redis五大数据类型String（字符串）# 设置值 set test test1 # 获取值 get test # 查看所有值 keys * # 判断值是否存在 EXISTS test # 追加值，如果没有相当于set APPEND test ',ceshichenggong' # 查看key的长度 strlen test # 数字类型增加1 INCR view # 数字类型减少1 DECR view # 指定增量为5 INCRBY view 5 # 指定减量为3 DECRBY view 3 # 截取字符串[1,4] GETRANGE key 1 4 # 获取全部的字符串，相当于get GETRANGE key 0 -1 ############################################## # setex (set with expire) #设置过期时间 # setnx (set if not exist) #不存在再设置（在分布式锁中会常常使用！） # 设置key1 的值为hello，30秒后过期 setex key1 30 'hello' # 查看还有多久过期 ttl key1 # 如果mykey不存在，创建mykey setnx mykey redis #如果mykey存在，创建失败！ setnx mykey 'nihao' ############################################# #对象 # 设置一个user:1对象 值为json字符串来保存一个对象 set user:1 {name:zhangsan,age:3} # 获取对象值 get user:1 "{name:zhangsan,age:3}" # 这里的key是一个巧妙的设计：user:{id}:{filed},如此设计在Redis中是完全OK mset user:1:name zhangsan user:1:age 2 mget user:1:name user:1:ageLIst基本的数据类型，列表;在redis里面，我们可以把list玩成栈，队列，阻塞队列,所有的List命令都是用L开头的# 左边插入 LPUSH list one # 获取 LRANGE list 0 -1 # 右边插入 RPUSH list four # 获取 LRANGE list 0 -1 ################################### # 移除列表的右边第一个 RPOP list # 移除列表的左边第一个 ################################# # 查询值 Lindex list 1 # 移除值 lrem list 1 one 小结他实际上是一个链表，before Node after ， left，right都可以插入值如果key不存在，创建新的链表如果key存在，新增内容如果移除了所有值，空链表，也代表不存在！在两边插入或者改动值，效率最高！中间元素，相对来说效率会低一点~setset中的值是不能重复的！# set集合中添加值 sadd myset hello # 查看指定set的所有值 smembers myset # 判断某一个值是不是在set集合中！ SISMEMBER myset hello #移除set集合中的指定元素 srem myset hello # 查看集合中还有几个元素 scard myset # 随机抽选一个元素 srandmember myset # 随机抽选出指定个数的元素 srandmember myset 2 ######################################################## # 随机删除一些set集合中的元素！ spop myset # 将一个指定的值，移动到另外的一个set集合中！ smove myset myset2 "nihao" 数字集合类： - 交集 SINTER - 并集 SUNION - 差集 SDIFFHash(哈希)Map集合，key-map！时候这个值是一个map集合！本质和String类型没有太大区别，还是一个简单的key-value！set myhash field xiaobohset myhash field1 xiaobo # set一个具体 key-value hget myhash field1 xiaobo # 获取一个字段值 hmget myhash field1 field2 # 获取多个字段值 hgetall myhash # 获取全部的数据 hdel myhash field1 # 删除hash指定key字段！对应的value值也就消失了！ hgetall myhash hlen myhash # 获取hash表的字段数量！ ####################################################### #只获得所有field #只获得所有value hkeys myhash #只获得所有field hvals myhash #只获得所有value Zset（有序集合）zadd myset 1 0ne #添加一个值 zadd myset 2 two 3 three #添加多个值 zadd salary 2500 zhangsan #添加三个值 zadd salary 5000 lisi zadd salary 500 wangwu zrangebyscore salary -inf +inf #从小到大排序 zrevrang salary 0 -1 #从大到小进行排序 zrangebyscore salary -inf +inf withscores #显示全部的用户并且附带成绩 zrangebyscore salary -inf 2500 withscores #显示工资小于2500员工的升降排序 ###################################################################### #移除rem中的元素 zrem salary xiaobo #移除有序集合中的指定元素 zcard salary #获取有序集合中的个数 zcount myset 1 3 #获取指定区间的成员数量！

索引的长度太长有影响吗?为什么更推荐前缀索引？

联合索引是越多越好吗?我多建几个索引不是更好吗?

为什么MySQL会选错索引，如何解决？它是怎么进行索引选择的？

大学一直强调数据库范式，外键约束，但是实际工作中经常是反范式，不做外键约束。是正常的吗？为什么工作中不建议使用外键约束。

在进行DDL期间会阻塞DML动作吗?

where条件的顺序影响使用索引吗?比如有一个联合索引<a,b>,where a,b或者where b,a有区别吗

数据库字段加密后如何做模糊查询?

【重磅直播 | openGauss实战进阶：解密银行级数据库开发】🔥 大连理工教授马瑞新亲授 | 华为开发者布道师线上直播第8期📅 时间：3月20日 19:00🎯 主题：基于openGauss的银行业务系统进阶实验分享核心亮点：行业标杆案例：从0到1拆解银行级数据库架构设计，直击金融场景核心需求。全链路技术实战：覆盖建库表、密态计算、AI集成、性能调优等高阶技能，手把手教你玩转openGauss。专家深度洞察：马瑞新教授结合学术理论与工业实践，揭秘数据库开发中的“避坑指南”。为什么不容错过？华为生态深度赋能：openGauss作为国产数据库标杆，技术红利正当时。职场竞争力加持：掌握金融级数据库能力，晋升“高可用、高安全”系统架构的核心人才。从理论到落地：拒绝纸上谈兵，案例驱动式学习，直击业务痛点。🚀 点击报名，3月20日一起进阶数据库开发天花板！报名链接：cid:link_0  

 锁粒度问题在早期版本的MySQL中，查询缓存存在锁粒度问题，其中锁的范围较大，对于高并发环境可能导致性能下降。当查询缓存开启时，如果对一张表进行写操作（比如插入、更新、删除），整个表的查询缓存将被失效，这可能导致锁住整个表而不是仅仅影响到那些被修改的部分。这就意味着即使只有很小一部分数据被修改，整个表的查询缓存都会失效，而其他查询也会被阻塞等待缓存失效后的刷新。这种锁定方式会对数据库的并发性能产生负面影响，尤其是在高并发环境中，可能会造成大量的阻塞，降低数据库的响应速度。内存管理开销维护查询缓存需要消耗大量内存资源，对于大型数据库而言，这可能导致内存管理上的瓶颈。查询缓存会在表增删改的情况下失效，所以查询缓存适合读多写少的场景，理想的场景往往是只读的。对于表分区默认查询缓存关闭。对于未命中缓存的Sql，会进行数据写入，官方统计会消耗13%的资源。并发性能问题查询缓存对于高并发环境下的性能并没有显著提升，反而可能引起性能下降。尽管MySQL查询缓存旨在提高性能，但它存在严重的可扩展性问题，很容易成为严重的瓶颈。复杂的失效策略缓存的命中率不高，且在数据变更时需要进行缓存的失效和刷新，导致复杂的策略和额外的性能开销。MySQL查询缓存命中率不高的主要原因如下：复杂的SQL查询：复杂的SQL查询语句往往不容易被缓存。当SQL查询中包含变量、函数、子查询或时间戳等动态内容时，这些查询难以在缓存中找到完全匹配的相同查询，因此缓存命中率较低。数据更新频繁：如果数据库中的数据频繁更新（插入、更新、删除），那么查询缓存将更容易被清空或失效。一旦数据被修改，与该数据相关的缓存会被清除，导致缓存的命中率下降。查询结果集较大：大型查询结果集不太可能被完全缓存，因为缓存的空间是有限的。如果查询结果集很大，即使一部分结果被缓存了，仍可能导致整个查询结果无法完全命中缓存。缓存配置限制：MySQL查询缓存是在服务器级别进行配置的，可能会受到配置限制的影响。例如，如果查询缓存的内存分配较小，那么只有部分查询结果能够被缓存。不同的连接参数或会话参数：MySQL查询缓存对会话级别和连接级别的参数敏感。不同的连接参数或会话参数可能会导致相同查询的缓存无法命中。缓存失效策略：MySQL查询缓存使用的失效策略可能不够灵活，当数据发生变化时，相关的缓存可能无法及时更新，导致缓存命中率降低。与其他功能的冲突查询缓存和InnoDB MVVC结合存在冲突，因为InnoDB的事务隔离级别。InnoDB在RD和RC事务隔离级别下，多个不同的事务使用相同的SELECT语句会在内存中产生个不同的事务数据副本，这时候如果使用查询缓存来返回一个事务的查询，就可能会违反事务的隔离级别。基于以上的原因，InnoDB的事务性读取可能不会从查询缓存中获取结果集，或者说很多时间查询缓存中的数据无法满足InnoDB对数据的需求。缓存位置的影响研究表明，缓存越靠近客户端，获得的好处越大。MySQL 8.0取消查询缓存的另外一个原因是，考虑到将缓存放在客户端可能更有利于提高性能。

数据库使用存储过程存在以下弊端：开发与调试困难调试工具不足：存储过程的开发调试比一般程序困难，由于IDE的问题，开发人员往往难以进行有效的调试。错误排查复杂：存储过程中的错误可能导致服务器宕机，且由于其代码难以解读，错误排查和修复的难度较大。可移植性差数据库间差异：不同数据库系统对存储过程的支持和语法存在差异，这使得将存储过程从一个数据库移植到另一个数据库时，可能需要进行大量的修改。与应用程序的耦合：存储过程与特定的数据库紧密耦合，这限制了应用程序的可移植性，增加了系统迁移的成本。维护成本高逻辑分散：存储过程中的业务逻辑分散在数据库中，这使得维护和管理变得复杂，尤其是在大型项目中。版本控制困难：由于存储过程存储在数据库中，对其进行版本控制和管理变得困难，这可能导致不同环境中的存储过程版本不一致。性能问题编译和缓存：虽然存储过程在创建时进行编译，但在某些情况下，如数据库版本升级或服务器重启后，可能需要重新编译，这会影响性能。内存占用：存储过程可能占用大量内存，尤其是在处理复杂业务逻辑时，这可能导致数据库服务器的性能下降。安全风险权限管理复杂：存储过程的权限管理较为复杂，如果权限设置不当，可能导致安全漏洞。SQL注入风险：尽管存储过程可以防止SQL注入攻击，但如果存储过程中使用了动态SQL，且没有进行严格的参数检查，仍然存在SQL注入的风险。

GaussDB数据倾斜的处理方法如下：存储层数据倾斜选择合适的分布列：在创建表时，应选择键值重复度小、数据分布比较均匀的列作为分布列，如采用Hash分布策略时，需确保分布列能使数据均匀分布在各个数据节点上。若分布列选择不当导致数据倾斜，需重新选择分布列并重建表。数据重分布：对于已存在数据倾斜的表，可以使用数据重分布功能来重新调整数据的分布。例如，在GaussDB中，可以使用ALTER TABLE语句来修改表的分布列或分布策略，从而实现数据的重新分布。计算层数据倾斜RLBT特性：GaussDB提供了RLBT（Runtime Load Balance Technology）方案来解决运行时的计算倾斜问题。该特性由参数skew_option控制，可自动识别和解决计算过程中的数据倾斜。优化SQL语句：对于group by、over()、distinct算子引起的计算倾斜，可以采用增加过滤条件、减少数据量来降低重分布带来的成本开销，或者根据实际情况开启SMP并行，加快执行速度。如果计算倾斜来自于join关联，可尝试调整join条件或优化查询逻辑。其他方法处理空值引发的数据倾斜：可以直接不让null值参与join操作，即不让null值有shuffle阶段，或者给null值赋一个固定值，使其参与计算时不会导致数据倾斜。使用视图或函数获取倾斜情况：GaussDB提供了一些视图和函数来帮助获取表的倾斜情况，如pgxc_get_table_skewness视图和table_distribution函数等。通过这些视图和函数，可以快速定位存在数据倾斜的表，以便进行针对性的处理。

Manus作为一款AI Agent，在多个方面展现出了相较于传统AI Agent的优势，这也是它继DeepSeek之后引起轰动的原因：技术创新与执行能力自主执行任务：Manus是全球首款真正意义上的通用AI Agent，与传统AI仅能生成想法不同，它能在现实世界执行任务，自主完成从规划到执行的全过程，交付完整成果。例如，在求职招聘场景中，它可以自动解压收到的简历压缩包，按照预设的筛选标准，如学历、工作经验、技能专长等，逐页查看简历内容并精准筛选出合适的候选人，大大节省了人力和时间成本。多工具调用与复杂任务处理：Manus能够在虚拟环境中调用各类工具，来完成编写和执行代码、浏览网页、操作应用等复杂任务。在分析股票价格之间的相关性的场景中，Manus先是通过API访问雅虎金融等信息网站，获取股票历史数据，同时还会交叉验证数据准确程度，避免被单一信息来源误导。之后，它使用Python进行数据分析和可视化，引入金融相关的专业工具进行深入分析，最终通过数据可视化图表搭配详尽的综合分析报告，向用户清晰地反馈其中的因果关系。用户体验与需求满足降低使用门槛：以往Cursor类产品操作复杂，对普通用户门槛高，而Manus大大降低了使用门槛，让更多人能够轻松上手。它可以像人类实习生一样解压简历文件并逐页查看筛选，还能分析股票数据、规划旅行、创建教育内容、分析财务报告等，解决了传统AI“只会说不会做”的难题，完美契合中小企业降本增效的急切需求。满足多样化需求：Manus擅长处理工作与生活中的各类任务，无论是求职简历筛选、房产研究、股票分析，还是高考填报志愿、旅行路线规划、按需做PPT等，都能根据用户需求导出成品，为用户提供了全方位的解决方案。营销推广与市场策略社交媒体传播：Manus在社交媒体上通过科技博主测评和用户生成内容（UGC）引发了热烈讨论，如分享“用Manus做副业月入过万”等案例，在抖音、微博等平台迅速传播开来，提高了产品的知名度和影响力。邀请码制度与稀缺性营造：Manus采用邀请码制度，营造了产品的稀缺性与神秘感，刺激更多人在社交平台上求码，进一步扩大了产品的影响力。虽然这种方式被质疑为“饥饿营销”，但在一定程度上确实引发了用户的好奇心和获取欲望。行业背景与发展趋势AI技术迭代与物联网融合：AI技术的迭代促使物联网设备智能化程度大幅跃升，Manus这类智能工具可以对生产线上各类设备运行数据进行深度分析，预测设备故障，优化生产流程，拓宽了AI的应用场景和市场空间，为其引起轰动提供了行业基础。市场对AI智能体的期待：当前市场都在期待AI的超级应用能够像iPhone一样带来变革性的影响，而Manus作为一款具有高度智能化、自主性和广泛应用场景潜力的AI Agent，符合市场对AI发展的期待，因此受到了广泛关注。

以下是关于GaussDB数据库统计信息自动收集时间设置和查看执行时间的方法：设置统计信息自动收集时间GaussDB数据库的统计信息自动收集时间可以通过创建定时任务来设置。以下是一个示例，展示如何使用DBE_TASK.ID_SUBMIT函数创建一个定时任务，使其在每天凌晨两点执行统计信息收集：CALL DBE_TASK.ID_SUBMIT (job_id, 'gather_stats_procedure', '2025-03-16 02:00:00', 'interval ''1 day''');在上述示例中，'gather_stats_procedure'是一个存储过程，用于执行统计信息收集。'2025-03-16 02:00:00'是任务的开始时间，设置为凌晨两点。'interval ''1 day'''表示任务每天执行一次。查看统计信息自动执行时间要查看统计信息自动执行时间，可以查询数据库中的定时任务相关视图。在GaussDB中，可以使用以下视图来查看定时任务的详细信息：MY_JOBS视图：该视图显示当前用户所属的定时任务详情，包括任务的开始时间、上次运行时间、下次执行时间等。通过查询该视图，可以获取统计信息自动执行的时间信息。以下是一个示例查询，展示如何使用MY_JOBS视图查看定时任务的详细信息：SELECT job, dbname, start_date, last_date, this_date, next_date, broken, status, interval, failures, whatFROM my_jobs;在上述示例中，查询结果将显示定时任务的相关信息，包括任务的开始时间和下次执行时间，从而可以确定统计信息自动执行的时间。通过以上方法，您可以在GaussDB数据库中设置统计信息自动收集时间，并查看其执行时间。 要将GaussDB数据库WDR报告的两次快照间隔时间从默认的1小时更改为30分钟，可以按照以下步骤进行操作：登录数据库管理平台登录到GaussDB数据库的管理平台，进入到数据库实例的管理页面。进入WDR报告页面在实例管理页面中，找到并点击指定的实例名称，进入实例详情页面。然后在左侧导航栏中点击“诊断优化>性能报告>WDR报告”，显示WDR报告页面。修改快照间隔时间在WDR报告页面中，找到“获取快照数据开关”的选项，点击该选项后，系统会提示输入新的快照间隔时间。将间隔时间从默认的1小时修改为30分钟，然后点击“确定”或“保存”按钮，完成修改。确认修改结果修改完成后，系统会提示修改成功。可以在WDR报告页面中查看新的快照间隔时间是否已经生效。如果生效，系统将按照新的间隔时间进行快照采集。通过以上步骤，就可以成功地将GaussDB数据库WDR报告的两次快照间隔时间从1小时更改为30分钟。

云数据库与其他数据库（如传统商业数据库、开源数据库）在多个方面存在差异，以下是它们的对比：对比维度对比维度云数据库传统商业数据库开源数据库部署方式部署在云端，由云服务提供商提供基础设施和管理服务需要企业自行购买硬件、安装软件并进行维护需要企业自行下载、安装和配置，可在企业内部服务器或租用的服务器上部署成本通常采用订阅模式，按使用量计费，成本较低，尤其适合中小企业软件授权费用高昂，还需考虑硬件、维护等成本，总体成本较高软件本身免费，但可能需要支付技术支持费用，硬件和维护成本由企业自行承担可扩展性具有高度弹性，可根据业务需求快速扩展或收缩资源扩展相对困难，可能需要购买新的硬件和软件许可证可扩展性较强，但可能需要企业自身具备一定的技术能力来实现维护管理由云服务提供商负责维护和管理，企业只需使用数据库需要企业自己组建专业的数据库管理团队，进行日常维护、备份、恢复等工作需要企业自己或借助第三方技术支持进行维护管理安全性云服务提供商提供一定的安全保障措施，如数据加密、访问控制等，但也存在多租户等安全挑战企业可根据自身需求进行更严格的安全配置和管理，但安全责任完全由企业承担安全措施由企业自行实施，可根据具体需求进行定制化配置性能性能可能受到云平台的限制，但云服务提供商通常会提供优化措施性能取决于企业自身的硬件配置和数据库优化能力性能取决于企业的硬件和软件配置以及优化能力功能扩展可能会受到云服务提供商的限制，某些高级功能可能需要额外付费功能丰富，可根据企业需求进行定制化开发和扩展具有丰富的扩展生态，企业可根据自身需求自由选择和安装扩展插件适用场景适合中小企业、创业公司以及对成本和可扩展性要求较高的企业适合对安全性、稳定性和功能要求较高的大型企业适合对成本敏感、对技术有一定掌控能力且对功能有特定需求的企业结论云数据库的优势：在于成本低、可扩展性强、维护管理简单，适合中小企业和创业公司。传统商业数据库的优势：在于安全性高、功能丰富、定制性强，适合对数据安全和功能要求较高的大型企业。开源数据库的优势：在于成本低、可定制性强、具有丰富的扩展生态，适合对成本敏感且对技术有一定掌控能力的企业。企业在选择数据库时，应根据自身的业务需求、预算、技术能力等因素综合考虑，选择最适合自己的数据库解决方案。