• 售前

  • 售后

热门帖子
入门百科

MySQL的索引原理以及查询优化详解

[复制链接]
华为股票卖出矩 显示全部楼层 发表于 2022-1-9 07:53:07 |阅读模式 打印 上一主题 下一主题
目录


  • 一、介绍

    • 1.什么是索引?
    • 2.为什么要有索引呢?

  • 二、索引的原理

    • 一 索引原理
    • 二 磁盘IO与预读

  • 三、索引的数据结构
  • 四、Mysql索引管理

    • 一、功能
    • 二、MySQL的索引分类
    • 三、 索引的两大类型hash与btree
    • 四、创建/删除索引的语法

  • 五、测试索引

    • 1、准备
    • 2 、在没有索引的前提下测试查询速率
    • 3、 加上索引

  • 六、正确利用索引

    • 一、覆盖索引
    • 二、团结索引
    • 三、索引合并

  • 七、慢查询优化的根本步调
  • 总结

一、介绍


1.什么是索引?

一般的应用系统,读写比例在10:1左右,而且插入操纵和一般的更新操纵很少出现性能问题,在生产环境中,我们碰到最多的,也是最轻易出问题的,照旧一些复杂的查询操纵,因此对查询语句的优化显然是重中之重。提及加速查询,就不得不提到索引了。

2.为什么要有索引呢?

索引在MySQL中也叫做“键”,是存储引擎用于快速找到纪录的一种数据结构。索引对于良好的性能

非常关键,尤其是当表中的数据量越来越大时,索引对于性能的影响愈发重要。

索引优化应该是对查询性能优化最有效的本领了。索引可以或许轻易将查询性能提高好几个数量级。

索引相当于字典的音序表,假如要查某个字,假如倒霉用音序表,则必要从几百页中逐页去查。

二、索引的原理


一 索引原理

索引的目的在于提高查询服从,与我们查阅图书所用的目录是一个道理:先定位到章,然后定位到该章下的一个末节,然后找到页数。相似的例子另有:查字典,查火车车次,飞机航班等
本质都是:通过不断地缩小想要获取数据的范围来筛选出终极想要的效果,同时把随机的事件变成顺序的事件,也就是说,有了这种索引机制,我们可以总是用同一种查找方式来锁定命据。
数据库也是一样,但显然要复杂的多,由于不仅面对着等值查询,另有范围查询
  1. (>、<、between、in)
复制代码
、含糊查询(like)、并集查询(or)等等。数据库应该选择怎么样的方式来应对所有的问题呢?我们追念字典的例子,能不能把数据分成段,然后分段查询呢?最简单的假如1000条数据,1到100分成第一段,101到200分成第二段,201到300分成第三段......如许查第250条数据,只要找第三段就可以了,一下子去除了90%的无效数据。但假如是1千万的纪录呢,分成几段比较好?稍有算法底子的同学会想到搜索树,其匀称复杂度是lgN,具有不错的查询性能。但这里我们忽略了一个关键的问题,复杂度模型是基于每次雷同的操纵资本来考虑的。而数据库实现比较复杂,一方面数据是保存在磁盘上的,另外一方面为了提高性能,每次又可以把部门数据读入内存来盘算,由于我们知道访问磁盘的资本大概是访问内存的十万倍左右,所以简单的搜索树难以满足复杂的应用场景。

二 磁盘IO与预读

考虑到磁盘IO黑白常高昂的操纵,盘算机操纵系统做了一些优化,当一次IO时,不光把当前磁盘地址的数据,而是把相邻的数据也都读取到内存缓冲区内,由于局部预读性原理告诉我们,当盘算机访问一个地址的数据的时间,与其相邻的数据也会很快被访问到。每一次IO读取的数据我们称之为一页(page)。具体一页有多大数据跟操纵系统有关,一般为4k或8k,也就是我们读取一页内的数据时间,现实上才发生了一次IO,这个理论对于索引的数据结构计划非常有资助。

三、索引的数据结构

任何一种数据结构都不是凭空产生的,肯定会有它的配景和利用场景,我们如今总结一下,我们必要这种数据结构可以或许做些什么,其实很简单,那就是:每次查找数据时把磁盘IO次数控制在一个很小的数量级,最好是常数数量级。那么我们就想到假如一个高度可控的多路搜索树是否能满足需求呢?就如许,b+树应运而生。

如上图,是一颗b+树,关于b+树的界说可以参见B+树,这里只说一些重点,浅蓝色的块我们称之为一个磁盘块,可以看到每个磁盘块包含几个数据项(深蓝色所示)和指针(黄色所示),如磁盘块1包含数据项17和35,包含指针P1、P2、P3,P1表示小于17的磁盘块,P2表示在17和35之间的磁盘块,P3表示大于35的磁盘块。真实的数据存在于叶子节点即3、5、9、10、13、15、28、29、36、60、75、79、90、99。非叶子节点只不存储真实的数据,只存储指引搜索方向的数据项,如17、35并不真实存在于数据表中。
###b+树的查找过程

如图所示,假如要查找数据项29,那么首先会把磁盘块1由磁盘加载到内存,此时发生一次IO,在内存中用二分查找确定29在17和35之间,锁定磁盘块1的P2指针,内存时间由于非常短(相比磁盘的IO)可以忽略不计,通过磁盘块1的P2指针的磁盘地址把磁盘块3由磁盘加载到内存,发生第二次IO,29在26和30之间,锁定磁盘块3的P2指针,通过指针加载磁盘块8到内存,发生第三次IO,同时内存中做二分查找找到29,结束查询,总计三次IO。真实的环境是,3层的b+树可以表示上百万的数据,假如上百万的数据查找只必要三次IO,性能提高将是巨大的,假如没有索引,每个数据项都要发生一次IO,那么总共必要百万次的IO,显然资本非常非常高。
###b+树性子

1.索引字段要尽量的小:通过上面的分析,我们知道IO次数取决于b+数的高度h,假设当前数据表的数据为N,每个磁盘块的数据项的数量是m,则有h=㏒(m+1)N,当数据量N肯定的环境下,m越大,h越小;而m = 磁盘块的巨细 / 数据项的巨细,磁盘块的巨细也就是一个数据页的巨细,是固定的,假如数据项占的空间越小,数据项的数量越多,树的高度越低。这就是为什么每个数据项,即索引字段要尽量的小,好比int占4字节,要比bigint8字节少一半。这也是为什么b+树要求把真实的数据放到叶子节点而不是内层节点,一旦放到内层节点,磁盘块的数据项会大幅度降落,导致树增高。当数据项即是1时将会退化成线性表。

2.索引的最左匹配特性(即从左往右匹配):当b+树的数据项是复合的数据结构,好比(name,age,sex)的时间,b+数是按照从左到右的顺序来建立搜索树的,好比当(张三,20,F)如许的数据来检索的时间,b+树会优先比较name来确定下一步的所搜方向,假如name雷同再依次比较age和sex,最后得到检索的数据;但当(20,F)如许的没有name的数据来的时间,b+树就不知道下一步该查哪个节点,由于建立搜索树的时间name就是第一个比较因子,必须要先根据name来搜索才能知道下一步去哪里查询。好比当(张三,F)如许的数据来检索时,b+树可以用name来指定搜索方向,但下一个字段age的缺失,所以只能把名字即是张三的数据都找到,然后再匹配性别是F的数据了, 这个黑白常重要的性子,即索引的最左匹配特性。

四、Mysql索引管理


一、功能
  1. #1. 索引的功能就是加速查找
  2. #2. mysql中的primary key,unique,联合唯一也都是索引,这些索引除了加速查找以外,还有约束的功能
复制代码
二、MySQL的索引分类
  1. 索引分类
  2. 1.普通索引index :加速查找
  3. 2.唯一索引
  4.     主键索引:primary key :加速查找+约束(不为空且唯一)
  5.     唯一索引:unique:加速查找+约束 (唯一)
  6. 3.联合索引
  7.     -primary key(id,name):联合主键索引
  8.     -unique(id,name):联合唯一索引
  9.     -index(id,name):联合普通索引
  10. 4.全文索引fulltext :用于搜索很长一篇文章的时候,效果最好。
  11. 5.空间索引spatial :了解就好,几乎不用
复制代码
  1. 1 举个例子来说,比如你在为某商场做一个会员卡的系统。
  2. 2
  3. 3 这个系统有一个会员表
  4. 4 有下列字段:
  5. 5 会员编号 INT
  6. 6 会员姓名 VARCHAR(10)
  7. 7 会员身份证号码 VARCHAR(18)
  8. 8 会员电话 VARCHAR(10)
  9. 9 会员住址 VARCHAR(50)
  10. 10 会员备注信息 TEXT
  11. 11
  12. 12 那么这个 会员编号,作为主键,使用 PRIMARY
  13. 13 会员姓名 如果要建索引的话,那么就是普通的 INDEX
  14. 14 会员身份证号码 如果要建索引的话,那么可以选择 UNIQUE (唯一的,不允许重复)
  15. 15
  16. 16 #除此之外还有全文索引,即FULLTEXT
  17. 17 会员备注信息 , 如果需要建索引的话,可以选择全文搜索。
  18. 18 用于搜索很长一篇文章的时候,效果最好。
  19. 19 用在比较短的文本,如果就一两行字的,普通的 INDEX 也可以。
  20. 20 但其实对于全文搜索,我们并不会使用MySQL自带的该索引,而是会选择第三方软件如Sphinx,专门来做全文搜索。
  21. 21
  22. 22 #其他的如空间索引SPATIAL,了解即可,几乎不用
  23. 各个索引的应用场景
复制代码
三、 索引的两大类型hash与btree
  1. #我们可以在创建上述索引的时候,为其指定索引类型,分两类
  2. hash类型的索引:查询单条快,范围查询慢
  3. btree类型的索引:b+树,层数越多,数据量指数级增长(我们就用它,因为innodb默认支持它)
  4. #不同的存储引擎支持的索引类型也不一样
  5. InnoDB 支持事务,支持行级别锁定,支持 B-tree、Full-text 等索引,不支持 Hash 索引;
  6. MyISAM 不支持事务,支持表级别锁定,支持 B-tree、Full-text 等索引,不支持 Hash 索引;
  7. Memory 不支持事务,支持表级别锁定,支持 B-tree、Hash 等索引,不支持 Full-text 索引;
  8. NDB 支持事务,支持行级别锁定,支持 Hash 索引,不支持 B-tree、Full-text 等索引;
  9. Archive 不支持事务,支持表级别锁定,不支持 B-tree、Hash、Full-text 等索引;
复制代码
四、创建/删除索引的语法
  1. 1 #方法一:创建表时
  2. 2       CREATE TABLE 表名 (
  3. 3                 字段名1  数据类型 [完整性约束条件…],
  4. 4                 字段名2  数据类型 [完整性约束条件…],
  5. 5                 [UNIQUE | FULLTEXT | SPATIAL ]   INDEX | KEY
  6. 6                 [索引名]  (字段名[(长度)]  [ASC |DESC])
  7. 7                 );
  8. 8
  9. 9
  10. 10 #方法二:CREATE在已存在的表上创建索引
  11. 11         CREATE  [UNIQUE | FULLTEXT | SPATIAL ]  INDEX  索引名
  12. 12                      ON 表名 (字段名[(长度)]  [ASC |DESC]) ;
  13. 13
  14. 14
  15. 15 #方法三:ALTER TABLE在已存在的表上创建索引
  16. 16         ALTER TABLE 表名 ADD  [UNIQUE | FULLTEXT | SPATIAL ] INDEX
  17. 17                              索引名 (字段名[(长度)]  [ASC |DESC]) ;
  18. 18                              
  19. 19 #删除索引:DROP INDEX 索引名 ON 表名字;
  20. 创建/删除索引的语法
复制代码
创建/删除索引的语法
  1. 善用帮助文档
  2. help create
  3. help create index
  4. ==================
  5. 1.创建索引
  6.     -在创建表时就创建(需要注意的几点)
  7.     create table s1(
  8.     id int ,#可以在这加primary key
  9.     #id int index #不可以这样加索引,因为index只是索引,没有约束一说,
  10.     #不能像主键,还有唯一约束一样,在定义字段的时候加索引
  11.     name char(20),
  12.     age int,
  13.     email varchar(30)
  14.     #primary key(id) #也可以在这加
  15.     index(id) #可以这样加
  16.     );
  17.     -在创建表后在创建
  18.     create index name on s1(name); #添加普通索引
  19.     create unique age on s1(age);添加唯一索引
  20.     alter table s1 add primary key(id); #添加住建索引,也就是给id字段增加一个主键约束
  21.     create index name on s1(id,name); #添加普通联合索引
  22. 2.删除索引
  23.     drop index id on s1;
  24.     drop index name on s1; #删除普通索引
  25.     drop index age on s1; #删除唯一索引,就和普通索引一样,不用在index前加unique来删,直接就可以删了
  26.     alter table s1 drop primary key; #删除主键(因为它添加的时候是按照alter来增加的,那么我们也用alter来删)
复制代码
资助查察



五、测试索引


1、准备
  1. #1. 准备表
  2. create table s1(
  3. id int,
  4. name varchar(20),
  5. gender char(6),
  6. email varchar(50)
  7. );
  8. #2. 创建存储过程,实现批量插入记录
  9. delimiter $$ #声明存储过程的结束符号为$$
  10. create procedure auto_insert1()
  11. BEGIN
  12.     declare i int default 1;
  13.     while(i<3000000)do
  14.         insert into s1 values(i,concat('egon',i),'male',concat('egon',i,'@oldboy'));
  15.         set i=i+1;
  16.     end while;
  17. END$$ #$$结束
  18. delimiter ; #重新声明分号为结束符号
  19. #3. 查看存储过程
  20. show create procedure auto_insert1\G
  21. #4. 调用存储过程
  22. call auto_insert1();
复制代码
2 、在没有索引的前提下测试查询速率
  1. #无索引:从头到尾扫描一遍,所以查询速度很慢
  2. mysql> select * from s1 where id=333;
  3. +------+---------+--------+----------------+
  4. | id   | name    | gender | email          |
  5. +------+---------+--------+----------------+
  6. |  333 | egon333 | male   | 333@oldboy.com |
  7. |  333 | egon333 | f      | alex333@oldboy |
  8. |  333 | egon333 | f      | alex333@oldboy |
  9. +------+---------+--------+----------------+
  10. rows in set (0.32 sec)
  11. mysql> select * from s1 where email='egon333@oldboy';
  12. ....
  13. ... rows in set (0.36 sec)
复制代码
3、 加上索引
  1. #1. 一定是为搜索条件的字段创建索引,比如select * from t1 where age > 5;就需要为age加上索引
  2. #2. 在表中已经有大量数据的情况下,建索引会很慢,且占用硬盘空间,插入删除更新都很慢,只有查询快
  3. 比如create index idx on s1(id);会扫描表中所有的数据,然后以id为数据项,创建索引结构,存放于硬盘的表中。
  4. 建完以后,再查询就会很快了
  5. #3. 需要注意的是:innodb表的索引会存放于s1.ibd文件中,而myisam表的索引则会有单独的索引文件table1.MYI
复制代码


六、正确利用索引


一、覆盖索引
  1. #分析
  2. select * from s1 where id=123;
  3. 该sql命中了索引,但未覆盖索引。
  4. 利用id=123到索引的数据结构中定位到该id在硬盘中的位置,或者说再数据表中的位置。
  5. 但是我们select的字段为*,除了id以外还需要其他字段,这就意味着,我们通过索引结构取到id还不够,
  6. 还需要利用该id再去找到该id所在行的其他字段值,这是需要时间的,很明显,如果我们只select id,
  7. 就减去了这份苦恼,如下
  8. select id from s1 where id=123;
  9. 这条就是覆盖索引了,命中索引,且从索引的数据结构直接就取到了id在硬盘的地址,速度很快
复制代码


二、团结索引



三、索引合并
  1. #索引合并:把多个单列索引合并使用
  2. #分析:
  3. 组合索引能做到的事情,我们都可以用索引合并去解决,比如
  4. create index ne on s1(name,email);#组合索引
  5. 我们完全可以单独为name和email创建索引
  6. 组合索引可以命中:
  7. select * from s1 where name='egon' ;
  8. select * from s1 where name='egon' and email='adf';
  9. 索引合并可以命中:
  10. select * from s1 where name='egon' ;
  11. select * from s1 where email='adf';
  12. select * from s1 where name='egon' and email='adf';
  13. 乍一看好像索引合并更好了:可以命中更多的情况,但其实要分情况去看,如果是name='egon' and email='adf',
  14. 那么组合索引的效率要高于索引合并,如果是单条件查,那么还是用索引合并比较合理
复制代码

若想利用索引达到预想的提高查询速率的效果,我们在添加索引时,必须遵照以下原则
  1. #1.最左前缀匹配原则,非常重要的原则,
  2. create index ix_name_email on s1(name,email,)
  3. - 最左前缀匹配:必须按照从左到右的顺序匹配
  4. select * from s1 where name='egon'; #可以
  5. select * from s1 where name='egon' and email='asdf'; #可以
  6. select * from s1 where email='alex@oldboy.com'; #不可以
  7. mysql会一直向右匹配直到遇到范围查询(>、<、between、like)就停止匹配,
  8. 比如a = 1 and b = 2 and c > 3 and d = 4 如果建立(a,b,c,d)顺序的索引,
  9. d是用不到索引的,如果建立(a,b,d,c)的索引则都可以用到,a,b,d的顺序可以任意调整。
  10. #2.=和in可以乱序,比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意顺序,mysql的查询优化器
  11. 会帮你优化成索引可以识别的形式
  12. #3.尽量选择区分度高的列作为索引,区分度的公式是count(distinct col)/count(*),
  13. 表示字段不重复的比例,比例越大我们扫描的记录数越少,唯一键的区分度是1,而一些状态、
  14. 性别字段可能在大数据面前区分度就是0,那可能有人会问,这个比例有什么经验值吗?使用场景不同,
  15. 这个值也很难确定,一般需要join的字段我们都要求是0.1以上,即平均1条扫描10条记录
  16. #4.索引列不能参与计算,保持列“干净”,比如from_unixtime(create_time) = '2014-05-29'
  17. 就不能使用到索引,原因很简单,b+树中存的都是数据表中的字段值,
  18. 但进行检索时,需要把所有元素都应用函数才能比较,显然成本太大。
  19. 所以语句应该写成create_time = unix_timestamp('2014-05-29');
复制代码
最左前缀树模
  1. mysql> select * from s1 where id>3 and name='egon' and email='alex333@oldboy.com' and gender='male';
  2. Empty set (0.39 sec)
  3. mysql> create index idx on s1(id,name,email,gender); #未遵循最左前缀
  4. Query OK, 0 rows affected (15.27 sec)
  5. Records: 0  Duplicates: 0  Warnings: 0
  6. mysql> select * from s1 where id>3 and name='egon' and email='alex333@oldboy.com' and gender='male';
  7. Empty set (0.43 sec)
  8. mysql> drop index idx on s1;
  9. Query OK, 0 rows affected (0.16 sec)
  10. Records: 0  Duplicates: 0  Warnings: 0
  11. mysql> create index idx on s1(name,email,gender,id); #遵循最左前缀
  12. Query OK, 0 rows affected (15.97 sec)
  13. Records: 0  Duplicates: 0  Warnings: 0
  14. mysql> select * from s1 where id>3 and name='egon' and email='alex333@oldboy.com' and gender='male';
  15. Empty set (0.03 sec)
复制代码
  1. 1 6. 最左前缀匹配
  2. 2 index(id,age,email,name)
  3. 3 #条件中一定要出现id(只要出现id就会提升速度)
  4. 4 id
  5. 5 id age
  6. 6 id email
  7. 7 id name
  8. 8
  9. 9 email #不行  如果单独这个开头就不能提升速度了
  10. 10 mysql> select count(*) from s1 where id=3000;
  11. 11 +----------+
  12. 12 | count(*) |
  13. 13 +----------+
  14. 14 |        1 |
  15. 15 +----------+
  16. 16 1 row in set (0.11 sec)
  17. 17
  18. 18 mysql> create index xxx on s1(id,name,age,email);
  19. 19 Query OK, 0 rows affected (6.44 sec)
  20. 20 Records: 0  Duplicates: 0  Warnings: 0
  21. 21
  22. 22 mysql>  select count(*) from s1 where id=3000;
  23. 23 +----------+
  24. 24 | count(*) |
  25. 25 +----------+
  26. 26 |        1 |
  27. 27 +----------+
  28. 28 1 row in set (0.00 sec)
  29. 29
  30. 30 mysql>  select count(*) from s1 where name='egon';
  31. 31 +----------+
  32. 32 | count(*) |
  33. 33 +----------+
  34. 34 |   299999 |
  35. 35 +----------+
  36. 36 1 row in set (0.16 sec)
  37. 37
  38. 38 mysql>  select count(*) from s1 where email='egon3333@oldboy.com';
  39. 39 +----------+
  40. 40 | count(*) |
  41. 41 +----------+
  42. 42 |        1 |
  43. 43 +----------+
  44. 44 1 row in set (0.15 sec)
  45. 45
  46. 46 mysql>  select count(*) from s1 where id=1000 and email='egon3333@oldboy.com';
  47. 47 +----------+
  48. 48 | count(*) |
  49. 49 +----------+
  50. 50 |        0 |
  51. 51 +----------+
  52. 52 1 row in set (0.00 sec)
  53. 53
  54. 54 mysql>  select count(*) from s1 where email='egon3333@oldboy.com' and id=3000;
  55. 55 +----------+
  56. 56 | count(*) |
  57. 57 +----------+
  58. 58 |        0 |
  59. 59 +----------+
  60. 60 1 row in set (0.00 sec)
  61. 建联合索引,最左匹配
复制代码
索引无法掷中的环境必要注意:
  1. - like '%xx'
  2.     select * from tb1 where email like '%cn';
  3.    
  4. - 使用函数
  5.     select * from tb1 where reverse(email) = 'wupeiqi';
  6.    
  7. - or
  8.     select * from tb1 where nid = 1 or name = 'seven@live.com';
  9.    
  10.     特别的:当or条件中有未建立索引的列才失效,以下会走索引
  11.             select * from tb1 where nid = 1 or name = 'seven';
  12.             select * from tb1 where nid = 1 or name = 'seven@live.com' and email = 'alex'
  13.             
  14. - 类型不一致
  15.     如果列是字符串类型,传入条件是必须用引号引起来,不然...
  16.     select * from tb1 where email = 999;
  17. 普通索引的不等于不会走索引
  18. - !=
  19.     select * from tb1 where email != 'alex'
  20.     特别的:如果是主键,则还是会走索引
  21.         select * from tb1 where nid != 123
  22. - >
  23.     select * from tb1 where email > 'alex'
  24.    
  25.     特别的:如果是主键或索引是整数类型,则还是会走索引
  26.         select * from tb1 where nid > 123
  27.         select * from tb1 where num > 123
  28.         
  29. #排序条件为索引,则select字段必须也是索引字段,否则无法命中
  30. - order by
  31.     select name from s1 order by email desc;
  32.     当根据索引排序时候,select查询的字段如果不是索引,则不走索引
  33.     select email from s1 order by email desc;
  34.     特别的:如果对主键排序,则还是走索引:
  35.         select * from tb1 order by nid desc;
  36. - 组合索引最左前缀
  37.     如果组合索引为:(name,email)
  38.     name and email       -- 使用索引
  39.     name                 -- 使用索引
  40.     email                -- 不使用索引
  41. - count(1)或count(列)代替count(*)在mysql中没有差别了
  42. - create index xxxx  on tb(title(19)) #text类型,必须制定长度
复制代码
  1. - 避免使用select *
  2. - count(1)或count(列) 代替 count(*)
  3. - 创建表时尽量时 char 代替 varchar
  4. - 表的字段顺序固定长度的字段优先
  5. - 组合索引代替多个单列索引(经常使用多个条件查询时)
  6. - 尽量使用短索引
  7. - 使用连接(JOIN)来代替子查询(Sub-Queries)
  8. - 连表时注意条件类型需一致
  9. - 索引散列值(重复少)不适合建索引,例:性别不适合
复制代码


七、慢查询优化的根本步调
  1. 0.先运行看看是否真的很慢,注意设置SQL_NO_CACHE
  2. 1.where条件单表查,锁定最小返回记录表。这句话的意思是把查询语句的where都应用到表中返回的记录数最小的表开始查起,单表每个字段分别查询,看哪个字段的区分度最高
  3. 2.explain查看执行计划,是否与1预期一致(从锁定记录较少的表开始查询)
  4. 3.order by limit 形式的sql语句让排序的表优先查
  5. 4.了解业务方使用场景
  6. 5.加索引时参照建索引的几大原则
  7. 6.观察结果,不符合预期继续从0分析
复制代码
总结


本篇文章就到这里了,盼望可以或许给你带来资助,也盼望您可以或许多多关注草根技术分享的更多内容!

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x

帖子地址: 

回复

使用道具 举报

分享
推广
火星云矿 | 预约S19Pro,享500抵1000!
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

草根技术分享(草根吧)是全球知名中文IT技术交流平台,创建于2021年,包含原创博客、精品问答、职业培训、技术社区、资源下载等产品服务,提供原创、优质、完整内容的专业IT技术开发社区。
  • 官方手机版

  • 微信公众号

  • 商务合作