[笔记] SQL 优化

一. 数据库设计优化

1. 选择合适的字段类型

设计表时，尽量选择存储空间小的字段类型：

  • 整型字段：从TINYINT、SMALLINT、INT到BIGINT。
  • 小数类型：对于金额等需精确计算的数值使用DECIMAL，避免使用FLOAT和DOUBLE。
  • 字符串：根据实际长度选择CHAR（定长）或VARCHAR（变长）。VARCHAR不宜超过5000字符；长度需求大的数据建议使用TEXT，并将大字段拆分到单独的表中

2. 确定字段的合理长度

字段长度表示字符数或字节数，例如VARCHAR(32)适用于用户名字段（通常为5到20个字符）。建议字段长度设为2的幂，如32、64、128等。

3. 控制表的字段数量

一张表的字段数量尽量控制在20个以内，以避免数据量过大导致查询效率低。如果字段较多，建议分拆为多张表。

4. 尽量定义字段为 NOT NULL

为防止空指针问题，并提升查询性能，除非有特殊需求，字段都应定义为NOT NULL，可以通过默认值或常量来填充字段。

5. 使用数值类型代替字符串

数值类型占用存储空间小、比较速度更快。

例子： 性别字段建议用数值（如0代表女生，1代表男生）而非字符串（如"WOMEN"、“MAN”）。

6. 评估并添加必要的索引

根据表的数据量和查询需求设置索引：

  • 索引数量不宜过多（单表索引个数不超过5个）。

  • 区分度低的字段（如性别）不适合建立索引。

  • 可通过联合索引优化多列条件查询。

  • 定期分析和优化索引

    ANALYZE TABLE user_info_tab;

7. 避免使用MySQL保留字

避免库名、表名或字段名使用MySQL的保留字（如SELECT、DESC等），否则需要使用反引号引用，会增加代码复杂性。

8. 统一字符集的选择

字符集推荐使用utf8或utf8mb4以支持中英文及emoji。其他字符集如GBK仅适合中文环境，latin1适合仅支持英文的场景。

9. 数据冗余

在某些场景下，适当的数据冗余可以提高查询效率，例如在读多写少的应用中。

10. 使用分区表

对于大数据量的表，使用分区表可以提高查询性能。

示例：

  • 范围分区（Range Partitioning）：

    • 根据某个字段的值范围进行分区。适用于时间戳、日期等有序字段。
    CREATE TABLE sales (sale_id INT,sale_date DATE,amount DECIMAL(10,2)
) PARTITION BY RANGE (YEAR(sale_date)) (PARTITION p2019 VALUES LESS THAN (2020),PARTITION p2020 VALUES LESS THAN (2021),PARTITION p2021 VALUES LESS THAN (2022)
);

  • 列表分区（List Partitioning）：

    • 根据某个字段的特定值列表进行分区。适用于类别、地区等离散字段。
    CREATE TABLE employees (emp_id INT,department VARCHAR(20)
) PARTITION BY LIST (department) (PARTITION p_sales VALUES IN ('Sales'),PARTITION p_marketing VALUES IN ('Marketing'),PARTITION p_it VALUES IN ('IT')
);

  • 哈希分区（Hash Partitioning）：

    • 根据某个字段的哈希值进行分区。适用于均匀分布的数据。
    CREATE TABLE customers (cust_id INT,name VARCHAR(50)
) PARTITION BY HASH (cust_id) PARTITIONS 4;

  • 复合分区（Composite Partitioning）：

    • 结合多种分区策略，先按一种策略分区，再在每个子分区中按另一种策略分区。适用于复杂的数据分布。
    CREATE TABLE sales (sale_id INT,sale_date DATE,region VARCHAR(20)
) PARTITION BY RANGE (YEAR(sale_date))
SUBPARTITION BY LIST (region) (PARTITION p2019 VALUES LESS THAN (2020) (SUBPARTITION p2019_north VALUES IN ('North'),SUBPARTITION p2019_south VALUES IN ('South')),PARTITION p2020 VALUES LESS THAN (2021) (SUBPARTITION p2020_north VALUES IN ('North'),SUBPARTITION p2020_south VALUES IN ('South'))
);

二. 分析与调优

1. 使用 EXPLAIN 分析查询计划

EXPLAIN 可以帮助你了解查询的执行计划，找出潜在的性能瓶颈。

例子：

EXPLAIN SELECT * FROM orders WHERE user_id = 123;

2. 使用 PARTITION PRUNING 优化分区表查询

PARTITION PRUNING 可以显著提高分区表的查询性能，因为它可以跳过不需要的分区。

例子：

SELECT * FROM sales WHERE sale_date BETWEEN '2023-01-01' AND '2023-12-31';

3. 使用 EXPLAIN ANALYZE 深入分析查询性能

EXPLAIN ANALYZE 可以提供详细的查询执行计划和实际执行时间，帮助你更好地优化查询。

例子：

EXPLAIN ANALYZE SELECT * FROM orders WHERE user_id = 123;

4. 使用 OPTIMIZE TABLE 优化表性能

OPTIMIZE TABLE 可以回收未使用的空间，提高表的性能。

OPTIMIZE TABLE users;

5. 使用 ANALYZE TABLE 更新统计信息

ANALYZE TABLE 可以更新表的统计信息，帮助优化器生成更高效的查询计划。

例子：

ANALYZE TABLE users;

三. 查询语句优化

1. 避免使用 SELECT *，使用具体字段

反例：

SELECT * FROM employee;

正例：

SELECT id, name, age FROM employee;

原因： 使用具体字段可以节省资源、减少网络开销，且能避免回表查询。

2. 避免在 WHERE 子句中使用 OR

反例：

SELECT * FROM user WHERE userid=1 OR age=18;

正例：

-- 使用 UNION ALL
SELECT * FROM user WHERE userid=1
UNION ALL
SELECT * FROM user WHERE age=18;

原因：当 OR 操作符连接的条件涉及多个列时，数据库优化器可能无法有效地使用索引。特别是当这些列上有不同的索引时，优化器可能无法选择最优的索引组合。

3. 避免在 WHERE 子句中使用函数

反例：

SELECT * FROM users WHERE UPPER(username) = 'JOHN';

正例：

SELECT * FROM users WHERE username = 'JOHN';

原因： 在 WHERE 子句中使用函数会导致索引失效。

4. 避免在 WHERE 子句中对字段进行表达式操作

反例：

SELECT * FROM user WHERE age - 1 = 10;

正例：

SELECT * FROM user WHERE age = 11;

原因 : 表达式操作会增加额外的计算开销。数据库引擎需要对每一行数据进行表达式计算，然后再进行过滤，这会显著增加查询的执行时间。

5. 使用 LIMIT 避免不必要的数据返回

反例：

SELECT id, order_date FROM order_tab WHERE user_id=666 ORDER BY create_date DESC;

正例：

SELECT id, order_date FROM order_tab WHERE user_id=666 ORDER BY create_date DESC LIMIT 1;

原因： LIMIT 提升查询效率，避免多余的数据返回。

6. 批量操作（插入、删除、查询）

反例：

for(User u : list) {INSERT INTO user(name, age) VALUES(#name#, #age#);
}

正例：

INSERT INTO user(name, age) VALUES
<foreach collection="list" item="item" index="index" separator=",">(#{item.name}, #{item.age})
</foreach>

原因： 批量插入性能更优。

7. 使用 UNION ALL 替换 UNION（无重复记录时）

反例：

SELECT * FROM user WHERE userid=1
UNION
SELECT * FROM user WHERE age=10;

正例：

SELECT * FROM user WHERE userid=1
UNION ALL
SELECT * FROM user WHERE age=10;

原因： UNION 会排序和合并，UNION ALL 则省去这一步。

8. 避免在索引列上使用内置函数

反例：

SELECT * FROM orders WHERE MONTH(order_date) = 10 AND YEAR(order_date) = 2023;

正例：

SELECT * FROM orders WHERE order_date >= '2023-10-01' AND order_date < '2023-11-01';

原因： 索引列上使用函数会导致索引失效。

9. 在 GROUP BY 前进行条件过滤

反例：

SELECT user_id, SUM(amount) AS total_amount
FROM orders
GROUP BY user_id
HAVING city = '北京';

正例：

SELECT user_id, SUM(amount) AS total_amount
FROM orders
WHERE city = '北京'
GROUP BY user_id;

10. 优化 LIKE 语句

反例：

SELECT userId, name FROM user WHERE userId LIKE '%123';

正例：

SELECT userId, name FROM user WHERE userId LIKE '123%';

原因： % 放在前面会导致索引失效。

11. 使用小表驱动大表

例子： 假设我们有个客户表和一个订单表。其中订单表有10万记录，客户表只有1000行记录。现在要查询下单过的客户信息，可以这样写：

正例：

SELECT * FROM customers c
WHERE EXISTS (SELECT 1 FROM orders o WHERE o.customer_id = c.id
);

使用 IN 实现：

SELECT * FROM customers
WHERE id IN (SELECT customer_id FROM orders
);

原因： EXISTS 会逐行扫描 customers 表（即小表），对每一行 c.id，在 orders 表（大表）中检查是否有 customer_id = c.id 的记录。

12. IN 查询的元素不宜太多

反例：

SELECT user_id, name FROM user WHERE user_id IN (1,2,3...1000000);

正例： 分批进行，比如每批200个：

SELECT user_id, name FROM user WHERE user_id IN (1,2,3...200);

原因： 如果 IN 后面的元素过多，即使后面的条件加了索引，还是会影响性能。

13. 优化 LIMIT 分页

反例：

SELECT id, name, balance FROM account WHERE create_time > '2020-09-19' LIMIT 100000, 10;

正例： 使用标签记录法：

SELECT id, name, balance FROM account WHERE id > 100000 LIMIT 10;

延迟关联法：

SELECT acct1.id, acct1.name, acct1.balance 
FROM account acct1 
INNER JOIN (SELECT a.id FROM account a WHERE a.create_time > '2020-09-19' LIMIT 100000, 10
) AS acct2 
ON acct1.id = acct2.id;

14. 避免返回过多数据量

反例：

SELECT * FROM LivingInfo WHERE watchId = userId AND watchTime >= DATE_SUB(NOW(), INTERVAL 1 YEAR);

正例：

-- 分页查询
SELECT * FROM LivingInfo WHERE watchId = userId AND watchTime >= DATE_SUB(NOW(), INTERVAL 1 YEAR) LIMIT offset, pageSize;

原因：

  • 查询效率： 当返回的数据量过大时，查询所需的时间会显著增加，导致数据库性能下降。
  • 网络传输： 大量数据的传输会占用网络带宽，可能导致网络拥堵和延迟。
  • 减少返回的数据量可以降低网络传输的负担，提高数据传输效率。

15. 优先使用连接查询而非子查询

反例：

SELECT * FROM customers WHERE id IN (SELECT customer_id FROM orders);

正例：

SELECT DISTINCT c.* 
FROM customers c 
JOIN orders o ON c.id = o.customer_id;

原因： 使用子查询可能会创建临时表。

16. INNER JOIN、LEFT JOIN、RIGHT JOIN，优先使用 INNER JOIN，如果是 LEFT JOIN，左边表结果尽量小

反例：

SELECT * FROM tab1 t1 LEFT JOIN tab2 t2 ON t1.size = t2.size WHERE t1.id > 2;

正例：

SELECT * FROM (SELECT * FROM tab1 WHERE id > 2) t1 
LEFT JOIN tab2 t2 ON t1.size = t2.size;

原因： 如果 INNER JOIN 是等值连接，返回的行数可能较少，性能更好。使用 LEFT JOIN 时，左边表数据结果尽量小，条件尽量放在左边处理。

17. 避免 != 或 <> 操作符

反例：

SELECT age, name FROM user WHERE age <> 18;

正例： 分为两个查询：

SELECT age, name FROM user WHERE age < 18;
SELECT age, name FROM user WHERE age > 18;

原因： 某些情况下，使用 != 或 <> 操作符可能导致索引失效，从而影响查询性能。这是因为 != 和 <> 操作符通常会导致数据库引擎无法高效地利用索引。

18. 使用联合索引时遵循最左匹配原则

例子： 联合索引 (userId, age)，查询 userId 和 age 时优先使用 userId。

表结构：

CREATE TABLE `user` (`id` int(11) NOT NULL AUTO_INCREMENT,`userId` int(11) NOT NULL,`age` int(11) DEFAULT NULL,`name` varchar(255) NOT NULL,PRIMARY KEY (`id`),KEY `idx_userid_age` (`userId`, `age`) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=2 DEFAULT CHARSET=utf8;

反例：

SELECT * FROM user WHERE age = 10;

正例：

SELECT * FROM user WHERE userId = 10 AND age = 10;

正例：

SELECT * FROM user WHERE userId = 10;

原因： 使用联合索引时遵循最左匹配原则是非常重要的，这有助于数据库引擎高效地利用索引，从而提高查询性能。最左匹配原则意味着在查询条件中，从联合索引的最左边开始匹配索引列，直到遇到不匹配的列为止。

19. 对 WHERE 和 ORDER BY 涉及的列建索引

反例：

SELECT * FROM user WHERE address = '深圳' ORDER BY age;

正例：

ALTER TABLE user ADD INDEX idx_address_age (address, age);

20. 使用覆盖索引

正例：

SELECT id, name FROM user WHERE userId LIKE '123%';

21. 删除冗余索引

反例：

KEY `idx_userId` (`userId`)
KEY `idx_userId_age` (`userId`, `age`)

正例：

-- 删除 `userId` 索引，因为组合索引（A，B）相当于创建了（A）和（A，B）索引
KEY `idx_userId_age` (`userId`, `age`)

原因： 重复的索引需要维护，并且优化器在优化查询的时候也需要逐个地进行考虑，这会影响性能。

22. 使用 INDEX HINTS 强制使用特定索引

例子：

SELECT * FROM users USE INDEX (idx_username) WHERE username = 'john';

原因： 在某些情况下，优化器可能选择错误的索引，使用 INDEX HINTS 可以强制使用特定索引。

23. 使用 FULLTEXT 索引进行全文搜索

例子：

CREATE FULLTEXT INDEX idx_fulltext ON articles (content);SELECT * FROM articles WHERE MATCH(content) AGAINST('search term');

原因： FULLTEXT 索引可以提高全文搜索的性能。

24. 避免在 ORDER BY 子句中使用表达式

反例：

SELECT * FROM users ORDER BY LENGTH(username);

正例：

SELECT * FROM users ORDER BY username;

原因： 在 ORDER BY 子句中使用表达式会导致索引失效。

25. 避免超过3个以上的表连接

原因： 连接表越多，编译的时间和开销也就越大。把连接表拆开成较小的几个执行，可读性更高。

26. 使用 CASE 语句替代复杂的 IF 条件

例子：

SELECT id, CASE WHEN age < 18 THEN 'Minor'WHEN age BETWEEN 18 AND 60 THEN 'Adult'ELSE 'Senior'END AS age_group
FROM users;

原因： CASE 语句可以使逻辑更清晰，提高可读性和维护性。

27. 使用 WITH 子句（Common Table Expressions, CTE）

例子：

WITH active_users AS (SELECT id FROM users WHERE status = 'active'
)
SELECT * FROM orders WHERE user_id IN (SELECT id FROM active_users);

原因： CTE 可以使查询结构更清晰，便于理解和维护。

28. 避免使用 DISTINCT 除非必要

反例：

SELECT DISTINCT user_id FROM orders;

正例：

SELECT user_id FROM orders GROUP BY user_id;

原因： DISTINCT 会进行额外的排序和去重操作，影响性能。如果只需要去重，可以使用 GROUP BY。

29. 使用 PARTITION PRUNING 优化分区表查询

例子：

SELECT * FROM sales WHERE sale_date BETWEEN '2023-01-01' AND '2023-12-31';

原因： PARTITION PRUNING 可以显著提高分区表的查询性能，因为它可以跳过不需要的分区。

四. 补充

1. 合理利用视图（View）进行复杂查询

正例：

CREATE VIEW view_user_orders AS
SELECT u.id, u.name, o.order_id, o.amount
FROM user u JOIN orders o ON u.id = o.user_id;-- 使用视图查询
SELECT * FROM view_user_orders WHERE amount > 100;

2. 使用表分区（Partitioning）优化大表性能

正例：

CREATE TABLE sales (sale_id INT,sale_date DATE,amount DECIMAL(10,2)
) PARTITION BY RANGE (YEAR(sale_date)) (PARTITION p2019 VALUES LESS THAN (2020),PARTITION p2020 VALUES LESS THAN (2021),PARTITION p2021 VALUES LESS THAN (2022)
);

3. 合理使用存储过程（Stored Procedure）来减少多次 SQL 交互

正例：

CREATE PROCEDURE update_and_select(IN user_id INT)
BEGINUPDATE users SET last_login = NOW() WHERE id = user_id;SELECT * FROM users WHERE id = user_id;
END;

4. 使用临时表（Temporary Tables）处理复杂查询

正例：

CREATE TEMPORARY TABLE temp_users AS
SELECT id FROM users WHERE status = 'active';SELECT * FROM orders WHERE user_id IN (SELECT id FROM temp_users);

原因： 临时表可以在处理复杂查询时提高性能，特别是在多次使用相同子查询结果的情况下。

5. 使用适当的隔离级别

原因： 在高并发环境中选择适当的事务隔离级别（如 READ COMMITTED），可以避免不必要的锁竞争和阻塞，提升并发效率。

6. 避免在事务中执行非必要的操作

原因： 在事务中应避免执行耗时操作，比如网络请求或复杂计算，以减少锁的持有时间。优先确保事务操作集中在必要的数据变更上。

7. 使用批量更新或删除

正例：

-- 分批删除
DELETE FROM orders WHERE status = 'obsolete' LIMIT 1000;

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/884724.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

C#的Event事件示例小白级剖析

C#的Event事件示例小白级剖析

1、委托Delegate 首先说一下delegate委托&#xff0c;委托是将方法作为参数进行传递。 // 定义了一个委托类型public delegate void MyDelegate(int num);// 定义了一个啥也不干的委托实例public MyDelegate m_delegate _ > {};// 定义了一个和委托相同格式的方法public …
阅读更多...
流畅！HTMLCSS打造网格方块加载动画

流畅！HTMLCSS打造网格方块加载动画

效果演示 这个动画的效果是五个方块在网格中上下移动&#xff0c;模拟了一个连续的加载过程。每个方块的动画都是独立的&#xff0c;但是它们的时间间隔和路径被设计为相互协调&#xff0c;以创建出流畅的动画效果。 HTML <div class"loadingspinner"><…
阅读更多...
Java Iterator 实现杨辉三角

Java Iterator 实现杨辉三角

一、问题描述 杨辉三角定义如下&#xff1a; 1/ \1 1/ \ / \1 2 1/ \ / \ / \1 3 3 1/ \ / \ / \ / \1 4 6 4 1/ \ / \ / \ / \ / \ 1 5 10 10 5 1 把每一行看做一个list&#xff0c;试写一个 Iterator&#xff0c;不断输出下一行的 list&#xf…
阅读更多...
PostGis--几何构造函数

PostGis--几何构造函数

目录 1、简介2、ST_Centroid / ST_PointOnSurface3、ST_Buffer4、ST_Intersection5、ST_Union6、substr和substringPS: 1、简介 接着上一个文章&#xff1a; 到目前为止&#xff0c;我们看到的所有函数都“按原样”处理几何图形并返回 对象分析&#xff08;ST_Length&#xf…
阅读更多...
衡石分析平台最佳实践-开发场景之分层级嵌入

衡石分析平台最佳实践-开发场景之分层级嵌入

分层级嵌入 平台整体嵌入 在这种应用场景中&#xff0c;把所有功能通过 iframe 的方式都开放给登陆用户&#xff0c;嵌入的示例如下&#xff1a; html <iframename""src"https://preview.hengshi.com/app/1"> </iframe> 1 2 3 4 单个模…
阅读更多...
数字信号处理Python示例（5）使用实指数函数仿真PN结二极管的正向特性

数字信号处理Python示例（5）使用实指数函数仿真PN结二极管的正向特性

文章目录 前言一、二极管的电流-电压关系——Shockley方程二、PN结二极管正向特性的Python仿真三、仿真结果分析写在后面的话 前言 使用Python代码仿真了描述二极管的电流-电压关系的Shockley方程&#xff0c;对仿真结果进行了分析&#xff0c;说明在正向偏置区域&#xff0c;…
阅读更多...
科普之使用Lableme图像标注—盲道分割与目标检测

科普之使用Lableme图像标注—盲道分割与目标检测

使用Lableme图像标注—盲道分割与目标检测 数据集格式 在介绍使用Lableme软件进行数据集的标注之前&#xff0c;首先先对计算机视觉领域最知名的两个数据集的格式来进行简单的复习或者说是重新的学习。 在读研之后自己最常用的几个数据集进行存在在磁盘中跑代码的时候在拿出来…
阅读更多...
接口测试（十）jmeter——关联（正则表达式提取器）

接口测试（十）jmeter——关联（正则表达式提取器）

一、正则表达式 常用的元字符 元字符&#xff1a;用来匹配相关字符 万能匹配表达式&#xff1a; .*? 所有log结尾的文件&#xff1a;*.log 代码说明.匹配除换行符以外的任意字符\w匹配字母或数字或下划线或汉字\s匹配任意的空白符\d匹配数字\b匹配单词的开始或结束^匹配字符…
阅读更多...
2016年7月和8月NASA的气候成像（ATom）-1飞行活动期间测量的黑碳（BC）质量混合比（单位为ng BC / kg空气）

2016年7月和8月NASA的气候成像（ATom）-1飞行活动期间测量的黑碳（BC）质量混合比（单位为ng BC / kg空气）

目录 简介 摘要 代码 引用 网址推荐 知识星球 机器学习 简介 ATom: Black Carbon Mass Mixing Ratios from ATom-1 Flights 该数据集提供了在2016年7月和8月NASA的气候成像&#xff08;ATom&#xff09;-1飞行活动期间测量的黑碳&#xff08;BC&#xff09;质量混合比&…
阅读更多...
关于Linux系统调试和性能优化技巧有哪些？

关于Linux系统调试和性能优化技巧有哪些？

成长路上不孤单&#x1f60a;&#x1f60a;&#x1f60a;&#x1f60a;&#x1f60a;&#x1f60a; 【14后&#x1f60a;///C爱好者&#x1f60a;///持续分享所学&#x1f60a;///如有需要欢迎收藏转发///&#x1f60a;】 今日分享关于Linux系统调试和性能优化技巧的相关内容…
阅读更多...
scala Map集合

scala Map集合

一.Map的概述 Map是一种存储键值对的数据结构&#xff0c;Map中的键都是唯一的。 idea实例 二.Map的常见操作 idea实例 三.Map中的查询元素 idea实例 四.Map的常用方法 idea实例 五.Map的遍历 idea实例
阅读更多...
Ubuntu学习笔记 - Day2

Ubuntu学习笔记 - Day2

文章目录 学习目标&#xff1a;学习内容&#xff1a;学习笔记&#xff1a;Linux系统启动过程内核引导运行init运行级别系统初始化建立终端用户登录系统 Ubuntu关机关机流程相关命令 Linux系统目录结构查看目录目录结构 文件基本属性读写权限命令 下载文件的方法安装wget工具下载…
阅读更多...
Rust 力扣 - 2841. 几乎唯一子数组的最大和

Rust 力扣 - 2841. 几乎唯一子数组的最大和

文章目录 题目描述题解思路题解代码题目链接 题目描述 题解思路 我们遍历长度为k的窗口&#xff0c;用一个哈希表记录窗口内的所有元素&#xff08;用来对窗口内元素去重&#xff09;&#xff0c;我们取哈希表中元素数量大于等于m的窗口总和的最大值 题解代码 use std::coll…
阅读更多...
从 vue 源码看问题 — vue 如何进行异步更新？

从 vue 源码看问题 — vue 如何进行异步更新？

前言 在上一篇 如何理解 vue 响应式&#xff1f; 中&#xff0c;了解到响应式其实是通过 Observer 类中调用 defineReactive() 即 Object.defineProperty() 方法为每个目标对象的 key&#xff08;key 对应的 value 为非数组的&#xff09; 设置 getter 和 setter 实现拦截&…
阅读更多...
[NewStarCTF 2023 公开赛道]逃1

[NewStarCTF 2023 公开赛道]逃1

代码审计. 这段代码分为三部分&#xff1a;1.war函数&#xff0c;2.GetFlag类&#xff0c;3.GetFlag类对象的定义&#xff0c;waf过滤以及反序列化 . 很经典的的一道题&#xff0c;键值对逃逸&#xff0c;改变cmd的value&#xff0c;去获取flag. 而war就是我们的突破点&#xf…
阅读更多...
分享几个可以免费使用AI的网站

分享几个可以免费使用AI的网站

1、ChatGPT 自从用上GPT后&#xff0c;我的工作效率直接翻倍啊&#xff0c;不仅任务完成得更快&#xff0c;质量也更高。现在&#xff0c;我有更多的时间来享受生活&#xff0c;工作之余也能愉快地“摸鱼”&#xff0c;嘎嘎香嘞~ ⭐⭐ 点击直达 ​ 还有AI绘画可以体验喔~ 大…
阅读更多...
lego-loam mapOptmization 源码注释（二）

lego-loam mapOptmization 源码注释（二）

看过了main函数&#xff0c;我们来看mapOptmization的正题&#xff1a; MO.run(); void run(){if (newLaserCloudCornerLast && std::abs(timeLaserCloudCornerLast - timeLaserOdometry) < 0.005 &&newLaserCloudSurfLast && std::abs(time…
阅读更多...
【大数据学习 | kafka】producer之拦截器，序列化器与分区器

【大数据学习 | kafka】producer之拦截器，序列化器与分区器

1. 自定义拦截器 interceptor是拦截器&#xff0c;可以拦截到发送到kafka中的数据进行二次处理&#xff0c;它是producer组成部分的第一个组件。 public static class MyInterceptor implements ProducerInterceptor<String,String>{Overridepublic ProducerRecord<…
阅读更多...
基于Spring Boot的高校物品捐赠管理系统设计与实现，LW+源码+讲解

基于Spring Boot的高校物品捐赠管理系统设计与实现，LW+源码+讲解

摘 要 传统办法管理信息首先需要花费的时间比较多&#xff0c;其次数据出错率比较高&#xff0c;而且对错误的数据进行更改也比较困难&#xff0c;最后&#xff0c;检索数据费事费力。因此&#xff0c;在计算机上安装高校物品捐赠管理系统软件来发挥其高效地信息处理的作用&a…
阅读更多...
推荐FileLink数据跨网摆渡系统 — 安全、高效的数据传输解决方案

推荐FileLink数据跨网摆渡系统 — 安全、高效的数据传输解决方案

在数字化转型的浪潮中&#xff0c;企业对于数据传输的需求日益增加&#xff0c;特别是在不同网络环境之间的文件共享和传输。为了满足这一需求&#xff0c;FileLink数据跨网摆渡系统应运而生&#xff0c;为企业提供了一种安全、高效的数据传输解决方案。 安全第一&#xff0c;保…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023