mysql-索引、存储引擎、事务、锁机制和优化

news2024/11/19 9:21:59

1. MySQL的索引

1.1 概述

       索引是通过某种算法，构建出一个数据模型，用于快速找出在某个列中有以特定值的行，不使用索引，MySQL必须从一条记录开始读完整个表，直到找出相关的行，表越大查询数据所花的时间越多，如果表中查询的列有一个索引，MySQL能够快速达到一个位置去搜索数据文件，而不必查看所有数据，那么将会节省很大一部分时间。

1.2 分类

    索引是存储引擎用来快速查找记录的一种数据结构：

  1. 按照实现的方式类分，主要有Hash索引和B+Tree索引。

  2. 按照功能划分，单列索引（普通索引、唯一索引、主键索引），组合索引，全文索引，空间索引

1.3 特点

  • 优点

    • 大大加快数据查询的速度；
    • 使用分组和排序进行数据查询时，可以显著减少查询时分组和排序的时间
    • 创建唯一索引，能够保证数据库表中每一行数据的唯一性
    • 在实现数据的参考完整性方面，可以加速表和表之间的连接。

  • 缺点

    • 创建索引和维护索引需要消耗时间，并且随着数据量的增加，时间也会增加
    • 索引需要占据磁盘空间
    • 对数据表中的数据进行增加、修改、删除时，索引也要动态的维护，降低了维护的速度

  • 创建索引的原则

    • 更新频繁的列不应该设置为索引
    • 数据量小的表不要使用索引
    • 重复数据多的字段不应设置为索引（一般来说，重复的数量超过15%就不该建索引）
    • 首先应考虑对WHERE和ORDER BY涉及的列上建立索引

2. 存储引擎——MySQL的核心

       存储引擎就是存储数据、建立索引、更新、查询数据等技术的实现方式。存储引擎是基于表的，而不是基于库的，所以存储引擎也可以被称为表类型。

2.1 分类

  • MyISAM：MySQL5.5之前的默认数据库引擎，最为常用。拥有较高的插入，查询速度，但不支持事务。

  • InnoDB：事务型速记的首选引擎，支持ACID事务，支持行级锁定，MySQL5.5成为默认数据库引擎。

  • Memory：所有数据置于内存的存储引擎，拥有极高的插入，更新和查询效率。但是会占用和数据量成正比的内存空间，并且其内容会在MySQL重新启动会丢失。

  • Archive：非常适合存储大量的独立的、作为历史纪录的数据。因为它们不经常被读取。Archive拥有高效的插入速度，但其对查询的支持相对较差。

  • Federated：将不同的MySQL服务器联合起来，逻辑上组成一个完整的数据库。非常适合分布式应用。

  • CSV：逻辑上由都好分割数据的存储引擎。他会在数据库子目录里为每个数据表创建一个.csv文件。这是一种普通文本文件，每个数据行占用一个文本行。CSV存储引擎不支持索引。

  • BlockHole：黑洞引擎，写入的任何数据都会消失，一般用于记录binlog做赋值的中继。

  • ERFORMANCE_SCHEMA：该存储引擎主要用于收集数据库服务器性能参数。

功能MyISAMMEMORYInnoDB
存储限制256TBRAM64TB
支持事务NoNoYes
支持全文索引YesNoNo
支持B树索引YesYesYes
支持哈希索引NoYesNo
支持集群索引NoNoYes
支持数据索引NoYesYes
支持数据压缩YesNoNo
空间使用率低N/A高
支持外键NoNoYes
支持锁机制表锁表锁表锁/行锁

3. MyISAM和InnoDB

        MyISAM和InnoDB都是MySQL数据库中常见的存储引擎，各自特点和使用场景如下：

  1. MyISAM

  • 特点

    • 基于表格的存储引擎，对每个表对应三个文件，.frm文件存储表结构定义，.MYD文件存储数据，MYI文件存储索引。
    • 不支持事务，也不支持外键。
    • 支持全文索引（Full-Text-Indexing），适合于搜索场景
    • 读操作比写操作效率高，适用于读多写少的场景。

  • 使用场景

    • 非事务性的应用，例如博客、新闻网站等；
    • 对数据的读操作频繁，写操作相对较少的场景；
    • 对全文搜索需求较多的场景；
  1. InnoDB
            MySQL默认的事务型引擎。
  • 特点
    • 提供了对事务的支持（ACID兼容），具有提交、回滚和崩溃恢复的能力；
    • 支持行级锁定，提高了并发性能；
    • 支持外键约束。
    • 采用聚合索引（Clustered Indexing），数据按照主键的顺序存储，可以提高查询性能。
  • 使用场景
    • 需要事务支持的应用，例如电子商务网站、金融系统等。
    • 需要较高并发性能的应用，例如论坛、社交网络等。
    • 需要支持外键约束的应用。

        在存储引擎时，需要根据应用的具体需求来决定使用哪种引擎。如果是简单的应用，只需要基本的增删改查功能，可以选择MyISAM。如果需要支持事务、并发性能较高或者有复杂的数据关系，建议选择InnoDB。

MyISAMInnoDB
事务不支持支持
锁表锁表锁、行锁
文件存储3个1个
外键不支持支持

4. 事务

4.1 特性(ACID)

  • 原子性(Atomicity)：事务开始后所有操作，要么全部完成，要么全部不做，不可能停止在中间环节。事务执行过程中出错，会回滚到事务开始前的状态。即事务是一个整体。

  • 一致性(Consistecy)：事务开始前和结束后，数据库的完整性约束没有被破坏。

  • 隔离性(Isolation)：同一时间，只允许一个事务请求同一数据，不同的事务之间彼此没有任何干扰。

  • 持久性(Durability)：事务完成后，事务对数据的所有更新将被保存到数据库，不能回滚。

4.2 事务靠什么保证

  • 原子性：由undo log日志保证，它记录了需要回滚的日志信息，回滚时撤销一致性的SQL；

  • 一致性：由其他三大特性共同保证，是事务的目的；

  • 隔离性：由MVCC保证。

  • 持久性：由redo log日志和内存保证，MYSQL修改数据时内存和redo log会记录操作，宕机时可恢复。

4.3 undo log和redo log的区别

  • 缓冲池（buffer pool）：主内存中的一个区域，里面可以缓存磁盘上经常操作的真实数据，在执行增删改操作时，先操作缓冲池中的数据（若缓冲池没有数据，则从主磁盘加载并缓存），以一定频率刷新到磁盘，从而减少磁盘IO，加快处理速度。

  • 数据页（page）：是InnoDB存储引擎磁盘管理的最小单元，每个页的大小默认为16KB，液中存储的是行数据。

  • redo log

    • 重做日志，记录的是事务提交时数据页的物理修改，是用来实现事务的持久性。
    • 该日志文件由两部分组成：重做日志缓冲（redo log buffer）以及重做日志文件（redo log file），前者是在内存中，后者在磁盘中。当事务提交之后会把所有修改信息都存到该日志文件中，用于在刷新脏页到磁盘，发生错误时，进行数据恢复使用。

  • undo log

    • 回滚日志，用于记录数据被修改前的信息，作用包含两个：提供回滚和MVCC（多版本并发控制）。undo log和redo log记录物理日志不一样，它是逻辑日志。
    • 可以认为当delete一条记录时，undo log中会记录一条对应的Insert记录，反之亦然
    • 当update一条记录时，他记录一条对应相反的update的记录。当执行rollback时，就可以从undo log中的逻辑记录读取到相应的内容并进行回滚。
    • undo log可以实现事物的一致性和原子性
      事物的隔离性是如何保证的

  • 锁：排他锁（如一个事务获取了一个数据行的排他锁，其他事务就不能再获取该行的其他锁）

  • MVCC：多版本并发控制

4.4 事务的隔离级别

        高并发情况下，并发事务会产生脏读、不可读重复、幻读等问题，这时需要用隔离级别来控制。

  • 读未提交：允许一个事务读取另一个事务已提交的数据，可能出现不可重复度、幻读。

  • 读提交：只允许事务读取另一个事务没有提交的数据可能会出现不可重复度，幻读。

  • 可重复读：确保同一字段多次读取结果一致，可能出现幻读。

  • 可串行化：所有事务逐次执行，没有并发问题。

        InnoDB默认隔离级别为可重复读级别，分为快照读和当前读，并且通过间隙锁解决了幻读问题。

事务隔离级别脏读不可重复读幻读
读未提交（read-uncommitted）是是是
读提交(read-committed)否是是
可重复读(repeatable-read)否否是
串行化(serializable)否否否

4.5 事务的并发问题

  • 脏读：事务A读取了事务B更新的数据，然后事务B回滚操作，那么事务A读取到的数据是脏数据。

  • 不可重复读：事务A多次读取同一数据，事务B在事务A多次读取的过程中，对数据做了更新并提交，导致事务A多次读取同一数据时，结果不一致。

  • 幻读：系统管理员A将数据库中所有学生的成绩从具体分数改为ABCDE等级，但是系统管理员B就在这时插入了一条具体分数的记录，当系统管理员A改结束后发现还有一条记录没有改过来，就好像发生了幻觉一样，就成为幻读。

  • 如何解决脏读、幻读、不可重复读

    • 脏读：隔离级别设置为读提交、可重复读、串行化可解决脏读
    • 不可重复读：隔离级别设置为可重复读、串行化可以解决不可重复读
    • 幻读：隔离级别为串行化可以解决幻读、通过MVCV + 区间锁可以解决幻读

4.6 快照读和当前读

  • 快照读：读取的是当前数据的可见版本，可能是会过期数据，不加锁的SELECT就是快照读。

  • 当前读：读取的是数据的最新版本，并且当前读返回的记录都会上锁，保证其他事务不会并发修改这条记录。如UPDATE，DELETE，INSERT，SELECT FOR UNDATE（排他锁），SELECT LOCKIN SHARE MODE（共享锁）都是当前读。

4.7 MVCC

       MVCC是多版本并发控制，为每次事务生成一个新版本数据，每个事务都有自己的版本，从而不加锁就解决读写冲突，这种读为快照读。只在读已提交和可重复读中生效。
      实现的原理由以下四项保证：

  • undo log日志：记录数据历史版本

  • readView：事务进行快照度时动态生成产生的视图，记录了当前系统中活跃的事务id，控制哪个历史版本对当前事务可见。

  • 隐藏字段DB_TRC_ID：最近修改记录的事务ID

  • 隐藏字段DB_Roll_PTR:回滚指针，配合undolog指向数据的上一个版本

5. 锁机制

5.1 定义

      锁是计算机协调多个进程或线程并发访问某一资源的机制（避免竞争）。在数据库中，除传统的计算资源（如CPU，RAM，I/O等）的争用外，数据也是一种供许多用户共享的资源。锁机制能保证数据并发访问的一致性、有效性，同时也影响数据库并发访问性能。

5.2 分类

  • 根据对数据操作的粒度

    • 表锁：操作时，会锁定整个表
    • 行锁：操作时，会锁定当前操作行
    锁类型特点
    表级锁偏向MyISAM存储引擎，开销大，加锁快；不会出现死锁；锁定粒度大，发生锁冲突的概率最高，并发度最低。
    行级锁偏向InnoDB存储引擎，开销大，加锁慢；会出现死锁。锁粒度最小，发生锁冲突的概率最低，并发度也最高。
    • 表级锁更适合于以查询为主，只有少量按索引条件更新数据的应用，如Web应用。
    • 行级锁更适合于有大量按索引条件并发更新少量不同数据，同时又有并发查询的应用，如一些在线事务处理（OLTP）系统。

  • 根据对数据操作的类型

    • 读锁（共享锁）：针对同一份数据，多个读操作可以同时进行而不会互相影响
    • 写锁（排它锁）：当前操作没有完成之前前，会阻断其他写锁和读锁。
    存储引擎表级锁行级锁
    MyISAM支持不支持
    InnoDB支持支持
    MEMORY支持不支持
    BOB支持不支持

6. 日志

分类：错误日志、二进制日志、查询日志、慢查询日志

6.1 错误日志

  • 错误日志是MySQl中最重要的日志之一，记录了当MySQL启动个停止时，以及服务器在运行过程中发生任何严重错误时的相关信息，当数据库出现任何故障导致无法正常使用时，可以首先查看错误日志。

  • 该日志默认是开启的，默认存放目录是mysql的数据目录，默认的日志文件名为hosyname.err(hostname为主机名)。

  • 查看日志位置指令

        SHOW variables LIKE 'log_error%'

6.2 二进制日志

        二进制日志（BINLOG）记录了所有的DDL语句和DML语句，但不包括DQL语句。此日志对灾难时的数据恢复起着极其重要的作用，MySQL的主从复制就是通过改BINLOG实现的。

        二进制日志在MySQL8默认开启，低版本需要通过配置文件开启，并配置MySQL日志的格式。

        Windows系统：my.ini Linux系统： my.cnf

6.3 查询日志

        查询日志中记录了客户端的所有操作语句，而二进制日志不包含查询数据的SQL语句。

        默认情况下，查询日志是未开启的。

6.4 慢查询日志

        慢查询日志记录了所有执行时间超过参数long_query_time设置值并且扫描记录数不小于min_examined_row_limit的所有SQL语句的日志。long_query_time默认为10秒，最小为0，精度可以到微秒。

7. 索引

7.1 定义

        索引（index）是帮助MySQL高效的获取数据的数据结构（有序）。在数据之外，数据库系统还维护着满足特定查找算法的数据结构（B+树），这些数据结构以某种方式指向数据，这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引。这样可以提高数据检索的效率，降低数据库的IO成本（不需要全表扫描）。通过索引列对数据进行排序，降低数据排序的成本，降低了CPU的消耗。

        B树与B+树对比

  • 阶数更多，路径更短
  • 磁盘读写代价B+树更低，非叶子节点只存储指针，叶子阶段存储数据
  • 查询效率B+树更加稳定
  • B+树便于扫库和区间查询，非叶子节点是一个双向链表

7.2 聚簇索引和非聚簇索引

7.2.1 聚簇索引

  • 含义：将数据存储与索引放到了一起，索引结构的叶子节点保存了行数据
  • 特点：必须有，而且只有一个

7.2.2 二级索引（非聚簇索引）

  • 含义：将数据与索引分开存储，索引结构的叶子节点关联的是对应的主键
  • 特点：可以存在多个

7.2.3 聚簇索引选取规则

  • 如果存在主键，主键索引就是聚簇索引
  • 如果不存在主键，将使用第一个唯一（UNIQUE）索引作为聚簇索引。
  • 如果表没有主键，或没有适合的唯一索引，则InnoDB会自动生成一个rowid作为隐藏的聚簇索引。

7.2.4 回表查询

        （首先介绍聚簇索引和非聚簇索引，然后介绍回表查询）
        通过二级索引找到对应的主键值，到聚簇索引中查找整行数据，这个过程就是回表。

7.3 覆盖索引

        覆盖索引是指查询使用了索引，并且需要返回的列在该索引中已经全部能够找到。

  • 使用id查询，直接走聚簇索引，一次索引扫描，直接返回数据，性能高；

  • 如果返回的列中没有创建索引，有可能会触发回表查询，尽量避免使用select *；

        （可以使用索引覆盖解决MySQL超大分页）

7.4 MySQL超大分页处理

  • 在数据量比较大时，如果进行limit分页查询，在查询时，越往后分页查询的效率越低。

  • 优化思路：一般分页查询时，通过创建覆盖索引能够比较好的提高性能，可以通过覆盖索引加子查询形式进行优化。

7.5 创建索引的原则

  • 针对数据量较大，且查询比较频繁的表建立索引（单表超过10万数据，增加用户体验）[重要]

  • 针对于常作为查询条件（where）、排序（order by）、分组（group by）操作的字段建立索引[重要]

  • 尽量选择区分度高的列作为索引，尽量建立唯一索引，区分度越高，使用索引的效率越高

  • 如果是字符串类型的字段，字段的长度较长，可以针对于字段的特点，建立前缀索引

  • 尽量使用联合索引，减少单列索引，查询时，联合索引很多时候可以覆盖索引，避免回表，提高查询效率【重要】

  • 要控制索引的数量，索引并不是多多益善，索引越多，维护索引结构的代价也就越大，会影响增删改的效率【重要】

  • 如果索引列不能存储NULL值，在创建表时使用NOT NULL约束。当优化器直到每列是否包含NULL值时，它可以更好地确定哪个索引最有效地用于查询

7.6 什么情况下索引会失效？

  • 违反最左前缀法则
  • 范围查询右边的列，不能使用索引
  • 不要再索引列上进行运算操作，索引将会失效
  • 字符串不加单引号，造成索引失效（类型失效）
  • 以%开头的Like模糊查询，索引失效

8. 优化

      SQL优化一般可以从设计、查询、索引和存储四方面进行。

在这里插入图片描述

8.1 如何定位慢查询？

  • 采用运维工具（Skywalking），可以检测出是哪个接口，最终找到SQL问题

  • 在数据库中开启慢日志查询，设置阈值（可以设置为2秒），一旦SQL执行超过阈值就hi记录到日志中。

8.2 一个SQL语句执行很慢，如何分析

可以使用MySQL自带的分析工具EXPLAIN或者DESC

  • 通过key和key_len检查是否命中了索引（索引本身存在是否失效的情况）

  • 通过type字段查看sql是否有进一步的优化空间，是否存在全索引扫描或全盘扫描

  • 通过extra建议判断，是否出现了回表的情况，如果出现了，可以尝试添加索引或修改返回字段来修复。

    在这里插入图片描述

    • possible_key：当前sql可能会使用到的索引
    • key：当前sql实际命中的索引
    • key_len：索引占用的大小
    • Extra：额外的优化建议
    • type：这条SQL的连接类型，性能由好到差依次为：NULL，system，const，eq_ref，ref，range，index，all
      • system：查询系统中的表
      • const：根据主键查询
      • eq_ref：主键索引查询或唯一索引查询
      • ref：索引查询
      • range：范围查询
      • index：索引扫描
      • all：全盘扫描
    extra含义
    Using where;Using index查找使用了索引，需要的数据都在索引列中能找到，不需要回表查询数据
    Using index condition查找使用了索引，但是需要回表查询数据

8.3 SQL优化的经验

  • 表的设计优化

    参考阿里开发手册《嵩山版》

    • 比如设置合适的数值（tinyint int bigint），要根据实际情况选择
    • 比如设置合适的字符串类型（char和varchar）char定长效率高，varchar可变长度，效率稍低

  • 索引优化[参考优化创建原则和索引失效]

  • SQL语句优化

    • SELECT语句无比指定字段名称（避免直接使用SELECT *）
    • SQL语句要避免造成索引失效的写法
    • 尽量用UNION ALL代替UNION UNION会多一次过滤，效率低
    • 避免在where子句中对字段进行表达式操作
    • Join优化：能用INNERJOIN就不用LEFT JOIN RIGHT JOIN，如必须使用一定要以小表为驱动，内连接会对两个表进行优化，优先把小表放到外面，把大表放到里面。LEFT JOIN或RIGHT JOIN，不会重新调整顺序。

  • 主从复制、读写分离

    如果数据库的使用场景读的操作比较多的时候，为了避免写的操作所造成的性能影响，可以采用读写分离的架构，读写分离解决的是数据库的写入，影响了查询的效率。
    在这里插入图片描述

  • 分库分表

8.4 主从同步原理

MySQL主从复制的核心是二进制bin log（记录DDL和DML）

  • 主从在事务提交时，会把数据变更记录在二进制日志文件bin log中
  • 从库读取主库的二进制日志文件bin log，写入到从库的中继日志Relay log
  • 从库重做中继日志中的事件，将改变反应它自己的数据

8.5 分库分表

  • 时机

    • 前提：项目业务数据逐渐增多，或业务发展比较迅速（单表的数据量达1000W或20G以后）
    • 优化已解决不了性能问题（主从读写分离，查询索引…）
    • IO瓶颈（磁盘IO，网络IO）、CPU瓶颈（聚合查询、连接数太多）

  • 拆分策略

    • 垂直拆分

      • 垂直分库：以表为依据，根据业务将不同表拆分到不同库中

        特点

        • 将业务对数据分级管理、维护、监控、扩展
        • 在高并发下，提高磁盘IO和数据量连接数

      • 垂直分表：以字段为依据，根据字段属性将不同字段拆分到不同表中

        特点

        • 冷数据分离
        • 减少IO过度争抢，两表互不影响

    • 水平拆分

      • 水平分库：将一个库的数据拆分到多个库中

        特点

        • 解决了单库大数量，高并发的性能瓶颈问题
        • 提高了系统的稳定性和可用性

      • 水平分表：将一个表的数据拆分到多个表中（可以在同一个库内），按照记录分表

        特点

        • 优化单一表数量过大而产生的性能问题
        • 避免IO争抢并减少锁表的几率

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.coloradmin.cn/o/1687301.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

【全部更新完毕】2024长三角数学建模A题思路代码文章教学-“抢救”落水手机

【全部更新完毕】2024长三角数学建模A题思路代码文章教学-“抢救”落水手机

文章摘要部分： “抢救”落水手机 摘要 文章主要探讨了如何科学地处理和搜索在水体中意外掉落的物品：华为 Mate 60 Pro手机和居民身份证。本文基于物理模型和动力学分析，为不同水体环境中的掉落物品提供了详尽的搜索策略和打捞建议。 本文…
阅读更多...
C++ | Leetcode C++题解之第101题对称二叉树

C++ | Leetcode C++题解之第101题对称二叉树

题目&#xff1a; 题解&#xff1a; class Solution { public:bool check(TreeNode *u, TreeNode *v) {queue <TreeNode*> q;q.push(u); q.push(v);while (!q.empty()) {u q.front(); q.pop();v q.front(); q.pop();if (!u && !v) continue;if ((!u || !v) ||…
阅读更多...
EC2-chapter-5

EC2-chapter-5

SSA的phi
阅读更多...
碳课堂｜ISO 14067 产品碳足迹国际标准

碳课堂｜ISO 14067 产品碳足迹国际标准

为规范评估产品碳排放&#xff0c;国际标准化组织发布了《ISO14067&#xff1a;2018温室气体-产品碳足迹-量化要求及指南》&#xff0c;标准量化产品生命周期阶段&#xff08;包括从资源开采、原材料采购到产品的生产、使用和报废阶段&#xff09;的温室气体排放的通用标准。该…
阅读更多...
java项目之桂林旅游景点导游平台源码(springboot+vue+mysql)

java项目之桂林旅游景点导游平台源码(springboot+vue+mysql)

风定落花生&#xff0c;歌声逐流水&#xff0c;大家好我是风歌&#xff0c;混迹在java圈的辛苦码农。今天要和大家聊的是一款基于springboot的桂林旅游景点导游平台。 项目源码以及部署相关请联系风歌&#xff0c;文末附上联系信息 。 项目简介&#xff1a; 桂林旅游景点导游…
阅读更多...
腾讯TDSQL-C灰度发布列存索引； Azure Copilot集成支持Azure上各种托管数据库；

腾讯TDSQL-C灰度发布列存索引； Azure Copilot集成支持Azure上各种托管数据库；

重要更新 1. Copilot for Azure新增了对Azure SQL、 Azure Database for MySQL的支持([8] [14])。Copilot for Azure是微软云提供的基于大模型技术的助手工具&#xff0c;主要能力包括了&#xff1a;该大模型可以获得最新的文档&#xff0c;以及客户的Azure资源情况&#xff0c…
阅读更多...
如何排查hpet导致的CPU高负载——《OceanBase诊断系列》之十

如何排查hpet导致的CPU高负载——《OceanBase诊断系列》之十

1. 前言 我在OceanBase问答社区协助用户排查了一个CPU占用率过高的问题&#xff0c;帖子原文是&#xff1a; 《刚刚新安装的OceanBase集群&#xff0c;没有任何数据&#xff0c;CPU占用非常高&#xff0c;这正常吗&#xff1f;》。从这个场景出发&#xff0c;来分享相关的诊断…
阅读更多...
毫米波雷达的自我学习——TI毫米波雷达数据的BIN存储

毫米波雷达的自我学习——TI毫米波雷达数据的BIN存储

这里写目录标题 TI毫米波数据以16位二进制补码的形式存储数据存储具有DCA1000数据格式的xWR12xx和xWR14xx&#xff08;交错模式&#xff09;具有DCA1000数据格式的xWR16xx和**IWR6843**&#xff08;只能非交错模式&#xff09;其他 TI毫米波数据以16位二进制补码的形式存储 按…
阅读更多...
VUE3好看的酒网站模板源码

VUE3好看的酒网站模板源码

文章目录 1.设计来源1.1 首页界面1.2 十大名酒界面1.3 名酒新闻界面1.4 联系我们界面1.5 在线留言界面 2.效果和结构2.1 动态效果2.2 代码结构 3.VUE框架系列源码4.源码下载 作者&#xff1a;xcLeigh 文章地址&#xff1a;https://blog.csdn.net/weixin_43151418/article/detai…
阅读更多...
可视化大屏：蓝色当道，倘若用金色呢？

可视化大屏：蓝色当道，倘若用金色呢？

在可视化大屏中添加金色元素可以带来以下效果&#xff1a; 强调和吸引注意力&#xff1a;金色通常被视为高贵、豪华和引人注目的颜色。通过在可视化大屏中添加金色元素&#xff0c;可以吸引用户的注意力&#xff0c;使其更容易注意到这些元素。提升视觉层次和对比度&#xff1…
阅读更多...
MiniMax Golang2轮面试，期望薪资25K

MiniMax Golang2轮面试，期望薪资25K

一面 1、自我介绍 2、简单介绍一下你们成立了这个finance的财务中台之后&#xff0c;整体的服务架构是怎么样的吗&#xff1f; 3、就你提到的预算池项目&#xff0c;展开说说背景&#xff0c;以及解决了怎么样的问题&#xff1f; 4、为什么采用针对T-1订单的异步计算方案&a…
阅读更多...
数据结构【单链表】

数据结构【单链表】

文章目录 前言单链表的概念单链表接口的实现头文件(SLinkList.h)单链表的创建创建链表节点 关于传参单链表的顺序插入关于assert对象尾插正常情况(链表不为空)特殊情况(链表为NULL)代码 头插 单链表的顺序删除assert对象尾删正常情况特殊情况(链表只有一个节点) 头删 单链表的打…
阅读更多...
多联机分户计费控制系统

多联机分户计费控制系统

中央空调多联机分户计费控制系统&#xff0c;针对国内常见几种品牌的多联机空调系统实行&#xff0c;远程控制与计费管理。系统采用MQTT网络协议&#xff0c;以订阅/发布模式实行设备感知&#xff0c;实现对室外机、室内机的状态监测、实时故障报警、累计分摊费用的实时数据传导…
阅读更多...
基于JAVA的Dubbo 实现的各种限流算法

基于JAVA的Dubbo 实现的各种限流算法

在基于 Java 的 Dubbo 实现中&#xff0c;限流&#xff08;Rate Limiting&#xff09;同样是一个关键的需求。Dubbo 是阿里巴巴开源的一款高性能 Java RPC 框架&#xff0c;广泛应用于分布式服务架构中。实现限流可以帮助服务在高并发场景下保持稳定性和可靠性。以下是几种常见…
阅读更多...
【el-table 实现自定义单选】

【el-table 实现自定义单选】

el-table 实现自定义单选 示例图片代码 示例图片 代码 row-click"singleElection"<el-table-columnalign"center"label"选择"><template slot-scope"scope"><el-radio:key"scope.row.id"v-model"templa…
阅读更多...
在ARM开发板上，栈大小设置为2MB（常用设置）里面存放的数据

在ARM开发板上，栈大小设置为2MB（常用设置）里面存放的数据

系列文章目录 在ARM开发板上&#xff0c;栈大小设置为2MB&#xff08;常用设置&#xff09;里面存放的数据 在ARM开发板上&#xff0c;栈大小设置为2MB&#xff08;常用设置&#xff09;里面存放的数据 系列文章目录 在ARM开发板上&#xff0c;栈&#xff08;Stack&#xff09;…
阅读更多...
thingML的学习——什么是thingML

thingML的学习——什么是thingML

今天开始建模的学习&#xff0c;thingML是建模的一种工具 &#xff0c;也可以理解为一种建模语言&#xff0c;有自己的语法和语义。 ThingML 支持的多种平台和通信协议&#xff0c;如UART、I2C、MQTT、WebSocket、REST、ROS、Bluetooth、BLE和Zwave&#xff0c;通过插件机制&a…
阅读更多...
目标检测网络：YOLOv3 模型复现

目标检测网络：YOLOv3 模型复现

目录 YOLOv3 网络架构 YOLOv3 检测流程 YOLOv3 网络搭建 YOLOv3 网络架构 论文原址&#xff1a;https://arxiv.org/pdf/1804.02767 Code&#xff1a;https://github.com/ultralytics/yolov3 YOLO官方模型总览&#xff1a;https://pjreddie.com/darknet/yolo/#google_vign…
阅读更多...
K8S中YAML案例

K8S中YAML案例

目录 案例&#xff1a;自主式创建service并关联上面的pod 案例&#xff1a;部署redis 案例&#xff1a;部署myapp 案例&#xff1a;部署MySQL数据库 总结 1.K8S集群中访问流向 K8S集群外部&#xff1a;客户端——nodeIP&#xff1a;nodeport——通过target port——podIP…
阅读更多...
LiteOS-A内核中的procfs文件系统分析

LiteOS-A内核中的procfs文件系统分析

一、 procfs介绍 procfs是类UNIX操作系统中进程文件系统&#xff08;process file system&#xff09;的缩写&#xff0c;主要用于通过内核访问进程信息和系统信息&#xff0c;以及可以修改内核参数改变系统行为。需要注意的是&#xff0c;procfs文件系统是一个虚拟文件系统&a…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023