当前位置: 首页 > news >正文

mysql spatial简介_详细介绍mysql索引类型:FULLTEXT、NORMAL、SPATIAL、UNIQUE

mysql索引类型:FULLTEXT、NORMAL、SPATIAL、UNIQUE的详细介绍

Normal 普通索引

表示普通索引,大多数情况下都可以使用

Unique 唯一索引

表示唯一的,不允许重复的索引,如果该字段信息保证不会重复例如身份证号用作索引时,可设置为unique

约束唯一标识数据库表中的每一条记录,即在单表中不能用每条记录是唯一的(例如身份证就是唯一的),Unique(要求列唯一)和Primary Key(primary key = unique + not null 列唯一)约束均为列或列集合中提供了唯一性的保证,Primary Key是拥有自动定义的Unique约束,但是每个表中可以有多个Unique约束,但是只能有一个Primary Key约束。

mysql中创建Unique约束

Full Text 全文索引

表示全文收索,在检索长文本的时候,效果最好,短文本建议使用Index,但是在检索的时候数据量比较大的时候,现将数据放入一个没有全局索引的表中,然后在用Create Index创建的Full Text索引,要比先为一张表建立Full Text然后在写入数据要快的很多

FULLTEXT 用于搜索很长一篇文章的时候,效果最好。用在比较短的文本,如果就一两行字的,普通的 INDEX 也可以。

SPATIAL 空间索引

空间索引是对空间数据类型的字段建立的索引,MYSQL中的空间数据类型有4种,分别是GEOMETRY、POINT、LINESTRING、POLYGON。MYSQL使用SPATIAL关键字进行扩展,使得能够用于创建正规索引类型的语法创建空间索引。创建空间索引的列,必须将其声明为NOT NULL,空间索引只能在存储引擎为MYISAM的表中创建

btree索引和hash索引的区别

1、BTREE(B树(可以是多叉树)) {主流使用}

2、HASH(key,value) 这种方式对范围查询支持得不是很好

hash 索引结构的特殊性,其检索效率非常高,索引的检索可以一次定位,不像B-Tree 索引需要从根节点到枝节点,最后才能访问到页节点这样多次的IO访问,所以 Hash 索引的查询效率要远高于 B-Tree 索引。

可 能很多人又有疑问了,既然 Hash 索引的效率要比 B-Tree 高很多,为什么大家不都用 Hash 索引而还要使用 B-Tree 索引呢?任何事物都是有两面性的,Hash 索引也一样,虽然 Hash 索引效率高,但是 Hash 索引本身由于其特殊性也带来了很多限制和弊端,主要有以下这些。

(1)Hash 索引仅仅能满足”=”,”IN”和”<=>”查询,不能使用范围查询。

由于 Hash 索引比较的是进行 Hash 运算之后的 Hash 值,所以它只能用于等值的过滤,不能用于基于范围的过滤,因为经过相应的 Hash 算法处理之后的 Hash 值的大小关系,并不能保证和Hash运算前完全一样。

(2)Hash 索引无法被用来避免数据的排序操作。

由于 Hash 索引中存放的是经过 Hash 计算之后的 Hash 值,而且Hash值的大小关系并不一定和 Hash 运算前的键值完全一样,所以数据库无法利用索引的数据来避免任何排序运算;

(3)Hash 索引不能利用部分索引键查询。

对于组合索引,Hash 索引在计算 Hash 值的时候是组合索引键合并后再一起计算 Hash 值,而不是单独计算 Hash 值,所以通过组合索引的前面一个或几个索引键进行查询的时候,Hash 索引也无法被利用。

(4)Hash 索引在任何时候都不能避免表扫描。

前面已经知道,Hash 索引是将索引键通过 Hash 运算之后,将 Hash运算结果的 Hash 值和所对应的行指针信息存放于一个 Hash 表中,由于不同索引键存在相同 Hash 值,所以即使取满足某个 Hash 键值的数据的记录条数,也无法从 Hash 索引中直接完成查询,还是要通过访问表中的实际数据进行相应的比较,并得到相应的结果。

(5)Hash 索引遇到大量Hash值相等的情况后性能并不一定就会比B-Tree索引高。

对于选择性比较低的索引键,如果创建 Hash 索引,那么将会存在大量记录指针信息存于同一个 Hash 值相关联。这样要定位某一条记录时就会非常麻烦,会浪费多次表数据的访问,而造成整体性能低下。

在实际操作过程中,应该选取表中哪些字段作为索引?

为了使索引的使用效率更高,在创建索引时,必须考虑在哪些字段上创建索引和创建什么类型的索引,有7大原则:

1.选择唯一性索引

2.为经常需要排序、分组和联合操作的字段建立索引

3.为常作为查询条件的字段建立索引

4.限制索引的数目

5.尽量使用数据量少的索引

6.尽量使用前缀来索引

7.删除不再使用或者很少使用的索引

8. 经常更新修改的字段不要建立索引(针对mysql说,因为字段更改同时索引就要重新建立,排序,而Orcale好像是有这样的机制字段值更改了,它不立刻建立索引,排序索引,而是根据更改个数,时间段去做平衡索引这件事的)

9、不推荐在同一列建多个索引

相关文章:

  • mysql联立两个表_mysql同时查询两个表
  • mysql 1308_MySQL恢复数据报ERROR 1308 : LEAVE with no matching label
  • macos 在线安装mysql_在MACOSX上安装MYSQL
  • vb mysql 设置数据源_总结 vb与数据库的连接方法
  • h+后台主题ui框架_开源推荐 - EAdmin开箱即用的后台UI框架
  • include 路径_最短路径的算法:Floyd算法
  • 2表关联查询的mysql代码_两个服务器上的两个数据库表进行关联查询(显示列表)...
  • python compare()_Python Speech Compare
  • n阶完全图边和顶点关系。_抽象代数23 群元素的阶和循环群
  • python中文件操作的相关函数是_python 操作windows下目录的相关函数
  • mysql根据当前时间戳更新不好使_Mysql – 尝试更新时间戳列时.它无法更新
  • linux配置pip源_Python pip源配置修改
  • matlab xlsread参数_Matlab读取Excel数据并绘制二维图
  • mysql增量备份与恢复_MySQL增量备份与恢复
  • mysql查询数据库表字段的类型 sql语句_mysql使用sql语句查询数据库所有表注释已经表字段注释...
  • 【MySQL经典案例分析】 Waiting for table metadata lock
  • Java超时控制的实现
  • js正则,这点儿就够用了
  • Nacos系列:Nacos的Java SDK使用
  • Promise面试题,控制异步流程
  • Python - 闭包Closure
  • Sass 快速入门教程
  • 第2章 网络文档
  • 番外篇1:在Windows环境下安装JDK
  • 服务器从安装到部署全过程(二)
  • 记一次和乔布斯合作最难忘的经历
  • 聊聊flink的TableFactory
  • 容器化应用: 在阿里云搭建多节点 Openshift 集群
  • 少走弯路,给Java 1~5 年程序员的建议
  • 学习Vue.js的五个小例子
  • 一道面试题引发的“血案”
  • 优化 Vue 项目编译文件大小
  • 如何通过报表单元格右键控制报表跳转到不同链接地址 ...
  • ​虚拟化系列介绍(十)
  • #传输# #传输数据判断#
  • #我与Java虚拟机的故事#连载13:有这本书就够了
  • (52)只出现一次的数字III
  • (vue)el-checkbox 实现展示区分 label 和 value(展示值与选中获取值需不同)
  • (接口自动化)Python3操作MySQL数据库
  • (论文阅读26/100)Weakly-supervised learning with convolutional neural networks
  • (转)大道至简,职场上做人做事做管理
  • .NET Compact Framework 3.5 支持 WCF 的子集
  • .NET 服务 ServiceController
  • @transaction 提交事务_【读源码】剖析TCCTransaction事务提交实现细节
  • [ 手记 ] 关于tomcat开机启动设置问题
  • []C/C++读取串口接收到的数据程序
  • [100天算法】-x 的平方根(day 61)
  • [16/N]论得趣
  • [2]十道算法题【Java实现】
  • [acm算法学习] 后缀数组SA
  • [AIGC] 开源流程引擎哪个好,如何选型?
  • [Angular] 笔记 7:模块
  • [BZOJ 4598][Sdoi2016]模式字符串
  • [C#]科学计数法(scientific notation)显示为正常数字
  • [FFmpeg学习]从视频中获取图片