文章详情

登录

短信预约信息系统项目管理师 报名、考试、查分时间动态提醒

选择考试省份

  • 北京
  • 上海
  • 天津
  • 重庆
  • 河北
  • 山东
  • 辽宁
  • 黑龙江
  • 吉林
  • 甘肃
  • 青海
  • 河南
  • 江苏
  • 湖北
  • 湖南
  • 江西
  • 浙江
  • 广东
  • 云南
  • 福建
  • 海南
  • 山西
  • 四川
  • 陕西
  • 贵州
  • 安徽
  • 广西
  • 内蒙
  • 西藏
  • 新疆
  • 宁夏
  • 兵团

请输入下面的图形验证码

提交验证

短信预约提醒成功

MySQL中索引基础知识及使用规则

2020-03-29 16:58

关注

MySQL中索引基础知识及使用规则

InnoDB支持以下几种索引：

本文将着重介绍B+树索引。其他两个全文索引和哈希索引只是做简单介绍一笔带过。

哈希索引是自适应的，也就是说这个不能人为干预在一张表生成哈希索引，InnoDB会根据这张表的使用情况来自动生成。

全文索引是将存在数据库的整本书的任意内容信息查找出来的技术，InnoDB从1.2.x版本支持。每张表只能有一个全文检索的索引。

B+树索引是传统意义上的索引，B+树索引并不能根据键值找到具体的行数据，B+树索引只能找到行数据所在的页，然后通过把页读到内存，再在内存中查找到行数据。B+树索引也是最常用的最为频繁使用的索引。

前提

概念

　　B+树是一种平衡查找树，其实先想想看为什么要用平衡查找树，不用二叉树？普通的二叉树可能因为插入的数据最后变成一个很长的链表，怎么能提高搜索的速度呢？你可以想想，为什么HashMap和ConcurrentHashMap在JDK8的时候，当链表大于8的时候把链表转成红黑树（红黑树也是平衡查找树）。技术思维是想通的，那么答案无非是加快速度，性能咯。

一个B+树有以下特征：

　　那么我们先来看一个B+树的图

所有的数据都在叶子节点，且每一个叶子节点都带有指向下一个节点的指针，形成了一个有序的链表。为什么要有序呢？其实是为了范围查询。比如说select * from Table where id > 1 and id < 100; 当找到1后，只需顺着节点和指针顺序遍历就可以一次性访问到所有数据节点，极大提到了区间查询效率。是不是范围查询的话hash就搞不定这个事情了？以下为B+树的优势：

一般性情况，数据库的B+树的高度一般在2~4层，这就是说找到某一键值的行记录最多需要2到4次逻辑IO，相当于0.02到0.04s。

聚集索引(聚簇索引)

　　聚集索引是按表的主键构造的B+树，叶子节点存放的为整张表的行记录数据，每张表只能有一个聚集索引。优化器更倾向采用聚集索引。因为直接就能获取行数据。

　　请选择自增id来做主键，不要非空UK列。避免大量分页碎片。下面来看一个聚集索引的图：

​ 那么很简单了，每个叶子节点，都存有完整的行记录。对于主键的查找速度那是相当的快，美滋滋。

辅助索引

　　辅助索引也叫非聚集索引，叶子节点除了键值以外还包含了一个bookmark，用来告诉InnoDB在哪里可以找到对应的行数据，InnoDB的辅助索引的bookmark就是相对应行数据的聚集索引键。也就是先获取指向主键索引的主键，然后通过主键索引来找到一个完整的行。如果辅助索引的树和聚集索引的树的高度都是3，如果不是走主键索引走辅助索引的话，那么需要6次逻辑IO访问得到最终的数据页。辅助索引和聚集索引的概念关系图如下：

基于主键索引和普通索引的查询有什么区别？

设计索引

　　设计索引的时候，无论是组合索引还是普通索引等。一般经验是，选择经常被用来过滤记录的字段，高选择性，高区分性。别把性别字段设计索引，性别属于低选择性的。你可以选择名字嘛，你好我大名叫苗嘉杏：）

　　知道加索引快，但是也别乱加索引，插入以及更新索引的操作InnoDB都会维护B+树的，多加很多索引只会导致效率降低！

　　不要用重复的索引，比如有个联合索引是a，b，你又整个a列的普通索引。那不是搞事么？

　　不要在索引上用函数和like

一颗聚集索引B+树可以放多少行数据？

　　这里我们先假设B+树高为2，即存在一个根节点和若干个叶子节点，那么这棵B+树的存放总记录数为：根节点指针数*单个叶子节点记录行数。假设一行记录的数据大小为1k，那么单个叶子节点（页）中的记录数=16K/1K=16。

　　那么现在我们需要计算出非叶子节点能存放多少指针，我们假设主键ID为bigint类型，长度为8字节，而指针大小在InnoDB源码中设置为6字节，这样一共14字节，我们一个页中能存放多少这样的单元，其实就代表有多少指针，页大小默认16K，即16kb/14b=1170。那么可以算出一棵高度为2的B+树，大概能存放1170*16=18720条这样的数据记录。

　　根据同样的原理我们可以算出一个高度为3的B+树大概可以存放：1170*1170*16=21902400行数据。所以在InnoDB中B+树高度一般为1-3层，它就能满足千万级的数据存储。在查找数据时一次页的查找代表一次IO，所以通过主键索引查询通常只需要1-3次逻辑IO操作即可查找到数据。

Cardinality值

　　如何判断一个索引建立的是否好呢？可以用show index from指令查看Cardinality值，这个值是一个预估值，而不是一个准确值。每次对Cardinality值的统计都是随机取8个叶子节点得到的。

　　对于innodb来说，达到以下2点就会重新计算cardinality

　　实际应用中，（Cardinality/行数）应该尽量接近1。如果非常小则要考虑是否需要此索引。实战一下，比如有一张表，我们来show index一下

mysql> show index from Order;
+---------+------------+------------------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| Table   | Non_unique | Key_name         | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment |
+---------+------------+------------------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| Order   |          0 | PRIMARY          |            1 | id          | A         |       99552 |     NULL | NULL   |      | BTREE      |         |               |
| Order   |          1 | IDX_orderId      |            1 | orderId     | A         |       96697 |     NULL | NULL   |      | BTREE      |         |               |
| Order   |          1 | IDX_productId    |            1 | productId   | A         |          52 |     NULL | NULL   |      | BTREE      |         |               |
+---------+------------+------------------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
rows in set (0.00 sec)

那么可以看到IDX_productId这个索引的Cardinality比较低。　

需要强制刷新Cardinality值的话可以用：

analyze local table xxx;

重建索引

重建普通索引

alter table T drop index k;

alter table T add index(k);

重建主键索引

可行:

    alter table T engine=InnoDB

不可行:

    alter table T drop primary key;
    alter table T add primary key(id);

覆盖索引

ID为主键索引,k为普通索引.

如果执行的语句是 select ID from T where k between 3 and 5，这时只需要查 ID 的 值，而 ID 的值已经在 k 索引树上了，因此可以直接提供查询结果，不需要回表。也就是 说，在这个查询里面，索引 k 已经“覆盖了”我们的查询需求，我们称为覆盖索引。

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。

最左前缀原则

B+ 树这种索引结构，可以利用索引的“最左前缀”，来定位 记录。

(name,age,sex)利用最左前缀可以实现以下的索引(name)(name,age)(name,age,sex))

在建立联合索引的时候，如何安 排索引内的字段顺序。

第一原则是，如果通过调整顺序，可以少维护一个索引，那么这个顺序往往就是需要优先考虑采用的。

第二,考虑的原则就是空间

    比如:name 字段是比 age 字段大的 ，那我就建议你创建一个(name,age) 的联合索引和一个 (age) 的单字段 索引。这样比(age,name)(name)占用空间少

索引下推

联合索引(name, age)为例

mysql> select * from tuser where name like "张 %" and age=10 and ismale=1;

已经知道了最左前缀索引规则，所以这个语句在搜索索引树的时候，只能用索引name来搜索 “张”,age是没法用的,因为"zhang%"查询的是一个范围.

MySQL 5.6 引入的索引下推优化(index condition pushdown)， 可以在索引遍历过 程中，对索引中包含的字段先做判断，直接过滤掉不满足条件的记录，减少回表次数。

用索引和用索引快速定位却别

前提

EXPLAIN SELECT id from mt4order WHERE Account like "1";

id select_type table partitions type possible_keys key key_len ref rows filtered Extra
1 SIMPLE mt4order NULL range account索引,account_cmd索引 account索引 768 NULL 1 100.00 Using where; Using index

EXPLAIN SELECT id from mt4order WHERE Account like "1%";

id select_type table partitions type possible_keys key key_len ref rows filtered Extra
1 SIMPLE mt4order NULL range account索引,account_cmd索引 account索引 768 NULL 1716 Using where; Using index,

EXPLAIN SELECT id from mt4order WHERE Account like "%1%";

id select_type table partitions type possible_keys key key_len ref rows filtered Extra
1 SIMPLE mt4order NULL index NULL account索引 768 NULL 2649814 11.11 Using where; Using index

EXPLAIN SELECT id from mt4order WHERE Account like "%1";

id select_type table partitions type possible_keys key key_len ref rows filtered Extra
1 SIMPLE mt4order NULL index NULL account索引 768 NULL 2649814 11.11 Using where; Using index

总结:

  1. 第一个使用account索引快速定位到一行数据,extra为Using where; Using index,说明优先使用索引中覆盖索引获取了id信息,避免了回表(使用索引,并且使用索引快速查找)
  2. 第二个使用account索引快速定位,但是因为后面包含一个%,所以按照最左前缀原则,对"1%"中的"1"进行索引快速查找,查询了1716行数据,extra为Using where; Using index,说明优先使用索引中覆盖索引获取了id信息,避免了回表 (使用索引,并且使用索引快速查找)
  3. 第三个有使用account索引,因为是"%1%"是范围查找,所以在account索引树上进行了全面的查找,扫描了2649814行数据,extra中为Using where; Using index,此时只是使用了索引和覆盖索引避免了回表,但是没有使用索引快速定位查找,因为基于account索引扫描了全部的行(使用索引,没有使用索引快速查找)
  4. 第四个有使用account索引,因为是"%1"是范围查找,所以在account索引树上进行了全面的查找,扫描了2649814行数据,extra中为Using where; Using index,此时只是使用了索引和覆盖索引避免了回表,但是没有使用索引快速定位查找,因为基于account索引扫描了全部的行(使用索引,没有使用索引快速查找)

前提条件

普通索引和唯一索引下的查询

普通索引和唯一索引下的更新

change buffer

使用change buffer

更新流程

change buffer使用场景

change buffer和 redo log

插入过程

查询过程

字符串字段增加索引的方式

  1. 直接创建完整索引，这样可能比较占用空间;
  2. 创建前缀索引，节省空间，但会增加查询扫描次数，并且不能使用覆盖索引;
  3. 倒序存储，再创建前缀索引，用于绕过字符串本身前缀的区分度不够的问题，不能使用覆盖索引，不支持范围扫描;
  4. 创建 hash 字段索引，查询性能稳定，有额外的存储和计算消耗，跟第三种方式一样，不能使用覆盖索引，都不支持范围扫描。

第一二种分析

完整索引和前缀索引的分析

你现在维护一个支持邮箱登录的系统，用户表是这么定义的:

mysql> create table SUser(
 ID bigint unsigned primary key, 
 email varchar(64),
 ...
 )engine=innodb;

由于要使用邮箱登录，所以业务代码中一定会出现类似于这样的语句:

mysql> select f1, f2 from SUser where email='xxx';

分别创建两种索引

mysql> alter table SUser add index index1(email); 
或
mysql> alter table SUser add index index2(email(6));

第一个语句创建的 index1 索引里面，包含了每个记录的整个字符串;
而第二个语句创建 的 index2 索引里面，对于每个记录都是只取前 6 个字节。
占用的空间会更小，这就是使用前缀索引的优势

加入执行下面的sql语句,两种索引该如何执行

select id,name,email from SUser where email='zhangssxyz@xxx.com';

完整索引

前缀索引

对比结果

使用前缀索引,如何确定应该使用多长的前缀

前缀索引对覆盖索引的影响

select id,email from SUser where email="zhangssxyz@xxx.com";

如果使用 index1(即 email 整个字符串的索引结构)的话，可以利用覆盖索引， 从 index1 查到结果后直接就返回了，不需要回到 ID 索引再去查一次。而如果使用 index2(即 email(6) 索引结构)的话，就不得不回到 ID 索引再去判断 email 字段的值。
即使你将 index2 的定义修改为 email(18) 的前缀索引，这时候虽然 index2 已经包含了 所有的信息，但 InnoDB 还是要回到 id 索引再查一下，因为系统并不确定前缀索引的定义 是否截断了完整信息。

结论: 前缀索引无法使用覆盖索引

其他方式使用前缀索引

比如，我们国家的身份证号，一共 18 位，其中前 6 位是地址码，所以同一个县的人的身 份证号前 6 位一般会是相同的。

假设你维护的数据库是一个市的公民信息系统，这时候如果对身份证号做长度为 6 的前缀 索引的话，这个索引的区分度就非常低了。

方法三: 使用倒序存储

方法四: 使用 hash 字段

第三种和第四种的异同点

相同点

不同点

现象

应该使用某个索引的时候,但是却使用了别的索引或者没有使用索引

优化器选择索引逻辑

索引选择异常和处理

1.条件字段做函数操作

①.现象

假设你现在维护了一个交易系统，其中交易记录表 tradelog 包含交易流水号 (tradeid)、交易员 id(operator)、交易时间(t_modified)等字段。为了便于描 述，我们先忽略其他字段。这个表的建表语句如下:

CREATE TABLE tradelog (

id int(11) NOT NULL,

tradeid varchar(32) DEFAULT NULL,

operator int(11) DEFAULT NULL,

t_modified datetime DEFAULT NULL,

PRIMARY KEY (id),

KEY tradeid (tradeid),
KEY t_modified (t_modified)

)ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

假设，现在已经记录了从 2016 年初到 2018 年底的所有数据，运营部门有一个需求是， 要统计发生在所有年份中 7 月份的交易记录总数。这个逻辑看上去并不复杂，你的 SQL 语句可能会这么写:

mysql> select count(*) from tradelog where month(t_modified)=7;

由于 t_modified 字段上有索引，于是你就很放心地在生产库中执行了这条语句，但却发现执行了特别久，才返回了结果。

如果你问 DBA 同事为什么会出现这样的情况，他大概会告诉你:如果对字段做了函数计 算，就用不上索引了，这是 MySQL 的规定。

②.原因

现在你已经学过了 InnoDB 的索引结构了，可以再追问一句为什么?为什么条件是 where t_modified="2018-7-1’的时候可以用上索引，而改成 where month(t_modified)=7 的时候就不行了?

下面是这个 t_modified 索引的示意图。方框上面的数字就是 month() 函数对应的值。

如果你的 SQL 语句条件用的是 where t_modified="2018-7-1’的话，引擎就会按照上面 绿色箭头的路线，快速定位到 t_modified="2018-7-1’需要的结果。

实际上，B+ 树提供的这个快速定位能力，来源于同一层兄弟节点的有序性。

但是，如果计算 month() 函数的话，你会看到传入 7 的时候，在树的第一层就不知道该怎 么办了。

也就是说，对索引字段做函数操作，可能会破坏索引值的有序性，因此优化器就决定放弃 走树搜索功能。

需要注意的是，优化器并不是要放弃使用这个索引。

在这个例子里，放弃了树搜索功能，优化器可以选择遍历主键索引，也可以选择遍历索引 t_modified，优化器对比索引大小后发现，索引 t_modified 更小，遍历这个索引比遍历 主键索引来得更快。因此最终还是会选择索引 t_modified。

接下来，我们使用 explain 命令，查看一下这条 SQL 语句的执行结果。

key="t_modified"表示的是，使用了 t_modified 这个索引;我在测试表数据中插入了 10 万行数据，rows=100335，说明这条语句扫描了整个索引的所有值;Extra 字段的 Using index，表示的是使用了覆盖索引。

③.解决方法

由于在 t_modified 字段加了 month() 函数操作，导致了全索引扫描。为了能 够用上索引的快速定位能力，我们就要把 SQL 语句改成基于字段本身的范围查询。按照下 面这个写法，优化器就能按照我们预期的，用上 t_modified 索引的快速定位能力了。

select count(*) from tradelog where

(t_modified >= "2016-7-1" and t_modified<"2016-8-1") or

(t_modified >= "2017-7-1" and t_modified<"2017-8-1") or

(t_modified >= "2018-7-1" and t_modified<"2018-8-1");

当然，如果你的系统上线时间更早，或者后面又插入了之后年份的数据的话，你就需要再把其他年份补齐。

到这里我给你说明了，由于加了 month() 函数操作，MySQL 无法再使用索引快速定位功 能，而只能使用全索引扫描。

不过优化器在个问题上确实有“偷懒”行为，即使是对于不改变有序性的函数，也不会考虑使用索引。比如，对于 select * from tradelog where id + 1 = 10000 这个 SQL 语 句，这个加 1 操作并不会改变有序性，但是 MySQL 优化器还是不能用 id 索引快速定位 到 9999 这一行。所以，需要你在写 SQL 语句的时候，手动改写成 where id = 10000 -1 才可以。

2.隐式类型转换

①.隐式类型转换规则

我们一起看一下这条 SQL 语句:

mysql> select * from tradelog where tradeid=110717;

交易编号 tradeid 这个字段上，本来就有索引，但是 explain 的结果却显示，这条语句需 要走全表扫描。你可能也发现了，tradeid 的字段类型是 varchar(32)，而输入的参数却是 整型，所以需要做类型转换。

那么，现在这里就有两个问题:

先来看第一个问题，你可能会说，数据库里面类型这么多，这种数据类型转换规则更多，
我记不住，应该怎么办呢?

这里有一个简单的方法，看 select “10” > 9 的结果:

  1. 如果规则是“将字符串转成数字”，那么就是做数字比较，结果应该是 1;
  2. 如果规则是“将数字转成字符串”，那么就是做字符串比较，结果应该是 0。

验证结果如图 3 所示。

从图中可知，select “10” > 9 返回的是 1，所以你就能确认 MySQL 里的转换规则了: 在 MySQL 中，字符串和数字做比较的话，是将字符串转换成数字。

②.原因

这时，你再看这个全表扫描的语句:

mysql> select * from tradelog where tradeid=110717;

就知道对于优化器来说，这个语句相当于:

mysql> select * from tradelog where CAST(tradid AS signed int) = 110717;

也就是说，这条语句触发了我们上面说到的规则:对索引字段做函数操作，优化器会放弃走树搜索功能。

3.隐式字符编码转换

①.现象

假设系统里还有另外一个表 trade_detail，用于记录交易的操作细节。为了便于量化分析和复现，我往交易日志表 tradelog 和交易详情表 trade_detail 这两个表里插入一些数 据。

mysql> CREATE TABLE trade_detail (

id int(11) NOT NULL,

tradeid varchar(32) DEFAULT NULL,

trade step int(11) DEFAULT NULL,

step_info varchar(32) DEFAULT NULL,

PRIMARY KEY (id),

KEY tradeid (tradeid)

) ENGINE=InnoDB DEFAULT CHARSET=utf8;

insert into tradelog values(1, "aaaaaaaa", 1000, now());

insert into tradelog values(2, "aaaaaaab", 1000, now());

insert into tradelog values(3, "aaaaaaac", 1000, now());

insert into trade_detail values(1, "aaaaaaaa", 1, "add");

insert into trade_detail values(2, "aaaaaaaa", 2, "update");
insert into trade_detail values(3, "aaaaaaaa", 3, "commit");
insert into trade_detail values(4, "aaaaaaab", 1, "add");
insert into trade_detail values(5, "aaaaaaab", 2, "update");
insert into trade_detail values(6, "aaaaaaab", 3, "update again");
insert into trade_detail values(7, "aaaaaaab", 4, "commit");
insert into trade_detail values(8, "aaaaaaac", 1, "add");
insert into trade_detail values(9, "aaaaaaac", 2, "update");
insert into trade_detail values(10, "aaaaaaac", 3, "update again");
insert into trade_detail values(11, "aaaaaaac", 4, "commit");

这时候，如果要查询 id=2 的交易的所有操作步骤信息，SQL 语句可以这么写:

mysql> select d.* from tradelog l, trade_detail d where d.tradeid=l.tradeid and l.id=2;

我们一起来看下这个结果:

在这个执行计划里，是从 tradelog 表中取 tradeid 字段，再去 trade_detail 表里查询匹 配字段。因此，我们把 tradelog 称为驱动表，把 trade_detail 称为被驱动表，把 tradeid 称为关联字段。

接下来，我们看下这个 explain 结果表示的执行流程:

图中得执行流程:

进行到这里，你会发现第 3 步不符合我们的预期。因为表 trade_detail 里 tradeid 字段上 是有索引的，我们本来是希望通过使用 tradeid 索引能够快速定位到等值的行。但，这里 并没有。

②.原因

如果你去问 DBA 同学，他们可能会告诉你，因为这两个表的字符集不同，一个是 utf8， 一个是 utf8mb4，所以做表连接查询的时候用不上关联字段的索引。这个回答，也是通常 你搜索这个问题时会得到的答案。

但是你应该再追问一下，为什么字符集不同就用不上索引呢? 我们说问题是出在执行步骤的第 3 步，如果单独把这一步改成 SQL 语句的话，那就是:

mysql> select * from trade_detail where tradeid=$L2.tradeid.value;

其中，$L2.tradeid.value 的字符集是 utf8mb4。

参照前面的两个例子，你肯定就想到了，字符集 utf8mb4 是 utf8 的超集，所以当这两个 类型的字符串在做比较的时候，MySQL 内部的操作是，先把 utf8 字符串转成 utf8mb4 字符集，再做比较。

这个设定很好理解，utf8mb4 是 utf8 的超集。类似地，在程序设计语言里 面，做自动类型转换的时候，为了避免数据在转换过程中由于截断导致数据 错误，也都是“按数据长度增加的方向”进行转换的。

因此， 在执行上面这个语句的时候，需要将被驱动数据表里的字段一个个地转换成 utf8mb4，再跟 L2 做比较。

也就是说，实际上这个语句等同于下面这个写法:

select * from trade_detail where CONVERT(traideid USING utf8mb4)=$L2.tradeid.value;

CONVERT() 函数，在这里的意思是把输入的字符串转成 utf8mb4 字符集。

这就再次触发了我们上面说到的原则:对索引字段做函数操作，优化器会放弃走树搜索功能。到这里，你终于明确了，字符集不同只是条件之一，连接过程中要求在被驱动表的索引字段上加函数操作，是直接导致对被驱动表做全表扫描的原因。

作为对比验证，我给你提另外一个需求，“查找 trade_detail 表里 id=4 的操作，对应的 操作者是谁”，再来看下这个语句和它的执行计划。

mysql>select l.operator from tradelog l , trade_detail d where d.tradeid=l.tradeid and d.id=4;

这个语句里 trade_detail 表成了驱动表，但是 explain 结果的第二行显示，这次的查询操 作用上了被驱动表 tradelog 里的索引 (tradeid)，扫描行数是 1。

这也是两个 tradeid 字段的 join 操作，为什么这次能用上被驱动表的 tradeid 索引呢?我 们来分析一下。

假设驱动表 trade_detail 里 id=4 的行记为 R4，那么在连接的时候(图 5 的第 3 步)， 被驱动表 tradelog 上执行的就是类似这样的 SQL 语句:

select operator from tradelog where traideid =$R4.tradeid.value;

这时候 $R4.tradeid.value 的字符集是 utf8, 按照字符集转换规则，要转成 utf8mb4，所 以这个过程就被改写成:

select operator from tradelog where traideid =CONVERT($R4.tradeid.value USING utf8mb4);

你看，这里的 CONVERT 函数是加在输入参数上的，这样就可以用上被驱动表的 traideid 索引。

③.解决方法

优化语句的方法:

select d.* from tradelog l, trade_detail d where d.tradeid=l.tradeid and l.id=2;

站在巨人的肩膀上摘苹果:

https://time.geekbang.org/column/intro/100020801
https://www.cnblogs.com/lonelyxmas/p/10668426.html

阅读原文内容投诉

免责声明：

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的，并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据，供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题

  • 2024年上半年信息系统项目管理师第二批次真题及答案解析（完整版）

    难度     813人已做
    查看

  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看

  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看

  • 2024年上半年软考高项第一、二批次真题考点汇总（完整版）

    难度     435人已做
    查看

  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机

MySQL中索引基础知识及使用规则

MySQL中索引基础知识及使用规则
数据库2020-03-29

SQLServer索引设计基础知识详解使用

数据库2023-05-14

索引使用规则及索引失效情况

数据库2023-09-05

SQL Server索引设计基础知识详解使用

数据库2023-04-03

mysql联合索引的使用规则

数据库2024-04-02

sql索引的介绍及使用规则

数据库2023-09-01

Mysql中复合索引使用规则有哪些

数据库2024-04-02

快速入门MySQL数据库索引的基础知识

数据库2024-04-02

mysql高级学习之索引的优劣势及规则使用

数据库2024-04-02

sql索引的介绍以及使用规则详析

数据库2023-04-03

PostgreSQL中的BRIN索引基础知识和结构是什么

数据库2024-04-02

CSS基础知识及使用方法是什么

数据库2024-04-02

总结工作中经常用到的mysql基础知识

数据库2024-04-02

Bash 基础知识系列 #5：在 Bash 中使用数组

数据库Bash数组2024-11-30

Bash 基础知识系列 #2：在 Bash 中使用变量

数据库BashLinux2024-11-30

Java基础知识中ByteArrayOutputStream流的使用方法是什么

数据库2023-06-22

Java基础知识中StringWriter流的使用方法是什么

数据库2023-06-22

0基础小白简单入门使用emqx的webhook+规则实现Mysql数据持久化

数据库2023-10-20

Linux 脚本编写基础知识以及在shell脚本中可以使用三类命令介绍

数据库2023-06-09

如何合理使用MySQL索引，优化数据库性能？技术同学须知的设计规约！

数据库2023-10-22
位置：首页-资讯-数据库
咦！没有更多了？去看看其它编程学习网 内容吧
首页课程
资料下载问答资讯