第二十八章：索引优化与优化查询

第二十八章：索引优化与优化查询

哪些维度可以进行数据库调优

  • 索引失效、没有充分利用到索引 —— 索引建立
  • 关联查询太多JOIN(设计缺陷或不得已的需求) —— SQL优化
  • 服务器调优及各个参数设置(缓冲、线程数等) —— 调整my.cnf
  • 数据过多 —— 分库分表

虽然SQL查询优化的技术有很多，但是大方向上完全可以分成物理查询优化和逻辑查询优化两大块：

  • 物理查询优化是通过索引和表连接方式等技术来进行优化，这里重点需要掌握索引的使用。
  • 逻辑查询优化就是通过**SQL等价变换**提升查询效率，直白一点就是说，换一种查询写法执行效率可能更高。

28.1：数据准备

  1. 建表

    CREATE TABLE `class` (`id` INT(11) NOT NULL AUTO_INCREMENT,`className` VARCHAR(30) DEFAULT NULL,`address` VARCHAR(40) DEFAULT NULL,`monitor` INT NULL ,PRIMARY KEY (`id`)
) ENGINE=INNODB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;CREATE TABLE `student` (`id` INT(11) NOT NULL AUTO_INCREMENT,`stuno` INT NOT NULL ,`name` VARCHAR(20) DEFAULT NULL,`age` INT(3) DEFAULT NULL,`classId` INT(11) DEFAULT NULL,PRIMARY KEY (`id`)
) ENGINE=INNODB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;

  2. 防止创建存储函数报错

    SET GLOBAL log_bin_trust_function_creators=1;

  3. 创建存储函数

    #随机产生字符串
DELIMITER //
CREATE FUNCTION rand_string(n INT) RETURNS VARCHAR(255)
BEGIN    DECLARE chars_str VARCHAR(100) DEFAULT 'abcdefghijklmnopqrstuvwxyzABCDEFJHIJKLMNOPQRSTUVWXYZ';DECLARE return_str VARCHAR(255) DEFAULT '';DECLARE i INT DEFAULT 0;WHILE i < n DO  SET return_str =CONCAT(return_str,SUBSTRING(chars_str,FLOOR(1+RAND()*52),1));  SET i = i + 1;END WHILE;RETURN return_str;
END //
DELIMITER ;#用于随机产生多少到多少的编号
DELIMITER //
CREATE FUNCTION  rand_num (from_num INT ,to_num INT) RETURNS INT(11)
BEGIN   DECLARE i INT DEFAULT 0;  SET i = FLOOR(from_num +RAND()*(to_num - from_num+1));RETURN i;  
END //
DELIMITER ;

  4. 创建存储过程

    #创建往stu表中插入数据的存储过程
DELIMITER //
CREATE PROCEDURE  insert_stu(  START INT ,  max_num INT )
BEGIN  DECLARE i INT DEFAULT 0;   SET autocommit = 0;    #设置手动提交事务REPEAT  #循环SET i = i + 1;  #赋值INSERT INTO student (stuno, NAME, age, classId ) VALUES ((START+i), rand_string(6), rand_num(1,50), rand_num(1,1000));  UNTIL i = max_num  END REPEAT;  COMMIT;  #提交事务
END //
DELIMITER ;#执行存储过程，往class表添加随机数据
DELIMITER //
CREATE PROCEDURE `insert_class`(  max_num INT )
BEGIN  DECLARE i INT DEFAULT 0;   SET autocommit = 0;    REPEAT  SET i = i + 1;  INSERT INTO class ( classname,address,monitor ) VALUES (rand_string(8),rand_string(10),rand_num(1,100000));  UNTIL i = max_num  END REPEAT;  COMMIT; 
END //
DELIMITER ;

  5. 执行存储过程

    #执行存储过程，往class表添加1万条数据  
CALL insert_class(10000);
#执行存储过程，往stu表添加50万条数据  
CALL insert_stu(100000,500000);

28.2：索引失效案例

​ MySQL中提高性能的一个最有效的方式是对数据表设计合理的索引。索引提供了高效访问数据的方法，并且加快查询的速度，因此索引对查询的速度有着至关重要的影响。

  • 使用索引可以快速地定位表中的某条记录，从而提高数据库查询的速度，提高数据库的性能。
  • 如果查询时没有使用索引，查询语句就会扫描表中的所有记录。在数据量大的情况下，这样查询的速度会很慢。

​ 其实，用不用索引，最终都是优化器说了算。优化器是基于什么的优化器？基于cost开销(CostBaseOptimizer)，它不是基于规则(Rule-BasedOptimizer)，也不是基于语义。怎么样开销小就怎么来。另外，SQL语句是否使用索引，跟数据库版本、数据量、数据选择度都有关系。

  1. 全值匹配我最爱

    # 没有索引时运行与下面的创建索引后运行会发现执行时间的变化
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age=30;
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age=30 AND classId=4;
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age=30 AND classId=4 AND NAME = 'abcd';# 创建索引
CREATE INDEX idx_age ON student(age);
CREATE INDEX idx_age_classid ON student(age,classId);
CREATE INDEX idx_age_classid_name ON student(age,classId,NAME);

  2. 最佳左前缀法则

    在MySQL建立联合索引时会遵守最佳左前缀匹配原则，即最左优先，在检索数据时从联合索引的最左边开始匹配。

    # 删除全值匹配建立的索引
DROP INDEX idx_age ON student;
DROP INDEX idx_age_classid ON student;# 只有第三条sql才能使用索引
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.age=30 AND student.name = 'abcd' ;
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.classid=1 AND student.name = 'abcd';
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE classid=4 AND student.age=30 AND student.name = 'abcd';

  3. 主键插入顺序

    ​ 对于一个使用InnoDB存储引擎的表来说，在我们没有显式的创建索引时，表中的数据实际上都是存储在聚簇索引的叶子节点的。而记录又是存储在数据页中的，数据页和记录又是按照记录主键值从小到大的顺序进行排序，所以如果我们插入的记录的主键值是依次增大的话，那我们每插满一个数据页就换到下一个数据页继续插，而如果我们插入的主键值忽大忽小的话，就比较麻烦了，假设某个数据页存储的记录已经满了，它存储的主键值在1~100之间：
    在这里插入图片描述

    ​ 如果此时再插入一条主键值为9的记录，那它插入的位置就如下图：
    在这里插入图片描述

    ​ 可这个数据页已经满了，再插进来咋办呢？我们需要把当前页面分裂成两个页面，把本页中的一些记录移动到新创建的这个页中。页面分裂和记录移位意味着什么？意味着：性能损耗！所以如果我们想尽量避免这样无谓的性能损耗，最好让插入的记录的主键值依次递增，这样就不会发生这样的性能损耗了。所以我们建议：让主键具有AUTO_INCREMENT，让存储引擎自己为表生成主键，而不是我们手动插入。

  4. 计算、函数、类型转换(自动或手动)导致索引失效

    # 创建索引
CREATE INDEX idx_name ON student(NAME);
# 第一条sql能使用idx_name索引，第二条sql不行
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name LIKE 'abc%';
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE LEFT(student.name,3) = 'abc'; # 创建索引
CREATE INDEX idx_sno ON student(stuno);
# 第二条sql能使用idx_sno索引，第一条sql不行
EXPLAIN SELECT SQL_NO_CACHE id, stuno, NAME FROM student WHERE stuno+1 = 900001;
EXPLAIN SELECT SQL_NO_CACHE id, stuno, NAME FROM student WHERE stuno = 900000;# 不能使用索引
EXPLAIN SELECT id, stuno, NAME FROM student WHERE SUBSTRING(NAME, 1,3)='abc';

  5. 类型转换导致索引失效

    # 第二条sql能使用idx_name索引，第一条sql不行
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE NAME = 123; 
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE NAME = '123';

  6. 范围条件右边的列索引失效

    # 删除可能对下面sql产生干扰的索引
ALTER TABLE student DROP INDEX idx_name;
# 使用idx_age_classid_name索引的len为10，而使用idx_age_name_cid索引的len为63
EXPLAIN SELECT SQL_NO_CACHE * FROM student 
WHERE student.age=30 AND student.classId>20 AND student.name = 'abc' ; 
# 新建索引
CREATE INDEX idx_age_name_cid ON student(age,NAME,classId);

  7. 不等于(!= 或者 <>)索引失效

    # 新建索引
CREATE INDEX idx_name ON student(NAME);
# 下面两条sql都无法使用索引
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name <> 'abc' ;
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE student.name != 'abc' ;

  8. is null可以使用使用索引，is not null无法使用索引

    # 可以使用索引
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age IS NULL; 
# 不能使用索引
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age IS NOT NULL;

  9. like以通配符%开头索引失效

    # 可以使用索引
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE NAME LIKE 'ab%'; 
# 不能使用索引
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE NAME LIKE '%ab%';

  10. OR前后存在非索引的列，索引失效

    ​ 在WHERE子句中，如果在OR前的条件列进行了索引，而在OR后的条件列没有进行索引，那么索引也会失效。也就是说，OR前后的两个条件中的列都是索引时，查询中才能使用索引。

    # 只建立一个索引
CREATE INDEX idx_age ON student(age);
# 无法使用索引，只有建立下面的一个索引，才能使用索引
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 10 OR classid = 100;CREATE INDEX idx_cid ON student(classid);

  11. 数据库和表的字符集统一使用utf8mb4

    ​ 统一使用uft8mb4(5.5.3版本以上支持)兼容性更好，统一字符集可以避免由于字符集转换产生的乱码。不同的字符集进行比较前需要进行转换会造成索引失效。

28.3：关联查询优化

  1. 数据准备

    #分类
CREATE TABLE IF NOT EXISTS `type` (`id` INT(10) UNSIGNED NOT NULL AUTO_INCREMENT,`card` INT(10) UNSIGNED NOT NULL,PRIMARY KEY (`id`)
);
#图书
CREATE TABLE IF NOT EXISTS `book` (`bookid` INT(10) UNSIGNED NOT NULL AUTO_INCREMENT,`card` INT(10) UNSIGNED NOT NULL,PRIMARY KEY (`bookid`)
);#向分类表中添加20条记录
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));#向图书表中添加20条记录
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO book(card) VALUES(FLOOR(1 + (RAND() * 20)));

  2. 采用左外连接

    EXPLAIN SELECT SQL_NO_CACHE * FROM `type` LEFT JOIN book ON type.card = book.card;#添加索引
CREATE INDEX Y ON book(card);EXPLAIN SELECT SQL_NO_CACHE * FROM `type` LEFT JOIN book ON type.card = book.card;CREATE INDEX X ON `type`(card);EXPLAIN SELECT SQL_NO_CACHE * FROM `type` LEFT JOIN book ON type.card = book.card;DROP INDEX Y ON book;EXPLAIN SELECT SQL_NO_CACHE * FROM `type` LEFT JOIN book ON type.card = book.card;

  3. 采用内连接

    DROP INDEX X ON `type`;EXPLAIN SELECT SQL_NO_CACHE * FROM `type` INNER JOIN book ON type.card = book.card;#添加索引
CREATE INDEX Y ON book(card);EXPLAIN SELECT SQL_NO_CACHE * FROM `type` INNER JOIN book ON type.card = book.card;CREATE INDEX X ON `type`(card);#结论：对于内连接来说，查询优化器可以决定谁作为驱动表，谁作为被驱动表出现的
EXPLAIN SELECT SQL_NO_CACHE * FROM `type` INNER JOIN book ON type.card = book.card;#删除索引
DROP INDEX Y ON book;
#结论：对于内连接来讲，如果表的连接条件中只能有一个字段有索引，则有索引的字段所在的表会被作为被驱动表出现。
EXPLAIN SELECT SQL_NO_CACHE * FROM `type` INNER JOIN book ON type.card = book.card;CREATE INDEX Y ON book(card);
EXPLAIN SELECT SQL_NO_CACHE * FROM `type` INNER JOIN book ON type.card = book.card;#向type表中添加数据（20条数据）
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));
INSERT INTO `type`(card) VALUES(FLOOR(1 + (RAND() * 20)));#结论：对于内连接来说，在两个表的连接条件都存在索引的情况下，会选择小表作为驱动表。“小表驱动大表”
EXPLAIN SELECT SQL_NO_CACHE * FROM `type` INNER JOIN book ON type.card = book.card;

  4. join语句原理

    ​ join方式连接多个表，本质就是各个表之间数据的循环匹配。MySQL5.5版本之前，MySQL只支持一种表间关联方式，就是嵌套循环(Nested Loop Join)。如果关联表的数据量很大，则join关联的执行时间会非常长。在MySQL5.5以后的版本中，MySQL通过引入BNLJ算法来优化嵌套执行。

    • 驱动表和被驱动表：上边是驱动表、下边是被驱动表。驱动表是主表，被驱动表就是从表、非驱动表。

      # 对于外连接和内连接来说，谁是驱动表，谁是被驱动表示优化器说了算的，并不是按照sql书写表名的先后顺序
# 建表
CREATE TABLE a(f1 INT, f2 INT, INDEX(f1))ENGINE=INNODB;
CREATE TABLE b(f1 INT, f2 INT)ENGINE=INNODB;
# 插入数据
INSERT INTO a VALUES(1,1),(2,2),(3,3),(4,4),(5,5),(6,6);
INSERT INTO b VALUES(3,3),(4,4),(5,5),(6,6),(7,7),(8,8);#测试1
EXPLAIN SELECT * FROM a LEFT JOIN b ON(a.f1=b.f1) WHERE (a.f2=b.f2);
#测试2
EXPLAIN SELECT * FROM a LEFT JOIN b ON(a.f1=b.f1) AND (a.f2=b.f2);
#测试3
EXPLAIN SELECT * FROM a JOIN b ON(a.f1=b.f1) WHERE (a.f2=b.f2);

    • 简单嵌套循环连接(Simple Nested-Loop Join)

      ​ 算法相当简单，从表A中取出一条数据1，遍历表B，将匹配到的数据放到result...以此类推，驱动表A中的每一条记录与被驱动表B的记录进行判断。
      在这里插入图片描述

      可以看到这种方式效率是非常低的，以上述表A数据100条，表B数据1000条计算，则A * B=10万次。开销统计如下：

      开销统计SNLJ
      外表扫描次数1
      内标扫描次数A
      读取记录数A + B * A
      JOIN比较次数A * B
      回表读取记录次数0

    • 索引嵌套循环连接(Index Nested-Loop Join)

      ​ Index Nested-Loop Join其优化器的思路主要是为了减少内层表数据的匹配次数，所以要求被驱动表上必须有索引才行。通过外层匹配条件直接与内层索引进行匹配，避免和内层表的每条记录去进行比较，这样极大的减少了对内层的匹配次数。
      在这里插入图片描述

      ​ 驱动表中的每条记录通过被驱动表的索引进行访问，因为索引查询的成本是比较固定的，故MySQL优化器都倾向于使用记录数少的表作为驱动表(外表)。

      开销统计SNLJINLJ
      外表扫描次数11
      内表扫描次数A0
      读取记录数A + B * AA + B(match)
      JOIN比较次数B * AA * Index(Height)
      回表读取记录次数0B(match) (if possible)

    • 块嵌套循环连接(Block Nested-Loop Join)

      ​ 如果存在索引，那么会使用index的方式进行join，如果join的列没有索引，被驱动表要扫描的次数太多了。每次访问被驱动表，其表中的记录都会被加载到内存中，然后再从驱动表中取一条与其匹配，匹配结束后清除内存，然后再从驱动表中加载一条记录，然后把被驱动表的记录在加载到内存匹配，这样周而复始，大大增加了IO的次数。为了减少被驱动表的IO次数，就出现了Block Nested-Loop Join的方式。

      ​ 不再是逐条获取驱动表的数据，而是一块一块的获取，引入了join buffer缓冲区，将驱动表join相关的部分数据列(大小受join buffer的限制)缓存到join buffer中，然后全表扫描被驱动表，被驱动表的每一条记录一次性和join buffer中的所有驱动表记录进行匹配（内存中操作)，将简单嵌套循环中的多次比较合并成一次，降低了被驱动表的访问频率。

在这里插入图片描述

开销统计SNLJINLJBNLJ
外表扫描次数111
内表扫描次数A0A * used_column_size / join_buffer_size + 1
读取记录数A + B * AA + B(match)A + B * (A * used_column_size / join_buffer_size)
JOIN比较次数B * AA * Index(Height)B * A
回表读取记录次数0B(match)(if possible)0

参数设置

  1. block_nested_loop

    通过show variables like '%optimizer_switch%'查看block_nested_loop状态。默认是开启的。

  2. join_buffer_size

    ​ 驱动表能不能一次加载完，要看join buffer能不能存储所有的数据，默认情况下join_buffer_size=256K。

    ​ join_buffer_size的最大值在32位系统可以申请4G，而在64位操作系统下可以申请大于4G的Join Buffer空间。(64位Windows除外，其大值会被截断为4GB并发出警告)。

    • Hash Join

      从MySQL的8.0.20版本开始将废弃BNLJ，因为从MySQL8.0.18版本开始就加入了hash join默认都会使用hash join。

      1. Nested Loop：对于被连接的数据子集较小的情况，Nested Loop是个较好的选择。

      2. Hash Join，是做大数据集连接时的常用方式，优化器使用两个表中较小（相对较小）的表利用Join Key在内存中建立散列表，然后扫描较大的表并探测散列表，找出与Hash表匹配的行。

        • 这种方式适用于较小的表完全可以放于内存中的情况，这样总成本就是访问两个表的成本之和。
        • 在表很大的情况下并不能完全放入内存，这时优化器会将它分割成若干不同的分区，不能放入内存的部分就把该分区写入磁盘的临时段，此时要求有较大的临时段从而尽量提高IO的性能。
        • 它能够很好的工作于没有索引的大表和并行查询的环境中，并提供最好的性能。大多数人都说它是Join的重型升降机。Hash Join，只能应用于等值连接（如WHERE A.COL1 = B.COL2),这是由Hash的特点决定的。
        类别Nested LoopHash Join
        使用条件任何条件等值连接(=)
        相关资源CPU、磁盘IO内存、临时空间
        相关资源当有高选择性索引或进行限制性搜索时效率比较高，能够快速返回第一次的搜索结果当缺乏索引或者索引条件模糊时，Hash Join比Nested Loop有效。在数据仓库环境下，如果表的记录数多，效率高。
        缺点当索引丢失或者查询条件限制不够时，效率很低，当表的记录数多时，效率低。为建立哈希表，需要大量内存。第一次的结果返回较慢。

28.4：子查询优化

​ MySQL从4.1版本开始支持子查询，使用子查询可以进行SELECT语句的嵌套查询，即一个SELECT查询的结果作为另一个SELECT语句的条件。子查询可以一次性完成很多逻辑上需要步骤才能完成的SQL操作。

​ **子查询是MySQL的一项重要的功能，可以帮助我们通过一个SQL语句实现比较复杂的查询。但是，子查询的执行效率不高。**原因：

  1. 执行子查询时，MySQL需要为内层查询语句的查询结果建立一个临时表，然后外层查询语句从临时表中查询记录。查询完毕后，在撤销这些临时表。这样会消耗过多的CPU和IO资源，产生大量的慢查询。
  2. 子查询的结果集存储的临时表，不论是内存临时表还是磁盘临时表都不会存在索引，所以查询性能会受到一定的影响。
  3. 对于返回结果集比较大的子查询，其对查询性能的影响也就越大。

​ 在MySQL中，可以使用连接JOIN查询来替代子查询。连接查询不需要建立临时表，其速度比子查询要快，如果查询中使用索引的话，性能就会更好。

28.5：排序优化

  1. 排序优化

    在MySQL中，支持两种排序方式，分别是FileSort和Index排序。

    • Index排序中，索引可以保证数据的有序性，不需要再进行排序，效率更高。
    • FileSort排序则一般在内存中进行排序，占用CPU较多。如果待排结果较大，会产生临时文件I/O到磁盘进行排序的情况，效率较低。

    优化建议：

    • SQL中，可以在WHERE子句和ORDER BY子句中使用索引，目的是在WHERE子句中避免全表扫描，在ORDER BY子句避免使用FileSort排序。当前，某些情况下全表扫描，或者FileSort排序不一定比索引慢。但总的来说，我们还是要避免，以提高查询效率。
    • 尽量使用Index完成ORDER BY排序。如果WHERE和ORDER BY后面是相同的列就是用单索引列，如果不同就是用联合索引。
    • 无法使用Index时，需要对FileSort方式进行调优。
    #删除student和class表中的非主键索引
DROP INDEX idx_cid ON student;
DROP INDEX idx_age ON student;
DROP INDEX idx_name ON student;
DROP INDEX idx_age_name_cid ON student;
DROP INDEX idx_sno ON student;
DROP INDEX idx_age_classid_name ON student;
DROP INDEX idx_monitor ON class;SHOW INDEX FROM student;
SHOW INDEX FROM class;
#过程一：没有索引，不使用索引
EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age,classid; 
EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age,classid LIMIT 10; #过程二：order by时不limit，索引失效
#创建索引  
CREATE  INDEX idx_age_classid_name ON student (age,classid,NAME);
#不限制,索引失效
EXPLAIN  SELECT SQL_NO_CACHE * FROM student ORDER BY age,classid; 
#增加limit过滤条件，使用上索引了。
EXPLAIN  SELECT SQL_NO_CACHE * FROM student ORDER BY age,classid LIMIT 10;  #过程三：order by时顺序错误，索引失效
#创建索引age,classid,stuno
CREATE  INDEX idx_age_classid_stuno ON student (age,classid,stuno); 
# 第三条和第四条sql使用了索引
EXPLAIN  SELECT * FROM student ORDER BY classid LIMIT 10;
EXPLAIN  SELECT * FROM student ORDER BY classid,NAME LIMIT 10;  
EXPLAIN  SELECT * FROM student ORDER BY age,classid,stuno LIMIT 10; 
EXPLAIN  SELECT * FROM student ORDER BY age,classid LIMIT 10;
EXPLAIN  SELECT * FROM student ORDER BY age LIMIT 10;#过程四：order by时规则不一致, 索引失效 （顺序错，不索引；方向反，不索引）
# 第4条sql使用了索引
EXPLAIN  SELECT * FROM student ORDER BY age DESC, classid ASC LIMIT 10;
EXPLAIN  SELECT * FROM student ORDER BY classid DESC, NAME DESC LIMIT 10;
EXPLAIN  SELECT * FROM student ORDER BY age ASC,classid DESC LIMIT 10; 
EXPLAIN  SELECT * FROM student ORDER BY age DESC, classid DESC LIMIT 10;#过程五：无过滤，不索引
# 第一条、第二条、第三条都使用了索引
EXPLAIN  SELECT * FROM student WHERE age=45 ORDER BY classid;
EXPLAIN  SELECT * FROM student WHERE  age=45 ORDER BY classid,NAME; 
EXPLAIN  SELECT * FROM student WHERE  classid=45 ORDER BY age;
EXPLAIN  SELECT * FROM student WHERE  classid=45 ORDER BY age LIMIT 10;# 总结
INDEX a_b_c(a,b,c)
#order by 能使用索引最左前缀
- ORDER BY a
- ORDER BY a,b
- ORDER BY a,b,c
- ORDER BY a DESC,b DESC,c DESC# 如果WHERE使用索引的最左前缀定义为常量，则order by 能使用索引
- WHERE a = const ORDER BY b,c
- WHERE a = const AND b = const ORDER BY c
- WHERE a = const ORDER BY b,c
- WHERE a = const AND b > const ORDER BY b,c# 不能使用索引进行排序
- ORDER BY a ASC,b DESC,c DESC  /* 排序不一致 */
- WHERE g = const ORDER BY b,c  /*丢失a索引*/
- WHERE a = const ORDER BY c   /*丢失b索引*/
- WHERE a = const ORDER BY a,d  /*d不是索引的一部分*/
- WHERE a in (...) ORDER BY b,c /*对于排序来说，多个相等条件也是范围查询*/

  2. 案例实战

    #实战：测试filesort和index排序
DROP INDEX idx_age_classid_name ON student;
DROP INDEX idx_age_classid_stuno ON student;EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME ;#方案一: 为了去掉filesort我们可以把索引建成
CREATE INDEX idx_age_name ON student(age,NAME);
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME ;#方案二：
CREATE INDEX idx_age_stuno_name ON student(age,stuno,NAME);
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME ;
    • 两个索引同时存在，mysql自动选择最优的方案。但是，随着数据量的变化，选择的索引也会随之变化的。
    • 当【范围条件】和【group by或者order by】的字段出现二选一时，优先观察条件字段的过滤数量，如果过滤的数据足够多，而需要排序的数据并不多时，优先把索引放在范围字段上。反之，亦然。

  3. filesort算法：双路排序和单路排序

    排序的字段若如果不在索引列上，则filesorts会有两种算法：双路排序和单路排序。

    • 双路排序（慢）

      1. MySQL4.1之前是使用双路排序，字面意思就是两次扫描磁盘，最终得到数据，读取行指针和order by列，对他们进行排序，然后扫描已经排序好的列表，按照列表中的值重新从列表中读取对应的数据输出。
      2. 从磁盘取排序字段，在buffer进行排序，再从磁盘取其他字段。

      取一批数据，要对磁盘进行两次扫描，众所周知，IO是很耗时的，所以在mysql4.1之后，出现了第二种改进的算法，就是单路排序。

    • 单路排序（快）

      1. 从磁盘读取查询需要的所有列，按照order by列在buffer对它们进行排序，然后扫描排序后的列表进行输出，它的效率更快一些，避免了第二次读取数据。并且把随机IO变成了顺序IO，但是它会使用更多的空间，因为它把每一行都保存在内存中了。

    • 结论及引申出的问题

      1. 由于单路是后出的，总体而言好过双路
      2. 但是用单路有问题
        • 在sort_buffer中，单路比多路要多占用很多空间，因为单路是把所有字段都取出，所以有可能取出的数据的
          总大小超出了sort_buffer的容量，导致每次只能取sort_buffer容量大小的数据，进行排序（创建tmp文
          件，多路合并)，排完再取sort_buffer容量大小，再排……从而多次IO。
        • 单路本来想省一次IO操作，反而导致了大量的I/O操作，反而得不偿失。

    • 优化策略

      1. 尝试提高sort_buffer_size

        不管用哪种算法，提高这个参数都会提高效率，要根据系统的能力去提高，因为这个参数是针对每个进程(connection)的1M-8M之间调整。MySQL5.7 InnoDB存储引擎默认值是1048576字节，1MB。

        SHOW VARIABLES LIKE '%sort_buffer_size%';

      2. 尝试提高max_length_for_sort_data

        提高这个参数，会增加用改进算法的概率。

        SHOW VARIABLES LIKE '%max_length_for_sort_data%'; #默认1024字节

        ​ 但是如果设的太高，数据总容量超出sort_buffer_size的概率就增大，明显症状是高的磁盘IO活动和低的处理器使用率。如果需要返回的列的总长度大于max_length_for_sort_data，使用双路算法，否则使用单路算法。1024-8192字节之间调整。

      3. Order by 时select *是一个大忌。最好只Query需要的字段。原因

        • 当Query的字段大小总和小于max_length_for_sort_data，而且排序字段不是TEXT | BLOB类型时，会用改进后的算法——单路排序，否则用老算法——多路排序。
        • 两种算法的数据都有可能超出sort_buffer_size的容量，超出之后，会创建tmp文件进行合并排序，导致多次I/O,但是用单路排序算法的风险会更大一些，所以要提高sort_buffer_size。

28.6：BROUP BY优化

  1. group by使用索引的原则几乎跟order by一致，group by即使没有使用过滤条件用到索引，也可以直接使用索引。
  2. group by先排序再分组，遵照索引建的最佳左前缀法则。
  3. 当无法使用索引列，增大max_length_for_sort_data和sort_buffer_size参数的设置。
  4. where效率高于having，能写在where限定的条件就不要写在having中了。
  5. 减少使用order by，和业务沟通能不排序就不排序，或将排序放到程序端去做。Order by、group by、distince这些语句较为耗费CPU，数据库的CPU资源是及其宝贵的。
  6. 包含了order by、group by、distinct这些查询的语句，where条件过滤出来的结果集请保持在1000行以内，否则SQL会很慢。

28.7：优化分页查询

​ 一般分页查询时，通过创建覆盖索引能够比较好地提高性能。一个常见又非常头疼的问题就是limit 2000000, 10，此时需要MySQL排序前2000010记录，仅仅返回2000000-2000010的记录，其他记录丢弃，查询排序的代价非常大。

EXPLAIN SELECT * FROM student LIMIT 2000000, 10;

  1. 优化思路一

    在索引上完成排序分页操作，最后根据主键关联回原表查询所需要的其他列内容。

    EXPLAIN SELECT * FROM student t, (SELECT id FROM student ORDER BY id LIMIT 2000000, 10) a
WHERE t.id = a.id;

  2. 优化思路二

    该方案适用于主键自增的表，可以把LIMIT查询转换成某个位置的查询。

    EXPLAIN SELECT * FROM student WHERE id > 2000000 LIMIT 10;

28.8：优先考虑覆盖索引

  1. 什么是覆盖索引

    • 理解方式一：

      ​ 索引是高效找到行的一个方法，但是一般数据库也能使用索引找到一个列的数据，因此它不必读取整个行。毕竟索引叶子节点存储他们索引的数据，当能通过读取索引就可以得到想要的数据，那就不需要读取行了。一个索引包含了满足查询结果的数据叫做覆盖索引。

    • 理解方式二：

      ​ 非聚簇复合索引的一种形式，它包括在查询里的SELECT、JOIN和WHERE子句用到的所有列(即建索引的字段正好是覆盖查询条件中所涉及的字段)。

    简单说就是，索引列+主键包含SELECT到FROM之间查询的列。

    #删除之前的索引
DROP INDEX idx_age_name ON student;
DROP INDEX idx_age_stuno_name ON student;# 创建索引
CREATE INDEX idx_age_name ON student (age,NAME);#举例1：第一条sql没有用到索引，第二条sql用到索引
EXPLAIN SELECT * FROM student WHERE age <> 20;
EXPLAIN SELECT age,NAME FROM student WHERE age <> 20;#举例2：第一条sql没有用到索引，第二条sql用到索引
EXPLAIN SELECT * FROM student WHERE NAME LIKE '%abc';
EXPLAIN SELECT id,age FROM student WHERE NAME LIKE '%abc';

  2. 覆盖索引的利弊

    • 好处

      1. 避免Innodb表进行索引的二次查询(回表)

        ​ Innodb是以聚集索引的顺序来存储的，对于Innodb来说，二级索引在叶子节点中所保存的是行的主键信息，如果使用二级索引查询数据，在查找到相应的键值后，还需要通过主键进行二次查询才能获取我们真实所需要的数据。

        ​ 在覆盖索引中，二级索引的键值中可以获取所要的数据，避免了对主键的二次查询，减少了IO操作，提升了查询效率。

      2. 可以把随机IO变成顺序IO加快查询效率

        ​ 由于覆盖索引是按键值的顺序存储的，对于IO密集型的范围查找来说，对比随机从磁盘读取每一行的数据IO要少的多，因此利用覆盖索引在访问时也可以把磁盘的随机读取的IO转变成索引查找的顺序IO。

        ​ 由于覆盖索引可以减少树的搜索次数，显著提升查询性能，所以使用覆盖索引是一个常用的性能优化手段。

    • 弊端

      ​ 索引字段的维护总是有代价的。因此，在建立冗余索引来支持覆盖索引时就需要权衡考虑了。

28.9：索引下推

  1. 使用前后对比

    Index Condition Pushdown(ICP)是MySQL 5.6中新特性，是一种在存储引擎层使用索引过滤数据的优化方式。

    • 如果没有ICP，存储引擎会遍历索引以定位基表中的行，并将他们返回给MySQL服务器，由MySQL服务器评估WHERE后面的条件是否保留行。

    • 启动ICP后，如果部分WHERE条件可以仅使用索引中的列进行筛选，则MySQL服务器会把这部分WHERE条件放到存储引擎筛选。然后，存储引擎通过使用索引条目来筛选数据，并且只有在满足这一条件时才从表中读取行。

      ​ 好处：ICP可以减少存储引擎必须访问基表的次数和MySQL服务器必须访问存储引擎的次数。但是，ICP的加速效果取决于在存储引擎内通过**ICP筛选**掉的数据的比例。

  2. ICP的开启、关闭

    默认情况下启动索引条件下推。可以通过设置系统变量optimizer_switch控制：index_condition_pushdown

    # 关闭索引下推
SET optimizer_switch = 'index_condition_pushdown=off';
# 打开索引下推
SET optimizer_switch = 'index_condition_pushdown=on';

  3. 代码测试

    use atguigu1;
# 举例1：使用了索引下推
EXPLAIN SELECT * FROM s1 WHERE key1 > 'z' AND key1 LIKE '%a';#举例2：
CREATE TABLE `people` (`id` INT NOT NULL AUTO_INCREMENT,`zipcode` VARCHAR(20) COLLATE utf8_bin DEFAULT NULL,`firstname` VARCHAR(20) COLLATE utf8_bin DEFAULT NULL,`lastname` VARCHAR(20) COLLATE utf8_bin DEFAULT NULL,`address` VARCHAR(50) COLLATE utf8_bin DEFAULT NULL,PRIMARY KEY (`id`),KEY `zip_last_first` (`zipcode`,`lastname`,`firstname`)
) ENGINE=INNODB AUTO_INCREMENT=5 DEFAULT CHARSET=utf8mb3 COLLATE=utf8_bin;INSERT INTO `people` VALUES 
('1', '000001', '三', '张', '北京市'), 
('2', '000002', '四', '李', '南京市'), 
('3', '000003', '五', '王', '上海市'), 
('4', '000001', '六', '赵', '天津市');
# 使用了索引下推
EXPLAIN SELECT * FROM people WHERE zipcode='000001' AND lastname LIKE '%张%' AND address LIKE '%北京市%';#使用索引下推和不使用索引下推的对比
#创建存储过程
DELIMITER //CREATE PROCEDURE  insert_people( max_num INT )
BEGIN  DECLARE i INT DEFAULT 0;   SET autocommit = 0;    REPEAT  SET i = i + 1;  INSERT INTO people (zipcode, firstname, lastname, address) VALUES ('000001', '六', '赵', '天津市');  UNTIL i = max_num  END REPEAT;  COMMIT; 
END //
DELIMITER ;# 调用存储过程
CALL insert_people(1000000);# 使用索引下推时执行时间为259ms
SELECT * FROM people WHERE zipcode='000001' AND lastname LIKE '%张%';# 关闭索引下推
SET optimizer_switch = 'index_condition_pushdown=on';# 不使用索引下推时执行时间为2940ms
SELECT * FROM people WHERE zipcode='000001' AND lastname LIKE '%张%';

  4. ICP的使用条件

    • 如果访问的类型为range、ref、eq_ref和ref_or_null可以使用ICP。
    • ICP可以用于InnoDB和MyISAM表，包括分区表InnoDB和MyISAM表。
    • 对于InnoDB表，ICP仅用于二级索引。ICP的目标是减少全行读取次数，从而减少I/O操作。
    • 当SQL使用覆盖索引时，不支持ICP。因为这种情况下使用ICP不会减少I/O。
    • 相关子查询的条件不能使用ICP。

28.10：其他查询优化策略

  1. EXISTS和IN的区分

    索引是个前提，其实选择与否还是要看表的大小。你可以将选择的标准理解为小表驱动大表。在这种方式下效率是最高的。

    # B小于A时使用
SELECT * FROM A WHERE cc IN (SELECT cc FROM B);
# A小于B时使用
SELECT * FROM A WHERE EXISTS (SELECT cc FROM B WHERE B.cc = A.cc);

  2. COUNT(*)与COUNT(具体字段)效率

    ​ 在MySQL中统计数据表的行数，可以使用三种方式：SELECT COUNT(*)、SELECT COUNT(1)和SELECTCOUNT(具体字段)，使用这三者之间的查询效率是怎样的？

    • COUNT(*)和C0UNT(1)都是对所有结果进行COUNT，COUNT(*)和COUNT(1)本质上并没有区别。如果有WHERE子句，则是对所有符合筛选条件的数据行进行统计；如果没有WHERE子句，则是对数据表的数据行数进行统计。
    • 如果是MyISAM存储引擎，统计数据表的行数只需要o(1)的复杂度，这是因为每张MylSAM的数据表都有一个meta信息存储了row_count值，而一致性则由表级锁来保证。
    • 如果是InnoDB存储引擎，因为InnoDB支持事务，采用行级锁和MVCC机制，所以无法像MyISAM一样，维护个row_count变量，因此需要采用扫描全表，o(n)复杂度，进行循环+计数的方式来完成统计。
    • 在InnoDB引擎中，如果采用COUNT(具体字段)来统计数据行数，要尽量采用二级索引。因为主键采用的索引是聚簇索引，聚簇索引包含的信息多，明显会大于二级索引（非聚簇索引）。对于C0UNT(*)和C0UNT(1)来说，它们不需要查找具体的行，只是统计行数，系统会自动采用占用空间更小的二级索引来进行统计。

    如果有多个二级索引，会使用key_len小的二级索引进行扫描。当没有二级索引的时候，才会采用主键索引来进行统计。

  3. 关于SELECT(*)

    在表查询中，建议明确字段，不要使用*作为查询的字段列表，推荐使用SELECT <字段列表>查询。原因：

    • MySQL在解析的过程中，会通过查询数据字典将*按序转换成所有列名，这会大大的耗费资源和时间。
    • 无法使用覆盖索引。

  4. LIMIT 1对优化的影响

    ​ 针对的是会扫描全表的SQL语句，如果你可以确定结果集只有一条，那么加上LIMIT 1的时候，当找到一条结果的时候就不会继续扫描了，这样会加快查询速度。

    ​ 如果数据表已经对字段建立了唯一索引，那么可以通过索引进行查询，不会全表扫描的话，就不需要加上LIMIT 1了。

  5. 多使用COMMIT

    只要有可能，在程序中尽量多使用COMMIT，这样程序的性能得到提高，需求也会因为COMMIT所释放的资源而减少。

    COMMIT所释放的资源：

    • 回滚段上用于恢复数据的信息。
    • 被程序语句获得的所。
    • redo / undo log buffer中的空间。
    • 管理上述3中资源的内部花费。

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.hqwc.cn/news/19657.html

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

相关文章

Windows 操作系统架构介绍

Windows 操作系统架构介绍

Windows 操作系统架构介绍 4 种基本类型的用户模式进程用户进程服务进程系统进程环境子系统服务进程Windows 内核模式组件 重要的系统组件环境子系统和子系统 DLL子系统的启动Windows 子系统Windows 10 和 Win32k.sys 其他子系统执行体内核内核对象内核处理器控制区&#xff08…
阅读更多...
力扣 239. 滑动窗口最大值

力扣 239. 滑动窗口最大值

一、题目描述 给你一个整数数组 nums&#xff0c;有一个大小为 k 的滑动窗口从数组的最左侧移动到数组的最右侧。你只可以看到在滑动窗口内的 k 个数字。滑动窗口每次只向右移动一位。 返回滑动窗口中的最大值。 示例 1&#xff1a; 输入&#xff1a;nums [1,3,-1,-3,5,3,6…
阅读更多...
工程系统管理 工程项目管理系统源码 工程项目各模块及其功能点清单

工程系统管理 工程项目管理系统源码 工程项目各模块及其功能点清单

工程项目各模块及其功能点清单 一、系统管理 1、数据字典&#xff1a;实现对数据字典标签的增删改查操作 2、编码管理&#xff1a;实现对系统编码的增删改查操作 3、用户管理&#xff1a;管理和查看用户角色 4、菜单管理&#xff1a;实现对系统菜单的增删改查操…
阅读更多...
深入理解Linux网络——本机网络IO

深入理解Linux网络——本机网络IO

文章目录 一、相关实际问题二、跨机网络通信过程1&#xff09;跨机数据发送2&#xff09;跨机数据接收3&#xff09;跨机网络通信汇总 三、本机发送过程1&#xff09;网络层路由2&#xff09;网络设备子系统3&#xff09;驱动程序 四、本机接收过程五、问题解答 系列文章&#…
阅读更多...
Canal adapter同步MySQL到ES，部分时间字段始终同步不过来

Canal adapter同步MySQL到ES，部分时间字段始终同步不过来

1.需要看一下包含_date字段的映射类型&#xff0c;如果是date那么就需要格式化一下&#xff0c;如果不是直接字符串存进去就行了 DATE_FORMAT(a.IN_OUT_DATE, ‘%Y-%m-%d’) as IN_OUT_DATE, sql中也需要验证包含_date字段同时es中也是date类型的&#xff0c;是否都格式化 2.还…
阅读更多...
0基础学习VR全景平台篇 第59篇：专业版功能-跨账号复制

0基础学习VR全景平台篇 第59篇：专业版功能-跨账号复制

功能位置示意 一、本功能将用在哪里&#xff1f; 跨账号复制&#xff0c;是指将本账号中已发布的VR漫游作品一键复制给其他账号使用。 复制成功后&#xff0c;其他账号中也会生成同样的作品以及获得相关的全景、音频、图片、视频等素材。 并且原作品和复制品可以独立编辑&am…
阅读更多...
计算机网络实验报告——Wireshark 抓包分析

计算机网络实验报告——Wireshark 抓包分析

1. Wireshark软件下载 这里放一个蓝奏云下载链接&#xff1a; https://wwix.lanzoue.com/iEklv11klvje 密码:4g0n 2. Wireshark软件抓包使用 将该软件安装之后&#xff0c;双击打开&#xff0c;首先选择你的过滤器方式&#xff0c;我这里电脑连的是WiFi&#xff0c;就选择了这…
阅读更多...
前端vue入门(纯代码)30_路由的props配置

前端vue入门(纯代码)30_路由的props配置

喜欢的东西太贵了&#xff0c;我一咬牙&#xff0c;狠下心决定不喜欢了&#xff01; 【28.Vue Router--路由的props配置】 props配置官网文档 props属性用法和params属性差不多&#xff0c;都是要在src/router/index.js文件中配置 // 该文件专门用于创建整个应用的路由器 i…
阅读更多...
Java设计模式之结构型-桥接模式（UML类图+案例分析）

Java设计模式之结构型-桥接模式（UML类图+案例分析）

目录 一、基础概念 二、UML类图 三、角色设计 四、案例分析 1、支付方式 2、支付渠道 五、总结 一、基础概念 桥接模式&#xff08;Bridge Pattern&#xff09;是一种结构型设计模式&#xff0c;其主要目的是“将抽象部分与实现部分分离&#xff0c;使它们都可以独立地…
阅读更多...
【UT学习记录】

【UT学习记录】

系列文章目录 提示&#xff1a;这里可以添加系列文章的所有文章的目录&#xff0c;目录需要自己手动添加 Part1&#xff1a;Mock Part2&#xff1a;PowerMock Part3:Junit 提示&#xff1a;写完文章后&#xff0c;目录可以自动生成&#xff0c;如何生成可参考右边的帮助文档 文…
阅读更多...
Layui动态树详解

Layui动态树详解

Layui动态树详解 一、什么是动态树形&#xff1f;二、Layui动态树形基本使用三、动态加载数据4.案列1.实体类2.dao方法3.子实现类4.jsp页面 前言 在前端开发过程中&#xff0c;树形控件是比较常用的控件之一。而Layui框架中&#xff0c;也提供了基于jQuery的树形控件。除了普通…
阅读更多...
ChatGPT带我做四轴飞行器和自平衡小车

ChatGPT带我做四轴飞行器和自平衡小车

按照ChatGPT的说法&#xff0c;这款主板的的主控MCU、无线通信、电源管理、外设接口可以共用&#xff0c;需要差异化的有电机驱动、传感器的选择、控制算法和软件、电源供电。ChatGPT说的共用部分没啥争议&#xff0c;有差异化的地方需要细想下&#xff1a;电机驱动显然应该不同…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023