文章采集完(b+tree+索引怎么办？——简单查询集合)

　　文章采集完(b+tree+索引怎么办？——简单查询集合)

　　文章采集完成以后，我们进行的不仅仅是数据处理，还有复杂查询优化工作。可是，对于简单的查询来说，难免会遇到下面这些问题：假设一定要在数据库中查询一个人，如果重复数据量过大，是不是就会非常难处理？每次查询如果顺序颠倒是不是就会变成好几次查询呢？问题一：重复数据量过大该怎么办？复杂查询一般指的是，由表里面的数据及关系构成的一个庞大的查询集合。

　　相比于其他简单的查询，简单查询集合更具有可维护性，更容易对数据进行变更。举个例子，一个时间查询程序，如果用传统的mysql常用的b+tree索引来处理，这个程序就是一个简单的复杂查询。而如果用一个普通的hashmap来代替索引呢？大概就类似上面的样子了。对于大数据量的复杂查询，对于表格结构复杂的查询，传统的b+tree索引所占的空间会非常大，变更维护也十分困难。

　　除此之外，数据关系的复杂程度往往远远超出理解b+tree索引的空间来源的那么大。其实，在简单查询里面，最消耗资源的就是b+tree索引了。可是，传统关系型数据库的b+tree索引并不是很容易用代码搞定的。就拿中文分词来说，中文常常长度在500-1000词条左右，如果使用b+tree，那就得使用5层，每层需要储存1000个左右的字符串，而如果使用hash表存储呢？那节省的空间可能就只有500字节了。

　　当然，对于简单查询来说，使用hash表存储没什么不妥。但是在一些大型的查询中，通常需要记录大量的关系数据，通过记录关系就可以一个表达相关的多条线索。或者一个简单的关系必须要有3-5个条件，使用3-5个表达关系数据能更好的保证关系数据的可读性。对于这类复杂的关系，查询优化是比数据处理优化更为重要的事情。

　　以查询一个人为例，一个人在一个新建的查询语句里面的作用就是对应一个关系。例如说一个人通过长相性别等特征找到他是一个人。那么在这个查询语句里面他到底是一个人还是一个长相，性别等特征，甚至是他是一个男人还是一个女人，这些都是相关的并且是一个特定的表。只有查询集合里面的关系足够多足够清晰，那么从这些相关的查询中进行筛选得到他们都需要的结果，才是在简单查询里面最高效率的办法。

　　大家都知道，衡量复杂查询是否性能好，通常看他的表达式数量，但是如果表达式过多，那么他通常性能就会被简单查询表达式所抛弃。举一个例子：如果有人想查找在*敏*感*词*用中文拼音拼读大陆的地名。那么这个查询是非常复杂的，我想很多简单的查询，就可以得到一个关系而且不占用更多空间。例如你在mysql里面查询大陆的地名，得到地名或者你在mysql里面得到用拼。