①盡可能減少滿足條件的資料條目數量，因為在資料查詢過程中，所有滿足條目的資料將通過網路從資料庫伺服器中被載入至應用伺服器記憶體。
②減少傳輸的資料量，以減少網路流量。
③減少訪問的資料庫表數量，該原則的實現主要依賴於底層資料庫的設計優化。
④減少查詢難度，可以通過整理選擇標準來實現。
⑤減少資料庫負載，因為乙個底層資料庫可能同時支援多個應用伺服器。
進行資料選擇之前，需要明確下述四個問題：
（1）要讀取什麼資料（哪些表字段）？
select子句用於確定讀取資料庫表中的哪些字段。
（2）從哪個（或哪些）表中讀取？
from子句用於確定從哪些內錶或者檢視中讀取資料。
（3）讀取到程式的什麼區域（內錶、工作區、變數等）？
into子句用於確定將資料讀取到程式內部的哪些資料物件。
（4）需要限定哪些查詢標準？
where子句用於限定選擇條件。
AsyncTask使用原則
首先要明確android 之所以有 handler 和asynctask 都是為了不堵塞主線程 ui執行緒 且 ui的更新只能在主線程中完成，因此一步處理是不可避免的。android1.5提供了乙個工具類 asynctask,它使建立需要與使用者介面互動的長時間執行的任務變得更簡單。不需要借助執行緒...
Spark RDD使用原則
如今隨著資料量的不斷增加，hadoop已經難以滿足處理需求，逐漸發展起來的spark基於記憶體的平行計算已經得到了廣泛的應用。spark博大精深，編寫起來比hadoop方便很多，簡單的幾行 就可以實現hadoop複雜的 簡單方便！著名的例子就是單詞統計。對於spark效能的調優部分可以檢視美團點評團...
使用mapjoin效率對比
mapjion會把小表全部讀入記憶體中，在map階段直接拿另外乙個表的資料和記憶體中表資料做匹配，由於在map是進行了join操作，省去了reduce執行的效率也會高很多 使用乙個表測試，該錶時5分鐘表，資料很少，大概60多w。測試日誌裡包含多個字段，其中有uid和uip。測試場景為給出2個uid，...