当需要从数据库查询的表有上万条记录的时候，一次性查询所有结果会变得很慢，特别是随着数据量的增加特别明显，这时就需要使用分页查询。对于数据库分页查询，也有很多种方法和优化的点。谈优化前的准备工作为了对下面列举的一些优化进行测试，需要使用已有的一张表作为实际例子。表名：order\_history。描述：某个业务的订单历史表。主要字段

说一下mysql比较宏观的面试，具体咋写sql的这里就不过多举例了。后面我还会给出一个关于mysql面试优化的试题，这里主要说的索引和BTree结构，很少提到我们的集群配置优化方案。1.索引是什么？有什么作用以及缺点　　答：索引是对数据库表中一列或多列的值进行排序的一种结构，使用索引可快速访问数据库表中的特定信息。也可以理解为索引就

“新建智能映射”：新建填报操作填报操作名称：设置这个填报操作的名称数据源：设置这个填报操作映射的数据源点击“下一步”，选择数据库表Schema：选择这个数据库的Schema。表名筛选：查找需要选择的数据表，不区分大小写。勾选需要填报的数据表，点击“下一步”，设置填报字段填报单元格：选择填报操作时，这个字段对应报表中的哪个字段的值。勾选主键：当数据进行填报时

1.数据切分概念数据的切分根据其切分规则的类型，可以分为两种切分模式。一种是按照不同的表（或者Schema）来切分到不同的数据库（主机）(https://jq.qq.com/?wv1027&k0IsBuUb0)之上，这种切可以称之为数据的垂直（纵向）切分；另外一则是根据表中的数据的逻辑关系，将同一个表中的数据按照某种条件拆分到多台数据库（主机）上面，这种切

中大概阐述了一下我们之前碰到过的一些应用开发中的痛点：现有的云数据库起步使用成本较高应用开发对团队的起步要求较高现有云数据库配置复杂这些痛点当然不是我们先发现的，也不是我们先要尝试解决的。Google早在2014年就收购了firebase，或许是对这些痛点认可的最佳佐证。就在前两天，InfoQ上发布了一篇翻译文章：，这其实是作者的副标题，原标题是，文章

Canvas和SVG是html5支持的两种可视化技术。基于这两种技术，诞生了很多可视化工具。Echarts是基于Canvas技术的可视化工具，底层封装了原生的JavaScript的绘图API。我们很容易联想到另一个同样很优秀的web前端可视化库D3，D3是也最流行的可视化库之一，它被很多其他的表格插件所使用。D3底层基于SVG技术，与Canvas完全不

Kafka连接器是Kafka的一部分，是在Kafka和其它技术之间构建流式管道的一个强有力的框架。它可用于将数据从多个地方（包括数据库、消息队列和文本文件）流式注入到Kafka，以及从Kafka将数据流式传输到目标端（如文档存储、NoSQL、数据库、对象存储等）中。现实世界并不完美，出错是难免的，因此在出错时Kafka的管道能尽可能优雅地处理是最好的。一

和关系数据库一样，Neo4j同样可以创建索引来加快查找速度。在关系数据库中创建索引需要索引字段和指向记录的指针，通过索引可以快速查找到表中的行。在Neo4j中，其索引是通过属性来创建，便于快速查找节点或者关系。手动索引先来说一下怎样创建手动索引。创建索引采用显示创建，就像添加节点一样添加索引项，一个索引项标识的是一个节点或

 近期略有点诸事不顺，趁略有闲余之时，玩起D3.js。之前实际项目中主要是用各种chart如hightchart、echarts等，这些图形库玩起来貌都是完美的，一切皆可配置，但几年前接触了D3之后，觉得前面那chart类库局限的地方在于，基本不可定制；而D3呢，你说了算，你想画出什么样的图，你说了算，自由度很大，当时就有点膜拜和仰慕，小打小闹的玩了几下，没

【MySQL】164\.数据库的三范式是什么？第一范式：强调的是列的原子性，即数据库表的每一列都是不可分割的原子数据项。第二范式：属性完全依赖于主键（满足第一范式的前提下），即任意一个字段只依赖于表中的同一个字段。第三范式：任何非主属性不依赖于其它非主属性（满足第二范式的前提下）。即不存在传