从GoogleMap的金字塔模型到无限级索引数据结构
从GoogleMap的金字塔模型到无限级索引数据结构
众所周知，现在很多网上的电子地图都使用矢量地图，用切图引擎切成栅格式的，存放与服务端，通过URL的方式访问，这对我们的GIS项目开发提供了一个非常好的地图来源，我们可以拥有自己的地图引擎，只要知道切好的栅格图排布规律，就可以在完美的展现。但是往往在做GIS项目的时候会遇到一个问题：有时候客户的机器并没有连接到互联网，或者有各种各样的问题，导致通过URL的方式访问地图速度会很慢，更有一个大的问题，有的地图供应商虽然开放免费的地图数据，但对访问次数上做了限制，比如说谷歌地图。由此就产生了众多的地图下载器下载地图。下载完的地图或者直接提供给客户，或者自架服务器来解除这种限制。但网上很多地图下载器虽然提供下载功能，但是却没有提供一个很好的数据结构来存储地图，由此我们引入这个话题。
我毕业时就业于福州的一家GIS公司，有幸遇到一个很好的导师，我的部门经理，在那时我第一次接触到了Google地图的金字塔模型。这个数据模型就是目前我所使用的无限级索引数据结构的鼻祖，因为目前我已不再该公司工作，和朋友们一起出来创办了一家GPS行业的公司，所以在这里不对原公司所用的数据结构做太详细的分析。
所谓的金字塔模型，实际上是一个四叉树，每一个层级的节点个数是（2^n）^2个，层级索引从0开始计数，第0级为1个节点，通常可以视为根节点，第1级为(2^1)^2个节点即4个节点……以此类推。这刚好可以用来描述一个地图有规律的精细度区块划分。在第0级时，我们可以看到整个世界地图，在第1级的时候，每一张图片我们只能1/4的世界地图，在第2级的时候，就只能看到1/8了，如下图
显然，这种几何式增长的数据量用文件系统来存储的话是很不明智的。
既然有如此规律的排布，用一种带索引的数据文件来存储的话，是一个非常好的办法，我们只要知道每一张图片的唯一标识，就可以通过索引来找到它。从上图不难看出，层级编号和图片编号很自然地形成了一个唯一标识，在每一个层级中，图片的编号是唯一的，或者干脆说，在每一个层级中，这实际上就是一个行列式排布，由此我们的每一个层级中的图片就有了它们之间的大小关系，如此这般，我们就可以用二分查找的方式来找到我们所需要的那一张图片。
这就是初步金字塔模型，目前原有的公司可能还在沿用这这种模型，未经同意，我这里不做代码做分析。接下来会进一步讲到这个数据模型是如何进化成“无限级索引的数据结构”，届时将分享源代码，可能还有需要改进的地方，我们可以一起讨论。
最初的金字塔模型是分为两个文件进行存储，一个是索引文件，另外一个是纯粹的数据文件，索引文件存储了层级索引，以及图片单元索引，每一个索引的键值从小到大排序。层级索引存储了自身索引值以及图片单元索引在索引文件中的储位置（有点小绕口，那就再看一遍），数据单元索引存储了每个数据单元的索引值以及每一个数据单元在数据文件中的存储位置。
层级索引的元素格式是固定的，索引值从0到24，而图片单元索引的元素个数是不固定的，这种设计很有针对性。为GoogleMap的层级准备25个层级来存储已经是绰绰有余了，而每一个层级中的图片单元个数不固定的原因也很简单：并不是所有区域都有任意等级的图片单元。
如图所示：
这样的删除时就显1.
没有的具有针对性显得有些疲惫
有一个文件空间性的数据结构在惫了。
间的复用机制在按顺序写入
制，导致在频入和查询图片单
繁的修改过程单元上性能得
程中，数据文得到了最大化
文件变得庞大。，但在需要修。
修改、
插入、
2.双文件存储的特点导致在使用时需要打开2个文件句柄，查询到图片单元进行读取的时候增加了磁盘寻道时间，使用的时候也不是很方便。
3.使用文件流进行数据访问，导致在存储数据量大的时候，打开和关闭文件时速度变慢，同时两个程序在修改文件时，很难保证数据完整性。
在了解现有的数据结构和存在的问题之后，我们就可以开始着手修改……
这一节阐述了怎样复用空闲的文件存储区。
曾经有一段时间遇到这么一个需求:已下载的Google地图在用户看来不够详细，很多标注点没有，或者有的路已经不存在了却在地图上仍然显示着，有些最近刚新建的建筑在地图上没有体现出来，诸多原因引出了最终的结果，这些不准确的地图信息必须被修正。也就是说，要在现有地图的基础上进行修改或者替换。当时我是这么解决这个问题的：当客户提出一些地图数据不准确的时候，我会要求客户提供当地的测绘数据，拿到这些数据之后，使用程序按照Google地图的样式进行绘制，然后切块，将这些数据替换到地图包中去。由此就产生了一个问题，原本存储这些地图数据的区块变成了没有索引指向的区块，当需要修改的地图区域比较大的时候，这种区块就会大量产生，并且作为一个没有用的空间占用着磁盘导致数据文件臃肿无比，从内存管理的角度上来讲这是一块应该被复用的存储区。
复用这些存储区的思路很简单，每次在修改一块地图块的时候，将这些存储区记录下来，当下次有地图块需要写入的时候优先从已记录的空闲存储区中查找符合大小的存储区，如果没有的话就将数据写到文件末尾，否则使用这个存储区。
设计一个空闲空间管理器，这个管理器应该有如下特点：
1.能够快速找到一个大于或者等于指定大小的空闲空间
2.当取出一个空闲区域使用时，被截断的那一部分应该还是被标记为未使用
3.当新加入一个空闲区域时，应该自动和已有的空闲区域融合
为了能够快速找到符合大小的空闲区域，只要一个按照大小有序的空闲空间列表即可，然后使用二分查找法查找。
取出一个空闲区域使用时，我们只要重新把被截断的那部分空间重新加入空闲列表就可以满足第二点
自动融合新加入的空闲区域的意为：当新加入的空闲区域和已有的空闲区域连续的时候，应该自动合并这两个空闲区域，并且重新调整列表。
///
/// 按照空间位置排序的空闲列表，该列表只有在添加空闲空间时才会作出改变,并且元素和Frees_Size是一样的，但是顺序不一样
///
public readonly List
///
/// 按照空间大小进行排序的空闲列表，该列表只有在添加空闲空间时才会作出改变,并且元素和Frees_Position是一样的，但是顺序不一样
///
public readonly List
public void UnsafeAddRange(Range freeItem)
{
if (freeItem.Start >= freeItem.End) return;
if (Frees_Position.Count > 0)
{
retest:
//找到第一个起始位置比目标对象要大或者等于的元素
long index = SMath.BinarySearch(Frees_Position, (source, position, target) =>
{
Range cur = source[(int)position];
if (cur.End == target.Start) return SentenceResult.Equal;
if (cur.Start == target.End) return SentenceResult.Equal;
if (cur.Start > target.Start) return SentenceResult.More;
if (cur.Start < target.Start) return SentenceResult.Less;
return SentenceResult.Equal;
}, freeItem, 1, 0, Frees_Position.Count,false);
Range item = null;
//如果所找到的位置在集合中间
if (index >= 0 && index < Frees_Position.Count)//&& Frees_Position[index].Start == freeItem.End)
{
//重新检测标志
bool preItemTested = false;
testPreItem:
item = Frees_Position[(int)index];
//如果所需要添加的空闲块已经被包含了，那么就直接退出
if (item.Start <= freeItem.Start && item.End >= freeItem.End) return;
//已知的空间被需要添加的空间包含，那么直接剔除掉原有的空间，并且重新检测
if (item.Start > freeItem.Start && item.End < freeItem.End)
{
Frees_Size.Remove(item);
Frees_Position.Remove(item);
goto retest;
}
//已知的空间和需要添加的空间首尾相连，剔除掉原有的空间，合并之后重新检测
if (item.Start == freeItem.End || (item.Start > freeItem.Start && item.Start < freeItem.End && item.End > freeItem.End)) {
item.Start = freeItem.Start;
Frees_Size.Remove(item);
Frees_Position.Remove(item);
freeItem = item;
goto retest;
}
//或者尾首相连
if (item.End == freeItem.Start || (freeItem.Start > item.Start && freeItem.Start < item.End && freeItem.End > item.End))
{
item.End = freeItem.End;
Frees_Size.Remove(item);
Frees_Position.Remove(item);
freeItem = item;
goto retest;
}
//如果不满足以上的所有条件（即需要插入的空闲块和插入位置后面的那个空闲块没有交集），那么检测前一个空闲块和当前需要插入的空闲块的关系
if (!preItemTested)
{
preItemTested = true;
if (index > 0)
{
index‐‐;
goto testPreItem;
}
else
{
//如果前后两个空闲块都检测过没有交集的时候，直接插入列表
Frees_Position.Insert((int)index, freeItem);
item = freeItem;
}
}
else
{
index++;
Frees_Position.Insert((int)index, freeItem);
item = freeItem;
}
}
//否则直接插入
else
{
if (index == long.MinValue)
Frees_Position.Insert(0, freeItem);
else
Frees_Position.Add(freeItem);
item = freeItem;
}
//找到大小最相近的元素项,更新按照大小排序的列表
index = SMath.BinarySearch(Frees_Size, (source, position, target) => {
Range cur = source[(int)position];
if (cur.Size > target.Size)
return SentenceResult.More;
else if (cur.Size < target.Size)
return SentenceResult.Less;
return SentenceResult.Equal;
}, item, 1, 0, Frees_Size.Count,false);
if (index >= 0 && index < Frees_Size.Count)
{
if (Frees_Size[(int)index].Size > item.Size)
Frees_Size.Insert((int)index, item);
else
Frees_Size.Insert((int)index + 1, item);
}
else
{
if (index == long.MinValue)
Frees_Size.Insert(0, item);
else
Frees_Size.Add(item);
}
OnRangeModifired(item);
}
else
{
Frees_Position.Add(freeItem);
Frees_Size.Add(freeItem);
OnRangeModifired(freeItem);
}
}
一个通用的二分查找算法
///
/// 在二分查找法中，指定判别方法的委托，该方法判别当前所指向的位置的数据和目标数据的大小关系, 例如:Position位置的数据大于目标值，则返回More，如果相等则返回Equal，否则返回Less
///
public delegate SentenceResult StreamBinarySearchSentenceHandler
///
/// 表示对两个值大小的判别结果,
/// More表示 Left > Right,
///
public enum SentenceResult
{
///
/// 大于 即: Left > Right
///
More = 1,
///
/// 等于 即: Left == Right
///
Equal = 0,
///
/// 小于 即: Left < Right
///
Less = ‐1,
}
///
/// 找到大于等于Value值的位置,如果目标元素大于所有集合对象，则返回long.MaxValue,如果目标元素小于所有集合对象，则返回long.MinValue ///
///
///
/// 需要进行查找的数据集
/// 判别方法,该方法是由三个参数构成的：source,position,value 分别为源，位置偏移和值
/// 需要查找的目标
/// 给定的目标在数据集中的单元大小，查找过程中，该值用于二分跳转
/// 开始查找的位置
/// 结束查找的位置
/// true ＝ 标识当所要查找的对象超过给定的数据源界限时，标记为无效,即返回long.MinValue
/// true=当找到所给定的目标值相等的元素时，是否将返回的位置移动到其后面
///
public static long BinarySearch
{
if ((endPos ‐ startPos) % stride != 0)
throw new ArgumentException("传入的参数可能有误，结束位置和起始位置的差不能被数据元整除!");
if (endPos ‐ startPos < stride)
{
return long.MinValue;
}
//如果开始位置的数据大于等于目标数据，说明所需要查询的数据不在指定的区域范围内，直接返回最前面的数据
SentenceResult res = SentenceMethod(source, startPos, value);
if (res == SentenceResult.Equal)
{
if (equalMoveEnd)
return startPos + stride;
else
return startPos;
}
if (res == SentenceResult.More)
return long.MinValue;
//如果结束位置的数据小于等于目标数据，说明所需要查询的数据不在指定的区域范围内，直接返回最后面的数据
res = SentenceMethod(source, endPos ‐ stride, value);
if (res == SentenceResult.Equal)
{
if (equalMoveEnd)
return endPos;
else
return endPos ‐ stride;
}
if (res == SentenceResult.Less)
return long.MaxValue;
long subtract = endPos ‐ startPos;
long middle = startPos;
while (subtract > stride)
{
subtract = subtract / 2 / stride * stride;
middle = startPos + subtract;
//stream.Position = middle;
res = SentenceMethod(source, middle, value); if (res == SentenceResult.Equal)
{
if (equalMoveEnd)
return middle + stride;
else
return middle;
}
if (res == SentenceResult.Less)
{
startPos = middle;
}
else
{
endPos = middle;
}
subtract = endPos ‐ startPos; }
if (res == SentenceResult.More)
return middle;
else if (res == SentenceResult.Less) return middle + stride;
else
{
if (equalMoveEnd)
return middle + stride; else
return middle;
}
}
当我们可以最大限度地复用文件存储区时，我们就可以对原有的数据结构进行调整，比如：可以把索引文件和数据文件合并到一个文件中而不必考虑图片的增长而导致的索引存储区空间不足的情况，可以在增加和删除数据单元时不必更新整个索引区而只更新更改的那部分索引区……等等，所以上一节的内容对于旧版本的数据结构进化起到了一个重要的作用。
重新设计后的数据结构不再局限于存储Google地图，而是面向了所有带有可排序的键的数据单元，如下图：
整个数数
据结构存储储
与一个文件中中
，使用文件件
流进行数据访访
问，数据结结构说明：
数据头部分：
1.文件格式字符串：存储在文件头部的固定字符内容，用于区分不同的文件格式。
2.创建时间，修改时间
3.索引入口点：数据索引的入口点，两个long型数据单元，占用16字节，第一个long型指向了数据存储区中的索引起始位置，第二个long型指向了数据结束位置
4.空闲空间存储区入口点：同索引入口点，只是指向的位置是空闲空间存储区
5.文件实际长度：这是一个后来加入的属性，因为考虑到要支持大文件时要用的文件的映射而增加的
6.160字节预留区：预留以后扩展时需要用的属性存储区
7.数据存储区：
数据存储区的部分数据部分是不固定的，由空闲空间管理器管理（第三节所设计的类型FreeRange）
8.二级索引入口点：存储了一个二级索引列表，以及这些索引所对应的数据单元入口点，如果所指向的数据单元也是一个索引存储区，那么可以称之为三级索引…… 类推，可以产生N级索引
9.空闲空间存储区：用于存储这个数据文件中有哪些部分是空闲的空间，可以复用的空间
访问这种数据结构的关键在于查询多级索引，前面已经提到过，索引的存储是按照从小到大排序的，所以针对这种级联的关系，我们应该设计一个通用的对单个索引区的搜索方法，然后根据传入的索引层级遍历搜索。例如：当需要搜索第5层地图的第32张图片时，我们可以根据索引入口点搜索到第5层的二级索引存储区，然后在二级索引存储区中搜索第32个图片存储区，最后返回。
至此，无限级索引的数据结构设计已经基本完成。
需要浏览代码的，可以到我的资源箱中下载IndexicalData，额…… CSDN中帖子不知道怎么上传附件
注：代码主要以研究学习为主，还未投入使用，并且有许多需要整理改进的地方，比如：写入和读取的缓存机制等……
如果你对这部分研究比较感兴趣的话，我们可以一起探讨，共同进步。
逻辑思维与金字塔原理
逻辑思维能力与金字塔原理 一、逻辑思维能力 我们的生活每一分钟都伴随着思考，有质量的思考会给生活带来翻天覆地的变化。毫不夸张地说，不同的思维能力决定着不同的人生轨迹和生活品质。 依照传统思维： 说话不清楚是表达能力有问题； PPT做不好是设计能力有问题； 任务完不成是工作能力有问题。 其实真相并不是如此简单，这涉及到处理信息、处理问题的逻辑思维方面的训练。 影响思维能力的三个因素分别是：想不明白、说不清楚、行不敏捷。 想不明白：在遇到选择时不知道自己真正想要什么。 说不清楚：无法在短时间内内向别人介绍清楚自己和自己负责的项目。 行不敏捷：沿用上学时的学习习惯，不会以问题为导向，解决实际困境。 人的大脑一次性接收信息的量是有限的，而有规律的信息更易被大脑记住。 所以反应快的人，并不是因为他们更聪明，而是更懂得通过有效的思维方式，让大脑快速地对信息进行归纳、分类和处理，从而准确地抓住核心，规划行动。 在思维能力训练方面，主要可以遵从两个基本法则：归纳法和演绎法。 归纳法就是把属性相同的事物都列出来，寻找共同点； 演绎法就是把互相影响的因素，按照因果顺序、时间顺序、重要程度排列出来，寻找突破口。 有目的地进行归纳和演绎能力的训练，有助于培养人们的洞察力和观察力。比如，当刚开始工作的时候，在一个团队里，可以想想为什么项目之间不一样，有什么常规做法和特殊做法，为什么这么做，背后有什么因素，等等。 二、金字塔原理简介 逻辑能力是思考能力的基础，而金字塔是建构逻辑的有效方法。 金字塔原理是由麦肯锡的芭芭明托在《金字塔原理》一书中提成的，这是一个受到业界广泛认可和应用的结构化思维的方法论，用于帮助人们更清晰的思考问题、更规范地表达问题和更有效地解决问题（写作与演示）。 金字塔原理的核心理念就是基于中心思想（或问题）的归纳和演绎、形成要点，再将要点或问题进行拆解和组合、形成展开分析和说明，因展开后的结构呈金字塔状，故称之为金字塔原理。金字塔原理的结构如下图所示：
影像数据的金字塔层式存储方法及空间数据库系统与制作流程
本技术公开了一种影像数据的金字塔层式存储方法及空间数据库系统，设计金字塔层式存储方法实现对影像数据的存储，在0层对原始空间数据进行所述ZIP无损压缩方法存贮，在1层及1层以上采用JPEG有损压缩方法存贮压缩数据，还设计了一种采用金字塔层式存储方法的空间数据库系统，可实现网络环境下的空间数据海量存储和快速可视化，实现超大规模多源异构空间数据高效调度；快速进行影像的处理和输出。 技术要求 1.一种空间数据库系统，分为逻辑模型和物理模型； 所述逻辑模型包括空间元数据、数据组织信息和基础空间数据，用于存储、管理、组织 和更新空间数据； 所述物理模型包括系统盘、磁盘柜-逻辑磁盘1、磁盘柜-逻辑磁盘2、磁盘柜-逻辑磁盘3，所述系统盘用于存放操作系统和数据调度模块，所述磁盘柜-逻辑磁盘1用于存放表空间，所述磁盘柜-逻辑磁盘2和所述磁盘柜-逻辑磁盘3采用NASE备份后异地管理模式，用于所 述空间数据库系统的备份； 其中，影像数据采用金字塔层式存储方法进行存储；
影像数据的金字塔层式存储方法，包括以下步骤： (1)将每个影像数据采用无压缩的图像文件格式进行存储，每个影像数据形成一个栅格块； (2)将大地坐标在每个影像数据上的定位信息及地面的像素分辨率添加到图像文件上； (3)定义两个标识常量分别表示无损压缩方法和有损压缩方法； (4)对每个影像数据进行N层金字塔层式存储：采用倍率方法构建N层分辨率层次模型，金字塔的0层到N层的图像分辨率依次降低；0层金字塔存储原始的影像数据，采用无损压缩方法；1层至N层金字塔式存储压缩的影像数据，采用有损压缩方法； 所述空间数据库系统为轻量级空间数据库系统，对影像数据采用GIS分层的概念进行管理，采用两种方式存贮和管理影像数据层：无缝影像层模式和分幅影像层模式； 无缝影像层模式采用如下规则来管理影像层：同一影像数据库的所有影像层存在于同一张表中，不同的影像数据库存在不同的表中； 无缝影像层模式以如下层次来管理影像数据库： 一级：影像数据库，存贮影像数据库信息，包括库名、描述信息； 二级：影像层，存贮影像层信息，包括层名、描述信息； 三级：RDT表，包含了一个影像层所有分割后的影像块； 分幅影像层模式采用如下规则来管理影像层：同一影像层的所有图幅存在于同一张表中，不同的影像层存在不同的表中； 分幅影像层模式以如下层次来管理影像数据库： 一级：影像数据库，存贮影像数据库信息，包括库名、描述信息； 二级：影像层，存贮影像层信息，包括层名、描述信息； 三级：影像图幅，包括层名、图幅名、描述信息以及与图幅对应的GeoRaster对象；
优化模型讲解 附LINGO程序
数学建模培训讲义 ——优化模型与LINGO软件 二○一一年七 目录 1 静态优化模型 (1) 1.1 最优生产计划问题 (1) 1.2 存贮模型 (2) 2 线性规划模型 (2) 2.1 LINGO简介 (2) 2.2 配料问题 (3) 2.3 练习：运输问题 (4) 3 整数规划模型 (4) 3.1 电影院广告问题 (4) 3.2 练习：生产计划问题 (5) 4 0-1规划 (5) 4.1 背包问题 (5) 4.2 矿井选址问题 (6) 4.3 练习：混合泳接力队的选拔问题 (7) 5 LINGO应用 (8) 5.1 变量定界函数 (8) 5.2 集合 (8) 5.3 帆船生产问题 (9)
5.4 派生集合 (11) 5.5 通过电子表格（Excel）文件传递数据 (12) 5.6 旅游问题 (13)
优化模型与LINGO 软件 优化问题是计划管理工作中经常要碰到的问题，比如，出门旅行就要考虑选择什么样的路线和交通工具，才能使旅行费用最省或使所花费的时间最少。在工厂技术、经济管理和科学研究等领域中，最优化问题就更多，一个工厂要怎样安排产品的生产，才能获得最大利润？一个设计部门要考虑在满足结构强度的要求下怎样使得所用的材料的总重量最轻？ 比较有效的求解优化问题的一个方法使数学规划，它包括：线性规划、非线性规划、整数规划、动态规划和多目标规划等等。 用数学建模的方法来处理一个优化问题的时候，首先要确定优化的目标是什么，寻求的决策是什么，决策受到哪些条件的限制（如果有限制的话），然后用数学工具（变量、函数等）表示它们。 1 静态优化模型 静态优化模型，归结为微积分中的函数极值问题，可以直接用微分法求解。 1.1 最优生产计划问题 一计算机公司引进A 、B 两种类型的芯片技术，总耗资400000元，准备生产这两种类型的芯片出售。生产一片A 芯片的成本为1950元，而市场售价为3390元，生产一片B 芯片的成本为2250元，而市场售价3990元。由于市场存在竞争，每售出一片A 芯片，A 芯片就会降价0.1元，并且令B 芯片降低0.04元，每售出一片B 芯片，B 芯片就会降价0.1元，并且令A 芯片降价0.03元。假设生产的芯片都能卖出，求一生产计划，以获得最大利润。 模型分析： 假设A 、B 两种芯片的数量分别是1x 和2x ，市场价格分别是1p 和2p ，用R 表示出售芯片的总收入，用C 表示生存芯片的总费用，用P 表示总利润。 根据题意，上述变量有如下关系： 11233900.10.03p x x =-- 21239900.040.1p x x =-- 1122R p x p x =+ 1240000019502250C x x =++ P R C =- 模型建立： 根据上述分析，可得优化模型
数据库索引的优缺点及使用时的注意事项
本文介绍了数据库索引，及其优、缺点。针对MySQL索引的特点、应用进行了详细的描述。分析了如何避免MySQL无法使用，如何使用EXPLAIN分析查询语句，如何优化MySQL索引的应用。 索引是一种特殊的文件(InnoDB数据表上的索引是表空间的一个组成部分)，它 们包含着对数据表里所有记录的引用指针。 注：[1]索引不是万能的！索引可以加快数据检索操作，但会使数据修改操作变慢。每修改数据记录，索引就必须刷新一次。为了在某种程序上弥补这一缺陷，许多SQL命令都有一个DELAY_KEY_WRITE项。这个选项的作用是暂时制止MySQL 在该命令每插入一条新记录和每修改一条现有之后立刻对索引进行刷新，对索引的刷新将等到全部记录插入/修改完毕之后再进行。在需要把许多新记录插入某个数据表的场合，DELAY_KEY_WRITE 选项的作用将非常明显。[2]另外，索引还会在硬盘上占用相当大的空间。因此应该只为最经常查询和最经常排序的数据列建立索引。注意，如果某个数据列包含许多重复的内容，为它建立索引就没有太大的实际效果。 从理论上讲，完全可以为数据表里的每个字段分别建一个索引，但MySQL把同一个数据表里的索引总数限制为16个。 1. InnoDB数据表的索引 与MyISAM数据表相比，索引对InnoDB数据的重要性要大得多。在InnoDB数据表上，索引对InnoDB数据表的重要性要在得多。在InnoDB数据表上，索引不仅会在搜索数据记录时发挥作用，还是数据行级锁定机制的苊、基础。"数据行级锁定"的意思是指在事务操作的执行过程中锁定正在被处理的个别记录，不让其他用户进行访问。这种锁定将影响到(但不限于)SELECT...LOCK IN SHARE MODE、SELECT...FOR UPDATE命令以及INSERT、UPDATE和DELETE命令。 出于效率方面的考虑，InnoDB数据表的数据行级锁定实际发生在它们的索引上，而不是数据表自身上。显然，数据行级锁定机制只有在有关的数据表有一个合适的索引可供锁定的时候才能发挥效力。 2. 限制 如果WEHERE子句的查询条件里有不等号(WHERE coloum != ...)，MySQL将无法使用索引。 类似地，如果WHERE子句的查询条件里使用了函数(WHERE DAY(column) = ...)，MySQL也将无法使用索引。 在JOIN操作中(需要从多个数据表提取数据时)，MySQL只有在主键和外键的数 据类型相同时才能使用索引。
数据库索引概论及详解
记住, 索引只能告诉你什么存在于表中, 而不能告诉你什么不存在于表中. 使用索引，在一般情况下，将能明显提高查询的性能，但系统为维护索引，也必将增加许多额外的开销。所以，何时应建立索引，查询时是否使用索引，对系统性能的影响将是非常大的。在这里，我想对这个问题谈一下自己的认识。 首先，在下列情况下，不适合建立索引： 1、表的规模不大，在这种情况下，直接查找表的开销比搜索索引 再定位的开销要小。 2、表被频繁更新，在这种情况下，维护索引的开销要大于使用索 引所带来的性能提高。 3、表上已经建立了许多索引。 4、用户的查询方式经常发生变化。 上述这些情况都是比较直观的，但是，即使建立了索引，在具体查 询时，系统也未必会使用该索引。 不管是何种数据库系统，其查询优化过程由两个层次构成：代数优 化（或称基于规则的优化）和物理优化（或称基于代价的优化）（部分 数据库系统可能不含物理优化过程）。 代数优化是使用一组预定义的规则来对查询进行优化，在这种优化 方式下，如果表上建有索引，系统将使用该索引。 物理优化是在代数优化的基础上，根据物理统计信息，来估计各种 执行方案的执行代价，从中选取一种最优（代价最小）的执行方案。在 这种优化方式下，如果表上建有索引，是否使用索引，将取决于查询的 “选中度”（selectivity）。 什么是选中度？举个例子，假设表中有一名为“年龄”的字段，有 一查询需要查出该表中所有“年龄”不超过50岁的记录，如果表中有70% 的记录满足这一条件，则称该查询的选中度为70。 当选中度超过某一预先给定的值P（P的大小取决于系统的具体实现） 时，遍历整个表的开销比搜索索引再定位的开销要小，此时系统将不使 用索引。 通过统计字段的值分布，可以估计查询的选中度，如果它大于P，系 统将不使用索引，直接遍历表。这是一种非常重要的统计信息，它还可 用于估计连接操作结果集的大小。 当然，当查询比较固定时，用户也可以根据自己对应用的理解预先估
栅格数据的金字塔详解
栅格数据的金字塔详解(上) 2012-07-26 17:31:06 作者：莫慧浏览：1757 评论：0 1 1.栅格金字塔定义金字塔可用于改善性能。它们是原始栅格数据集的缩减采样版本，可包含多个缩减采样图层。金字塔的各个连续图层均以2:1 的比例进行缩减采样。以下是为栅格数据集创建的两级金字塔示例： 图1-1金字塔示例 金字塔通过仅检索使用指定分辨率（取决于显示要求）的数据，可以加快栅格数据的显示速度。利用金字塔，可在绘制整个数据集时快速显示较低分辨率的数据副本。而随着放大操作的进行，各个更精细的分辨率等级将逐渐得到绘制；但性能将保持不变，因为您在连续绘制更小的各个区域。数据库服务器会根据用户的显示比例自动选择最适合的金字塔等级。
如果不使用金字塔(pyramid)，则必须从磁盘中读取整个数据集，然后将其重采样为更小的大小。这便称为“显示重采样”，发生在刷新ArcGIS 显示内容时。 每个栅格数据集只需构建一次金字塔，之后每次查看栅格数据集时都会访问这些金字塔。栅格数据集越大，创建金字塔集所花费的时间就越长。但是，这也就意味着可以为将来节省更多的时间。 尽管无法为栅格目录构建金字塔，但是可以为栅格目录中的每个栅格数据集构建金字塔。镶嵌数据集与栅格目录类似。您可以为镶嵌数据集中的每个栅格数据集构建金字塔；而为镶嵌数据集构建金字塔时只能使用镶嵌数据集工具集中的特定工具。 2 2.金字塔文件金字塔存储在单独的文件中，该文件通常位于源栅格旁边。金字塔文件共有两种类型：金字塔(.ovr) 和分辨率降低的数据集(.rrd)。这两种类型的金字塔文件ArcGIS 均可读取，但是只能写入 .ovr 文件（少数例外情况将在下文中予以介绍）。 .rrd 文件针对ERDAS IMAGINE 文件而创建。 .ovr 文件由ArcGIS 版本10 或更高版本创建和使用。 通常情况下，对于栅格数据集（rasterdataset）创建rdd文件，对于镶嵌数据集（mo saicdataset）创建ovr文件。 下面分别来详解两种类型的金字塔文件。
《结构化思维训练》
结构化思维训练 课程背景： 世界上没有不存在问题的组织，同样也没有不需要作处决策的管理者。发现问题，分析问题，做出决策，解决问题，是一个简单而固定的流程。然而，如何高效而正确的完成流程的每一个环节，理性的思维与决策方法被认为是经理人必备的核心能力之一。实践证明，结构化思维模式能够帮助管理者建立全新的思维模式并达到高效思考、快捷解决问题的能力，助力个人职业生涯与企业持续发展的双重成功。 本课程根据麦肯锡巴巴拉·明托《金字塔原理》的理论为依托，向学员阐明结论先行、以上统下、归类分组、逻辑递进的结构化思维的逻辑结构，帮助学员掌握思考和表达的逻辑思路，形成先重要后次要，先全局后细节，先总结后具体，先论点后论据，先结论后原因，先结果后过程的思考习惯；在教学过程中学员们通过团队共创的方式，在学中练，改善思考、强化表达，促进人际沟通，同时让学员能善于思考、享受思考，并帮助企业统一思维语言与行为标准，提高工作效率和组织效能。 课程目标： ◎掌握各种思维模式及其核心要点，并掌握结构化思维训练的方法和模型 ◎培养严谨的思维习惯，在企业内部建立彼此交流时共有的思维和语言平台 ◎借助结构化思维的方法和模型，有效地分析、处理和解决各种工作和管理问题，高效工作并创造价值 课程时间：2天，6小时/天 课程对象：储备干部，新晋升管理者，中基层管理者等需提升结构化思维能力的人 授课方式：采用案例、游戏、互动、分组讨论、现场演练、故事分享等培训方式 课程大纲 第一讲：什么是结构化思维 一、我们应该如何思考和问题分析 游戏：简单的数学运算 二、思维模式的认知 1. 思维模式的分类
2. 认知你的思维模式 3. 不同思维模式的优势与劣势 三、结构化思维 1. 什么是结构化思维 2. 结构化思维能解决哪些问题 3. 结构化思维的目标 4. 结构化思维的基本原则 5. 结构化思维的四大核心要素 1）结论先行 案例：麒麟才子思辨 2）以上统下 案例：回复老板的问询 3）归类分组 ——两种推理结构 ——核心原则 案例：汽车售卖 1）逻辑递进 ——三种逻辑关系 ——不同结构关系的实际应用 案例：小小演说家 第二讲：构建思维的结构化 互动案例：找出思考的逻辑 一、结构化思维在问题分析与解决中的实际应用 1. 问题的定位 2. 问题的基本特征 3. 如何进行问题的界定 ——问题重构模型解析 3. 问题界定——情景分析 ——问题背后的问题：提问的形式 ——情景分析的流程
数据库索引的作用及实例(精)
1. 1.索引作用 2. 在索引列上,除了上面提到的有序查找之外,数据库利用各种各样的快速定位技术, 能够大大提高查询效率。特别是当数据量非常大, 查询涉及多个表时,使用索引往往能使查询速度加快成千上万倍。 3. 4. 例如,有 3个未索引的表 t1、 t2、 t3,分别只包含列 c1、 c2、 c3,每个表分别含有 1000行数据组成,指为 1~1000的数值,查找对应值相等行的查询如下所示。 5. 6. SELECT c1,c2,c3 FROM t1,t2,t3 WHERE c1=c2 AND c1=c3 7. 8. 此查询结果应该为 1000行, 每行包含 3个相等的值。在无索引的情况下处理此查询, 必须寻找 3个表所有的组合, 以便得出与 WHERE 子句相配的那些行。而可能的组合数目为 1000×1000×1000(十亿,显然查询将会非常慢。 9. 10. 如果对每个表进行索引,就能极大地加速查询进程。利用索引的查询处理如下。 11. 12. (1从表 t1中选择第一行,查看此行所包含的数据。 13. 14. (2使用表 t2上的索引,直接定位 t2中与 t1的值匹配的行。类似,利用表 t3上的索引,直接定位 t3中与来自 t1的值匹配的行。
15. 16. (3 扫描表 t1的下一行并重复前面的过程, 直到遍历 t1中所有的行。 17. 18. 在此情形下,仍然对表 t1执行了一个完全扫描,但能够在表 t2和 t3上进行索引查找直接取出这些表中的行, 比未用索引时要快一百万倍。 19. 20. 利用索引, MySQL 加速了 WHERE 子句满足条件行的搜索,而在多表连接查询时,在执行连接时加快了与其他表中的行匹配的速度。 21. 22.2. 创建索引 23. 在执行 CREATE TABLE语句时可以创建索引, 也可以单独用 CREATE INDEX或 ALTER TABLE来为表增加索引。 24. 25.1. ALTER TABLE 26.ALTER TABLE用来创建普通索引、 UNIQUE 索引或 PRIMARY KEY索引。 27. 28. 29. 30.ALTER TABLE table_name ADD INDEX index_name (column_list 31. 32.ALTER TABLE table_name ADD UNIQUE (column_list 34.ALTER TABLE table_name ADD PRIMARY KEY (column_list 35.
金字塔原理学习笔记
金字塔原理：思考、表达和解决问题的逻辑 学习导航 通过学习本课程，你将能够： ●掌握金字塔结构的定义及作用； ●了解金字塔结构的原则； ●理解金字塔结构的重要意义； ●学会运用金字塔原理进行思考并解决问题。 金字塔原理：思考、表达和解决问题的逻辑 一、什么是金字塔结构 1.金字塔结构的定义 金字塔结构就是结论先行，以上统下，归类分组，逻辑递进，先重要后次要，先全局后细节，先总结性观点后具体数据，先论点后论据，先结论后原因，先结果后过程。这十句是金字塔结构重点突出、投其所好、逻辑清晰的基本原则。 2.金字塔结构的作用 一般来说，金字塔结构的作用主要包括： 帮助投其所好 人们都期望投其所好、取悦他人，要想达成这一目标，必须学会察言观色、揣摩人心。因此，要以受众为中心，把握受众的需求点、利益点、兴趣点和关注点。只有受众愿意听、愿意看，才能听得进去、看得进去，受众有绝对的决策权。要想让听众听、读者看，唯一的办法就是让受众愿意听、愿意看。听众是主角，说者是配角；读者是决策者，作者是服务者。 不同的工具适用不同的场合，没有万能的工具，但唯一不变的理念是，无论推广何种产品都必须以客户为中心。只有迎合受众才能打动受众，只有迎合领导才能打动客户。 达到沟通目的 学习金字塔原理，还能达到沟通的目的，使人们的观点鲜明、重点突出、逻辑清晰、层次分明。很多沟通都是为了达到沟通的第四个目的——让别人执行和操作自己的指令，要达到沟通的第四个目的，必须以沟通的前三个目的为基础，即：第一，对方愿意听、有兴趣；第二，对方能理解并接受说者的观点；第三，对方记得住说者的指令。 要点提示 沟通的四个目的：
①使受众愿意听、有兴趣； ②使受众能理解并接受说者的观点； ③使受众记得住说者的指令； ④让受众执行和操作自己的指令。 掌握结构化系统思维 学习金字塔原理，还能提高逻辑思维能力，提升沟通的效果和效率。掌握结构化系统思维，不仅对目前有好处，对未来的职业晋升也有好处，因为凡是得到提拔的人一定是条理、逻辑清晰的人，尤其是在政府、国有企业等大型企业中。 3.金字塔结构的三项实用技能 金字塔结构的三项实用技能包括： 先做人后做事 感性做人，理性做事；感性切入，理性回归；清晰思考，有效表达；攻心为上，攻城为下。只要是表达，受众都会有几个疑问：第一，想说什么，即观点、主张、信息；第二，想怎么说，即逻辑思路和结构；如果是向领导汇报，领导还有第三个疑问，即你的目的；如果是向客户讲话，客户会有第四个疑问，即好处是什么。因此，每次表达前都要想好观点主张、逻辑思路结构、目的以及好处四个问题的答案。 要话先说 时间管理的重要原则是要事先做，讲话也是同样的道理，重要的话要先说。 提供解决方案 大多数领导最喜欢做选择题和判断题，最讨厌的是问答题，也就是要让员工为老板打工，而不要老板为员工打工。员工可以向领导汇报面临的问题、挑战和困惑，其前提是必须提供三个解决方案，并按照自己的判断排出优先顺序。 4.金字塔的基本结构 金字塔思维保证条理清晰、层次分明，要先说中心思想，再说二级思想、三级思想、四级思想，逐层向下展开，最重要的内容先说。 任何一篇文章或者一次讲话，都是单一思想统领的金字塔结构，中心思想应当说听众想听的话，而不是讲话者想说什么听众就要听什么。 5.以受众为中心 一般来说，听众可以分为领导和专家两类。 领导 研究领导时，要研究超过50%的领导怎么想，研究大概率事件，研究群体、共性。通常领导都愿意这样听：先重要后其次，先全局后细节，先总结后具体，先论点后论据，先结论后原因，先结果后过程。 专家 对于专家而言，其听的顺序除了第一条外，其他五方面都与领导完全相反。专家最讨厌听结论，并会质疑对方结论的科学性和有效性。专家包括研究人员、科学家、医生、律师、技术人员和专家型领导。 无法判断听众时的切入点 人们要对两类人分别说不同的话，当无法判断听众类型时，有三种切入点可供选择：第一，我的主观结论； 第二，罗列详实的数据； 第三，精炼筛选支撑自己主张的主要数据。
金字塔原理专家金字塔原理导师贾萌-金字塔结构四阶应用训练大纲
释放“金字塔”能量 讲师：贾萌（Monna Jia） 课程背景 “金字塔原理”是管理咨询顾问常用的结构化思维方法和工作方法。自著名管理咨询公司麦肯锡的《金字塔原理——思考、表达与解决问题的逻辑》一书出版后，便引起业界广泛关注，成为国际国内多家企业提升员工结构化思维，提高沟通、写作、分析和解决问题能力的必修课程。 贾萌老师从13岁开始便将“金字塔原理”无意识地应用于日常阅读、理解和记忆，并于1994年获得河南省平顶山市高考文科状元、河南省高考文科TOP 10的优异成绩；工作后，贾萌老师拥有多年国际国内顶尖管理咨询公司工作经验（美国Bearingpoint毕博咨询、HAY合益咨询、IBM全球企业咨询部），负责过多家知名企业的管理咨询、管理培训、行动学习项目，在实际工作中反复运用、验证“金字塔原理”的有效性及普适性。 在亲身实践“金字塔原理”25年的基础上，贾萌老师主持设计开发了《释放“金字塔”能量——“萌氏金字塔结构（MPS）”四阶应用训练》系列课程（注：MPS，Monna Pyramid Structure），综合运用现场研讨、现场演练、现场点评、现场改进、行动学习等方式，化繁为简、深入浅出，帮助学员学会如何将深奥难懂的“金字塔结构”运用于日常工作和解决企业实际问题，具有极强的针对性和实操性。
课程特色 ?特色1——内容：化繁为简、化整为零、循序渐进，针对个性需求灵活重组 四阶课程由简到难、难度递进，可以根据具体需求分阶单独学习，可以循序渐进递阶学习，也可以开展人才测评项目、行动学习项目，既有内容又有形式，既有教练又有引导，既有逻辑又有工具，适用于企业管理者、各层级员工： ?第1阶. 金字塔结构导入：自下而上思考，自上而下表达 ?第2阶. 结构化思维与表达：金字塔结构在上下级沟通汇报中的应用训练 ?第3阶. 卓越商务呈现：金字塔结构在商务写作与商务演示中的应用训练 ?第4阶. 七步成诗：金字塔结构在分析与解决企业实际问题中的应用训练 ?特色2——方法：现场演练、现场点评、现场反思，“学练思行悟”五位一体 ?学：帮助学员了解、理解、掌握关于“金字塔结构”的基本概念，及其如何有效运用于实际工作的基本知识 ?练：在学习过程中，要求学员勤动口（沟通分享）、勤动手（现场演练）、勤动脑（分析思考），提升实际工作能力 ?思：在讲解基本概念和知识、分享案例、现场演练之后，引导学员进行总结思考与提炼提升 ?行：帮助学员制定自我改进的行动计划，指导学员将所学知识和能力运用于实际工作 ?悟：通过“学、练、思、行”，加强学员对“金字塔结构”的深层感悟与理解，从而更好地指导思维与行为 ?特色3——务实：聚焦企业、问题导向、行动学习，团队智慧助力组织成长 ?团队成长：采用咨询、培训、研讨、引导、教练、行动学习等结合的混合式学习方法，既有内容又有形式，既有逻辑又有工具，有助于提升团队合作精神及 团队整体战斗力 ?知识积累：在学习过程中持续挖掘人才经验，形成大量真实案例、总结报告、心得体会等，为公司积累宝贵的文字资料，将个人知识转化为组织知识?组织改进：将学习内容与分析、解决企业实际问题紧密结合，学员的工作成果可直接在企业进行试用或推广实施，团队智慧推动组织改进
数据库建立索引的原则
数据库建立索引的原则 使用索引可快速访问数据库表中的特定信息。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，例如employee 表的姓（lname）列。如果要按姓查找特定职员，与必须搜索表中的所有行相比，索引会帮助您更快地获得该信息。 索引是一个单独的、物理的数据库结构，它是某个表中一列或若干列值的集合和相应的指向表中物理标识这些值的数据页的逻辑指针清单。 索引提供指向存储在表的指定列中的数据值的指针，然后根据您指定的排序顺序对这些指针排序。数据库使用索引的方式与您使用书籍中的索引的方式很相似：它搜索索引以找到特定值，然后顺指针找到包含该值的行。 在数据库关系图中，您可以在选定表的“索引/键”属性页中创建、编辑或删除每个索引类型。当保存索引所附加到的表，或保存该表所在的关系图时，索引将保存在数据库中。 建立索引的优点 1.大大加快数据的检索速度; 2.创建唯一性索引，保证数据库表中每一行数据的唯一性; 3.加速表和表之间的连接; 4.在使用分组和排序子句进行数据检索时，可以显著减少查询中分组和排序的时间。 索引的缺点 1.索引需要占物理空间。 2.当对表中的数据进行增加、删除和修改的时候，索引也要动态的维护，降低了数据的维护速度。 根据数据库的功能，可以在数据库设计器中创建三种索引：唯一索引、主键索引和聚集索引。有关数据库所支持的索引功能的详细信息，请参见数据库文档。 提示尽管唯一索引有助于定位信息，但为获得最佳性能结果，建议改用主键或唯一约束。有关这些约束的更多信息，请参见主键约束和唯一约束。 唯一索引
唯一索引是不允许其中任何两行具有相同索引值的索引。 当现有数据中存在重复的键值时，大多数数据库不允许将新创建的唯一索引与表一起保存。数据库还可能防止添加将在表中创建重复键值的新数据。例如，如果在employee 表中职员的姓(lname) 上创建了唯一索引，则任何两个员工都不能同姓。 有关唯一索引的更多信息，请参见创建唯一索引。 主键索引 数据库表经常有一列或列组合，其值唯一标识表中的每一行。该列称为表的主键。 在数据库关系图中为表定义主键将自动创建主键索引，主键索引是唯一索引的特定类型。该索引要求主键中的每个值都唯一。当在查询中使用主键索引时，它还允许对数据的快速访问。有关主键的更多信息，请参见定义主键。 聚集索引 在聚集索引中，表中行的物理顺序与键值的逻辑（索引）顺序相同。一个表只能包含一个聚集索引。 如果某索引不是聚集索引，则表中行的物理顺序与键值的逻辑顺序不匹配。与非聚集索引相比，聚集索引通常提供更快的数据访问速度。 一、索引 1. 概念：索引是揭示文献内容出处，提供文献查考线索的工具书。 2. 类型：种类很多，从不同的角度可以划分出不同的类型。按文种分，可以分为中文索引的外文索引；按收录范围分，可以分为综合性索引和专题性索引；按收录文献的时间分，可以分为近期索引和回溯性索引；按索引款目的标目分，可以分为题名索引、著者索引、语词索引、主题索引、分类索引等。 3. 功能：揭示文献的内容和指引读者查找信息 4. 作用：索引揭示了一书、一刊的基本情况，如篇目、文句。可以深入、完整、详细、系统地为读者提所需文献的具体线索。 铁律一：天下没有免费的午餐，使用索引是需要付出代价的。 索引的优点有目共睹，但是，却很少有人关心过采用索引所需要付出的成本。若数据库管理员能够对索引所需要付出的代价有一个充分的认识，也就不会那么随意到处建立索引了。
浅谈B-树以及数据库聚集索引、非聚集索引
浅谈B-树以及数据库聚集索引、非聚集索引 对数据库索引的关注从未淡出我的们的讨论，那么数据库索引是什么样的？聚集索引与非聚集索引有什么不同？这段时间，了解数据库索引的一些相关知识，又查阅了一些相关资料，希望本文对大家有一定的帮助，在此借此机会与 大家分享一些数据库聚集索引、数据库非聚集索引概念、实现过程、以及优缺点。有不少存疑的地方，诚心希望各位不吝赐教指正，共同进步。 我们常见的数据库系统，其索引使用的数据结构多是B-Tree或者B+Tree。例如，MySql使用的是B+Tree，Oracle及Sysbase使用的是B-Tree。所以在 最开始，简单地介绍一下B-Tree。 1.B-Tree 在严蔚敏编著的《数据结构》种对B-Tree有如下定义： B-Tree是一种平衡的多路查找树，它在文件系统中很有用，一棵m阶的 B-树，或为空树，或为满足下列特性的m叉树： 1）树中每个结点至多有m个孩子； 2）若根节点不是叶子节点，则至少有两棵子树； 3）除根结点和叶结点外，其它每个结点至少有m/2(上取整)个孩子； 4）所有叶结点在同一层，叶结点不包含任何关键字信息； 5）有K个关键字的非叶结点恰好包含K+1个孩子 另外，对于一个结点，其内部的关键字是从小到大排序的。以下是B-Tree （m=4）的样例:
对于每个结点，主要包含一个关键字数组key[]，一个指针数组（指向儿子）son[]。在B-Tree内，查找的流程是：使用顺序查找（数组长度较短时）或折 半查找方法查找key[]数组，若找到关键字k，则返回该结点的地址及K在key[]中的位置；否则，可确定k在某个key[i]和key[i+1]之间，则从son[i]所指的子结点继续查找，直到在某结点中查找成功；或直至找到叶结点且叶结点中的查 找仍不成功时，查找过程失败。 接着，我们使用以下图片演示如何生成B-Tree（m=4，依次插入1~6）：从图可见，当我们插入关键字4时，由于原结点已经满了，故进行分裂，基本 按一半的原则进行分裂，然后取出中间的关键字2，升级（这里是成为根结点）。其它的依类推，就是这样一个大概的过程。
优化建模与lingo软件
问题一：LP 问题在lindo 和lingo 中不同的输入形式 （1）将目标函数的表示方式从“MAX ”变成了“MAX=” （2）“ST ”在LINGO 模型中不再需要，所以被删除了 （3）每个系数与变量间增加了运算符“*”（即乘号不能省略） （4）每行（目标、约束和说明语句）后面均增加了一个分号“;”(英文状态下) （5）模型结束标志“END ”也被删除了（LINGO 中只有当模型以“MODEL ：”开始时才能以“END ”结束）。 （6）英文状态下!后面的文字为说明文字，不参与模型的求解。 问题二：状态窗口的参数解释 variable adj 异变的，变量的 n 变量
问题三优化建模的实例： 1. 线性规划模型 2. 二次规划模型 3. 非线性规划模型 目标函数：()()∑∑--==+= 2161 22min j i bi yi ai xi cij f 约束条件:6,5,4,3,2,1,21 ∑===j i di cij ∑==<=6 1 2,1,i j ej cij 4. 整数规划模型（线性0-1规划模型是特殊的线性整数规划） 1) 目标函数：7654321min x x x x x x x z ++++++= 2) 约束条件: ???????????>=++++>=++++>=++++>=++++>=++++>=++++>=++++. 5076543,5065432,5054321,5074321,5076321,5076521,5076541x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x )7,,2,1(0 =>=i xi
金字塔结构思维训练法
金字塔结构思维训练法 金字塔结构思维模式，是指将自己要表达的多个思想依据一定的逻辑关系，或由上而下，或自下而上进行排列出来，使其形成由单一思想统领的具有递进关系的金字塔模式，从而使所想要表达的思想一目了然。 这种金字塔原理是芭芭若·明特女士提出的，它主要有以下几大部分构成：写作的逻辑、思考的逻辑、解决问题的逻辑、表达的逻辑。 明特认为，文章与写作不过只是作者表达自己思维、思想的一种途径，这种逻辑思维的过程经过加工润色落在字面上就成了文字，而通过口头表述就是演讲或叙述。 一、认识金字塔理论 1、文章的思想必须符合以下规则 ⑴文章结构中任一层次上的思想都必须是其下层次思想的概括。 ⑵每一组中的思想都必须属于同一范畴。 ⑶每一组中的思想都必须按逻辑顺序组织。 2、金字塔的子结构 ⑴主题和子主题之间的纵向关系 建立一种疑问（为什么会这样？怎样才能这样？为什么你这样说？）/回答式对话，按“引起读者疑问并回答疑问”的模式循环下去。 ⑵子主题之间的横向关系 一般而言,在每一层次的子主题之间存在并列、递进、或相反/对立等相关关系，这种关系构成了子主题之间的横向关系。 ⑶序言的讲故事式结构 ⑷纵向关系 3、金字塔结构在新闻写作中的运用——倒金字塔式结构 最主要、最急于传递给受众的内容放最前面 次要内容放在稍后的段落里 最次要的放在消息的尾部 如例P90 最上端的导言文字已充分交代了事件发生的时间、地点、人物、事情起因、经过、结果等六大要素。 4、金字塔的逻辑顺序 ⑴时间顺序 ⑵结构顺序 ⑶重要程度顺序 5、如何构筑金字塔 ⑴自上而下法 ①确定主要问题 ②画出主题方框 ③写出该问题的回答 ④说明“情境” ⑤指出“冲突”：开始与读者进行“疑问/回答式”对话 ⑥检查主要问题和内容 ⑵自下而上法（初学者避免使用此法） ①列出你想表达的所有思想要点 ②找出各要点之间的逻辑关系
数据库索引的作用及实例
1.1．索引作用 2.在索引列上，除了上面提到的有序查找之外，数据库利用各种各样的 快速定位技术，能够大大提高查询效率。特别是当数据量非常大，查询涉及多个表时，使用索引往往能使查询速度加快成千上万倍。 3. 4.例如，有3个未索引的表t1、t2、t3，分别只包含列c1、c2、c3，每 个表分别含有1000行数据组成，指为1～1000的数值，查找对应值相等行的查询如下所示。 5. 6.SELECT c1,c2,c3 FROM t1,t2,t3 WHERE c1=c2 AND c1=c3 7. 8.此查询结果应该为1000行，每行包含3个相等的值。在无索引的情况 下处理此查询，必须寻找3个表所有的组合，以便得出与WHERE子句相配的那些行。而可能的组合数目为1000×1000×1000（十亿），显然查询将会非常慢。 9. 10. 如果对每个表进行索引，就能极大地加速查询进程。利用索引的查询 处理如下。 11. 12.（1）从表t1中选择第一行，查看此行所包含的数据。 13. 14.（2）使用表t2上的索引，直接定位t2中与t1的值匹配的行。类似，利 用表t3上的索引，直接定位t3中与来自t1的值匹配的行。 15. 16.（3）扫描表t1的下一行并重复前面的过程，直到遍历t1中所有的行。 17. 18. 在此情形下，仍然对表t1执行了一个完全扫描，但能够在表t2和t3 上进行索引查找直接取出这些表中的行，比未用索引时要快一百万倍。 19. 20. 利用索引，MySQL加速了WHERE子句满足条件行的搜索，而在多表连 接查询时，在执行连接时加快了与其他表中的行匹配的速度。 21. 22.2. 创建索引 23.在执行CREATE TABLE语句时可以创建索引，也可以单独用CREATE INDEX 或ALTER TABLE来为表增加索引。 24. 25.1．ALTER TABLE 26.ALTER TABLE用来创建普通索引、UNIQUE索引或PRIMARY KEY索引。 27. 28. 29. 30.ALTER TABLE table_name ADD INDEX index_name (column_list) 31. 32.ALTER TABLE table_name ADD UNIQUE (column_list)
30一种基于矢量数据的瓦片金字塔算法
一种基于矢量数据的瓦片金字塔算法 李海亭 武汉市勘测设计研究院 工程师，博士 摘要 由于响应速度一度成为互联网电子地图的发展瓶颈，随着瓦片地图技术的出现，地图的拖动、缩放以及不同比例尺下的快速浏览都有了很大的改善。近年来，许多互联网电子地图供应商（包括Google、Baidu、Mapbar、灵图等）都使用了这一技术。瓦片地图本质上就是把人们通用的地图作为主要地图背景，并采用预先生成的方法存放在服务器端，然后根据用户提交的不同请求，把相应的地图瓦片发送给客户端的过程。由于客户端请求的地图是预先生成，不需像传统的WebGIS那样对用户的请求进行实时计算和绘图，所以瓦片地图技术能够在地图的显示方面具有速度的优越性。地图瓦片是如何生成的，如何根据用户的请求范围实时地将相关瓦片反馈给用户，这需要建立一个良好的索引机制。本文根据基于瓦片地图机制的武汉市公益地图网（https://www.360docs.net/doc/2b2719260.html,）的实际开发应用，提出了一种基于矢量数据的瓦片金字塔算法，并探讨了该算法引发的地图变形问题及其修正方法。 关键词：瓦片金字塔；网格索引；地图变形；步长修正 1 前言 瓦片索引是当今网络电子地图发布的主要技术手段，它采用预生成思想将地图进行横向分幅和纵向分级，然后根据用户请求动态检索相应的图块并自动完成拼接。对全球进行空间划分的方法归纳起来主要有以下两种:等间隔空间划分和等面积空间划分。但在平面电子地图的表达中，瓦片索引在本质上则是地图投影变换和空间索引的融合运用，该索引模型的建立过程须根据其应用特点参考不同地图投影的变形规律。因此，瓦片索引方法研究同样也是适应新型地图产品而派生的新的研究领域，它是地图投影学研究的一个延伸。本文首先介绍基于矢量数据的地图瓦片金字塔概念，然后提出了一种采用网格索引的瓦片金字塔算法。本文还在分析该算法在特定区域引发的地图变形问题的同时进一步探讨了如何通过地图瓦片的长宽修正和经纬度步长修正两种方法解决变形问题。
数据库索引原理
数据库索引原理 SQL SERVER（下称 SQLS）为例，将数据库管理中难于理解的“索引原理”问题给各位朋友作一个深入浅出的介绍。其他的数据库管理系统如Oracle、Sybase等，朋友们可以融会贯通，举一反三。 一、数据表的基本结构 建立数据库的目的是管理大量数据，而建立索引的目的就是提高数据检索效率，改善数据库工作性能，提高数据访问速度。对于索引，我们要知其然，更要知其所以然，关键在于认识索引的工作原理，才能更好的管理索引。为认识索引工作原理，首先有必要对数据表的基本结构作一次全面的复习。 SQLS当一个新表被创建之时，系统将在磁盘中分配一段以8K为单位的连续空间，当字段的值从内存写入磁盘时，就在这一既定空间随机保存，当一个8K用完的时候，SQLS指针会自动分配一个8K的空间。这里，每个8K空间被称为一个数据页（Page），又名页面或数据页面，并分配从0-7的页号,每个文件的第0页记录引导信息，叫文件头（File header）；每8个数据页（64K）的组合形成扩展区（Extent），称为扩展。全部数据页的组合形成堆（Heap）。 SQLS规定行不能跨越数据页，所以，每行记录的最大数据量只能为8K。这就是char和varchar这两种字符串类型容量要限制在8K以内的原因，存储超过8K的数据应使用text类型，实际上，text类型的字段值不能直接录入和保存，它只是存储一个指针，指向由若干8K的文本数据页所组成的扩展区，真正的数据正是放在这些数据页中。页面有空间页面和数据页面之分。 当一个扩展区的8个数据页中既包含了空间页面又包括了数据或索引页面时，称为混合扩展（Mixed Extent）,每张表都以混合扩展开始；反之，称为一致扩展（Uniform Extent），专门保存数据及索引信息。 表被创建之时，SQLS在混合扩展中为其分配至少一个数据页面，随着数据量的增长，SQLS可即时在混合扩展中分配出7个页面，当数据超过8个页面时，则从一致扩展中分配数据页面。 空间页面专门负责数据空间的分配和管理，包括：PFS页面（Page free space）：记录一个页面是否已分配、位于混合扩展还是一致扩展以及页面上还有多少可用空间等信息；GAM页面（Global allocation map）和SGAM页面(Secodary global allocation map)：用来记录空闲的扩展或含有空闲页面的混合扩展的位置。SQLS综合利用这三种类型的页面文件在必要时为数据表创建新空间； 数据页或索引页则专门保存数据及索引信息，SQLS使用4种类型的数据页面来管理表或索引：它们是IAM页、数据页、文本/图像页和索引页。 在WINDOWS中，我们对文件执行的每一步操作，在磁盘上的物理位置只有系统（system）才知道；SQL SERVER沿袭了这种工作方式，在插入数据的过程中，不但每个字段值在数据页面中的保存位置是随机的，而且每个数据页面在“堆”中的排列位置也只有系统（system）才知道。 这是为什么呢？众所周知，OS之所以能管理DISK，是因为在系统启动时首先加载了文件分配表：FAT（File Allocation Table），正是由它管理文件系统并记录对文件的一切操作，系统才得以正常运行；同理，作为管理系统级的SQL SERVER,也有这样一张类似FAT的表存在，它就是索引分布映像页：IAM（Index Allocation Map）。 IAM的存在，使SQLS对数据表的物理管理有了可能。