<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[onemorepoint的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/onemorepoint</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; onemorepoint]]></copyright><item><title><![CDATA[在 PostgreSQL 中，可以使用 UPDATE 语句结合 LEFT JOIN 来更新左表的数据。下面是一个示例：...]]></title><link>https://blog.youkuaiyun.com/onemorepoint/article/details/132633960</link><guid>https://blog.youkuaiyun.com/onemorepoint/article/details/132633960</guid><author>onemorepoint</author><pubDate>Fri, 01 Sep 2023 22:07:00 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[url解码与编码-备用]]></title><link>https://blog.youkuaiyun.com/onemorepoint/article/details/130592540</link><guid>https://blog.youkuaiyun.com/onemorepoint/article/details/130592540</guid><author>onemorepoint</author><pubDate>Tue, 09 May 2023 16:44:00 +0800</pubDate><description><![CDATA[from urllib import parse
from urllib import request
dict = {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}
data = parse.urlencode(dict)        # 将字典{'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}转换为 k1=v1&amp;k2=v2&amp;k3...]]></description><category></category></item><item><title><![CDATA[查询表名所在数据库名]]></title><link>https://blog.youkuaiyun.com/onemorepoint/article/details/127257842</link><guid>https://blog.youkuaiyun.com/onemorepoint/article/details/127257842</guid><author>onemorepoint</author><pubDate>Tue, 11 Oct 2022 09:53:00 +0800</pubDate><description><![CDATA[经常会使用到mysql已知表名，但是不记得是在哪个数据库里面，可以使用
SELECT table_schema FROM information_schema.TABLES WHERE table_name = 'xxx';
查询表所在库名

]]></description><category></category></item><item><title><![CDATA[mysql 执行计划 explain extra 信息分析]]></title><link>https://blog.youkuaiyun.com/onemorepoint/article/details/126383716</link><guid>https://blog.youkuaiyun.com/onemorepoint/article/details/126383716</guid><author>onemorepoint</author><pubDate>Wed, 17 Aug 2022 11:10:00 +0800</pubDate><description><![CDATA[对于extra信息，常见的几种情况的分析


using index、using where、using index condition


using index ：使用覆盖索引的时候就会出现，测试发现主键索引也会生效


using where：在查找使用索引的情况下，需要回表去查询所需的数据


using index condition：查找使用了索引，不需要回表查询，因为要过滤的字段在...]]></description><category></category></item><item><title><![CDATA[python在导入模块时，即import时究竟有哪些动作？]]></title><link>https://blog.youkuaiyun.com/onemorepoint/article/details/126354571</link><guid>https://blog.youkuaiyun.com/onemorepoint/article/details/126354571</guid><author>onemorepoint</author><pubDate>Mon, 15 Aug 2022 18:59:00 +0800</pubDate><description><![CDATA[python在导入模块时，即import时究竟有哪些动作？在python中，导入并非只是把一个文本文件插入到另一个文件。导入其实是运行时的运算，程序第一次导入指定文件时，会执行以下三个步骤：
1、找到模块文件
2、编译成位码(即pyc文件)
3、执行模块的代码来创建其所定义的变量(你没看错，导入时代码是会执行的)
需要明确的事，模块导入只有在第一次导入时才会进行。此后，导入相同模块时，会跳过这三...]]></description><category></category></item><item><title><![CDATA[小林网站基础篇-索引创建与否的判断]]></title><link>https://blog.youkuaiyun.com/onemorepoint/article/details/126352136</link><guid>https://blog.youkuaiyun.com/onemorepoint/article/details/126352136</guid><author>onemorepoint</author><pubDate>Mon, 15 Aug 2022 15:05:00 +0800</pubDate><description><![CDATA[MySQL如何判断是是否应该加索引？
索引的好处是加速查询，但是也有部分问题

索引占用物理空间，数量越大，占用空间也越大
创建索引和维护索引需要耗费时间, 这种时间随着数据量的增大而增大
索引会降低增删改的效率，每次增删改索引，B+Tree维护索引的有序性，需要动态维护

适合加索引的场景

字段有唯一性限制的，比如商品编码或者身份证id等信息
经常在where条件里面查询的字段，这样能够提高...]]></description><category></category></item><item><title><![CDATA[小林coding网站---mysql基础-MySQL索引的数据结构和算法]]></title><link>https://blog.youkuaiyun.com/onemorepoint/article/details/126346253</link><guid>https://blog.youkuaiyun.com/onemorepoint/article/details/126346253</guid><author>onemorepoint</author><pubDate>Mon, 15 Aug 2022 14:01:00 +0800</pubDate><description><![CDATA[MySQL索引的数据结构和算法
索引问题相关




引出的问题是索引覆盖与回表,在执行器的部分已经讲过。
MySQL 默认的存储引擎 InnoDB 采用的是 B+ 作为索引的数据结构，原因有：
B+Tree vs B-Tree


B+ 树的非叶子节点不存放实际的记录数据，仅存放索引，因此数据量相同的情况下，相比存储即存索引又存记录的 B 树，B+树的非叶子节点可以存放更多的索引，因此 B+ ...]]></description><category></category></item><item><title><![CDATA[小林coding网站---mysql基础-server层-执行器]]></title><link>https://blog.youkuaiyun.com/onemorepoint/article/details/126258029</link><guid>https://blog.youkuaiyun.com/onemorepoint/article/details/126258029</guid><author>onemorepoint</author><pubDate>Tue, 09 Aug 2022 20:06:00 +0800</pubDate><description><![CDATA[小林网站mysql基础篇 执行器
执行器
上篇我们总结到查询缓存作为一个鸡肋的功能，对于频繁更新的表，查询缓存可能还没有等到被利用，就被清除掉了，所以在mysql8之后，之前将这个模块去掉了；对于解析器，词法解析将关键词以及构建sql语法树，语法分析根据词法分析的结果，判断这个sql语句是否满足语法。对于满足语法的sql语句，将由优化器进行判断，如何执行更有效率，生成执行计划，后面的任务就交给了...]]></description><category></category></item><item><title><![CDATA[小林coding网站---mysql基础-server层-mysql查询缓存-解析器-优化器]]></title><link>https://blog.youkuaiyun.com/onemorepoint/article/details/126237799</link><guid>https://blog.youkuaiyun.com/onemorepoint/article/details/126237799</guid><author>onemorepoint</author><pubDate>Mon, 08 Aug 2022 20:29:00 +0800</pubDate><description><![CDATA[查询缓存

针对查询语句，mysql先回去查询缓存(query cache)里面去找缓存，看看之前是否执行过查询命令，查询缓存是以key-value形式保存在内存中，key为sql的查询语句，value为查询的结果。
如果查询的语句命中了查询缓存，则直接返回给客户端value的数据，如果没有命中，则继续执行sql查询语句，执行完成后，将结果缓存到查询缓存中。
针对更新频繁的表，查询缓存的命中率极...]]></description><category></category></item><item><title><![CDATA[小林coding网站---mysql基础-server层-mysql连接器]]></title><link>https://blog.youkuaiyun.com/onemorepoint/article/details/126237798</link><guid>https://blog.youkuaiyun.com/onemorepoint/article/details/126237798</guid><author>onemorepoint</author><pubDate>Mon, 08 Aug 2022 19:15:00 +0800</pubDate><description><![CDATA[整理小林coding网站关于mysql的信息笔记
基础篇
以mysql执行一条select语句，
select * from product_tb where id ='1'
mysql在中间发生了什么，这就需要了解mysql的内部的结构，其各个的主要组成部分有两层，Server层和存储引擎层
server层包括了
解析器，查询缓存，预处理器，优化器，执行计划，执行器
存储引擎包括了以不同形式存...]]></description><category></category></item><item><title><![CDATA[利用numpy select 和numpy where 做pandas数据处理]]></title><link>https://blog.youkuaiyun.com/onemorepoint/article/details/125665877</link><guid>https://blog.youkuaiyun.com/onemorepoint/article/details/125665877</guid><author>onemorepoint</author><pubDate>Thu, 07 Jul 2022 18:57:00 +0800</pubDate><description><![CDATA[还是最近的那个项目，最后收尾阶段遇到这样一个问题：根据表格每一行某几列的数据进行条件筛选后并生成新的一列数据。
像下面这个示例一样????：
需要根据每一行的“ 生日”，“地址”，“保险”是否有值来生成新的一列字段，比如叫“完整度”字段。
就拿王佳来说，因为他的 “保险”字段是空值，但是“地址”和“生日”有对应的值。那么最后新字段 “完整度”这里就要填入 “比较完整” 四个字。同理，李明的“完整度” ...]]></description><category></category></item><item><title><![CDATA[MySQL服务器线程池插件]]></title><link>https://blog.youkuaiyun.com/onemorepoint/article/details/125547198</link><guid>https://blog.youkuaiyun.com/onemorepoint/article/details/125547198</guid><author>onemorepoint</author><pubDate>Mon, 27 Jun 2022 14:59:00 +0800</pubDate><description><![CDATA[原文链接 https://www.lanmper.cn/mysql/t7447.html
MySQL服务器线程池插件
MySQL Enterprise Edition包含使用服务器插件实现的MySQL Enterprise Thread Pool。MySQL Server中的默认线程处理模型在每个客户端连接中使用一个线程执行语句。随着越来越多的客户端连接到服务器并执行语句，整体性能下降。线程池插...]]></description><category></category></item><item><title><![CDATA[Index Merge 算法]]></title><link>https://blog.youkuaiyun.com/onemorepoint/article/details/125547193</link><guid>https://blog.youkuaiyun.com/onemorepoint/article/details/125547193</guid><author>onemorepoint</author><pubDate>Fri, 24 Jun 2022 14:19:00 +0800</pubDate><description><![CDATA[本文问题

什么是Index Merge？Index Merge的限制有哪些？
如何查看语句是否使用了Index Merger？
Index Merge有哪几种？分别适用于那些情景？
如何控制优化器是否使用Index Merge

Index Merge 索引合并
索引合并检索方法可以检索多个范围扫描并将结果合并。这种访问方法只能合并同一个表的索引扫描，不能合并跨表扫描。合并可能生成基础扫描结...]]></description><category></category></item><item><title><![CDATA[MySQL数据库的核心MVCC详解]]></title><link>https://blog.youkuaiyun.com/onemorepoint/article/details/125547196</link><guid>https://blog.youkuaiyun.com/onemorepoint/article/details/125547196</guid><author>onemorepoint</author><pubDate>Fri, 24 Jun 2022 11:31:00 +0800</pubDate><description><![CDATA[原文链接： https://baijiahao.baidu.com/s?id=1719749867568105953&amp;wfr=spider
本文给大家详细的类介绍下MVCC的内容，MVCC对大家的工作和面试都是非常重要的内容。


一、前置内容


1.ACID


在看MVCC之前我们先补充些基础内容，首先来看下事务的ACID。





2.MySQL的核心日志


在MySQL数...]]></description><category></category></item><item><title><![CDATA[pandas过滤某列含有nan 的行]]></title><link>https://blog.youkuaiyun.com/onemorepoint/article/details/125422436</link><guid>https://blog.youkuaiyun.com/onemorepoint/article/details/125422436</guid><author>onemorepoint</author><pubDate>Thu, 23 Jun 2022 10:32:49 +0800</pubDate><description><![CDATA[pandas中 过滤某列中含有Nan的行]]></description><category></category></item><item><title><![CDATA[对应pandas中dataframe的多列进行apply方法]]></title><link>https://blog.youkuaiyun.com/onemorepoint/article/details/125091255</link><guid>https://blog.youkuaiyun.com/onemorepoint/article/details/125091255</guid><author>onemorepoint</author><pubDate>Wed, 01 Jun 2022 21:57:58 +0800</pubDate><description><![CDATA[对应pandas中dataframe的多列进行apply方法]]></description><category></category></item><item><title><![CDATA[不良人-mysql索引]]></title><link>https://blog.youkuaiyun.com/onemorepoint/article/details/122315312</link><guid>https://blog.youkuaiyun.com/onemorepoint/article/details/122315312</guid><author>onemorepoint</author><pubDate>Tue, 04 Jan 2022 16:12:00 +0800</pubDate><description><![CDATA[1.什么是索引

官方定义: 一种帮助mysql提高查询效率的数据结构
索引的优点:
1、大大加快数据查询速度
索引的缺点:
1、维护索引需要耗费数据库资源
2、索引需要占用磁盘空间
3、当对表的数据进行增删改的时候，因为要维护索引，速度会受到影响

2.索引分类


a.主键索引
设定为主键后数据库会自动建立索引，innodb为聚簇索引


b.单值索引
即一个索引只包含单个列，一个表可以有多...]]></description><category></category></item><item><title><![CDATA[转-InnoDB索引，终于懂了]]></title><link>https://blog.youkuaiyun.com/onemorepoint/article/details/122243435</link><guid>https://blog.youkuaiyun.com/onemorepoint/article/details/122243435</guid><author>onemorepoint</author><pubDate>Thu, 30 Dec 2021 18:54:30 +0800</pubDate><description><![CDATA[《数据库索引，终于懂了》介绍了为什么B+树适合做数据库索引，数据库的索引分为主键索引（Primary Inkex）与普通索引（Secondary Index）。InnoDB和MyISAM是怎么利用B+树来实现这两类索引，其又有什么差异呢？



问题1：MyISAM的索引结构是怎样的？

MyISAM的索引与行记录是分开存储的，叫做非聚集索引（UnClustered Index）。



其主键索引与普通索引没有本质差异：

（1）有连续聚集的区域单独存储行记录；

（2）主键索引的叶子节点，存储主键，与对]]></description><category></category></item><item><title><![CDATA[MySQL两个最常用的存储引擎，MyISAM和InnoDB]]></title><link>https://blog.youkuaiyun.com/onemorepoint/article/details/122248692</link><guid>https://blog.youkuaiyun.com/onemorepoint/article/details/122248692</guid><author>onemorepoint</author><pubDate>Thu, 30 Dec 2021 18:30:00 +0800</pubDate><description><![CDATA[缓存讲了一个月《缓存架构，一篇足够》。今天，开始写数据库。
第一篇，说说MySQL两个最常用的存储引擎，MyISAM和InnoDB。照自己的理解，把一些知识点总结出来，不只说知识点，多讲“为什么”。一、关于count(*)知识点：MyISAM会直接存储总行数，InnoDB则不会，需要按行扫描。
潜台词是，对于select count(*) from t;如果数据量大，MyISAM会瞬间返回，而...]]></description><category></category></item><item><title><![CDATA[数据库索引 B+树]]></title><link>https://blog.youkuaiyun.com/onemorepoint/article/details/122248691</link><guid>https://blog.youkuaiyun.com/onemorepoint/article/details/122248691</guid><author>onemorepoint</author><pubDate>Thu, 30 Dec 2021 18:01:00 +0800</pubDate><description><![CDATA[问题1.数据库为什么要设计索引？


索引类似书本目录，用于提升数据库查找速度。问题2.哈希(hash)比树(tree)更快，索引结构为什么要设计成树型？加快查找速度的数据结构，常见的有两类：(1)哈希，例如HashMap，查询/插入/修改/删除的平均时间复杂度都是O(1)；(2)树，例如平衡二叉搜索树，查询/插入/修改/删除的平均时间复杂度都是O(lg(n))；可以看到，不管是读，还是写，哈...]]></description><category></category></item></channel></rss>