来，在半径方向上，距离圆心越近，扇区越小，距离圆心越远，扇区越大 那么，所有扇区都是默认512字节吗？
  • 目前是的，我们也这样认为。因为保证一个扇区多大，是由比特位密度决定的。
  • 不过最新的磁盘技术，已经慢慢的让扇区大小不同了，不过我们现在暂时不考虑

我们在使用Linux，所看到的大部分目录或者文件，其实就是保存在硬盘当中的。(当然，有一些内存文件系统，如： proc ， sys 之类，我们不考虑) 

所以，最基本的，找到一个文件的全部，本质，就是在磁盘找到所有保存文件的扇区。 而我们能够定位任何一个扇区，那么便能找到所有扇区，因为查找方式是一样的

  • 柱面(磁道):多盘磁盘，每盘都是双面，大小完全相等。那么同半径的磁道，整体上便构成了一个柱面
  • 每个盘面都有一个磁头，那么磁头和盘面的对应关系便是1对1的
  • 所以，我们只需要知道，磁头（Heads）、柱面(Cylinder)(等价于磁道)、扇区(Sector)对应的编 号。即可在磁盘上定位所要访问的扇区。这种磁盘数据定位方式叫做 CHS 。不过实际系统软件使用 的并不是 CHS （但是硬件是），而是 LBA ，一种线性地址，可以想象成虚拟地址与物理地址。系统将 LBA 地址最后会转化成为 CHS ，交给磁盘去进行数据读取。不过，我们现在不关心转化细节，知道这个东西，让我们逻辑自洽起来即可。

 结论:

我们现在已经能够在硬件层面定位，任何一个基本数据块了(扇区)。那么在系统软件上，就直接按照扇区 (512字节，部分4096字节),进行IO交互吗？不是

  • 如果操作系统直接使用硬件提供的数据大小进行交互，那么系统的IO代码，就和硬件强相关，换言 之，如果硬件发生变化，系统必须跟着变化 从目前来看，单次IO 512字节，还是太小了。
  • IO单位小，意味着读取同样的数据内容，需要进行多次磁盘访问，会带来效率的降低。 之前学习文件系统，就是在磁盘的基本结构下建立的，文件系统读取基本单位，就不是扇区，而是数据块。

故，系统读取磁盘，是以块为单位的，基本单位是 4KB 。

磁盘随机访问(Random Access)与连续访问(Sequential Access)

  • 随机访问：本次IO所给出的扇区地址和上次IO给出扇区地址不连续，这样的话磁头在两次IO操作之间需 要作比较大的移动动作才能重新开始读/写数据。
  • 连续访问：如果当次IO给出的扇区地址与上次IO结束的扇区地址是连续的，那磁头就能很快的开始这次 IO操作，这样的多个IO操作称为连续访问。

因此尽管相邻的两次IO操作在同一时刻发出，但如果它们的请求的扇区地址相差很大的话也只能称为随机访问，而非连续访问。 

磁盘是通过机械运动进行寻址的，随机访问不需要过多的定位，故效率比较高。

通过上面的认识，我们认识到在物理层面上，如果我们想要选择文件，必须通过磁盘读取的方式获得，而且系统每次读取磁盘的io大小为4KB，是一块一块的读取数据(这里不需要担心，如果我们只要1KB的数据怎么办，这样不就浪费了查找成本，但这是不需要担心的，因为根据计算机的局部存储性原理，下次要用大的数据大概会是3KB的是数据)。

2、MySQL 与磁盘交互基本单位

而 MySQL 作为一款应用软件，可以想象成一种特殊的文件系统。它有着更高的IO场景，所以，为了提高 基本的IO效率， MySQL 进行IO的基本单位是 16KB。

也就是说，磁盘这个硬件设备的基本单位是 512 字节，而 MySQL InnoDB引擎 使用 16KB 进行IO交互。 即， MySQL 和磁盘进行数据交互的基本单位是 16KB 。这个基本数据单元，在 MySQL 这里叫做page（注意和系统的page区分） 

建立共识

  • MySQL 中的数据文件，是以page为单位保存在磁盘当中的。
  • MySQL 的 CURD 操作，都需要通过计算，找到对应的插入位置，或者找到对应要修改或者查询的数据。
  • 而只要涉及计算，就需要CPU参与，而为了便于CPU参与，一定要能够先将数据移动到内存当中。 所以在特定时间内，数据一定是磁盘中有，内存中也有。
  • 后续操作完内存数据之后，以特定的刷新策略，刷新到磁盘。而这时，就涉及到磁盘和内存的数据交互，也就是IO了。而此时IO的基本单位 就是Page。
  • 为了更好的进行上面的操作， MySQL 服务器在内存中运行的时候，在服务器内部，就申请了被称 为 Buffer Pool 的的大内存空间，来进行各种缓存。其实就是很大的内存空间，来和磁盘数据进 行IO交互。 为了更高的效率，一定要尽可能的减少系统和磁盘IO的次数

 三、索引的实现

1、理解单个Page

MySQL 中要管理很多数据表文件，而要管理好这些文件，就需要 先描述，在组织 ,我们目前可以简单理解 成一个个独立文件是有一个或者多个Page构成的。

不同的 Page ，在 MySQL 中，都是 16KB ，使用 prev 和 next 构成双向链表。

因为有主键的问题， MySQL 会默认按照主键给我们的数据进行排序，从上面的Page内数据记录可以看出，数据是有序且彼此关联的。这里可以认为是通过链表将这些数据串联管理起来。

对于于单个page,我们要查找数据，怎么办？

如果我们采取链表遍历的方式，这样是很慢的，因为即使一个page只有16kb=16*1024==16384字节。那可以存放16383/4=4096个整形。

页目录 

我们在看《谭浩强C程序设计》这本书的时候，如果我们要看，找到该章节有两种做法

  • 从头逐页的向后翻，直到找到目标内容 通过书提供的目录，发现指针章节在234页(假设)，那么我们便直接翻到234页。
  • 同时，查找目录的 方案，可以顺序找，不过因为目录肯定少，所以可以快速提高定位 本质上，书中的目录，是多花了纸张的，但是却提高了效率 所以，目录，是一种“空间换时间的做法”

所以我们肯定会对这些数据要进行管理，起来，那么也会存在一个目录这样的结构对数据进行快速查找。

在一个Page内部，我们引入了目录。比如，我们要查找id=4记录，之前必须线性遍历4次， 才能拿到结果。现在直接通过目录2[3]，直接进行定位新的起始位置，提高了效率。  

但是单个pag也仅仅能管理4千多个整形的数据，那如果数据非常大，又是如何进行管理的。 

2、 理解多个Page

  • 通过上面的分析，我们知道，上面页模式中，只有一个功能，就是在查询某条数据的时候直接将一 整页的数据加载到内存中，以减少硬盘IO次数，从而提高性能。但是，我们也可以看到，现在的页 模式内部，实际上是采用了链表的结构，前一条数据指向后一条数据，本质上还是通过数据的逐条 比较来取出特定的数据。
  • 如果有1千万条数据，一定需要多个Page来保存1千万条数据，多个Page彼此使用双链表链接起 来，而且每个Page内部的数据也是基于链表的。那么，查找特定一条记录，也一定是线性查找。这 效率也太低了。

 MySQL 中每一页的大小只有 16KB ，单个Page大小固定，所以随着数据量不断增大， 16KB 不可能存下 所有的数据，那么必定会有多个页来存储数据。

需要注意，上面的图，是理想结构，大家也知道，目前要保证整体有序，那么新插入的数据，不一定会在新Page上面，这里仅仅做演示。 这样，我们就可以通过多个Page遍历，Page内部通过目录来快速定位数据。可是，貌似这样也有效率问 题，在Page之间，也是需要 MySQL 遍历的，遍历意味着依旧需要进行大量的IO，将下一个Page加载到 内存，进行线性检测。这样就显得我们之前的Page内部的目录，有点杯水车薪了。 那么如何解决呢？解决方案，其实就是我们之前的思路，给Page也带上目录

  • 使用一个目录项来指向某一页，而这个目录项存放的就是将要指向的页中存放的最小数据的键值。
  • 和页内目录不同的地方在于，这种目录管理的级别是页，而页内目录管理的级别是行。 其中，每个目录项的构成是：键值+指针。

存在一个目录页来管理页目录，目录页中的数据存放的就是指向的那一页中最小的数据。

有数据，就可通过比较，找到该访问那个Page，进而通过指针，找到下一个Page。

其实目录页的本质也是页，普通页中存的数据是用户数据，而目录页中存的数据是普通页的地址。 可是，我们每次检索数据的时候，该从哪里开始呢？虽然顶层的目录页少了，但是还要遍历啊？不用担心，可以在加目录页 

这货就是传说中的B+树啊！没错，至此，我们已经给我们的表user构建完了主键索引。 随便找一个id=？我们发现，现在查找的Page数一定减少了，也就意味着IO次数减少了，那么效率也就 提高了。 

总结 ：

  • Page分为目录页和数据页。目录页只放各个下级Page的最小键值。
  • 查找的时候，自定向下找，只需要加载部分目录页到内存，即可完成算法的整个查找过程，大大减 少了IO次数

我们现在知道数据的查找是通过page进行的，也就是索引的搜索是通过page完成，也是说索引的本质是一颗b+树。 

b+树的特点：

  • 叶子节点保存有数据，路上节点没有，非叶子节点，不要数据，只要目录项非叶子节点，不存数据，可以存储更多的目录项，目录页，可以管理更多的叶子page，这颗树，一定是一个矮胖型的树!
  • 一颗矮胖型的树，在查找的时候经过的节点会大大减少，这也就减少了遍历节点的IO，提高了查找效率

 3、聚簇索引 VS 非聚簇索引

MyISAM 存储引擎-主键索引 MyISAM 引擎同样使用B+树作为索引结果，叶节点的data域存放的是数据记录的地址。下图为 MyISAM 表的主索引， Col1 为主键。

 其中， MyISAM 最大的特点是，将索引Page和数据Page分离，也就是叶子节点没有数据，只有对应数据 的地址。 相较于 InnoDB 索引， InnoDB 是将索引和数据放在一起的。


create table st(
id int primary key,
name varchar(11) not null
)engine=MyISAM;

这里要在root权限下进入到mysql的目录下，找到创建的目录

cd /var/lib/mysql

  • st.frm 里面存放的表结构数据
  • st.MYD该表对应的数据，我没有插入所以为0
  • st.MYI该表对应的主键索引数据 

换一个引擎存储InnoDB

create table st2(id int primary key,
name varchar(11) not null
)engine=InnoDB;

 

  • st2.frm表结构数据
  • st2.ibd表对应的主键索引和用户 

其中， InnoDB 这种用户数据与索引数据在一起索引方案，叫做聚簇索引 当然， MySQL 除了默认会建立主键索引外，我们用户也有可能建立按照其他列信息建立的索引，一般这 种索引可以叫做辅助（普通）索引。 对于 MyISAM ,建立辅助（普通）索引和主键索引没有差别，无非就是主键不能重复，而非主键可重复。 下图就是基于 MyISAM 的 Col2 建立的索引，和主键索引没有差别 

下图就是基于 MyISAM 的 Col2 建立的索引，和主键索引没有差别

 同样， InnoDB 除了主键索引，用户也会建立辅助（普通）索引，我们以上表中的 Col3 建立对应的辅助 索引如下图：

可以看到， InnoDB 的非主键索引中叶子节点并没有数据，而只有对应记录的key值。

所以通过辅助（普通）索引，找到目标记录，需要两遍索引：首先检索辅助索引获得主键，然后用主键 到主索引中检索获得记录。这种过程，就叫做回表查询 为何 InnoDB 针对这种辅助（普通）索引的场景，不给叶子节点也附上数据呢？原因就是太浪费空间 了。 

四、索引操作 

1、创建主键索引

第一种方式

-- 在创建表的时候，直接在字段名后指定 primary key
create table user1(id int primary key, name varchar(30));

第二种方式 

-- 在创建表的最后，指定某列或某几列为主键索引
create table user2(id int, name varchar(30), primary key(id));

第三种方式 

create table user3(id int, name varchar(30));
-- 创建表以后再添加主键
alter table user3 add primary key(id);

 主键索引的特点：

  • 一个表中，最多有一个主键索引，当然可以使符合主键
  • 主键索引的效率高（主键不可重复）
  • 创建主键索引的列，它的值不能为null，且不能重复
  • 主键索引的列基本上是int

2、唯一索引的创建 

第一种方式

-- 在表定义时，在某列后直接指定unique唯一属性。
create table user4(id int primary key, name varchar(30) unique);

第二种方式  

-- 创建表时，在表的后面指定某列或某几列为unique
create table user5(id int primary key, name varchar(30), unique(name));

第三种方式  

create table user6(id int primary key, name varchar(30)）；
alter table user6 add unique(name);

 唯一索引的特点：

  • 一个表中，可以有多个唯一索引
  • 查询效率高
  • 如果在某一列建立唯一索引，必须保证这列不能有重复数据
  • 如果一个唯一索引上指定not null，等价于主键索引

3、普通索引的创建

第一种方式

create table user8(id int primary key,
name varchar(20),
email varchar(30),
index(name) --在表的定义最后，指定某列为索引
)

第二种方式   

create table user9(id int primary key, name varchar(20), email
varchar(30));
alter table user9 add index(name); --创建完表以后指定某列为普通索引

 第三种方式

create table user10(id int primary key, name varchar(20), email
varchar(30));
-- 创建一个索引名为 idx_name 的索引
create index idx_name on user10(name);

普通索引的特点： 

  • 一个表中可以有多个普通索引，普通索引在实际开发中用的比较多
  • 如果某列需要创建索引，但是该列有重复的值，那么我们就应该使用普通索引

4、全文索引的创建 

当对文章字段或有大量文字的字段进行检索时，会使用到全文索引。MySQL提供全文索引机制，但是有 要求，要求表的存储引擎必须是MyISAM，而且默认的全文索引支持英文，不支持中文。如果对中文进 行全文检索，可以使用sphinx的中文版(coreseek)。

这里我们创建一个表并且对他进行查询 

如果使用如下查询方式，虽然查询出数据，但是没有使用到全文索引

这是我们正常使用到搜索，并没有用到索引。

可以用explain工具看一下，是否使用到索引，告诉我们mysql执行计划

  • id: 查询中的 SELECT 语句的序列号。在这里是 1。
  • select_type: 查询的类型。在这里是 SIMPLE，表示这是一个简单的 SELECT 查询。
  • table: 查询涉及的表。在这里是 articles。
  • partitions: 如果查询涉及分区表，将显示分区信息。在这里是 NULL，表示没有分区。
  • type: 访问表的方式。在这里是 ALL，表示全表扫描，即没有使用索引。
  • possible_keys: 显示可能使用的索引。在这里是 NULL，表示没有可用的索引。
  • key: 实际使用的索引。在这里是 NULL，表示没有使用索引。
  • key_len: 使用的索引的长度。在这里是 NULL。
  • ref: 与索引比较的参考。在这里是 NULL。
  • rows: 估计要检查的行数。在这里是 6。
  • filtered: 结果集的过滤程度，以百分比表示。在这里是 16.67%。

 使用全文索引

select * from articles where match (title,body) against ('database');

5、索引的其他知识 

查询索引

第一种方法： show keys from 表名

mysql> show keys from goods\G
*********** 1. row ***********
Table: goods <= 表名
Non_unique: 0 <= 0表示唯一索引
Key_name: PRIMARY <= 主键索引
Seq_in_index: 1
Column_name: goods_id <= 索引在哪列
Collation: A
Cardinality: 0
Sub_part: NULL
Packed: NULL
Null:
Index_type: BTREE <= 以B+树形式的索引
Comment:
1 row in set (0.00 sec)

第二种方法: show index from 表名;

 第三种方法（信息比较简略）： desc 表名；

删除索引

  • 第一种方法-删除主键索引： alter table 表名 drop primary key;
  • 第二种方法-其他索引的删除： alter table 表名 drop index 索引名； 索引名就是show keys from 表名中的 Key_name 字段
  • 第三种方法方法： drop index 索引名 on 表名 

索引创建原则 

  • 比较频繁作为查询条件的字段应该创建索引
  • 唯一性太差的字段不适合单独创建索引，即使频繁作为查询条件
  • 更新非常频繁的字段不适合作创建索引
  • 不会出现在where子句中的字段不该创建索引

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/744530.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

力扣--课程表--bfs+dfs

力扣--课程表--bfs+dfs

整体思路&#xff1a; 这是一道拓扑序列的题目&#xff0c;我们将边的方向定义成从先修课指向后修课的方向&#xff0c;借一下官方的题解图片&#xff0c;我们需要判断的是形成的这个图结构是否存在环&#xff0c;如果存在环&#xff0c;那么代表不能完成所有课程的学习。 bfs思…
阅读更多...
强推游戏爱好者！雾锁王国联机服务器部署教程

强推游戏爱好者！雾锁王国联机服务器部署教程

继《幻兽帕鲁》游戏爆火之后&#xff0c;与它同类型的《雾锁王国》也是强力刷屏&#xff0c;不分伯仲&#xff0c;在 Steam 上的评分一直稳定在“特别好评”&#xff0c;让小伙伴们很“上头”。就在两者游戏玩家反响爆火的同时&#xff0c;官方服务器人数爆满&#xff0c;卡顿频…
阅读更多...
JavaScript进阶2之执行上下文、作用域链、函数创建、函数激活、checkScope的执行过程、闭包、this

JavaScript进阶2之执行上下文、作用域链、函数创建、函数激活、checkScope的执行过程、闭包、this

JavaScript进阶 执行上下文执行上下文中的属性变量对象全局上下文的变量对象函数上下文执行过程进入执行上下文代码执行思考题 作用域链函数创建函数激活checkScope的执行过程总结 闭包分析闭包 this 执行上下文 执行上下文中的属性 每一个执行上下文都有三个核心属性 变量对…
阅读更多...
【趣味项目】一键生成LICENSE

【趣味项目】一键生成LICENSE

【趣味项目】一键生成LICENSE 项目地址&#xff1a;GitHub(最新版本) | GitCode(旧版本) 项目介绍 一款用于自动生成开源项目协议的工具&#xff0c;可以通过 npm 进行安装后在命令行使用&#xff0c;非常方便 使用方式 npm install xxhls/get-license -gget-license --l…
阅读更多...
python的函数与类的定义

python的函数与类的定义

目录 1.函数 1.函数的定义 2.输入参数与输出参数的类型 3.输入和输出多个参数 1.普通参数 2.含有任意数量的参数 3.关键字参数 4.普通参数与多个参数的结合 2.类 1.类的定义 2.类的实例化 3.继承 1.函数 1.函数的定义 def 函数名(输入参数): 文档字符串 函数体 …
阅读更多...
第七届国际通信与网络工程会议（ICCNE 2024）即将召开！

第七届国际通信与网络工程会议（ICCNE 2024）即将召开！

2024年第七届国际通信与网络工程会议&#xff08;ICCNE 2024&#xff09;将于7月26-28日在越南岘港召开。本次会议由维新大学主办&#xff0c;岘港大学、胡志明市科技大学协办。ICCNE 2024旨在为来自行业和学术界的研究人员、从业者和专业人士提供论坛&#xff0c;分享其最新研…
阅读更多...
基于boost库的搜索引擎项目

基于boost库的搜索引擎项目

文章目录 一、项目背景二、什么样的搜索引擎三、搜索引擎的宏观图原理四、Parse模块4.1下载boost库源代码4.2提取boost库中以.html为结尾的文件4.2.1 boost库的简单使用 4.3数据清洗(去标签化)4.3.1数据清洗的具体实现 4.4将清洗后的数据写入到raw.txt文件中 五、正排索引 vs 倒…
阅读更多...
C++面试问题收集

C++面试问题收集

0 持续更新中 目录 0 持续更新中 1 C语言相关 1.1 malloc/free和new/delete区别 1.2 内存泄漏 1.3 堆区和栈区的区别 1.4 宏定义和const的区别 1.5 多态 1.6 类中的静态成员变量 2 操作系统相关 2.1 进程和&#xff08;用户&#xff09;线程的区别 2.2 系统调用 2.3…
阅读更多...
学习SSM的记录（七）-- SSM整合

学习SSM的记录（七）-- SSM整合

目录 SSM整合理解 什么是SSM整合 SSM整合核心问题 1.SSM整合需要几个ioc容器 2.每一个ioc容器对应哪些类型组件 ​编辑 3.ioc容器之间关系和调用方向 4.具体多少配置类以及对应容器关系 5.ioc初始化方式和配置位置 ​编辑 SSM整合配置实战 1.数据库准备 2.创建项目…
阅读更多...
十分钟教你有效运用百度检索式

十分钟教你有效运用百度检索式

十分钟教你有效运用百度检索式 ​ 百度作为国内最大的搜索引擎网站&#xff0c;虽然很多人都喷它的搜索页面广告太多&#xff0c;但是对于不会科学上网的同学来说&#xff0c;似乎除了继续用百度以外也没有更好的选择。 ​ 其实搜索引擎一般都会内涵一些高级的搜索技巧&#…
阅读更多...
中间件漏洞（redis）

中间件漏洞（redis）

目录 1.Redis服务器被挖矿案例 2.redis常见用途 3.redis环境配置 4.redis的持久化机制 5.redis动态修改配置 6.webshell提权案例 7.定时任务bash反弹连接提权案例 8.SSH Key提权案例 9.redis安全加固分析 1.Redis服务器被挖矿案例 我没有体验过&#xff0c;那就看看别…
阅读更多...
【Redis】Redis常用命令一

【Redis】Redis常用命令一

1.keys&#xff1a;返回所有满足条件的key&#xff0c;比如&#xff1a; KEYS pattern时间复杂度&#xff1a;O(N)&#xff0c;返回值&#xff1a;匹配pattern的所有key。 • h?llo 匹配 hello , hallo 和 hxllo • h*llo 匹配 hllo 和 heeeello • h[ae]llo 匹配 hello 和 …
阅读更多...
【CSP试题回顾】201709-1-打酱油

【CSP试题回顾】201709-1-打酱油

CSP-201709-1-打酱油 解题代码 #include<iostream> using namespace std;int n, num;int main() { cin >> n;if (n / 50 ! 0){num 7 * (n / 50);n % 50;}if (n / 30 ! 0){num 4 * (n / 30);n % 30;}if (n / 10 ! 0) num (n / 10);cout << num;return…
阅读更多...
Flask 专题

Flask 专题

[CISCN2019 总决赛 Day1 Web3]Flask Message Board 查看session解密 但不知道密钥&#xff0c;题目说FLASK,那肯定就是找密钥,发现输入什么都没有显示&#xff0c;只有author那里有回显在版上&#xff0c;所以尝试sstl&#xff0c;{{config}}找到密钥 扫目录发现有admin进入…
阅读更多...
6个免费的3D模型网站，助你3D建模渲染不用愁

6个免费的3D模型网站，助你3D建模渲染不用愁

​随着3D建模和渲染技术的不断发展&#xff0c;其重要性也日益增加。创建新的3D模型往往需要耗费大量时间&#xff0c;因此&#xff0c;本文整理了六个顶尖的免费3D模型资源网站&#xff0c;以便您能够方便地获取3D模型&#xff0c;大幅减少建模时间。这些资源有助于您更快地开…
阅读更多...
高铁地铁智慧公厕方案与案例介绍

高铁地铁智慧公厕方案与案例介绍

随着轨道交通的快速发展&#xff0c;高铁、地铁、火车成为人们出行的主要交通工具。而在这种规划建设要求极具的场所&#xff0c;信息化、智慧化的管理系统部署必不可少&#xff0c;智慧公厕作为公共设施的重要组成部分&#xff0c;建设和管理也越来越受到重视。智慧公厕系统的…
阅读更多...
elasticsearch(学习笔记)(分布式搜索引擎)(黑马)(kibana操作)

elasticsearch(学习笔记)(分布式搜索引擎)(黑马)(kibana操作)

一、索引库操作 索引库就类似数据库表&#xff0c;mapping映射就类似表的结构。 我们要向es中存储数据&#xff0c;必须先创建“库”和“表”。 1、mapping映射属性 mapping是对索引库中文档的约束&#xff0c;常见的mapping属性包括&#xff1a; type&#xff1a;字段数据类型…
阅读更多...
自动驾驶最强学习资料

自动驾驶最强学习资料

自动驾驶最强学习资料 资料说明和获取方式 本资料包是作者吐血整理的干货&#xff01;目前为止应该是非常全的自动驾驶资料包&#xff01;是作者五年自动驾驶算法工程师的 积累&#xff01; 以上干货资料并不全是作者自己原创&#xff0c; 是作者作为五年自动驾驶算法工程的…
阅读更多...
春招_程序员怎么写简历_写简历网站

春招_程序员怎么写简历_写简历网站

你们在制作简历时，是不是基本只关注两件事：简历模板，还有基本信息的填写。 当你再次坐下来更新你的简历时，可能会发现自己不自觉地选择了那个“看起来最好看的模板”，填写基本信息，却没有深入思考如何使简历更具吸引力。这其实是一个普遍现象：许多求职者仍停留在传统简历…
阅读更多...
c++的类型转换和IO流

c++的类型转换和IO流

类型转换和IO流 一、c语言的类型转换 int i 1; // 隐式类型转换&#xff0c;这些类型都是表示数据的大小&#xff0c;整型家族包括char相互转化是因为他们只是范围不一样&#xff0c;浮点数与整型支持是因为浮点数本质也是表示数据的大小&#xff0c;只是加了精度而已&#…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023