13518219792
\ 对于 information_schema 中的元数据表，执行计划不能提供有效信息。\ 通过查看 MySQL 改写后的 SQL，我们猜测了优化器发生了误判。\ 我们增加了 hint，指导 MySQL 正确进行优化判断。
目前创新互联已为1000多家的企业提供了网站建设、域名、虚拟空间、网站托管、服务器托管、企业网站设计、临县网站维护等服务，公司将坚持客户导向、应用为本的策略，正道将秉承"和谐、参与、激情"的文化，与客户和合作伙伴齐心协力一起成长，共同发展。
十万条数据已经够多了，通常最好的办法就是创建索引，创建索引的命令： CREATE INDEX index_name ON table_name(index_col_name，...)； index_name：这是索引的创建名称，你自己命一个名称。
查看建立索引前面的返回的结果。假如没有索引的话，explain会显示返回查询全表的数据自然会很慢了。
如果服务器本地快，但页面查询慢，那就排除了性能问题，考虑网络问题与页面查询语句调用的驱动模块是否有问题。检测网络连接速度，如慢尝试更换网线。网络连接速度正常，则尝试更换调用的驱动包，重新下一个或换一个版本。
通过查询日志(1)、Windows下开启MySQL慢查询MySQL在Windows系统中的配置文件一般是是my.ini找到[mysqld]下面加上代码如下log-slow-queries = F：/MySQL/log/mysqlslowquery。
第一，MySQL本身提供了很多命令来观察MySQL自身的各类状态，大家从上往下检一般能检到SQL的问题或者服务器的问题。
1、嵌套结构解决了我们查询嵌套文档字段的问题，同样的，也可以解决，在es中实现类似mysql的join查询的问题。
2、如果这里显示错误，先把 % 改为一个 IP ，然后再利用 phpMyAdmin 把 IP 改为 % ，测试无误后就可以写 php 程序。
3、想问下原来数据库中的数据会不会有更新和删除，如果有的话，想实时同步到hive中很难。另外即使能实时同步到hive中，hive中分析查询也速度也比较慢的。
1、其实es中是没有单独的数组这一类型，因为他所有的字段都支持数组，比如你是text，你可以放多个值进去，以name为例，你可以放 name：[张三， 李四] 这样的数据进去。
2、如下所示数据库表创建成功：插入数据实现代码：插入数据结果：Python查询Mysql使用 fetchone() 方法获取单条数据， 使用fetchall() 方法获取多条数据。
3、可以使用Python的MySQL Connector来连接MySQL数据库，然后执行SQL查询语句。查询结果是一个结果集，每一行代表一个记录，可以使用for循环或者fetchone()函数来逐行遍历结果集，并对每一行进行处理。
4、先把 % 改为一个 IP ，然后再利用 phpMyAdmin 把 IP 改为 % ，测试无误后就可以写 php 程序。
）、elasticsearch-jdbc，严格意义上它已经不是第三方插件。已经成为独立的第三方工具。
其实es中是没有单独的数组这一类型，因为他所有的字段都支持数组，比如你是text，你可以放多个值进去，以name为例，你可以放 name：[张三， 李四] 这样的数据进去。
目前mysql与elasticsearch常用的同步机制大多是基于插件实现的，常用的插件包括：elasticsearch-jdbc，elasticsearch-river-MySQL，go-mysql-elasticsearch，logstash-input-jdbc。本文对四种插件的优缺点进行了图表对比。
1、将查询语句放到服务器命令行去跑，如果慢，则可以考虑通过添加索引来提高查询速度。如已有索引或添加索引后查询速度仍未改善，查看语句执行计划中，是全表扫描还是走索引。
2、十万条数据已经够多了，通常最好的办法就是创建索引，创建索引的命令： CREATE INDEX index_name ON table_name(index_col_name，...)； index_name：这是索引的创建名称，你自己命一个名称。
3、如果由于各种原因，导致这个插入还是很慢， 而且你的MYSQL又是0以上版本的话，可以使用BulkCopy来进行批量操作。
4、由于在参与的实际项目中发现当mysql表的数据量达到百万级时，普通SQL查询效率呈直线下降，而且如果where中的查询条件较多时，其查询速度简直无法容忍。
5、有3种方法可以加快MySQL服务器的运行速度，效率从低到高依次为：替换有问题的硬件。对MySQL进程的设置进行调优。对查询进行优化。替换有问题的硬件通常是我们的第一考虑，主要原因是数据库会占用大量资源。
6、先安装 Apache Spark，查询数据库的速度可以提升10倍。在已有的 MySQL 服务器之上使用 Apache Spark （无需将数据导出到 Spark 或者 Hadoop 平台上），这样至少可以提升 10 倍的查询性能。
之前我们已经了解过，Elasticsearch是一个基于Lucene实现的分布式全文检索引擎，其实Elasticsearch倒排索引就是Lucene的倒排索引。
Elasticsearch实现全文检索，首先要确定分词器，ES默认有很多分词器，可参考guan 方文档。了解分词器主要是怎么实现的。一般中文分词器使用第三方的ik分词器、mmsegf分词器和paoding分词器，最初可能构建于lucene，后来移植于ES。
倒排索引采用ImmutableDesign，一旦生成，不可更改。Segment写入磁盘的过程相对耗时，所以借助文件系统缓存，Refresh时，先将Segment写入文件缓存中，以开放查询。
首先将文本分成适合索引的独立的词条。将这些分出来的词条进行标准化，以提高索引程度。字符过滤器：该过滤器是进行分词前的整理，比如将文本中的Html字符去掉，将 ‘&’ 转换为 ‘and’等。
