我们在使用SQL语句查询表数据时，提前用explain进行语句分析是一个非常好的习惯。通过explain输出sql的详细执行信息，就可以针对性的进行sql优化。今天我们来分析一下，在explain中11种不同type代表的含义以及其应用场景。1、system应用场景：表中只有一条数据，且存储引擎可以准确的统计到这条数据。system一般出现在MyISAM、memory类型的表查询中。由于我们一般使用的存储引擎都是InnoDB，所以system这种类型很少会用到。2、const应用场景：通过主键或者唯一索引等值查询来定位一条数据。比如：select*fromtestwhereid=1。我们知道，
哈喽，大家好，我是指北君。前面我们简单介绍了如何使用消息中间件ApachePulsar，但是在项目中那样使用，显然是不太好的，不管从易用性和扩展性来看，都是远远不够，为了和springboot项目集成，写一个pulsar-spring-boot-starter是非常有必要的，在此之前，我们先看看一个starter需要些什么。SpringBootStarterspring-boot的强大之处在于其提供的大量starter组件，基本涵盖了我们开发中的各个技术领域，比如数据库访问有jdbc、jpa，缓存有redis，全文检索有elasticsearch，消息队列有amqp、kafka等等。在项目中你
哈喽，大家好，我是指北君。前面我们简单介绍了如何使用消息中间件ApachePulsar，但是在项目中那样使用，显然是不太好的，不管从易用性和扩展性来看，都是远远不够，为了和springboot项目集成，写一个pulsar-spring-boot-starter是非常有必要的，在此之前，我们先看看一个starter需要些什么。SpringBootStarterspring-boot的强大之处在于其提供的大量starter组件，基本涵盖了我们开发中的各个技术领域，比如数据库访问有jdbc、jpa，缓存有redis，全文检索有elasticsearch，消息队列有amqp、kafka等等。在项目中你
今天整理了一下MySQL的索引，一般人只知道3~4个，但我经常听到有10几个之多，如下图：索引是不是很多都听过，但是只是想不起来。我大概归了一下类：索引分类密度按照密度分，可分为稠密索引和稀疏索引，我们常见的MySQLInnodb引擎使用的是稠密索引。一般列式数据库采用的是稀疏索引，如Clickhouse。稠密索引稠密索引（DenseIndex）也称为完全索引，是一种将每个记录（行）都映射到一个索引项（IndexEntry）的索引方式。这种索引方式对于每一条记录都会创建一个索引项，因此它可以支持高效的查询和排序操作。但是，由于每个记录都需要一个索引项，因此它会占用更多的存储空间，特别是在大型表
今天整理了一下MySQL的索引，一般人只知道3~4个，但我经常听到有10几个之多，如下图：索引是不是很多都听过，但是只是想不起来。我大概归了一下类：索引分类密度按照密度分，可分为稠密索引和稀疏索引，我们常见的MySQLInnodb引擎使用的是稠密索引。一般列式数据库采用的是稀疏索引，如Clickhouse。稠密索引稠密索引（DenseIndex）也称为完全索引，是一种将每个记录（行）都映射到一个索引项（IndexEntry）的索引方式。这种索引方式对于每一条记录都会创建一个索引项，因此它可以支持高效的查询和排序操作。但是，由于每个记录都需要一个索引项，因此它会占用更多的存储空间，特别是在大型表
1、效率低传统的数仓大多构建在Hadoop之上。这位传统的数仓带来了近乎无限的横向扩展能力，同时也造成了传统的数仓技术效率低的缺陷。效率低主要体现在以下几个方面。部署效率低：在部署Hive/HBase/Kylin之前，必须部署好Hadoop集群。和传统数据库相比，这个部署效率是非常低效的。运维效率低：Hive/HBase/Kylin基于Hadoop，Hadoop生态会带来一个非常严重的单点故障问题，即Hadoop体系中任何一个组件出现问题，都可能引起整个系统的不可用。使用传统的数仓对运维的要求非常高。计算效率低：主要体现在Hive和Kylin上，这两个数仓没有自己的存储引擎和计算引擎，这导致H
1、效率低传统的数仓大多构建在Hadoop之上。这位传统的数仓带来了近乎无限的横向扩展能力，同时也造成了传统的数仓技术效率低的缺陷。效率低主要体现在以下几个方面。部署效率低：在部署Hive/HBase/Kylin之前，必须部署好Hadoop集群。和传统数据库相比，这个部署效率是非常低效的。运维效率低：Hive/HBase/Kylin基于Hadoop，Hadoop生态会带来一个非常严重的单点故障问题，即Hadoop体系中任何一个组件出现问题，都可能引起整个系统的不可用。使用传统的数仓对运维的要求非常高。计算效率低：主要体现在Hive和Kylin上，这两个数仓没有自己的存储引擎和计算引擎，这导致H
目标读者开发人员学生DBA其他工作中涉及数据库的相关人员一.概述1.1.测试环境概览操作系统：CentOS7.9x86_64数据库：MySQL5.7.38Docker版本：1.13.1-209为了快速部署测试环境，数据库运行于Docker内。1.2.测试环境初始化启动Docker服务yuminstall-ydockersystemctlstartdocker#禁止开机自启动systemctldisabledocker启动MySQL服务（Docker内）mypwd='tiger'#mysql密码myport=33016#mysql端口myversion='5.7.38'#mysql版本号dock
目标读者开发人员学生DBA其他工作中涉及数据库的相关人员一.概述1.1.测试环境概览操作系统：CentOS7.9x86_64数据库：MySQL5.7.38Docker版本：1.13.1-209为了快速部署测试环境，数据库运行于Docker内。1.2.测试环境初始化启动Docker服务yuminstall-ydockersystemctlstartdocker#禁止开机自启动systemctldisabledocker启动MySQL服务（Docker内）mypwd='tiger'#mysql密码myport=33016#mysql端口myversion='5.7.38'#mysql版本号dock
