java取c#时间戳

在Java方面，日期通常由（设计欠佳，但不包括在内）表示java.util.Date。它基本上是由支持大纪元时间中的味道long，也称为时间戳。它包含有关日期和时间部分的信息。在Java中，精度以毫秒为单位。 在SQL方面，有几个标准的日期和时间类型，DATE，TIME和TIMESTAMP（在一些DB也叫DATETIME），这是代表在JDBC为java.sql.Date，java.sql.Time和java.sql.Timestamp所有子类的java.util.Date。精度取决于数据库，通常像Java一样以毫秒为单位，但是也可以以秒为单位。 与相反java.util.Date，java.sql.Date仅包含有关日期部分（年，月，日）的信息。像一样，Time仅包含有关时间部分（小时，分钟，秒）的Timestamp信息，并且包含有关两个部分的信息java.util.Date。 在数据库（因此，java.util.Date在Java端和java.sql.TimestampJDBC端）中存储时间戳的通常做法是使用PreparedStatement#setTimestamp()。 java.util.Date date = getItSomehow(); Timestamp timestamp = new Timestamp(date.getTime()); preparedStatement = connection.prepareStatement("SELECT * FROM tbl WHERE ts > ?"); preparedStatement.setTimestamp(1, timestamp); 从DB获得时间戳的正常做法是使用ResultSet#getTimestamp()。 Timestamp timestamp = resultSet.getTimestamp("ts"); java.util.Date date = timestamp; // You can just upcast.来源：stack overflow

还早###### 当前时间戳： System.currentTimeMillis() 没必要用int直接用long######我咋没看出来他是用的Java###### 2147483648北京时间是2038/1/19 11:14:8###### 不要冒这个险，本来毫秒数就是long的，这么做1违规2不安全。###### 引用来自“蓝水晶飞机”的评论 不要冒这个险，本来毫秒数就是long的，这么做1违规2不安全。 正解，使用long就不用操那么多心了###### 用 Long ,下一题。###### 有时会数据溢出，用Long ###### 对，有时候会时间溢出，还有就是，如果只取时分秒的时候，会差8个小时###### 就是我需要一个id 为int类型，需要保证每一次的都不一样， 除了时间戳，别的简便方法 有人推荐个？ 随机数不一定真的随机的啊######数据库不是可以设置自增长么？###### 引用来自“用纸狂魔”的评论 就是我需要一个id 为int类型，需要保证每一次的都不一样， 除了时间戳，别的简便方法 有人推荐个？ 随机数不一定真的随机的啊 有并发问题的话，时间戳也会重复啊

还早###### 当前时间戳： System.currentTimeMillis() 没必要用int直接用long######我咋没看出来他是用的Java###### 2147483648北京时间是2038/1/19 11:14:8###### 不要冒这个险，本来毫秒数就是long的，这么做1违规2不安全。###### 引用来自“蓝水晶飞机”的评论 不要冒这个险，本来毫秒数就是long的，这么做1违规2不安全。 正解，使用long就不用操那么多心了###### 用 Long ,下一题。###### 有时会数据溢出，用Long ###### 对，有时候会时间溢出，还有就是，如果只取时分秒的时候，会差8个小时###### 就是我需要一个id 为int类型，需要保证每一次的都不一样， 除了时间戳，别的简便方法 有人推荐个？ 随机数不一定真的随机的啊######数据库不是可以设置自增长么？###### 引用来自“用纸狂魔”的评论 就是我需要一个id 为int类型，需要保证每一次的都不一样， 除了时间戳，别的简便方法 有人推荐个？ 随机数不一定真的随机的啊 有并发问题的话，时间戳也会重复啊

还早###### 当前时间戳： System.currentTimeMillis() 没必要用int直接用long######我咋没看出来他是用的Java###### 2147483648北京时间是2038/1/19 11:14:8###### 不要冒这个险，本来毫秒数就是long的，这么做1违规2不安全。###### 引用来自“蓝水晶飞机”的评论 不要冒这个险，本来毫秒数就是long的，这么做1违规2不安全。 正解，使用long就不用操那么多心了###### 用 Long ,下一题。###### 有时会数据溢出，用Long ###### 对，有时候会时间溢出，还有就是，如果只取时分秒的时候，会差8个小时###### 就是我需要一个id 为int类型，需要保证每一次的都不一样， 除了时间戳，别的简便方法 有人推荐个？ 随机数不一定真的随机的啊######数据库不是可以设置自增长么？###### 引用来自“用纸狂魔”的评论 就是我需要一个id 为int类型，需要保证每一次的都不一样， 除了时间戳，别的简便方法 有人推荐个？ 随机数不一定真的随机的啊 有并发问题的话，时间戳也会重复啊

悲观锁 悲观锁（Pessimistic Lock），顾名思义，就是很悲观，每次去拿数据的时候都认为别人会修改，所以每次在拿数据的时候都会上锁，这样别人想拿这个数据就会block直到它拿到锁。 悲观锁：假定会发生并发冲突，屏蔽一切可能违反数据完整性的操作。 Java synchronized 就属于悲观锁的一种实现，每次线程要修改数据时都先获得锁，保证同一时刻只有一个线程能操作数据，其他线程则会被block。 乐观锁 乐观锁（Optimistic Lock），顾名思义，就是很乐观，每次去拿数据的时候都认为别人不会修改，所以不会上锁，但是在提交更新的时候会判断一下在此期间别人有没有去更新这个数据。乐观锁适用于读多写少的应用场景，这样可以提高吞吐量。 乐观锁：假设不会发生并发冲突，只在提交操作时检查是否违反数据完整性。 乐观锁一般来说有以下2种方式： 使用数据版本（Version）记录机制实现，这是乐观锁最常用的一种实现方式。何谓数据版本？即为数据增加一个版本标识，一般是通过为数据库表增加一个数字类型的 “version” 字段来实现。当读取数据时，将version字段的值一同读出，数据每更新一次，对此version值加一。当我们提交更新的时候，判断数据库表对应记录的当前版本信息与第一次取出来的version值进行比对，如果数据库表当前版本号与第一次取出来的version值相等，则予以更新，否则认为是过期数据。 使用时间戳（timestamp）。乐观锁定的第二种实现方式和第一种差不多，同样是在需要乐观锁控制的table中增加一个字段，名称无所谓，字段类型使用时间戳（timestamp）, 和上面的version类似，也是在更新提交的时候检查当前数据库中数据的时间戳和自己更新前取到的时间戳进行对比，如果一致则OK，否则就是版本冲突。 Java JUC中的atomic包就是乐观锁的一种实现，AtomicInteger 通过CAS（Compare And Set）操作实现线程安全的自增。 作者：FX_SKY 链接：https://www.jianshu.com/p/f5ff017db62a 来源：简书 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

还早 当前时间戳： System.currentTimeMillis() 没必要用int直接用long我咋没看出来他是用的Java 2147483648北京时间是2038/1/1911:14:8 不要冒这个险，本来毫秒数就是long的，这么做1违规2不安全。 引用来自“蓝水晶飞机”的评论 不要冒这个险，本来毫秒数就是long的，这么做1违规2不安全。 用Long,下一题。 有时会数据溢出，用Long  对，有时候会时间溢出，还有就是，如果只取时分秒的时候，会差8个小时 就是我需要一个id为int类型，需要保证每一次的都不一样，除了时间戳，别的简便方法有人推荐个？随机数不一定真的随机的啊数据库不是可以设置自增长么？ 引用来自“用纸狂魔”的评论 就是我需要一个id为int类型，需要保证每一次的都不一样，除了时间戳，别的简便方法有人推荐个？随机数不一定真的随机的啊

现在我们来分析一下 Github 上 beyondfengyu 大佬基于 Java 实现的 SnowFlake，完整代码如下： /** * twitter的snowflake算法 -- java实现 * * @author beyond * @date 2016/11/26 */ public class SnowFlake { /** * 起始的时间戳 */ private final static long START_STMP = 1480166465631L; /** * 每一部分占用的位数 */ private final static long SEQUENCE_BIT = 12; //序列号占用的位数 private final static long MACHINE_BIT = 5; //机器标识占用的位数 private final static long DATACENTER_BIT = 5;//数据中心占用的位数 /** * 每一部分的最大值 */ private final static long MAX_DATACENTER_NUM = -1L ^ (-1L << DATACENTER_BIT); private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT); private final static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT); /** * 每一部分向左的位移 */ private final static long MACHINE_LEFT = SEQUENCE_BIT; private final static long DATACENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT; private final static long TIMESTMP_LEFT = DATACENTER_LEFT + DATACENTER_BIT; private long datacenterId; //数据中心 private long machineId; //机器标识 private long sequence = 0L; //序列号 private long lastStmp = -1L;//上一次时间戳 public SnowFlake(long datacenterId, long machineId) { if (datacenterId > MAX_DATACENTER_NUM || datacenterId < 0) { throw new IllegalArgumentException( "datacenterId can't be greater than MAX_DATACENTER_NUM or less than 0"); } if (machineId > MAX_MACHINE_NUM || machineId < 0) { throw new IllegalArgumentException( "machineId can't be greater than MAX_MACHINE_NUM or less than 0"); } this.datacenterId = datacenterId; this.machineId = machineId; } /** * 产生下一个ID * * @return */ public synchronized long nextId() { long currStmp = getNewstmp(); if (currStmp < lastStmp) { throw new RuntimeException("Clock moved backwards. Refusing to generate id"); } if (currStmp == lastStmp) { //相同毫秒内，序列号自增 sequence = (sequence + 1) & MAX_SEQUENCE; //同一毫秒的序列数已经达到最大 if (sequence == 0L) { currStmp = getNextMill(); } } else { //不同毫秒内，序列号置为0 sequence = 0L; } lastStmp = currStmp; return (currStmp - START_STMP) << TIMESTMP_LEFT //时间戳部分 | datacenterId << DATACENTER_LEFT //数据中心部分 | machineId << MACHINE_LEFT //机器标识部分 | sequence; //序列号部分 } private long getNextMill() { long mill = getNewstmp(); while (mill <= lastStmp) { mill = getNewstmp(); } return mill; } private long getNewstmp() { return System.currentTimeMillis(); } public static void main(String[] args) { SnowFlake snowFlake = new SnowFlake(2, 3); for (int i = 0; i < (1 << 12); i++) { System.out.println(snowFlake.nextId()); } } } 在详细分析之前，我们先来回顾一下 Snowflake 算法的 ID 构成图： ID 位分配 首位不用，默认为 0。41bit（第2-42位）时间戳，是相对时间戳，通过当前时间戳减去一个固定的历史时间戳生成。在 SnowFlake 类定义了一个 long 类型的静态变量 START_STMP，它的值为 1480166465631L： /** * 起始的时间戳：Sat Nov 26 2016 21:21:05 GMT+0800 (中国标准时间) */ private final static long START_STMP = 1480166465631L; 接着继续定义三个 long 类型的静态变量，来表示序列号和工作机器 ID 的占用位数： /** * 每一部分占用的位数 */ private final static long SEQUENCE_BIT = 12; //序列号占用的位数 private final static long MACHINE_BIT = 5; //机器标识占用的位数 private final static long DATACENTER_BIT = 5;//数据中心占用的位数 此外还定义了每一部分的最大值，具体如下： /** * 每一部分的最大值 */ private final static long MAX_DATACENTER_NUM = -1L ^ (-1L << DATACENTER_BIT); // 31 private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT); // 31 private final static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT); // 4095 构造函数 SnowFlake 类的构造函数，该构造函数含有 datacenterId 和 machineId 两个参数，它们分别表示数据中心 id 和机器标识： private long datacenterId; //数据中心 private long machineId; //机器标识 public SnowFlake(long datacenterId, long machineId) { if (datacenterId > MAX_DATACENTER_NUM || datacenterId < 0) { throw new IllegalArgumentException( "datacenterId can't be greater than MAX_DATACENTER_NUM or less than 0"); } if (machineId > MAX_MACHINE_NUM || machineId < 0) { throw new IllegalArgumentException( "machineId can't be greater than MAX_MACHINE_NUM or less than 0"); } this.datacenterId = datacenterId; this.machineId = machineId; } 生成 id 在 SnowFlake 类的实现中，在创建完 SnowFlake 对象之后，可以通过调用 nextId 方法来获取 ID。有的小伙伴可能对位运算不太清楚，这里先简单介绍一下 nextId 方法中，所用到的位运算知识。 按位与运算符（&） 参加运算的两个数据，按二进制位进行 “与” 运算，它的运算规则： 0&0=0; 0&1=0; 1&0=0; 1&1=1; 即两位同时为 1，结果才为 1，否则为 0。 清零：如果想将一个单元清零，只需要将它与一个各位都为零的数值相与即可。取一个数指定位的值：若需获取某个数指定位的值，只需把该数与指定位为 1，其余位为 0 所对应的数相与即可。 按位或运算（|） 参加运算的两个对象，按二进制位进行 “或” 运算，它的运算规则： 0|0=0; 0|1=1; 1|0=1; 1|1=1; 即仅当两位都为 0 时，结果才为 0。 左移运算符 << 将一个运算对象的各二进制位全部左移若干位（左边的二进制位丢弃，右边补 0）。若左移时舍弃的高位不包含1，则每左移一位，相当于该数乘以 2。 在了解完位运算的相关知识后，我们再来看一下 nextId 方法的具体实现： /** * 产生下一个ID * * @return */ public synchronized long nextId() { // 获取当前的毫秒数：System.currentTimeMillis()，该方法产生一个当前的毫秒，这个毫秒 // 其实就是自1970年1月1日0时起的毫秒数。 long currStmp = getNewstmp(); // private long lastTimeStamp = -1L; 表示上一次时间戳 // 检测是否出现时钟回拨 if (currStmp < lastStmp) { throw new RuntimeException("Clock moved backwards. Refusing to generate id"); } // 相同毫秒内，序列号自增 if (currStmp == lastStmp) { // private long sequence = 0L; 序列号 // MAX_SEQUENCE = 4095 111111111111 // MAX_SEQUENCE + 1 = 4096 1000000000000 sequence = (sequence + 1) & MAX_SEQUENCE; // 同一毫秒的序列数已经达到最大 if (sequence == 0L) { // 阻塞到下一个毫秒，获得新的时间戳 currStmp = getNextMill(); } } else { //不同毫秒内，序列号置为0 sequence = 0L; } lastStmp = currStmp; // MACHINE_LEFT = SEQUENCE_BIT; -> 12 // DATA_CENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT; -> 17 // TIMESTAMP_LEFT = DATA_CENTER_LEFT + DATA_CENTER_BIT; -> 22 return (currStmp - START_STMP) << TIMESTMP_LEFT //时间戳部分 | datacenterId << DATACENTER_LEFT //数据中心部分 | machineId << MACHINE_LEFT //机器标识部分 | sequence; //序列号部分 } 现在我们来看一下使用方式： public static void main(String[] args) { SnowFlake snowFlake = new SnowFlake(2, 3); for (int i = 0; i < (1 << 12); i++) { System.out.println(snowFlake.nextId()); } } 现在我们已经可以利用 SnowFlake 对象生成唯一 ID 了，那这个唯一 ID 有什么用呢？这里举一个简单的应用场景，即基于 SnowFlake 的短网址生成器，其主要思路是使用 SnowFlake 算法生成一个整数，然后对该整数进行 62 进制编码最终生成一个短地址 URL。对短网址生成器感兴趣的小伙伴，可以参考 徐刘根 大佬在码云上分享的工具类。 最后我们来简单总结一下，本文主要介绍了什么是 Snowflake（雪花）算法、Snowflake 算法 ID 构成图及其优缺点，最后详细分析了 Github 上 beyondfengyu 大佬基于 Java 实现的 SnowFlake。在实际项目中，建议大家选用基于 Snowflake 算法成熟的开源项目，如百度的 UidGenerator 或美团的 Leaf。

@南湖船老大 过来看看吧，船老大。###### 查看access日志每个请求大致花了多少时间 代码分段加日志，检查时间究竟花在了哪里 具体问题具体解决。 ######回复 @len : 用了thinkphp框架，我们正在自己写的MVC构架。######回复 @都市网达 : 你现在是多少，考虑到用了框架的话应该会有100以内吧。还是得看你逻辑是不是如果有缓存的就直接取缓存了，如果是这样的还这么慢，那就自己写个不带框架的试试，如果两个差距大了那就是框架的原因了。如果不大的话可以从系统环境上去考虑。######回复 @len : 如果大于10ms应该怎么优化呢，g-zip已经开启。######回复 @都市网达 : 多少算正常，如果是有缓存的操作，正常应该是在10MS以内吧。######access日志还算是正常的。###### @eechen###### 在压测的时候，top,iostat,vmstat也要开着啊，同时监控。这么做的目的，是为了确认瓶颈是CPU，还是IO，还是带宽。服务器再牛逼，给你1M的带宽，那也卡成翔啊。 4核8G的云主机，压到这个值不算高，但也不算低，具体要看业务是否复杂，这个还真不能随便比较。不过我感觉你这偏低了。 如果确认数据库上的消耗比较少，就去看前端web服务器的日志，你是Apache，Apache也可以调整下进程数，反复调节观察，做到平衡。 我优化Apache的做法除了修改参数，也会用lsof来查看一个Apache进程加载的文件，去掉不必要的Apache模块和PHP扩展。 另外，注意看下open files有没有修改limit，TCP协议这块也可以优化。 APC的话，仅仅对垃圾代码作用大一点，他的作用主要是opcode的优化，减少include文件的加载。如果代码架构的不错，这个APC的作用会更小。 文件系统的优化我不懂。这块也是可以做文章的 ######i5-3230M(双核四线程),4GB内存,64位Ubuntu14.04(Kernel3.14.5) 1个Nginx工人进程(OpenResty1.5.8.1),8个PHP-FPM工人进程(PHP5.5.8),开启opcache. MySQL和Memcached均通过apt-get安装. ab -c100 -n10000 http://127.0.0.1/t.php 测试1:进行1次mysql数据库连接和1个查询,并输出50次md5时间戳计算,RPS能达到3K+. 测试2:进行1次memcached连接和1次set/get操作,并输出50次md5时间戳计算,RPS能达到3.7K+. ######回复 @eechen : @都市网达 请提供详细信息######回复 @codepat : 楼主给的信息明显不够，我也帮不上忙。######这是你的数据。@你是让你看下楼主的问题原因在哪######先不说别的，php5.3后的大版本相对5.3性能有质的提升，升级吧######说明阿里晕的服务器很渣,同样的程序你在自己的ubuntu上跑一下就可以对比出来###### 引用来自“南湖船老大”的评论 在压测的时候，top,iostat,vmstat也要开着啊，同时监控。这么做的目的，是为了确认瓶颈是CPU，还是IO，还是带宽。服务器再牛逼，给你1M的带宽，那也卡成翔啊。 4核8G的云主机，压到这个值不算高，但也不算低，具体要看业务是否复杂，这个还真不能随便比较。不过我感觉你这偏低了。 如果确认数据库上的消耗比较少，就去看前端web服务器的日志，你是Apache，Apache也可以调整下进程数，反复调节观察，做到平衡。 我优化Apache的做法除了修改参数，也会用lsof来查看一个Apache进程加载的文件，去掉不必要的Apache模块和PHP扩展。 另外，注意看下open files有没有修改limit，TCP协议这块也可以优化。 APC的话，仅仅对垃圾代码作用大一点，他的作用主要是opcode的优化，减少include文件的加载。如果代码架构的不错，这个APC的作用会更小。 文件系统的优化我不懂。这块也是可以做文章的 apache 2.2.24，采用mpm_prefork模式 <IfModule mpm_prefork_module> ServerLimit 2048 StartServers 5 MinSpareServers 3 MaxSpareServers 30 MaxClients 2048 MaxRequestsPerChild 0 </IfModule> 这里的参数有调整，程序是使用thinkphp框架，我是比较讨厌用TP的，但是不是由我来决定的。 ###### 引用来自“eechen”的评论i5-3230M(双核四线程),4GB内存,64位Ubuntu14.04(Kernel3.14.5) 1个Nginx工人进程(OpenResty1.5.8.1),8个PHP-FPM工人进程(PHP5.5.8),开启opcache. MySQL和Memcached均通过apt-get安装. ab -c100 -n10000 http://127.0.0.1/t.php 测试1:进行1次mysql数据库连接和1个查询,并输出50次md5时间戳计算,RPS能达到3K+. 测试2:进行1次memcached连接和1次set/get操作,并输出50次md5时间戳计算,RPS能达到3.7K+. 你这里的测试是本地，不要担心带宽的问题，而且 t.php应该只是一个普通数据库操作文件吧，不过我可以试试将程序迁移到nginx。######回复 @eechen : 你的建议非常对好，其实我对nginx来处理PHP一直不带好感，一般用nginx来做代理，PHP使用apache处理后端。我想阿里云的性能也是有影响的。######所以我也建议你先在本地进行测试，避免带宽带来的影响。就PHP而言，nginx/php-fpm的性能并不比httpd/libphp5.so的性能高，只是php-fpm把PHP剖离出来更方便扩展和管理。###### vps ubuntu 1G+512M java+nginx+tomcat7+memcache 如果是centos性能会更好一些 Server Software:        nginx Server Hostname:        cms.zendlab.com Server Port:            80 Document Path:          /apps/api/book.jsonp?method=list Document Length:        31150 bytes Concurrency Level:      50 Time taken for tests:   1.046 seconds Complete requests:      1000 Failed requests:        0 Write errors:           0 Total transferred:      31789000 bytes HTML transferred:       31150000 bytes Requests per second:    955.90 [#/sec] (mean) Time per request:       52.307 [ms] (mean) Time per request:       1.046 [ms] (mean, across all concurrent requests) Transfer rate:          29674.98 [Kbytes/sec] received

http://ajaxpatterns.org/Timeout文章里面提到的方式应该是比较好的方案了，主要是在客户端处理，当即将超时时，给用户一个提示，让用户处理，当最后客户端真的超时时，再给用户一次机会处理。超时后停止掉ajax轮询，把超时信息发送给服务端，invalidate session。如果要采用自动地方式，需要捕捉鼠标，键盘事件。 ######请求每个模块时，session储存下最后一次操作时间，ajax模式获取数据时，服务器端判断下是不是ajax请求，是的话，服务器端看下session最后一次操作时间，不满足要求就清空，退出处理。 不要依赖系统设置的session存活时间，这个不靠谱 ###### 这位兄弟说的的确不失为一种做法。 不过我们这边的系统目前session超时只是依赖的web.xml里的配置的时间，不会放在程序里面写。因为必须做到随时能够修改时间。 我想寻找一种改动尽量小一点的，毕竟这是正式投入生产的系统，我的主管不会让我为了这么一个需求，在每个模块里面存时间。 这个问题换一种说法就是，既然说我点击每一个模块，tomcat都当做我是发起了一次请求，那么我如何做到ajax请求过来的时候，我不把它当做请求。可以有最简单的方法么。 开发语言是java，开发工具eclipse/tomcat @cgf986916 ######回复 @cgf986916 : 恩，我试试，非常感谢######单入口的话，更好弄了，入口处添加新session直接保存下最后操作时间，这个规则内做ajax请求判断，其他弄个包吧，引入下做个判断，或者做个拦截器也行，你自己看下那个符合你需求就行了。###### 大哥，你不会自己实现session啊。就是tomcat 里有个Set<userId> ajax不更新不完了。弄个拦截器。你也可以采用类似360的token机制。原理一样。 再一个方案是你弄个fiter。然后存用户最后时间，不合适的logout。哎目测你新手 ######恩，其实session这东西本身我就没弄太清楚。受教了######可以写一个全局的filter，在filter里存储session的最后一次操作时间啊，不必在每个模块里都写######我这边的要求是尽量不要有大的改动，因为访问量很大，如果加一个过滤器，会拦截每一次请求，又增添了系统的压力。 我听说有一种做法是直接在页面层套一个iframe还是什么的(只是听说)，我现在必须是既完成任务，又要改动最小。###### 如果要求不是特别高的话，就在cookie里面加入时间戳，如果是ajax的话，时间戳就不加进去，这样也可用做判断。 ######这是最好的.###### 写一个filter 判断request的header是不是AJAX请求（X-Requested-With）， ######当是AJAX请求的时候，不去确认登录与否######但是怎么才能让session不更新最后访问时间呢？######既然每隔两分钟就要扫表，干脆在后台做成定时任务好了，完全不需要前台的ajax来处理。管理员登录就开始这个Job，登出后就撤销。######回复 @liuxin : 非常感谢######回复 @龙王巴哈姆特 : 肯定不会啊，服务器端程序，并不需要登录或者请求的######扫完表以后要去更新页面导航上的一个数字，就跟QQ消息条数一样的。job做不到吧。 顺便问下，job扫表，容器会不会认为这也算一个操作行为，并认为这个session用户是活跃的？ 本人初学，望多指点######找到解决方案了，你用一个JSP来实现这个扫表的功能，在JSP的开头加上<%@ page session="false" %>，这样就把session功能关闭了，不管你请求多少次，都不影响现有的用户。亲测可行。###### @antipro 这个头的作用是1.该JSP无法直接访问内置session变量 2.不会自动创建session。我试过ajax 2分钟扫一次，设置session超时是3分钟。我等了5分钟后，session仍然没有过期。这个头并不能阻止ajax在请求的时候自动记录session最后更新时间。 并且还有另外一个问题，就是我这里的ajax，是跟用户名，修改密码，退出一起的如下图： 代码结构大致是一个ul，li结构 <ul> <li>用户名XXX</li> <li>风险交易XXX</li> <li>修改密码</li> <li>退出</li> </ul> ，我把代码都放在一个JSP里面，然后include去了“风险交易”那个li里面，并加上了头<%@ page session="false" %>结果我发现整个页面都不能使用session变量了。导致我的用户名也显示不出来了。 昨天说的最多的加一个Filter也被我的主管无情的否决掉了。不管这个问题最后解决没，还是希望朋友们多交流，能让我多多学习下。 session超时的一篇文章： http://zmx.iteye.com/blog/1846181   ######回复 @龙王巴哈姆特 : 你用的是include指令包含的子页面？这样恐怕不行。######回复 @antipro : 我测试的时候，确实是只让那个jsp页面返回18，丢在我那个li里面，我试过了不行。并且外层页面也不能使用session变量了。跟他同级的用户名就是取的session VO里的数据也失效了。这种定时扫表，并且之后要更新页面数字的，除了用ajax还有更好的选择吗？######你怎么把整个页面都用来实现你的功能了，我设想的JSP只要返回一个18就可以了，其他内容都还是用原来的功能啊。######我不知道你是怎么测试的，但是我亲自测试了是正常的。至于不能用session的问题，禁止了session当然不能再用了，难道就没有其他的方法访问你要的数据了吗？要灵活处理啊。

首先“缓存”Cache这个东西是干什么的，我们应该先有些基本的了解。要是不太明白的可以看看网上的解释：http://baike.baidu.com/view/907.htm 简单讲，阿里云OCS提供的功能就是提供对热点数据的高速访问。在使用OCS之前（或者在使用任何一种缓存服务之前），我们都应该明白关于缓存的这么几点： 缓存里的数据不是持久化保存的，也就是说它像是电脑里的内存，而不像硬盘；我们不能指望OCS里的数据一直保存不丢失。如果你真的需要存储持久化的数据，也许你应该出门左转找阿里云OSS（开发存储服务）； 缓存里存的应该是“热点”数据。遵循常常出现的“20-80法则”，通常程序应用中都有一定比例的数据常常被请求访问，这就是所谓的热点数据，OCS正是为这种数据设计存在的。假定我们的程序中有100个数据，每次访问这些数据的概率完全是均匀分布的1/100，那么使用缓存的效果就不会太好，因为这其中不存在热点数据。 数据逐出。我们可以决定哪些数据是热点数据被放到缓存当中，但是如果我们的缓存容量不够大，这些热点数据中某些最近较少被用到的数据还是会被“挤出去”，这种行为叫做数据逐出。如果想减少出现这种情况，我们可以购买更高容量的OCS。 -------------------------         在开始使用之前，关于阿里云OCS，我们还需要知道以下这些事： 阿里云OCS仅支持阿里云内网访问，不支持公网访问。也就是说，我们用办公室或者家里的电脑（都属于公网）是无法连上阿里云OCS的。为什么会这样呢？因为缓存服务的根本目标是要提供低延迟的高速访问，而从公网电脑来连接OCS服务器的场景下，公网的网络环境是不可控的，可能出现延迟很高甚至断连接的情况，这使得缓存服务无法保证“高速、低延迟”的基本特性，所以阿里云OCS是不支持公网直接访问的。如果觉得高延迟的情况对于我们的应用也能接受，那么我们应该去选择阿里云其他的产品（比如OSS开放存储服务），而不应该选择OCS缓存服务。 阿里云OCS需要与ECS（阿里云服务器）配合使用，而且只能与本地区节点的ECS连通。这一点与上一条相关。OCS只能从阿里云内网访问，也就是说我们只能从阿里云ECS上才能访问并使用OCS服务。所以我们在官网购买OCS的时候，会看到提示信息说需要至少有一台ECS才能买OCS。另外，阿里云ECS是分地区节点的，比如北京、杭州、青岛等，我们在购买OCS缓存的时候也要选相应的地区节点。北京的ECS只能访问北京的OCS，而不能访问杭州或青岛的OCS。 阿里云OCS是按购买量收费的，而不是按使用量收费。这点需要提醒新同学们注意，在我们购买了OCS缓存之后，计费就已经开始了，即使我们还没有真正使用缓存。也就是说，我们买了1G的OCS缓存后，即使目前使用量为0，系统也会按照1G的标准来计费。所以我们在购买OCS的时候，要选取适合我们业务数据需要的缓存档位。当然了，阿里云OCS也提供在线升降缓存容量的功能。也就是说，如果我们在使用了一段时间之后，发现购买的OCS缓存不够用了（或者缓存使用量太低），我们可以在线的对已有的OCS实例进行升档（或者降档），而OCS缓存服务不会被中断。 阿里云OCS对于存贮的对象大小是有限制的。缓存通常对其内部存储的数据尺寸是有限制的，阿里云OCS也一样。目前OCS支持存储的数据对象的上限是1,000,000Byte。如果要存的值超过这个限制，我们应该考虑把数据压缩，或从逻辑上分成不同键存储的几个值。 ------------------------- 现在我们开始在阿里云官网上购买OCS实例  http://buy.aliyun.com/ocs  首先我们需要已经有了一台阿里云ECS，否则我们无法在这个页面成功购买OCS。购买的第一步，我们先要确定选择买哪个地区的OCS；这个很重要，如上面所说，如果我们的ECS是属于北京，而我们在这里购买了杭州的OCS，那么这两者是无法配合协同工作的。所以，在购买OCS的时候一定要选择应用服务器ECS所在地区的OCS。下一步是要选择OCS缓存容量。我们要购买多大的缓存，这个取决于我们对自身业务应用中热点数据总量大小的判断。如果一时难以准确判断数据量，也不用担心：我们可以先买一个大致容量的OCS（比如1GB），随后在使用过程中，通过OCS控制台提供的监控功能，我们可以了解到目前OCS缓存的使用量等数据，然后可以自主的调整所需的缓存量，购买更大的缓存（比如升到5GB）或者减少已购的缓存量（比如降到512MB），阿里云会根据我们选择的新配置来调整对应的收费。此外在选择缓存容量的时候，要知道不同容量的缓存档位对应着不同的性能配额，具体来说包括两个指标：吞吐量带宽与每秒请求处理数（QPS）。比如以现在的配额标准，1GB的OCS缓存对应5MB/sec的吞吐量带宽和3000次/sec的请求处理峰值。当我们使用OCS的时候，如果数据量传输的带宽超过了5MB/s, 或者每秒的请求数超过了3000次，都会触发性能配额控制机制，导致某些请求无法返回正常结果。在确定了地区和缓存容量之后，我们就可以直接下单购买OCS了。 ------------------------- 在成功购买OCS之后，我们的联系邮箱和手机都会收到OCS创建成功的通知，里面会包括OCS的实例ID和初始密码（关于密码的用处后面会讲到）。我们现在登录OCS控制台， http://ocs.console.aliyun.com/ 就可以看到已经购买到的OCS实例列表。在列表页面上对应OCS实例的后面点击“管理”，就可以进入该OCS实例的详情页，看到更多的详细信息。 ------------------------- 我们现在已经有了一个OCS缓存实例，现在是时候试玩OCS了。要使用OCS就要写一点程序代码，不过不用担心，我们在这里采用“Happy-Path”的方法，从最简单的操作开始，让新上手的菜鸟们能马上就有一个能调用OCS缓存服务的程序。OCS提供缓存服务，它并不要求我们的程序是哪种语言来写的。我们这里先以Java程序为例，写一个最简单的“Hello World”。（其他编程语言的例子，我们随后附上。）第一步，登录你的阿里云ECS服务器，在上面安装Java JDK和你常用的IDE（比如Eclipse）。一定要记得我们之前说过的，只有在阿里云内网的ECS服务器上，才能访问我们的OCS实例。所以，用家里或是公司的电脑执行下面的代码示例是看不到结果的。 Java JDK和Eclipse都很容易从网上找到下载，比如 http://download.eclipse.org/ 或者 http://www.onlinedown.net/soft/32289.htm 第二步，在把Java开发环境准备好了之后，下载第一个代码示例（Sample-Code-1第三步，在Eclipse里面打开刚下载的OcsSample1.java，我们要根据自己的OCS实例信息修改几个地方。        我们每个人买到的OCS实例的ID都是不重复的，其对应的阿里云内网地址也是独一无二的，这些信息都在OCS控制台上显示出来。我们在同自己的OCS实例建立连接的时候，需要根据这些信息修改OcsSample1.java中的对应地方。         public static void main(String[] args) {                                        final String host = "b2fd2f89f49f11e3.m.cnqdalicm9pub001.ocs.aliyuncs.com"; //控制台上的“内网地址”                   final String port ="11211";       //默认端口 11211，不用改                   final String username = "b2fd2f89f49f11e3"; //控制台上的“访问账号”                   final String password = "my_password"; //邮件或短信中提供的“密码”                   …… …… ……       信息修改完毕，我们可以运行自己的程序了。运行main函数，我们会在Eclipse下面的console窗口看到下面这样的结果（请忽略可能出现的红色INFO调试信息）： OCS Sample CodeSet操作完成!Get操作: Open Cache Service,  from www.Aliyun.com     OK，搞定！我们已经成功的连接上了阿里云的OCS并且调用缓存服务成功，就这么简单。-------------------------我们已经成功运行了第一个调用阿里云OCS缓存服务的Sample程序OcsSample1.java，现在我们看看这个程序里都做了什么。                                  …… …… ……                            System.out.println("OCS Sample Code");                                                        //向OCS中存一个key为"ocs"的数据，便于后面验证读取数据,                             //这个数据对应的value是字符串 Open Cache Service,  from www.Aliyun.com                            OperationFuture future = cache.set("ocs", 1000," Open Cache Service,  from www.Aliyun.com");                            //向OCS中存若干个数据，随后可以在OCS控制台监控上看到统计信息                            for(int i=0;i<100;i++){                                String key="key-"+i;                                String value="value-"+i;                                 //执行set操作，向缓存中存数据                                cache.set(key, 1000, value);                            }                             System.out.println("Set操作完成!");                             future.get();  //  确保之前(cache.set())操作已经结束                         //执行get操作，从缓存中读数据,读取key为"ocs"的数据                            System.out.println("Get操作:"+cache.get("ocs"));                            …… …… …… 从这些代码中可以看出： 1. 我们在建立与OCS缓存服务器的连接后，先是向缓存中存(set)了一个“key-value”（键值对）形式的数据，这个数据的key是字符串“ocs”，其对应的value也是字符串；2. 接着我们继续向缓存中存(set)了100个其他简单的“key-value”数据。3. 最后我们进行功能验证。根据之前给定的key，从缓存中获取（get）其对应的value：也就是输入字符串“ocs”，缓存给我们返回value对应的字符串。 以上的步骤中，1与3是相对应的，我们只有先向缓存中set了某个数据，后面才能从缓存中get到这个数据。步骤2中程序向缓存set了100个数据，是为了从另一个方面进行验证。我们回到阿里云OCS控制台，打开“实例详情”页，在“实例监控”的部分点击刷新，会看到其中一些监控项的值已经发生了变化（注：监控信息的刷新可能存在数秒的延迟）， 其中的“Key的个数”已经变成了101，也就是说我们程序已经成功地向OCS缓存中存放了101个数据。-------------------------在写下一篇技术贴之前，列一些OCS用户在入门时问到的问题，方便其他刚认识OCS的同学：Question：买了1G的OCS，那就相当于这个1G是专门缓存用的，与ECS服务器的内存没关系是吧~Answer：是的，OCS的缓存容量与您ECS的内存容量是没关系的。Question：OCS 外网测试，怎么连接？有没有外网连接地址哦？Answer：OCS是不能从外网访问的。参照上面的文章。Question：我之前那个OCS可以正常使用，但现在换了一个OCS就不行了，怎么回事？Answer：经核实您的主机是属于杭州节点的，而现在这个OCS是青岛节点的，不同地域之间的产品内网不互通。Question：在设置一个value时，如果指定过期时间为0，会永久保留吗？Answer：指定过期时间为0，OCS就认为此数据不根据过期时间发生淘汰；但是，此数据仍有可能基于LRU被其他数据淘汰，或者由内存清理造成丢失 ，因此不能认为这个value会永久保留。 Question：对OCS的访问是否需要负载均衡？ Answer：不需要。对访问请求的负载均衡都是在OCS服务器端来进行的，用户直接使用缓存服务即可，不用考虑负载均衡的事情。 Question：OCS是否会主动关闭闲置的连接？ 如果会，请问连接闲置多久会被关闭？Answer：OCS不会主动关闭闲置的用户连接。但是用户的环境如果使用了SLB，则需要参考SLB连接关闭时间。Question：如何设置数据在OCS缓存中的过期时间 ？Answer：关于设置缓存数据的过期时间，可以参考Memcached官方说明： https://code.google.com/p/memcached/wiki/NewCommands An expiration time, in seconds. Can be up to 30 days. After 30 days, is treated as a unix timestamp of an exact date. 翻译过来就是：0～2592000表示从当前时刻算起的时间长度（以秒计算，最长2592000即30天）；大于2592000表示UNIX时间戳。 此值设置为0表明此数据不会主动过期。------------------------- 回 12楼(村里一把手) 的帖子 谢谢，要让大家用得好才算数。 -------------------------缓存与数据库相结合使用，是常见的一种应用搭配场景。现在我们再看一个例子，是用OCS搭配MySQL数据库使用。Java示例代码在此（这个示例代码中，大部分与前几个例子类似。因为要与数据库结合，所以程序需要依赖一个JDBC的jar包才能运行。支持MySQL的JDBC jar包在此（在程序中添加MySQL数据库的连接信息：     …… …… ……            // JDBC driver name and database URL    static final String JDBC_DRIVER = "com.mysql.jdbc.Driver";    static final String DB_URL = "jdbc:mysql://xxxxxxx.mysql.rds.aliyuncs.com/testdb"; //MySQL数据库URL        //  Database用户名及密码    static final String DB_USER = "xxxxxx";    static final String DB_PASS = "xxxxxx";            我们设想这样一个场景：我们需要从数据库的tableone表中查找区域不属于北京的记录总数，用SQL表示就是：SELECT count(*)  FROM testdb.tableone where region != 'beijing'假定这个表中的数据如下，则这条SQL查询返回的结果就是7：如果这个查询被调用到的频率很高，多个用户反复不断的在数据库中查这个数据，我们就可以把这个查询结果放到OCS缓存中去。看下面的代码片段，我们用for循环模拟用户连续20次在数据库中查询上述SQL语句：              for (int i = 1; i <= 20; i++) {                String sql = "SELECT count(*)  FROM testdb.tableone where region != 'beijing'";                String key ="non-beijing"; //给SQL语句自定义一个key                //在OCS缓存里按key查找               String value =  (String) cache.get(key);                                if (value == null) {                    // 在OCS缓存里没有命中                    // step 1:从My SQL数据库中查询                    //Load MySQL Driver                      Class.forName(JDBC_DRIVER);                     con = DriverManager.getConnection(DB_URL, DB_USER, DB_PASS);                    ps = con.prepareStatement(sql);                    ResultSet result = ps.executeQuery(sql);                    result.next();                                        value=result.getString(1);                    System.out.println("从MySQL中查询数据.  Key= "+key+" Value="+value);                                       // step 2: 把数据库返回的数据作为value存放到OCS缓存中去                    cache.set(key, EXPIRE_TIME, value);                                    } else {                    // 在OCS缓存里命中                    System.out.println("从OCS中读取数据.     Key= "+key+" Value="+value);                }                            }// end of for在这段代码中我们可以看到，我们给这条SQL语句标记了一个key，当有用户要执行这条SQL的时候，我们首先按照key在OCS缓存中查找：如果没有对应的缓存数据，则连接MySQL数据库执行SQL查询，把结果返回给用户，并把这个查询结果存到OCS缓存中去；如果OCS中已经有了对应的缓存数据，则直接把缓存数据返回给用户。运行结果如下： 从MySQL中查询数据.  Key= non-beijing, Value=7从OCS中读取数据.     Key= non-beijing, Value=7从OCS中读取数据.     Key= non-beijing, Value=7从OCS中读取数据.     Key= non-beijing, Value=7…… …… 从结果可以看出，程序第1次是从MySQL数据库当中查询数据，后面的19次都是从OCS缓存中获取key对应的value直接返回。也就是说，OCS降低了程序去连接MySQL数据库执行SQL查询的次数，减轻了对数据库的负载压力。用户对热点数据访问的频率越高，OCS的这种优势就越明显。

如大家所知道的，Mysql目前主要有以下几种索引类型：FULLTEXT，HASH，BTREE，RTREE。 那么，这几种索引有什么功能和性能上的不同呢？ FULLTEXT 即为全文索引，目前只有MyISAM引擎支持。其可以在CREATE TABLE ，ALTER TABLE ，CREATE INDEX 使用，不过目前只有 CHAR、VARCHAR ，TEXT 列上可以创建全文索引。值得一提的是，在数据量较大时候，现将数据放入一个没有全局索引的表中，然后再用CREATE INDEX创建FULLTEXT索引，要比先为一张表建立FULLTEXT然后再将数据写入的速度快很多。 全文索引并不是和MyISAM一起诞生的，它的出现是为了解决WHERE name LIKE “%word%"这类针对文本的模糊查询效率较低的问题。在没有全文索引之前，这样一个查询语句是要进行遍历数据表操作的，可见，在数据量较大时是极其的耗时的，如果没有异步IO处理，进程将被挟持，很浪费时间，当然这里不对异步IO作进一步讲解，想了解的童鞋，自行谷哥。 全文索引的使用方法并不复杂： 创建ALTER TABLE table ADD INDEX FULLINDEX USING FULLTEXT(cname1[,cname2…]); 使用SELECT * FROM table WHERE MATCH(cname1[,cname2…]) AGAINST ('word' MODE ); 其中， MODE为搜寻方式（IN BOOLEAN MODE ，IN NATURAL LANGUAGE MODE ，IN NATURAL LANGUAGE MODE WITH QUERY EXPANSION / WITH QUERY EXPANSION）。 关于这三种搜寻方式，愚安在这里也不多做交代，简单地说，就是，布尔模式，允许word里含一些特殊字符用于标记一些具体的要求，如+表示一定要有，-表示一定没有，*表示通用匹配符，是不是想起了正则，类似吧；自然语言模式，就是简单的单词匹配；含表达式的自然语言模式，就是先用自然语言模式处理，对返回的结果，再进行表达式匹配。 对搜索引擎稍微有点了解的同学，肯定知道分词这个概念，FULLTEXT索引也是按照分词原理建立索引的。西文中，大部分为字母文字，分词可以很方便的按照空格进行分割。但很明显，中文不能按照这种方式进行分词。那又怎么办呢？这个向大家介绍一个Mysql的中文分词插件Mysqlcft，有了它，就可以对中文进行分词，想了解的同学请移步Mysqlcft，当然还有其他的分词插件可以使用。 HASH Hash这个词，可以说，自打我们开始码的那一天起，就开始不停地见到和使用到了。其实，hash就是一种（key=>value）形式的键值对，如数学中的函数映射，允许多个key对应相同的value，但不允许一个key对应多个value。正是由于这个特性，hash很适合做索引，为某一列或几列建立hash索引，就会利用这一列或几列的值通过一定的算法计算出一个hash值，对应一行或几行数据（这里在概念上和函数映射有区别，不要混淆）。在java语言中，每个类都有自己的hashcode()方法，没有显示定义的都继承自object类，该方法使得每一个对象都是唯一的，在进行对象间equal比较，和序列化传输中起到了很重要的作用。hash的生成方法有很多种，足可以保证hash码的唯一性，例如在MongoDB中，每一个document都有系统为其生成的唯一的objectID（包含时间戳，主机散列值，进程PID，和自增ID）也是一种hash的表现。额，我好像扯远了-_-! 由于hash索引可以一次定位，不需要像树形索引那样逐层查找,因此具有极高的效率。那为什么还需要其他的树形索引呢？ 在这里愚安就不自己总结了。引用下园子里其他大神的文章：来自 14的路 的MySQL的btree索引和hash索引的区别 （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。 愚安我稍作补充，讲一下HASH索引的过程，顺便解释下上面的第4,5条： 当我们为某一列或某几列建立hash索引时（目前就只有MEMORY引擎显式地支持这种索引），会在硬盘上生成类似如下的文件： hash值 存储地址 1db54bc745a1 77#45b5 4bca452157d4 76#4556,77#45cc… … hash值即为通过特定算法由指定列数据计算出来，磁盘地址即为所在数据行存储在硬盘上的地址（也有可能是其他存储地址，其实MEMORY会将hash表导入内存）。 这样，当我们进行WHERE age = 18 时，会将18通过相同的算法计算出一个hash值==>在hash表中找到对应的储存地址==>根据存储地址取得数据。 所以，每次查询时都要遍历hash表，直到找到对应的hash值，如（4），数据量大了之后，hash表也会变得庞大起来，性能下降，遍历耗时增加，如（5）。 BTREE BTREE索引就是一种将索引值按一定的算法，存入一个树形的数据结构中，相信学过数据结构的童鞋都对当初学习二叉树这种数据结构的经历记忆犹新，反正愚安我当时为了软考可是被这玩意儿好好地折腾了一番，不过那次考试好像没怎么考这个。如二叉树一样，每次查询都是从树的入口root开始，依次遍历node，获取leaf。 BTREE在MyISAM里的形式和Innodb稍有不同 在 Innodb里，有两种形态：一是primary key形态，其leaf node里存放的是数据，而且不仅存放了索引键的数据，还存放了其他字段的数据。二是secondary index，其leaf node和普通的BTREE差不多，只是还存放了指向主键的信息. 而在MyISAM里，主键和其他的并没有太大区别。不过和Innodb不太一样的地方是在MyISAM里，leaf node里存放的不是主键的信息，而是指向数据文件里的对应数据行的信息. RTREE RTREE在mysql很少使用，仅支持geometry数据类型，支持该类型的存储引擎只有MyISAM、BDb、InnoDb、NDb、Archive几种。 相对于BTREE，RTREE的优势在于范围查找. 各种索引的使用情况 （1）对于BTREE这种Mysql默认的索引类型，具有普遍的适用性 （2）由于FULLTEXT对中文支持不是很好，在没有插件的情况下，最好不要使用。其实，一些小的博客应用，只需要在数据采集时，为其建立关键字列表，通过关键字索引，也是一个不错的方法，至少愚安我是经常这么做的。 （3）对于一些搜索引擎级别的应用来说，FULLTEXT同样不是一个好的处理方法，Mysql的全文索引建立的文件还是比较大的，而且效率不是很高，即便是使用了中文分词插件，对中文分词支持也只是一般。真要碰到这种问题，Apache的Lucene或许是你的选择。 （4）正是因为hash表在处理较小数据量时具有无可比拟的素的优势，所以hash索引很适合做缓存（内存数据库）。如mysql数据库的内存版本Memsql，使用量很广泛的缓存工具Mencached，NoSql数据库redis等，都使用了hash索引这种形式。当然，不想学习这些东西的话Mysql的MEMORY引擎也是可以满足这种需求的。 （5）至于RTREE，愚安我至今还没有使用过，它具体怎么样，我就不知道了。有RTREE使用经历的同学，到时可以交流下！ 答案来源于网络