实际上它就是B树的变种，以一颗最大度数（max-degree）为4（4阶）的b+tree为例：所有的元素都会出现在叶子节点，叶子节点形成一个单向链表，每一个节点都会通过一个指针指向下一个元素。Mysql索引数据结构对经典的B+Tree树结构进行了优化。在原B+Tree树的基础上，增加了一个指向相邻叶子节点的链表指针，就形成了一个带有顺序指针的B+Tree，提高区间的访问性能。有利于数据库的排序操作。每个数据节点都是存储在一个页当中的。可以通过一个数据结构可视化的网站来简单演示一下。https://www.cs.usfca.edu/~galles/visualization/BPlusTree.
实际上它就是B树的变种，以一颗最大度数（max-degree）为4（4阶）的b+tree为例：所有的元素都会出现在叶子节点，叶子节点形成一个单向链表，每一个节点都会通过一个指针指向下一个元素。Mysql索引数据结构对经典的B+Tree树结构进行了优化。在原B+Tree树的基础上，增加了一个指向相邻叶子节点的链表指针，就形成了一个带有顺序指针的B+Tree，提高区间的访问性能。有利于数据库的排序操作。每个数据节点都是存储在一个页当中的。可以通过一个数据结构可视化的网站来简单演示一下。https://www.cs.usfca.edu/~galles/visualization/BPlusTree.
propsprops简单使用classPersonextendsReact.Component{render(){return(姓名:{this.props.name}年龄:{this.props.age}性别:{this.props.sex})}}constroot=ReactDOM.createRoot(document.getElementById('test'));//这里props属性要写成key:"value"形式,但是会默认将value视为字符串,若想传递js类型的字面量,则要加{}root.render();props批量操作classPersonextendsReact.Co
propsprops简单使用classPersonextendsReact.Component{render(){return(姓名:{this.props.name}年龄:{this.props.age}性别:{this.props.sex})}}constroot=ReactDOM.createRoot(document.getElementById('test'));//这里props属性要写成key:"value"形式,但是会默认将value视为字符串,若想传递js类型的字面量,则要加{}root.render();props批量操作classPersonextendsReact.Co
B+树索引是B+树在数据库中的一种实现，是最常见也是数据库中使用最为频繁的一种索引。B+树中的B代表平衡（balance），而不是二叉（Binary），因为B+树是从最早的平衡二叉树演化而来的。二叉查找树二叉树性质：左子树的键值小于根的键值，右子树的键值大于根的键值二叉树搜索相当于一个二分查找，时间复杂度可以达到O(log2(n))二叉树以第一个插入的数据作为根节点，在数据基本有序的情况下，二叉树的构建基本上就是一个线性链表结构。查找最后一个数据等于遍历整个链表，查询效率很低，不稳定。平衡二叉树（AVLTree）平衡二叉树（AVL树）是一颗空树或它的左右两个子树的高度差的绝对值不能超过1，并且
B+树索引是B+树在数据库中的一种实现，是最常见也是数据库中使用最为频繁的一种索引。B+树中的B代表平衡（balance），而不是二叉（Binary），因为B+树是从最早的平衡二叉树演化而来的。二叉查找树二叉树性质：左子树的键值小于根的键值，右子树的键值大于根的键值二叉树搜索相当于一个二分查找，时间复杂度可以达到O(log2(n))二叉树以第一个插入的数据作为根节点，在数据基本有序的情况下，二叉树的构建基本上就是一个线性链表结构。查找最后一个数据等于遍历整个链表，查询效率很低，不稳定。平衡二叉树（AVLTree）平衡二叉树（AVL树）是一颗空树或它的左右两个子树的高度差的绝对值不能超过1，并且
数据库中非常常用的索引数据结构——B+树，在过去很多年里它都是数据库索引的首选实现方式，但是这种数据结构也并不是很完美。因为，每次修改数据都很有可能破坏B+树的约束，我们需要对整棵树进行递归的合并、分裂等调整操作，而不同节点在磁盘上的位置很可能并不是连续的，这就导致我们需要不断地做随机写入的操作，而随机写入的性能是比较差的，这个问题在写多读少的场景下会更加明显。LSMTree（LogStructureMergeTree）是比B+树更适合写多读少场景的索引结构，也广泛应用在各大NoSQL中。比如基于LSM树实现底层索引结构的RocksDB、LevelDB。LSMTree的实现原理：LSM树包含了
数据库中非常常用的索引数据结构——B+树，在过去很多年里它都是数据库索引的首选实现方式，但是这种数据结构也并不是很完美。因为，每次修改数据都很有可能破坏B+树的约束，我们需要对整棵树进行递归的合并、分裂等调整操作，而不同节点在磁盘上的位置很可能并不是连续的，这就导致我们需要不断地做随机写入的操作，而随机写入的性能是比较差的，这个问题在写多读少的场景下会更加明显。LSMTree（LogStructureMergeTree）是比B+树更适合写多读少场景的索引结构，也广泛应用在各大NoSQL中。比如基于LSM树实现底层索引结构的RocksDB、LevelDB。LSMTree的实现原理：LSM树包含了
背景描述子组件展示父组件传来的参数，展示的信息随着父组件上tab的切换动态更新。一开始的想法是单独监听这个传递的参数，但看了VUE3的文档之后，似乎对参数的监听必须精确到属性。例如参数为{name:'Doctor',gender:'Timelord'}需要在子组件的watch中写明监听的是name还是gender。该参数中有很多可能会改变的属性，一一监听过于麻烦。所以改变思路，使用监听props来获取所有所有传参。实现方法在父组件中，用于传递给子组件的参数必须为响应式(eg.reactive)，否则子组件在监听时不会监测到变换，watch永远不会生效immediate是立即开始监听，在页面首次
背景描述子组件展示父组件传来的参数，展示的信息随着父组件上tab的切换动态更新。一开始的想法是单独监听这个传递的参数，但看了VUE3的文档之后，似乎对参数的监听必须精确到属性。例如参数为{name:'Doctor',gender:'Timelord'}需要在子组件的watch中写明监听的是name还是gender。该参数中有很多可能会改变的属性，一一监听过于麻烦。所以改变思路，使用监听props来获取所有所有传参。实现方法在父组件中，用于传递给子组件的参数必须为响应式(eg.reactive)，否则子组件在监听时不会监测到变换，watch永远不会生效immediate是立即开始监听，在页面首次
