来源：https://juejin.cn/post/6844903954308939784导语自从毕业后，今年已经是我工作的第8个年头了，我甚至都快忘记了到底是哪年毕业的。从出来，本人一直在做Java相关的工作，现在终于有时间坐下来，写一篇关于Java写法的一篇文章，来探讨一下如果你真的是一个Java程序员，那你真的会写Java吗？笔者是一个务实的程序员，故本文绝非扯淡文章，文中内容都是干货，望读者看后，能有所收获。本文不是一个吹嘘的文章，不会讲很多高深的架构，相反，会讲解很多基础的问题和写法问题，如果读者自认为基础问题和写法问题都是不是问题，那请忽略这篇文章，节省出时间去做一些有意义的事情。
上一篇我们讲到Mysql索引底层逻辑，为了了解后续sql知识，我们还是需要先学习一下相关“工具”得使用一、Explain介绍EXPLAIN是MySQl必不可少的一个分析工具，主要用来测试sql语句的性能及对sql语句的优化，或者说模拟优化器执行SQL语句。在select语句之前增加explain关键字，执行后MySQL就会返回执行计划的信息，而不是执行sql。注意：如果from中包含子查询，仍会执行子查询，将结果放入到临时表中Explain的用法还是很简单的，类似一个关键字，无需记住什么语法相关的东西，我们主要来看他的输出，接下来我们看一下他的常见输出并分情况进行讨论：首先我们创建三张表并插入
上一篇我们讲到Mysql索引底层逻辑，为了了解后续sql知识，我们还是需要先学习一下相关“工具”得使用一、Explain介绍EXPLAIN是MySQl必不可少的一个分析工具，主要用来测试sql语句的性能及对sql语句的优化，或者说模拟优化器执行SQL语句。在select语句之前增加explain关键字，执行后MySQL就会返回执行计划的信息，而不是执行sql。注意：如果from中包含子查询，仍会执行子查询，将结果放入到临时表中Explain的用法还是很简单的，类似一个关键字，无需记住什么语法相关的东西，我们主要来看他的输出，接下来我们看一下他的常见输出并分情况进行讨论：首先我们创建三张表并插入
TIDB简介什么是TIDBTiDB是一个分布式NewSQL数据库。它支持水平弹性扩展、ACID事务、标准SQL、MySQL语法和MySQL协议，具有数据强一致的高可用特性，是一个不仅适合OLTP场景还适合OLAP场景的混合数据库。TiDB是PingCAP公司自主设计、研发的开源分布式关系型数据库，是一款同时支持在线事务处理与在线分析处理(HybridTransactionalandAnalyticalProcessing,HTAP）的融合型分布式数据库产品，具备水平扩容或者缩容、金融级高可用、实时HTAP、云原生的分布式数据库、兼容MySQL5.7协议和MySQL生态等重要特性。目标是为用户提
TIDB简介什么是TIDBTiDB是一个分布式NewSQL数据库。它支持水平弹性扩展、ACID事务、标准SQL、MySQL语法和MySQL协议，具有数据强一致的高可用特性，是一个不仅适合OLTP场景还适合OLAP场景的混合数据库。TiDB是PingCAP公司自主设计、研发的开源分布式关系型数据库，是一款同时支持在线事务处理与在线分析处理(HybridTransactionalandAnalyticalProcessing,HTAP）的融合型分布式数据库产品，具备水平扩容或者缩容、金融级高可用、实时HTAP、云原生的分布式数据库、兼容MySQL5.7协议和MySQL生态等重要特性。目标是为用户提
“预测得不准！”是数据分析领域的终极难题了。讲预测的算法有一大堆，然后遇到现实基本上都被锤成渣渣，业务方怎么都不满意。到底该怎么破局？一、预测算法的本质从本质上看，预测算法只有2大类：1、基于时间序列的。平滑：用于相对平稳的数据。自回归：用于趋势性递增、递减的数据。带季节因素自回归：用于有周期性波动的数据。2、基于因果关系的。二分类问题：未来会/不会发生XX，典型如LR。多分类问题：未来是ABC哪个情况，典型如决策树。连续型问题：未来的数值是多少，典型如线性回归。有可能建模的时候，不是一个模型包打天下，而是用二阶段建模。比如预测一个客群消费情况，可以分别用二分类模型预测会不会消费，再用连续型
“预测得不准！”是数据分析领域的终极难题了。讲预测的算法有一大堆，然后遇到现实基本上都被锤成渣渣，业务方怎么都不满意。到底该怎么破局？一、预测算法的本质从本质上看，预测算法只有2大类：1、基于时间序列的。平滑：用于相对平稳的数据。自回归：用于趋势性递增、递减的数据。带季节因素自回归：用于有周期性波动的数据。2、基于因果关系的。二分类问题：未来会/不会发生XX，典型如LR。多分类问题：未来是ABC哪个情况，典型如决策树。连续型问题：未来的数值是多少，典型如线性回归。有可能建模的时候，不是一个模型包打天下，而是用二阶段建模。比如预测一个客群消费情况，可以分别用二分类模型预测会不会消费，再用连续型
