推荐
专栏
教程
课程
飞鹅
本次共找到860条
唯一索引
相关的信息
Wesley13
•
4年前
Java并发多线程高频面试题
并发知识不管在学习、面试还是工作过程中都非常非常重要,看完本文,相信绝对能助你一臂之力。1、线程和进程有什么区别?线程是进程的子集,一个进程可以有很多线程。每个进程都有自己的内存空间,可执行代码和唯一进程标识符(PID)。每条线程并行执行不同的任务。不同的进程使用不同的内存空间(线程自己的堆栈),而所有
Wesley13
•
4年前
Ubuntu13.10上android+idea+scala+sbt环境搭建
首先声明,开发android,不是一定要使用ADT或者AndroidStudio等google提供的IDE,其实这两个也就是分别在eclipse和Idea上装了相应的插件而已。唯一需要的就是SDK而已,甚至模拟器都可以不需要,因为google提供的模拟器实在太慢了,甚至我在ubuntu13.10下,启动android4.4,半小时都没有成功,估计永远也起不来
Easter79
•
4年前
Twitter的分布式自增ID算法snowflake (Java版)
概述分布式系统中,有一些需要使用全局唯一ID的场景,这种时候为了防止ID冲突可以使用36位的UUID,但是UUID有一些缺点,首先他相对比较长,另外UUID一般是无序的。有些时候我们希望能使用一种简单一些的ID,并且希望ID能够按照时间有序生成。而twitter的snowflake解决了这种需求,最初Twitter把存储系统从MySQL迁移
Wesley13
•
4年前
MongoDB学习笔记10——分片
分片(Sharding)这种技术可以将数据分散到多台机器,但对于应用而言,仍然如同在使用单个数据库一样。在使用MongoDB时,水平分区是唯一可采用的方式。在MongoDB中由MongoS路径进程管理数据的分割,并将请求路由到必需的分片服务器。在进行分片的时候需要mongod配置服务器和mongos分片服务器。1)创建分片设置:打开新的终端窗
Stella981
•
4年前
Leaf:美团分布式ID生成服务开源
Leaf是美团基础研发平台推出的一个分布式ID生成服务,名字取自德国哲学家、数学家莱布尼茨的一句话:“Therearenotwoidenticalleavesintheworld.”Leaf具备高可靠、低延迟、全局唯一等特点。目前已经广泛应用于美团金融、美团外卖、美团酒旅等多个部门。具体的技术细节,可参考此前美团技术博客的一篇文章:《Lea
Wesley13
•
4年前
mysql中主外键关系
一、外键:1、什么是外键2、外键语法 3、外键的条件4、添加外键5、删除外键1、什么是外键:主键:是唯一标识一条记录,不能有重复的,不允许为空,用来保证数据完整性外键:是另一表的主键,外键可以有重复的,可以是空值,用来和其他表建立联系用的。所以说,如果谈到了外
Wesley13
•
4年前
Mysql 5.6 “隐式转换”导致的索引失效和数据不准确
背景在一次进行SQl查询时,我试着对where条件中vachar类型的字段去掉单引号查询,这个时候发现这条本应该很快的语句竟然很慢。这个varchar字段有一个复合索引。其中的总条数有58989,甚至不加单引号查出来的数据不是我们想要的数据。使用的是mysql5.6版本,innoDB引擎实际情况如下
Wesley13
•
4年前
MySQL查询性能优化前,必须先掌握MySQL索引理论
越努力,越幸运,本文已收藏在Gitee中JavaCommunity(https://gitee.com/JavaCommunity/JavaCommunity),里面有面试分享、源码分析系列文章,欢迎收藏,点赞https://gitee.com/JavaCommunity/JavaCommunity(https://gite
Python进阶者
•
2年前
Pandas怎样设置处理后的第一行为索引?
大家好,我是皮皮。一、前言前几天在Python最强王者交流群【wen】问了一个Pandas自动化办公的问题,一起来看看吧。请教问题设置了headerNone,通过dropduplicates删除了重复行,怎样设置处理后的第一行为索引(原表格的列比较多,而且
小万哥
•
1年前
NumPy 双曲函数与集合操作详解
NumPy概览:使用numpy.sinh(),numpy.cosh(),numpy.tanh()计算双曲函数;示例包括求弧度值的双曲正弦、余弦。此外,numpy.arcsinh(),numpy.arccosh(),numpy.arctanh()用于求反函数。同时,NumPy提供集合操作如numpy.unique()构建唯一元素数组,numpy.union1d()求并集,numpy.intersect1d()求交集,numpy.setdiff1d()求差集,numpy.setxor1d()求对称差。
1
•••
59
60
61
•••
86