为什么 MySQL 用 B+ 树作为数据的索引，以及在 InnoDB 中数据库如何通过 B+ 树索引来存储数据以及查找数据
http://www.liuzk.com/410.html
索引是一种数据结构，用于帮助我们在大量数据中快速定位到我们想要查找的数据。
索引最形象的比喻就是图书的目录了。注意这里的大量，数据量大了索引才显得有意义，如果我想要在 [1,2,3,4] 中找到 4 这个数据，直接对全数据检索也很快，没有必要费力气建索引再去查找。
索引在 MySQL 数据库中分三类：
B+ 树索引 Hash 索引 全文索引
我们今天要介绍的是工作开发中最常接触到的 InnoDB 存储引擎中的 B+ 树索引。要介绍 B+ 树索引，就不得不提二叉查找树，平衡二叉树和 B 树这三种数据结构。B+ 树就是从他们仨演化来的。
二叉查找树
首先，让我们先看一张图：
从图中可以看到，我们为 user 表（用户信息表）建立了一个二叉查找树的索引。
图中的圆为二叉查找树的节点，节点中存储了键（key）和数据（data）。键对应 user 表中的 id，数据对应 user 表中的行数据。
二叉查找树的特点就是任何节点的左子节点的键值都小于当前节点的键值，右子节点的键值都大于当前节点的键值。顶端的节点我们称为根节点，没有子节点的节点我们称之为叶节点。
如果我们需要查找 id=12 的用户信息，利用我们创建的二叉查找树索引，查找流程如下：
将根节点作为当前节点，把 12 与当前节点的键值 10 比较，12 大于 10，接下来我们把当前节点>的右子节点作为当前节点。
继续把 12 和当前节点的键值 13 比较，发现 12 小于 13，把当前节点的左子节点作为当前节点。
把 12 和当前节点的键值 12 对比，12 等于 12，满足条件，我们从当前节点中取出 data，即 id=12，name=xm。
利用二叉查找树我们只需要 3 次即可找到匹配的数据。如果在表中一条条的查找的话，我们需要 6 次才能找到。
平衡二叉树
上面我们讲解了利用二叉查找树可以快速的找到数据。但是，如果上面的二叉查找树是这样的构造：
这个时候可以看到我们的二叉查找树变成了一个链表。如果我们需要查找 id=17 的用户信息，我们需要查找 7 次，也就相当于全表扫描了。
导致这个现象的原因其实是二叉查找树变得不平衡了，也就是高度太高了，从而导致查找效率的不稳定。
为了解决这个问题，我们需要保证二叉查找树一直保持平衡，就需要用到平衡二叉树了。
平衡二叉树又称 AVL 树，在满足二叉查找树特性的基础上，要求每个节点的左右子树的高度差不能超过 1。
下面是平衡二叉树和非平衡二叉树的对比：
由平衡二叉树的构造我们可以发现第一张图中的二叉树其实就是一棵平衡二叉树。
平衡二叉树保证了树的构造是平衡的，当我们插入或删除数据导致不满足平衡二叉树不平衡时，平衡二叉树会进行调整树上的节点来保持平衡。具体的调整方式这里就不介绍了。
平衡二叉树相比于二叉查找树来说，查找效率更稳定，总体的查找速度也更快。
B 树
因为内存的易失性。一般情况下，我们都会选择将 user 表中的数据和索引存储在磁盘这种外围设备中。
但是和内存相比，从磁盘中读取数据的速度会慢上百倍千倍甚至万倍，所以，我们应当尽量减少从磁盘中读取数据的次数。
另外，从磁盘中读取数据时，都是按照磁盘块来读取的，并不是一条一条的读。
如果我们能把尽量多的数据放进磁盘块中，那一次磁盘读取操作就会读取更多数据，那我们查找数据的时间也会大幅度降低。
如果我们用树这种数据结构作为索引的数据结构，那我们每查找一次数据就需要从磁盘中读取一个节点，也就是我们说的一个磁盘块。
我们都知道平衡二叉树可是每个节点只存储一个键值和数据的。那说明什么？说明每个磁盘块仅仅存储一个键值和数据！那如果我们要存储海量的数据呢？
可以想象到二叉树的节点将会非常多，高度也会极其高，我们查找数据时也会进行很多次磁盘 IO，我们查找数据的效率将会极低！
为了解决平衡二叉树的这个弊端，我们应该寻找一种单个节点可以存储多个键值和数据的平衡树。也就是我们接下来要说的 B 树。
B 树（Balance Tree）即为平衡树的意思，下图即是一棵 B 树：
图中的 p 节点为指向子节点的指针，二叉查找树和平衡二叉树其实也有，因为图的美观性，被省略了。
图中的每个节点称为页，页就是我们上面说的磁盘块，在 MySQL 中数据读取的基本单位都是页，所以我们这里叫做页更符合 MySQL 中索引的底层数据结构。
从上图可以看出，B 树相对于平衡二叉树，每个节点存储了更多的键值（key）和数据（data），并且每个节点拥有更多的子节点，子节点的个数一般称为阶，上述图中的 B 树为 3 阶 B 树，高度也会很低。
基于这个特性，B 树查找数据读取磁盘的次数将会很少，数据的查找效率也会比平衡二叉树高很多。
假如我们要查找 id=28 的用户信息，那么我们在上图 B 树中查找的流程如下：
先找到根节点也就是页 1，判断 28 在键值 17 和 35 之间，那么我们根据页 1 中的指针 p2 找到页 3。
将 28 和页 3 中的键值相比较，28 在 26 和 30 之间，我们根据页 3 中的指针 p2 找到页 8。
将 28 和页 8 中的键值相比较，发现有匹配的键值 28，键值 28 对应的用户信息为（28，bv）。
B+ 树
B+ 树是对 B 树的进一步优化。让我们先来看下 B+ 树的结构图：
根据上图我们来看下 B+ 树和 B 树有什么不同：
①B+ 树非叶子节点上是不存储数据的，仅存储键值，而 B 树节点中不仅存储键值，也会存储数据。
之所以这么做是因为在数据库中页的大小是固定的，InnoDB 中页的默认大小是 16KB。
如果不存储数据，那么就会存储更多的键值，相应的树的阶数（节点的子节点树）就会更大，树就会更矮更胖，如此一来我们查找数据进行磁盘的 IO 次数又会再次减少，数据查询的效率也会更快。
另外，B+ 树的阶数是等于键值的数量的，如果我们的 B+ 树一个节点可以存储 1000 个键值，那么 3 层 B+ 树可以存储 1000×1000×1000=10 亿个数据。
一般根节点是常驻内存的，所以一般我们查找 10 亿数据，只需要 2 次磁盘 IO。
②因为 B+ 树索引的所有数据均存储在叶子节点，而且数据是按照顺序排列的。
那么 B+ 树使得范围查找，排序查找，分组查找以及去重查找变得异常简单。而 B 树因为数据分散在各个节点，要实现这一点是很不容易的。
有心的读者可能还发现上图 B+ 树中各个页之间是通过双向链表连接的，叶子节点中的数据是通过单向链表连接的。
其实上面的 B 树我们也可以对各个节点加上链表。这些不是它们之前的区别，是因为在 MySQL 的 InnoDB 存储引擎中，索引就是这样存储的。
也就是说上图中的 B+ 树索引就是 InnoDB 中 B+ 树索引真正的实现方式，准确的说应该是聚集索引（聚集索引和非聚集索引下面会讲到）。
通过上图可以看到，在 InnoDB 中，我们通过数据页之间通过双向链表连接以及叶子节点中数据之间通过单向链表连接的方式可以找到表中所有的数据。
MyISAM 中的 B+ 树索引实现与 InnoDB 中的略有不同。在 MyISAM 中，B+ 树索引的叶子节点并不存储数据，而是存储数据的文件地址。
聚集索引 VS 非聚集索引
在上节介绍 B+ 树索引的时候，我们提到了图中的索引其实是聚集索引的实现方式。
那什么是聚集索引呢？在 MySQL 中，B+ 树索引按照存储方式的不同分为聚集索引和非聚集索引。
这里我们着重介绍 InnoDB 中的聚集索引和非聚集索引：
①聚集索引（聚簇索引）：以 InnoDB 作为存储引擎的表，表中的数据都会有一个主键，即使你不创建主键，系统也会帮你创建一个隐式的主键。
这是因为 InnoDB 是把数据存放在 B+ 树中的，而 B+ 树的键值就是主键，在 B+ 树的叶子节点中，存储了表中所有的数据。
这种以主键作为 B+ 树索引的键值而构建的 B+ 树索引，我们称之为聚集索引。
②非聚集索引（非聚簇索引）：以主键以外的列值作为键值构建的 B+ 树索引，我们称之为非聚集索引。
非聚集索引与聚集索引的区别在于非聚集索引的叶子节点不存储表中的数据，而是存储该列对应的主键，想要查找数据我们还需要根据主键再去聚集索引中进行查找，这个再根据聚集索引查找数据的过程，我们称为回表。
明白了聚集索引和非聚集索引的定义，我们应该明白这样一句话：数据即索引，索引即数据。
利用聚集索引和非聚集索引查找数据
前面我们讲解 B+ 树索引的时候并没有去说怎么在 B+ 树中进行数据的查找，主要就是因为还没有引出聚集索引和非聚集索引的概念。
下面我们通过讲解如何通过聚集索引以及非聚集索引查找数据表中数据的方式介绍一下 B+ 树索引查找数据方法。
利用聚集索引查找数据
还是这张 B+ 树索引图，现在我们应该知道这就是聚集索引，表中的数据存储在其中。
现在假设我们要查找 id>=18 并且 id<40 的用户数据。对应的 sql 语句为：
MySQL
1select * from user where id>=18 and id <40
其中 id 为主键，具体的查找过程如下：
①一般根节点都是常驻内存的，也就是说页 1 已经在内存中了，此时不需要到磁盘中读取数据，直接从内存中读取即可。
从内存中读取到页 1，要查找这个 id>=18 and id <40 或者范围值，我们首先需要找到 id=18 的键值。
从页 1 中我们可以找到键值 18，此时我们需要根据指针 p2，定位到页 3。
②要从页 3 中查找数据，我们就需要拿着 p2 指针去磁盘中进行读取页 3。
从磁盘中读取页 3 后将页 3 放入内存中，然后进行查找，我们可以找到键值 18，然后再拿到页 3 中的指针 p1，定位到页 8。
③同样的页 8 页不在内存中，我们需要再去磁盘中将页 8 读取到内存中。
将页 8 读取到内存中后。因为页中的数据是链表进行连接的，而且键值是按照顺序存放的，此时可以根据二分查找法定位到键值 18。
此时因为已经到数据页了，此时我们已经找到一条满足条件的数据了，就是键值 18 对应的数据。
因为是范围查找，而且此时所有的数据又都存在叶子节点，并且是有序排列的，那么我们就可以对页 8 中的键值依次进行遍历查找并匹配满足条件的数据。
我们可以一直找到键值为 22 的数据，然后页 8 中就没有数据了，此时我们需要拿着页 8 中的 p 指针去读取页 9 中的数据。
④因为页 9 不在内存中，就又会加载页 9 到内存中，并通过和页 8 中一样的方式进行数据的查找，直到将页 12 加载到内存中，发现 41 大于 40，此时不满足条件。那么查找到此终止。
最终我们找到满足条件的所有数据，总共 12 条记录：
(18,kl), (19,kl), (22,hj), (24,io), (25,vg) , (29,jk), (31,jk) , (33,rt) , (34,ty) , (35,yu) , (37,rt) , (39,rt) 。
下面看下具体的查找流程图
利用非聚集索引查找数据
读者看到这张图的时候可能会蒙，这是啥东西啊？怎么都是数字。如果有这种感觉，请仔细看下图中红字的解释。
什么？还看不懂？那我再来解释下吧。首先，这个非聚集索引表示的是用户幸运数字的索引（为什么是幸运数字？一时兴起想起来的:-)），此时表结构是这样的。
在叶子节点中，不再存储所有的数据了，存储的是键值和主键。对于叶子节点中的 x-y，比如 1-1。左边的 1 表示的是索引的键值，右边的 1 表示的是主键值。
如果我们要找到幸运数字为 33 的用户信息，对应的 sql 语句为：
MySQL
1select * from user where luckNum=33
查找的流程跟聚集索引一样，这里就不详细介绍了。我们最终会找到主键值 47，找到主键后我们需要再到聚集索引中查找具体对应的数据信息，此时又回到了聚集索引的查找流程。
下面看下具体的查找流程图：
在 MyISAM 中，聚集索引和非聚集索引的叶子节点都会存储数据的文件地址。
总结
本篇文章从二叉查找树，详细说明了为什么 MySQL 用 B+ 树作为数据的索引，以及在 InnoDB 中数据库如何通过 B+ 树索引来存储数据以及查找数据。
我们一定要记住这句话：数据即索引，索引即数据。
喜欢的朋友记得点赞、收藏、关注哦！！！
相关文章：
为什么 MySQL 用 B+ 树作为数据的索引，以及在 InnoDB 中数据库如何通过 B+ 树索引来存储数据以及查找数据
http://www.liuzk.com/410.html 索引是一种数据结构，用于帮助我们在大量数据中快速定位到我们想要查找的数据。 索引最形象的比喻就是图书的目录了。注意这里的大量，数据量大了索引才显得有意义，如果我想要在 [1,2,3,4] 中找到 4 这个数据&am…...
若依框架Ruoyi-vue整合图表Echarts中国地图标注动态数据
若依框架Ruoyi-vue整合图表Echarts中国地图 概述创作灵感预期效果整合教程前期准备整合若依框架1、引入china.json2、方法3、data演示数据4、核心代码 完整代码[毫无保留]组件调用 总结 概述 首先，我需要回忆之前给出的回答，确保这次的内容不重复&#…...
可撤销并查集，原理分析，题目练习
零、写在前面 可撤销并查集代码相对简单，但是使用场景往往比较复杂，经常用于处理离线查询，比较经典的应用是结合线段树分治维护动态连通性问题。在一些较为综合的图论问题中也经常出现。 前置知识：并查集，扩展域并查…...
中介者模式（Mediator Pattern）详解
文章目录 1. 中介者模式概述1.1 定义1.2 基本思想2. 中介者模式的结构3. 中介者模式的UML类图4. 中介者模式的工作原理5. Java实现示例5.1 基本实现示例5.2 飞机空中交通控制示例5.3 GUI应用中的中介者模式6. 中介者模式的优缺点6.1 优点6.2 缺点7. 中介者模式的适用场景8. 中介…...
Java网络编程：深入剖析UDP数据报的奥秘与实践
在浩瀚的计算机网络世界中，数据传输协议扮演着至关重要的角色。其中，用户数据报协议（UDP，User Datagram Protocol）以其独特的“轻量级”和“无连接”特性，在众多应用场景中占据了一席之地。与更为人熟知的传输控制协议（TCP，Transmission Control Protocol）相比，UDP提…...
17.thinkphp的分页功能
一．分页功能 1.不管是数据库操作还是模型操作，都使用paginate()方法来实现(第一种方式)； //查找user表所有数据，每页显示5条 returnView::fetch(index, [list > User::paginate(5)]); 页数： 2.创建一个静态模版页面…...
Pandas比MySQL快？
知乎上有人问，处理百万级数据，Python列表、Pandas、Mysql哪个更快？ Pands是Python中非常流行的数据处理库，拥有大量用户，所以拿它和Mysql对比也是情理之中。 实测来看，MySQL > Pandas > Python列表…...
问题 ｜ 低空经济未来发展前景机遇及挑战
低空经济 **一、发展前景与机遇**1. **政策红利加速释放，顶层设计逐步完善**2. **技术突破驱动商业化落地**3. **应用场景多元化拓展**4. **万亿级市场潜力** **二、主要挑战**1. **空域管理与安全监管难题**2. **技术瓶颈与产业链短板**3. **法规与标准体系待完善*…...
Matlab 分数阶PID控制
1、内容简介 Matlab218-分数阶PID控制 可以交流、咨询、答疑 2、内容说明 略 3、仿真分析 略 4、参考论文 略...
如何对 Oracle 日志文件进行校验
目录 一、基本概述 二、基础知识 1、工具介绍 （1）BBED （2）dump 2、数据解析 （1）BLOCK 0 （2）BLOCK 1 （3）Block n（ >=2 ） （4）redo record header （5）redo change 1）redo change header 2）redo change length list （6）Example 三、参考代码…...
从零开始用 AI 编写一个复杂项目的实践方法论
从零开始用 AI 编写一个复杂项目的实践方法论 这篇文章我用ai润色了一下，但是初稿是完全由我个人整理的逻辑思路，不是完全由ai生成的。其中内容也确实是我在实践中遇到问题、解决问题、总结出来的经验。 在从零开发一个复杂项目时，直接把目标…...
k8s监控方案实践（一）：部署Prometheus与Node Exporter
k8s监控方案实践（一）：部署Prometheus与Node Exporter 文章目录 k8s监控方案实践（一）：部署Prometheus与Node Exporter一、Prometheus简介二、PrometheusNode Exporter实战部署1. 创建Namespace（p…...
2.5 特征值与特征向量
本章围绕特征值、特征向量及其应用展开，是线性代数的核心章节之一。以下从四个核心考点系统梳理知识体系： 考点一：矩阵的特征值与特征向量 1. 计算方法 具体矩阵： 解特征方程 ∣ λ E − A ∣ 0 |\lambda E - A| 0 ∣λE−A∣…...
从简历筛选到面试管理：开发一站式智能招聘系统源码详解
当下，如何打造一款高效、精准的一站式智能招聘系统，成为了很多人力资源科技公司和创业团队关注的焦点。在这篇文章中，将带你深入了解如何从零开始开发一款智能招聘系统源码，涵盖从简历筛选到面试管理的全流程。 一、招聘系统的核心…...
10.进程控制（下）
一、进程程序替换（重点） 在程序替换过程中，并没有创建新的进程，只是把当前进程的代码和数据用新程序的代码和数据进行覆盖式的替换。 1）一旦程序替换成功，就去执行新代码了，后序代码不执行 2&am…...
【Python 字符串】
Python 中的字符串（str）是用于处理文本数据的基础类型，具有不可变性、丰富的内置方法和灵活的操作方式。以下是 Python 字符串的核心知识点： 一、基础特性 定义方式： s1 单引号字符串 s2 "双引号字符串" s…...
最新CDGP单选题（第四章）补充
31、 [单选] 企业数据模型主题域的识别准则必须在整个企业模型中保持一致，以下哪项是常用的主题域识别准则： A：使用规范化规则，从系统组合中分离主题域...
Cursor降智找不到文件（Cursor降智）
文章目录 明明提供了上下文，却找不到文件！ 明明提供了上下文，却找不到文件！ 解决办法，删除codebase index，最好再把那个Index new folders by default给设置为Disabled。 这样设置貌似就不会出现找不到文件…...
)
Python基于Django和MySQL实现突发公共卫生事件舆情分析系统(有大屏功能)
说明：这是一个系统实战项目（附带代码文档安装讲解），如需代码文档安装讲解可以直接到文章最后关注获取。 系统演示如下： Python基于Django和MySQL实现突发公共卫生事件舆情分析系统(有大屏功能) 项目背景 随着互联网的…...
cat、more和less的区别
在 Linux 系统中，cat、more 和 less 都是用于查看文件内容的命令，但它们在功能和使用场景上有显著区别。以下是它们的详细对比： 1. cat 命令 功能： - 直接输出整个文件：一次性将文件内容全部显示在终端上ÿ…...
Python cv2特征检测与描述：从理论到实战
在计算机视觉领域，特征检测与描述是图像匹配、物体识别、SLAM等任务的核心技术。本文将结合OpenCV的cv2库，系统讲解特征检测与描述的原理，并通过Python代码演示主流算法的实现。 一、为什么需要特征检测与描述？ 图像本质是像素矩…...
实践005-Gitlab CICD全项目整合
文章目录 环境准备环境准备集成Kubernetes Gitlab CICD项目整合项目整合整合设计 后端Java项目部署后端Java项目静态检查后端Java项目镜像构建创建Java项目部署文件创建完整流水线 前端webui项目部署前端webui项目镜像构建创建webui项目部署文件创建完整流水线 构建父子类型流水…...
为了摸鱼和吃瓜，我开发了一个网站
平时上班真的比较累，摸鱼和吃瓜还要跳转多个平台的话，就累上加累了。 所以做了一个聚合了全网主流平台热搜的网站。 目前市面上确实有很多这种网站了，所以目前最主要有两点和他们不同： 给热搜列表增加了配图，刷的时候…...
React -＞ AI组件 -＞ 调用Ollama模型, qwen3:1.7B非常聪明
使用 React 搭建一个现代化的聊天界面，支持与 Ollama 本地部署的大语言模型进行多轮对话。界面清爽、功能完整，支持 Markdown 渲染、代码高亮、<think> 隐藏思考标签、流式渐进反馈、暗黑模式适配等特性。 🧩 核心功能亮点 ✅ 模型选择…...
算法中的数学：约数
1.求一个整数的所有约数 对于一个整数x，他的其中一个约数若为i，那么x/i也是x的一个约数。而其中一个约数的大小一定小于等于根号x（完全平方数则两个约数都为根号x），所以我们只需要遍历到根号x，然后计算出另…...
性能远超SAM系模型，苏黎世大学等开发通用3D血管分割基础模型
如果把人的身体比作一座庞大的城市，那么血管无疑就是这座城市的「道路」，动脉、静脉以及毛细血管对应着高速公路、城市道路以及乡间小道，它们相互协作，通过血液将营养物质、氧气等输送到身体各处，从而维持着这座「城市…...
对 Kotlin 中的 data 关键字的理解，相比于普通类有哪些特点？
Kotlin 中的 data 关键字用于声明数据类（Data Class），它专门为简化数据模型的实现而设计的。 1 主构造函数必须至少有一个参数，且参数标记为 val 或 var 数据类的主构造函数必须至少有一个参数，并且这些参数必须使用…...
电厂参与全球能源效率排名的方法
在全球积极推动可持续能源发展的大背景下，电厂参与全球能源效率排名，对提升自身竞争力、推动行业进步意义重大。这不仅有助于电厂明确自身在全球能源领域的地位，还能促进其通过能效对标，学习先进经验，实现节能减排与高…...
〖 Linux 〗解决 VS Code 远程连接服务器的常见问题
文章目录 解决 VS Code 远程连接服务器的断开问题VS Code Remote-SSH一直弹出输入密码的问题VsCode C 语法检测失效不标红色波浪线 解决办法卸载扩展方式： 解决vscode C智能提示缓慢 解决 VS Code 远程连接服务器的断开问题 解决 vscode 卡顿，卡死&…...
谷歌 Gemma 大模型安装步骤
1.下载OllamaSetup安装包 下载地址：https://ollama.com/download 这里已Windows系统为例： 2.安装OllamaSetup客户端 3.部署大模型 在系统搜索栏里面，搜索cmd并打开 根据电脑实际配置情况选择对应的模型进行安装 【1】. 普通7B版 安装指…...
【Linux修炼手册】Linux开发工具的使用（一）：yum与vim
文章目录 一、Linux 软件包管理器——yum安装与卸载的使用方法查看软件包 二、Linux编辑器——vimvim命名模式常用指令底行模式常用指令 一、Linux 软件包管理器——yum Linux安装软件的方式有3种： 源代码安装——成本极高rmp安装——具有安装依赖、安装源、安装版…...
JAVA房屋租售管理系统房屋出租出售平台房屋销售房屋租赁房屋交易信息管理源码
一、源码描述 这是一套房屋租售管理源码，基于SpringBootVue框架，后端采用JAVA开发，源码功能完善，涵盖了房屋租赁、房屋销售、房屋交易等业务。 二、源码截图...
XL32F001国产低成本单片机，24MHz主频，24KB Flash，3KB SRAM
XL32F001 是一颗基于ARM Cortex-M0内核的32 位微控制器，专为低成本、低功耗、小型化嵌入式系统设计，适合对资源需求中等但强调性价比和能效的场景。主频可达24M，内存方面有24KB Flash和3KB SRAM，适用于资源需求不大的应用场景。1.…...
k8s术语之job
Job类型 Kubernetes支持以下几种Job: 非并行Job：通常创建一个Pod直至其成功结束 固定结束次数的Job:设置.spec.completions，创建多个 Pod，直到 .spec.completions 个 Pod 成功结束 带有工作队列的并行Job：设置.spec.Parallelism 但…...
单片机-STM32部分：8、外部中断
飞书文档https://x509p6c8to.feishu.cn/wiki/ENFswNTSGiblehkIMtfc9dYinqh 创建工程 按工程创建章节步骤，把工程创建好，并配置外部时钟源，SWD调试模式，时钟72MHz。 设置引脚模式 找到需要配置的按键，例如PC2&#…...
电子电器架构 --- 电气/电子架构如何发展以满足其处理和传感器融合需求
我是穿拖鞋的汉子，魔都中坚持长期主义的汽车电子工程师。 老规矩，分享一段喜欢的文字，避免自己成为高知识低文化的工程师： 钝感力的“钝”，不是木讷、迟钝，而是直面困境的韧劲和耐力，是面对外界噪音的通透淡然。 生活中有两种人，一种人格外在意别人的眼光;另一种人无论…...
WordPress插件：WPJAM Basic优化设置
WPJAM Basic 插件的「优化设置」是我爱水煮鱼博客多年使用 WordPress 的经验而整理的各类优化设置。 一、功能屏蔽 功能屏蔽就是屏蔽一些WordPress中用不上、难用的功能，目前的支持屏蔽以下功能： （1）屏蔽文章修订功能 文章修…...
数字电子技术基础（五十六）——JK触发器
目录 1 JK触发器 2 使用Digital软件来绘制JK触发器 1 JK触发器 对于D触发器来说，其功能是过于简单了，D触发器只有置0和置1的操作，而JK触发器相对于D触发器处理原来的保持、置位和复位的操作，还增加了翻转操作。JK触发器通过优化…...
python小说网站管理系统-小说阅读系统
目录 技术栈介绍具体实现截图系统设计研究方法：设计步骤设计流程核…...
Python程序，输入IP，扫描该IP哪些端口对外是开放的，输出端口列表
#!/usr/bin/env python # -*- coding: utf-8 -*-""" IP端口扫描程序 输入IP地址，扫描该IP哪些端口对外是开放的，输出端口列表 """import socket import sys import concurrent.futures import ipaddress from tabulate im…...
极狐GitLab 容器镜像仓库功能介绍
极狐GitLab 是 GitLab 在中国的发行版，关于中文参考文档和资料有： 极狐GitLab 中文文档极狐GitLab 中文论坛极狐GitLab 官网 极狐GitLab 容器镜像库 (BASIC ALL) 您可以使用集成的容器镜像库，来存储每个极狐GitLab 项目的容器镜像。 要为您…...
【嵌入式开发-IIC】
嵌入式开发-IIC ■ IIC简介■ IIC ■ IIC简介 ■ IIC...
能见度测量仪：能适应各种恶劣天气状况
云境天合TH-BN10能见度测量仪是一种用于测量大气能见度的专业仪器，在气象观测、交通运输、航空航海等领域发挥着关键作用。 能见度即目标物的能见距离，指观测目标物时，能从背景上分辨出目标物轮廓的最大距离，是重要的气象观测要素…...
运维打铁：服务器分类及PHP入门
文章目录 C/S架构和B/S架构C/S架构B/S架构 服务器分类服务器类型服务器软件 使用 WampServer 搭建 HTTP服务集成环境的分类WampServer 的安装测试访问配置网站根目录 静态网站和动态网站PHP的常见语法第一段 php 代码注释变量数据类型运算符函数的定义类和对象内容输出循环语句…...
SpringBoot应急知识学习系统开发实现
概述 一个基于SpringBoot开发的应急知识学习系统，该系统提供了完整的用户注册、登录、知识学习与测评功能。对于开发者而言，这是一个值得参考的免费Java源码项目，可以帮助您快速构建类似的教育平台。 主要内容 5.2 注册模块的实现 系统采…...
系统思考助力富维东阳
刚刚完成了长春一家汽车零配件公司关于系统思考的项目！ 在开班仪式上，公司总经理深刻阐述了项目的背后意义，强调了系统思考与公司战略的紧密联系。这不仅是一次培训，更是一次关于“如何全方位看待问题”的深度对话。 在这个过程中…...
《供应链网络攻击的风险与防范》
中国古语有云：“千里之堤，溃于蚁穴。”供应链攻击正是利用这种系统性弱点发起攻势。近年来，随着国内数字化转型加速，供应链安全问题频发。从某盟删库事件到某头部物流企业数据泄露，从某国产工业软件遭恶意代码植入到某…...
【MySQL】进阶知识详解
目录 引言一、约束：数据完整性的守护者1.1 约束的作用与分类1.2 约束的语法详解非空约束唯一约束主键约束外键约束1.3 约束实战案例二、数据库设计：表关系的艺术2.1 三种核心表关系一对多（部门-员工）多对多（学生-课程）一对一（用户-详情）三、多表查询：数据关联的桥梁3.…...
SpringBoot中使用MCP和通义千问来处理和分析数据-连接本地数据库并生成实体类
文章目录 前言一、正文1.1 项目结构1.2 项目环境1.3 完整代码1.3.1 spring-mcp-demo的pom文件1.3.2 generate-code-server的pom文件1.3.3 ChatClientConfig1.3.4 FileTemplateConfig1.3.5 ServiceProviderConfig1.3.6 GenerateCodeController1.3.7 Columns1.3.8 Tables1.3.9 Fi…...
算法每日一题 | 入门-分支结构-Apples Prologue/苹果和虫子
Apples Prologue/苹果和虫子 题目描述 小 B 喜欢吃苹果。她现在有 m m m（1 ≤ m ≤100）个苹果，吃完一个苹果需要花费 t t t（0 ≤ t≤ 100）分钟，吃完一个后立刻开始吃下一个。 现在时间过去了 s s s&a…...