mysql索引演算法
㈠ 請問mysql索引，有主鍵索引、唯一索引、全文索引、組合索引、普通索引，他們分別的數據結構是什麼
普通索引：最基本的索引，沒有任何限制
唯一索引：與"普通索引"類似，不同的就是：索引列的值必須唯一，但允許有空值。
主鍵索引：它 是一種特殊的唯一索引，不允許有空值。
全文索引：僅可用於 MyISAM 表，針對較大的數據，生成全文索引很耗時好空間。
組合索引：為了更多的提高mysql效率可建立組合索引，遵循」最左前綴「原則。
MyISAM中索引檢索的演算法為首先按照B+Tree搜索演算法搜索索引，如果指定的Key存在，則取出其data域的值，然後以data域的值為地址，讀取相應數據記錄。在MyISAM中，主索引和輔助索引（Secondary key）在結構上沒有任何區別，只是主索引要求key是唯一的，而輔助索引的key可以重復。
InnoDB的數據文件本身就是索引文件。InnoDB的輔助索引data域存儲相應記錄主鍵的值而不是地址。
聚集索引這種實現方式使得按主鍵的搜索十分高效，但是輔助索引搜索需要檢索兩遍索引：首先檢索輔助索引獲得主鍵，然後用主鍵到主索引中檢索獲得記錄。
㈡ mysql索引怎麼學
索引（Index）是幫助MySQL高效獲取數據的數據結構。可以得到索引的本質：索引是數據結構。
可以理解為「排好序的快速查找數據結構」
在數據之外，資料庫系統還維護著滿足特定查找演算法的數據結構，這些數據結構以某種方式引用（指向）數據,
這樣就可以在這些數據結構上實現高級查找演算法，這種數據結構就是索引。
㈢ mysql 有幾種索引
如大家所知道的，Mysql目前主要有以下幾種索引類型：FULLTEXT，HASH，BTREE，RTREE。
那麼，這幾種索引有什麼功能和性能上的不同呢？
FULLTEXT
即為全文索引，目前只有MyISAM引擎支持。其可以在CREATE TABLE ，ALTER TABLE ，CREATE INDEX 使用，不過目前只有 CHAR、VARCHAR ，TEXT 列上可以創建全文索引。值得一提的是，在數據量較大時候，現將數據放入一個沒有全局索引的表中，然後再用CREATE INDEX創建FULLTEXT索引，要比先為一張表建立FULLTEXT然後再將數據寫入的速度快很多。
全文索引並不是和MyISAM一起誕生的，它的出現是為了解決WHERE name LIKE 「%word%"這類針對文本的模糊查詢效率較低的問題。在沒有全文索引之前，這樣一個查詢語句是要進行遍歷數據表操作的，可見，在數據量較大時是極其的耗時的，如果沒有非同步IO處理，進程將被挾持，很浪費時間，當然這里不對非同步IO作進一步講解，想了解的童鞋，自行谷哥。
全文索引的使用方法並不復雜：
創建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為搜尋方式（IN BOOLEAN MODE ，IN NATURAL LANGUAGE MODE ，IN NATURAL LANGUAGE MODE WITH QUERY EXPANSION / WITH QUERY EXPANSION）。
關於這三種搜尋方式，愚安在這里也不多做交代，簡單地說，就是，布爾模式，允許word里含一些特殊字元用於標記一些具體的要求，如+表示一定要有，-表示一定沒有，*表示通用匹配符，是不是想起了正則，類似吧；自然語言模式，就是簡單的單詞匹配；含表達式的自然語言模式，就是先用自然語言模式處理，對返回的結果，再進行表達式匹配。
對搜索引擎稍微有點了解的同學，肯定知道分詞這個概念，FULLTEXT索引也是按照分詞原理建立索引的。西文中，大部分為字母文字，分詞可以很方便的按照空格進行分割。但很明顯，中文不能按照這種方式進行分詞。那又怎麼辦呢？這個向大家介紹一個Mysql的中文分詞插件Mysqlcft，有了它，就可以對中文進行分詞，想了解的同學請移步Mysqlcft，當然還有其他的分詞插件可以使用。
HASH
Hash這個詞，可以說，自打我們開始碼的那一天起，就開始不停地見到和使用到了。其實，hash就是一種（key=>value）形式的鍵值對，如數學中的函數映射，允許多個key對應相同的value，但不允許一個key對應多個value。正是由於這個特性，hash很適合做索引，為某一列或幾列建立hash索引，就會利用這一列或幾列的值通過一定的演算法計算出一個hash值，對應一行或幾行數據（這里在概念上和函數映射有區別，不要混淆）。在java語言中，每個類都有自己的hashcode()方法，沒有顯示定義的都繼承自object類，該方法使得每一個對象都是唯一的，在進行對象間equal比較，和序列化傳輸中起到了很重要的作用。hash的生成方法有很多種，足可以保證hash碼的唯一性，例如在MongoDB中，每一個document都有系統為其生成的唯一的objectID（包含時間戳，主機散列值，進程PID，和自增ID）也是一種hash的表現。額，我好像扯遠了-_-!
由於hash索引可以一次定位，不需要像樹形索引那樣逐層查找,因此具有極高的效率。那為什麼還需要其他的樹形索引呢？
在這里愚安就不自己總結了。引用下園子里其他大神的文章：來自 14的路 的MySQL的btree索引和hash索引的區別
（1）Hash 索引僅僅能滿足"=","IN"和"<=>"查詢，不能使用范圍查詢。
由於 Hash 索引比較的是進行 Hash 運算之後的 Hash 值，所以它只能用於等值的過濾，不能用於基於范圍的過濾，因為經過相應的 Hash 演算法處理之後的 Hash 值的大小關系，並不能保證和Hash運算前完全一樣。
（2）Hash 索引無法被用來避免數據的排序操作。
由於 Hash 索引中存放的是經過 Hash 計算之後的 Hash 值，而且Hash值的大小關系並不一定和 Hash 運算前的鍵值完全一樣，所以資料庫無法利用索引的數據來避免任何排序運算；
（3）Hash 索引不能利用部分索引鍵查詢。
對於組合索引，Hash 索引在計算 Hash 值的時候是組合索引鍵合並後再一起計算 Hash 值，而不是單獨計算 Hash 值，所以通過組合索引的前面一個或幾個索引鍵進行查詢的時候，Hash 索引也無法被利用。
（4）Hash 索引在任何時候都不能避免表掃描。
前面已經知道，Hash 索引是將索引鍵通過 Hash 運算之後，將 Hash運算結果的 Hash 值和所對應的行指針信息存放於一個 Hash 表中，由於不同索引鍵存在相同 Hash 值，所以即使取滿足某個 Hash 鍵值的數據的記錄條數，也無法從 Hash 索引中直接完成查詢，還是要通過訪問表中的實際數據進行相應的比較，並得到相應的結果。
（5）Hash 索引遇到大量Hash值相等的情況後性能並不一定就會比B-Tree索引高。
對於選擇性比較低的索引鍵，如果創建 Hash 索引，那麼將會存在大量記錄指針信息存於同一個 Hash 值相關聯。這樣要定位某一條記錄時就會非常麻煩，會浪費多次表數據的訪問，而造成整體性能低下。
愚安我稍作補充，講一下HASH索引的過程，順便解釋下上面的第4,5條：
當我們為某一列或某幾列建立hash索引時（目前就只有MEMORY引擎顯式地支持這種索引），會在硬碟上生成類似如下的文件：
hash值 存儲地址
1db54bc745a1 77#45b5
4bca452157d4 76#4556,77#45cc…
…
hash值即為通過特定演算法由指定列數據計算出來，磁碟地址即為所在數據行存儲在硬碟上的地址（也有可能是其他存儲地址，其實MEMORY會將hash表導入內存）。
這樣，當我們進行WHERE age = 18 時，會將18通過相同的演算法計算出一個hash值==>在hash表中找到對應的儲存地址==>根據存儲地址取得數據。
所以，每次查詢時都要遍歷hash表，直到找到對應的hash值，如（4），數據量大了之後，hash表也會變得龐大起來，性能下降，遍歷耗時增加，如（5）。
BTREE
BTREE索引就是一種將索引值按一定的演算法，存入一個樹形的數據結構中，相信學過數據結構的童鞋都對當初學習二叉樹這種數據結構的經歷記憶猶新，反正愚安我當時為了軟考可是被這玩意兒好好地折騰了一番，不過那次考試好像沒怎麼考這個。如二叉樹一樣，每次查詢都是從樹的入口root開始，依次遍歷node，獲取leaf。
BTREE在MyISAM里的形式和Innodb稍有不同
在 Innodb里，有兩種形態：一是primary key形態，其leaf node里存放的是數據，而且不僅存放了索引鍵的數據，還存放了其他欄位的數據。二是secondary index，其leaf node和普通的BTREE差不多，只是還存放了指向主鍵的信息.
而在MyISAM里，主鍵和其他的並沒有太大區別。不過和Innodb不太一樣的地方是在MyISAM里，leaf node里存放的不是主鍵的信息，而是指向數據文件里的對應數據行的信息.
RTREE
RTREE在mysql很少使用，僅支持geometry數據類型，支持該類型的存儲引擎只有MyISAM、BDb、InnoDb、NDb、Archive幾種。
相對於BTREE，RTREE的優勢在於范圍查找.
各種索引的使用情況
（1）對於BTREE這種Mysql默認的索引類型，具有普遍的適用性
（2）由於FULLTEXT對中文支持不是很好，在沒有插件的情況下，最好不要使用。其實，一些小的博客應用，只需要在數據採集時，為其建立關鍵字列表，通過關鍵字索引，也是一個不錯的方法，至少愚安我是經常這么做的。
（3）對於一些搜索引擎級別的應用來說，FULLTEXT同樣不是一個好的處理方法，Mysql的全文索引建立的文件還是比較大的，而且效率不是很高，即便是使用了中文分詞插件，對中文分詞支持也只是一般。真要碰到這種問題，Apache的Lucene或許是你的選擇。
（4）正是因為hash表在處理較小數據量時具有無可比擬的素的優勢，所以hash索引很適合做緩存（內存資料庫）。如mysql資料庫的內存版本Memsql，使用量很廣泛的緩存工具Mencached，NoSql資料庫redis等，都使用了hash索引這種形式。當然，不想學習這些東西的話Mysql的MEMORY引擎也是可以滿足這種需求的。
（5）至於RTREE，愚安我至今還沒有使用過，它具體怎麼樣，我就不知道了。有RTREE使用經歷的同學，到時可以交流下！
㈣ mysql 索引有哪些各⽤用了了哪些數據結構
從數據結構角度
1、B+樹索引(O(log(n)))：關於B+樹索引，可以參考 MySQL索引背後的數據結構及演算法原理
2、hash索引：
a 僅僅能滿足"=","IN"和"<=>"查詢，不能使用范圍查詢
b 其檢索效率非常高，索引的檢索可以一次定位，不像B-Tree 索引需要從根節點到枝節點，最後才能訪問到頁節點這樣多次的IO訪問，所以 Hash 索引的查詢效率要遠高於 B-Tree 索引
c 只有Memory存儲引擎顯示支持hash索引
3、FULLTEXT索引（現在MyISAM和InnoDB引擎都支持了）
4、R-Tree索引（用於對GIS數據類型創建SPATIAL索引）
㈤ MySQL索引的Index method中btree和hash的區別
hash 分片
理解了散列表的基本特點，再來看看分布式資料庫的 hash 分片。
hash 分片設計的要點：
1. 固定的數據映射到固定的節點 / 槽位
2. 數據分布均勻
3. 擴容方便
主要是擴容時盡可能移動較少的數據。擴容之後實現新的數據分布均勻。
想要實現動態擴容，盡可能不影響業務並保證效率，需要做到移動盡可能少的數據，一致性 hash 就是為了解決移動較少數據的問題，但是一致性 hash 的缺點是數據分布的均勻性較差。為了解決這個問題，聰明的 dev 們又設計了跳增一致性 hash 演算法。
到這里，可以看出 hash 與分片最緊密或者說最神似的點在於：
1. 固定的輸入有固定的輸出
2. 值呈均勻分布
如果分布式資料庫的分片數據分布不均勻，最糟情況就像散列表的極端沖突一樣，落在最終資料庫上的壓力跟不使用分布式相同。
3. 方便擴容
當分片填充滿的時候，需要擴容使總數據量在總分片之間再次達到數據均勻分布狀態，擴容需要用 hash 函數重新映射舊值到新的分片。
4. 散列表和 hash 分片想要有好的表現都依賴於設計良好的 hash 函數。
正是由於這些相似特點，Hash 在分布式資料庫里得到比較多的使用。回到測試的老本行，這些點便是我們測試思考的重點。
㈥ 求《mysql索引背後的數據結構及演算法原理》全文免費下載百度網盤資源,謝謝~
《mysql索引背後的數據結構及演算法原理》網路網盤pdf最新全集下載:
鏈接: https://pan..com/s/1c-AnaxEqIfFdcsLOvD_vuA
簡介：本文以MySQL資料庫為研究對象，討論與資料庫索引相關的一些話題。特別需要說明的是，MySQL支持諸多存儲引擎，而各種存儲引擎對索引的支持也各不相同，因此MySQL資料庫支持多種索引類型，如BTree索引，哈希索引，全文索引等等。為了避免混亂，本文將只關注於BTree索引，因為這是平常使用MySQL時主要打交道的索引，至於哈希索引和全文索引本文暫不討論。
㈦ mySQL的索引功能
索引是一種特殊的文件（InnoDB 數據表上的索引是表空間的一個組成部分），它們包含著對數據表裡所有記錄的引用指針。索引不是萬能的，索引可以加快數據檢索操作，但會使數據修改操作變慢。每修改數據記錄，索引就必須刷新一次。為了在某種程度上彌補這一缺陷，許多 SQL 命令都有一個 DELAY_KEY_WRITE 項。這個選項的作用是暫時制止 MySQL 在該命令每插入一條新記錄和每修改一條現有之後立刻對索引進行刷新，對索引的刷新將等到全部記錄插入/修改完畢之後再進行。在需要把許多新記錄插入某個數據表的場合，DELAY_KEY_WRITE 選項的作用將非常明顯。另外，索引還會在硬碟上佔用相當大的空間。因此應該只為最經常查詢和最經常排序的數據列建立索引。注意，如果某個數據列包含許多重復的內容，為它建立索引就沒有太大的實際效果。
從理論上講，完全可以為數據表裡的每個欄位分別建一個索引，但 MySQL 把同一個數據表裡的索引總數限制為16個。
1．InnoDB 數據表的索引
與 InnoDB數據表相比，在 InnoDB 數據表上，索引對 InnoDB 數據表的重要性要大得多。在 InnoDB 數據表上，索引不僅會在搜索數據記錄時發揮作用，還是數據行級鎖定機制的苊、基礎。「數據行級鎖定」的意思是指在事務操作的執行過程中鎖定正在被處理的個別記錄，不讓其他用戶進行訪問。這種鎖定將影響到（但不限於）SELECT、LOCKINSHAREMODE、SELECT、FORUPDATE 命令以及 INSERT、UPDATE 和 DELETE 命令。出於效率方面的考慮，InnoDB 數據表的數據行級鎖定實際發生在它們的索引上，而不是數據表自身上。顯然，數據行級鎖定機制只有在有關的數據表有一個合適的索引可供鎖定的時候才能發揮效力。
2．限制
如果 WHERE 子句的查詢條件里有不等號（WHERE coloum !=），MySQL 將無法使用索引。類似地，如果 WHERE 子句的查詢條件里使用了函數（WHERE DAY（column）=），MySQL 也將無法使用索引。在 JOIN 操作中（需要從多個數據表提取數據時），MySQL 只有在主鍵和外鍵的數據類型相同時才能使用索引。
如果 WHERE 子句的查詢條件里使用比較操作符 LIKE 和 REGEXP，MySQL 只有在搜索模板的第一個字元不是通配符的情況下才能使用索引。比如說，如果查詢條件是 LIKE 'abc%『，MySQL 將使用索引；如果查詢條件是 LIKE '%abc』，MySQL 將不使用索引。
在 ORDER BY 操作中，MySQL 只有在排序條件不是一個查詢條件表達式的情況下才使用索引。（雖然如此，在涉及多個數據表查詢里，即使有索引可用，那些索引在加快 ORDER BY 方面也沒什麼作用）。如果某個數據列里包含許多重復的值，就算為它建立了索引也不會有很好的效果。比如說，如果某個數據列里包含的凈是些諸如 「0/1」 或 「Y/N」 等值，就沒有必要為它創建一個索引。 1．普通索引
普通索引（由關鍵字 KEY 或 INDEX 定義的索引）的唯一任務是加快對數據的訪問速度。因此，應該只為那些最經常出現在查詢條件（WHERE column =）或排序條件（ORDER BY column）中的數據列創建索引。只要有可能，就應該選擇一個數據最整齊、最緊湊的數據列（如一個整數類型的數據列）來創建索引。
2．唯一索引
普通索引允許被索引的數據列包含重復的值。比如說，因為人有可能同名，所以同一個姓名在同一個「員工個人資料」數據表裡可能出現兩次或更多次。
如果能確定某個數據列將只包含彼此各不相同的值，在為這個數據列創建索引的時候就應該用關鍵字UNIQUE 把它定義為一個唯一索引。這么做的好處：一是簡化了 MySQL 對這個索引的管理工作，這個索引也因此而變得更有效率；二是 MySQL 會在有新記錄插入數據表時，自動檢查新記錄的這個欄位的值是否已經在某個記錄的這個欄位里出現過了；如果是，MySQL 將拒絕插入那條新記錄。也就是說，唯一索引可以保證數據記錄的唯一性。事實上，在許多場合，人們創建唯一索引的目的往往不是為了提高訪問速度，而只是為了避免數據出現重復。
3．主索引
在前面已經反復多次強調過：必須為主鍵欄位創建一個索引，這個索引就是所謂的「主索引」。主索引與唯一索引的唯一區別是：前者在定義時使用的關鍵字是 PRIMARY 而不是 UNIQUE。
4．外鍵索引
如果為某個外鍵欄位定義了一個外鍵約束條件，MySQL 就會定義一個內部索引來幫助自己以最有效率的方式去管理和使用外鍵約束條件。
5．復合索引
索引可以覆蓋多個數據列，如像 INDEX (columnA, columnB) 索引。這種索引的特點是 MySQL 可以有選擇地使用一個這樣的索引。如果查詢操作只需要用到 columnA 數據列上的一個索引，就可以使用復合索引 INDEX(columnA, columnB)。不過，這種用法僅適用於在復合索引中排列在前的數據列組合。比如說，INDEX (A，B，C) 可以當做 A 或 (A,B) 的索引來使用，但不能當做 B、C 或 (B,C) 的索引來使用。 在為 CHAR 和 VARCHAR 類型的數據列定義索引時，可以把索引的長度限制為一個給定的字元個數（這個數字必須小於這個欄位所允許的最大字元個數）。這么做的好處是可以生成一個尺寸比較小、檢索速度卻比較快的索引文件。在絕大多數應用里，資料庫中的字元串數據大都以各種各樣的名字為主，把索引的長度設置為10~15 個字元已經足以把搜索范圍縮小到很少的幾條數據記錄了。在為 BLOB 和 TEXT 類型的數據列創建索引時，必須對索引的長度做出限制；MySQL 所允許的最大索引全文索引文本欄位上的普通索引只能加快對出現在欄位內容最前面的字元串（也就是欄位內容開頭的字元）進行檢索操作。如果欄位里存放的是由幾個、甚至是多個單詞構成的較大段文字，普通索引就沒什麼作用了。這種檢索往往以的形式出現，這對 MySQL 來說很復雜，如果需要處理的數據量很大，響應時間就會很長。
這類場合正是全文索引（full-textindex）可以大顯身手的地方。在生成這種類型的索引時，MySQL 將把在文本中出現的所有單詞創建為一份清單，查詢操作將根據這份清單去檢索有關的數據記錄。全文索引即可以隨數據表一同創建，也可以等日後有必要時再使用下面這條命令添加：
ALTER TABLE tablename ADD FULLTEXT（column1，column2）有了全文索引，就可以用 SELECT 查詢命令去檢索那些包含著一個或多個給定單詞的數據記錄了。下面是這類查詢命令的基本語法：
SELECT * FROM tablename
WHERE MATCH (column1,column2) AGAINST('word1','word2','word3')
上面這條命令將把 column1 和 column2 欄位里有 word1、word2 和 word3 的數據記錄全部查詢出來。
註解：InnoDB 數據表不支持全文索引。 只有當資料庫里已經有了足夠多的測試數據時，它的性能測試結果才有實際參考價值。如果在測試資料庫里只有幾百條數據記錄，它們往往在執行完第一條查詢命令之後就被全部載入到內存里，這將使後續的查詢命令都執行得非常快--不管有沒有使用索引。只有當資料庫里的記錄超過了 1000 條、數據總量也超過了 MySQL 伺服器上的內存總量時，資料庫的性能測試結果才有意義。
在不確定應該在哪些數據列上創建索引的時候，人們從 EXPLAIN SELECT 命令那裡往往可以獲得一些幫助。這其實只是簡單地給一條普通的 SELECT 命令加一個 EXPLAIN 關鍵字作為前綴而已。有了這個關鍵字，MySQL 將不是去執行那條 SELECT 命令，而是去對它進行分析。MySQL 將以表格的形式把查詢的執行過程和用到的索引等信息列出來。
在 EXPLAIN 命令的輸出結果里，第1列是從資料庫讀取的數據表的名字，它們按被讀取的先後順序排列。type列指定了本數據表與其它數據表之間的關聯關系（JOIN）。在各種類型的關聯關系當中，效率最高的是 system，然後依次是 const、eq_ref、ref、range、index 和 All（All 的意思是：對應於上一級數據表裡的每一條記錄，這個數據表裡的所有記錄都必須被讀取一遍——這種情況往往可以用一索引來避免）。
possible_keys 數據列給出了 MySQL 在搜索數據記錄時可選用的各個索引。key 數據列是 MySQL 實際選用的索引，這個索引按位元組計算的長度在 key_len 數據列里給出。比如說，對於一個 INTEGER 數據列的索引，這個位元組長度將是4。如果用到了復合索引，在 key_len 數據列里還可以看到 MySQL 具體使用了它的哪些部分。作為一般規律，key_len 數據列里的值越小越好。
ref 數據列給出了關聯關系中另一個數據表裡的數據列的名字。row 數據列是 MySQL 在執行這個查詢時預計會從這個數據表裡讀出的數據行的個數。row 數據列里的所有數字的乘積可以大致了解這個查詢需要處理多少組合。
最後，extra 數據列提供了與 JOIN 操作有關的更多信息，比如說，如果 MySQL 在執行這個查詢時必須創建一個臨時數據表，就會在 extra 列看到 usingtemporary 字樣。
㈧ mysql的索引用的什麼數據結構
談到索引，大家並不陌生。索引本身是一種數據結構，存在的目的主要是為了縮短數據檢索的時間，最大程度減少磁碟 IO。
任何有數據的場景幾乎都有索引，比如手機通訊錄、文件系統（ext4\xfs\ntfs)、資料庫系統（MySQL\Oracle）。資料庫系統和文件系統一般都採用 B+ 樹來存儲索引信息，B+ 樹兼顧寫和讀的性能，最極端時檢索復雜度為 O(logN)，其中 N 指的是節點數量，logN 表示對磁碟 IO 掃描的總次數。
MySQL 支持的索引結構有四種：B+ 樹，R 樹，HASH，FULLTEXT。
㈨ MySQL 索引是怎麼實現的
索引是滿足某種特定查找演算法的數據結構，而這些數據結構會以某種方式指向數據，從而實現高效查找數據。
具體來說 MySQL 中的索引，不同的數據引擎實現有所不同，但目前主流的資料庫引擎的索引都是 B+ 樹實現的，B+ 樹的搜索效率，可以到達二分法的性能，找到數據區域之後就找到了完整的數據結構了，所有索引的性能也是更好的。
㈩ MySQL索引的Index method中btree和hash的區別
當分片索引不是純整型的字元串時，只接受整型的內置 hash 演算法是無法使用的。為此，stringhash 按照用戶定義的起點和終點去截取分片索引欄位中的部分字元，根據當中每個字元的二進制 unicode 值換算出一個長整型數值，然後就直接調用內置 hash 演算法求解分片路由：先求模得到邏輯分片號，再根據邏輯分片號直接映射到物理分片。
用戶需要在 rule.xml 中定義 partitionLength[] 和 partitionCount[] 兩個數組和 hashSlice 二元組。
在 DBLE 的啟動階段，點乘兩個數組得到模數，也是邏輯分片的數量
並且根據兩個數組的叉乘，得到各個邏輯分片到物理分片的映射表（物理分片數量由 partitionCount[] 數組的元素值之和）
此外根據 hashSlice 二元組，約定把分片索引值中的第 4 字元到第 5 字元（字元串以 0 開始編號，編號 3 到編號 4 等於第 4 字元到第 5 字元）字元串用於 「字元串->整型」的轉換
在 DBLE 的運行過程中，用戶訪問使用這個演算法的表時，WHERE 子句中的分片索引值會被提取出來，取當中的第 4 個字元到第 5 字元，送入下一步
設置一個初始值為 0 的累計值，逐個取字元，把累計值乘以 31，再把這個字元的 unicode 值當成長整型加入到累計值中，如此類推直至處理完截取出來的所有字元，此時的累計值就能夠代表用戶的分片索引值，完成了 「字元串->整型」 的轉換
對上一步的累計值進行求模，得到邏輯分片號
再根據邏輯分片號，查映射表，直接得到物理分片號
<property name="partitionLength">1</property><property name="partitionCount">2880</property>
<property name="partitionLength">1,1</property><property name="partitionCount">1440,1440</property>
<property name="partitionLength">2880</property><property name="partitionCount">1</property>
<property name="partitionLength">512,256</property><property name="partitionCount">1,2</property>
<property name="partitionLength">256,512</property><property name="partitionCount">2,1</property>
<property name="partitionLength">512,256</property><property name="partitionCount">1,2</property>
<property name="partitionLength">512,256</property><property name="partitionCount">1,2</property>
<property name="partitionLength">256,512</property><property name="partitionCount">2,1</property>
若希望從首字元開始截取 k 個字元（ k 為正整數），配置的內容形式可以為「 0 : k 」、「 k 」或「 : k 」；
若希望從末字元開始截取 k 個字元（ k 為正整數），則配置的內容形式可以為「 -k : 0 」、「 -k 」或「 -k : 」；
若希望從頭第 m 個字元起算截取 n 個字元（ m 和 n 都是正整數），則先計算出 i = m - 1 和 j = i + n - 1，配置的內容形式為「 i : j 」；
若希望從尾第 m 個字元起算截取從尾算起的 n 個字元（ m 和 n 都是正整數），則先計算出 i = -m + n - 1，配置的內容形式可以為「 -m : i 」；
若希望不截取，則配置的內容形式可以為「 0 : 0 」、「 0 : 」、「 : 0 」或 「 : 」
與MyCat的類似分片演算法對比
兩種演算法在string轉化為int之後，和 hash 分區演算法相同，區別也繼承了 hash 演算法的區別。
開發注意點
【分片索引】1. 必須是字元串
【分片索引】2. 最大物理分片配置方法是，讓 partitionCount[] 數組和等於 2880
例如：
或
【分片索引】3. 最小物理分片配置方法是，讓 partitionCount[] 數組和等於 1
例如
【分片索引】4. partitionLength 和 partitionCount 被當做兩個逗號分隔的一維數組，它們之間的點乘必須在 [1, 2880] 范圍內
【分片索引】5. partitionLength 和 partitionCount 的配置對順序敏感
和
是不同的分片結果
【分片索引】6. 分片索引欄位長度小於用戶指定的截取長度時，截取長度會安全減少到符合分片索引欄位長度
【數據分布】1. 分片索引欄位截取越長則越有利於數據均勻分布
【數據分布】2. 分片索引欄位的內容重復率越低則越有利於數據均勻分布
運維注意點
【擴容】1. 預先過量分片，並且不改變 partitionCount 和 partitionLength 點乘結果，也不改變截取設置 hashSlice 時，可以避免數據再平衡，只需進行涉及數據的遷移
【擴容】2. 若需要改變 partitionCount 和 partitionLength 點乘結果或改變截取設置 hashSlice 時，需要數據再平衡
【縮容】1. 預先過量分片，並且不改變 partitionCount 和 partitionLength 點乘結果，也不改變截取設置 hashSlice 時，可以避免數據再平衡，只需進行涉及數據的遷移
【縮容】2. 若需要改變 partitionCount 和 partitionLength 點乘結果或改變截取設置 hashSlice 時，需要數據再平衡
配置注意點
【配置項】1. 在 rule.xml 中，可配置項為<property name="partitionLength"> 、<property name="partitionCount"> 和 <property name="hashSlice">
【配置項】2.在 rule.xml 中配置 <property name="partitionLength">標簽
內容形式為：<物理分片持有的虛擬分片數>[,<物理分片持有的虛擬分片數>,...<物理分片持有的虛擬分片數>]
物理分片持有的虛擬分片數必須是整型，物理分片持有的虛擬分片數從左到右與同順序的物理分片數對應，partitionLength 和partitionCount 的點乘結果必須在 [1, 2880] 范圍內
【配置項】3. 在 rule.xml 中配置 <property name="partitionCount">標簽內容形式為：<物理分片數>[,<物理分片數>,...<物理分片數>]
其中物理分片數必須是整型，物理分片數按從左到右的順序與同順序的物理分片持有的虛擬分片數對應，物理分片的編號從左到右連續遞進，partitionLength 和 partitionCount 的點乘結果必須在 [1, 2880] 范圍內
【配置項】4. partitionLength 和 partitionCount 的語義是：持有partitionLength[i] 個虛擬分片的物理分片有 partitionCount[i] 個
例如
語義是持有 512 個邏輯分片的物理分片有 1 個，緊隨其後，持有 256 個邏輯分片的物理分片有 2 個
【配置項】5.partitionLength 和 partitionCount 都對書寫順序敏感，
例如
分片結果是第一個物理分片持有頭512個邏輯分片，第二個物理分片持有緊接著的256個邏輯分片，第三個物理分片持有最後256個邏輯分片，相對的
分片結果則是第一個物理分片持有頭 256 個邏輯分片，第二個物理分片持有緊接著的 256 個邏輯分片，第三個物理分片持有最後 512 個邏輯分片
【配置項】6.partitionLength[] 的元素全部為 1 時，這時候partitionCount 數組和等於 partitionLength 和 partitionCount 的點乘，物理分片和邏輯分片就會一一對應，該分片演算法等效於直接取余
【配置項】7.在 rule.xml 中配置標簽，從分片索引欄位的第幾個字元開始截取到第幾個字元：