[笔记] SQL 优化

一. 数据库设计优化

1. 选择合适的字段类型

设计表时，尽量选择存储空间小的字段类型：

  • 整型字段：从TINYINT、SMALLINT、INT到BIGINT。
  • 小数类型：对于金额等需精确计算的数值使用DECIMAL，避免使用FLOAT和DOUBLE。
  • 字符串：根据实际长度选择CHAR（定长）或VARCHAR（变长）。VARCHAR不宜超过5000字符；长度需求大的数据建议使用TEXT，并将大字段拆分到单独的表中

2. 确定字段的合理长度

字段长度表示字符数或字节数，例如VARCHAR(32)适用于用户名字段（通常为5到20个字符）。建议字段长度设为2的幂，如32、64、128等。

3. 控制表的字段数量

一张表的字段数量尽量控制在20个以内，以避免数据量过大导致查询效率低。如果字段较多，建议分拆为多张表。

4. 尽量定义字段为 NOT NULL

为防止空指针问题，并提升查询性能，除非有特殊需求，字段都应定义为NOT NULL，可以通过默认值或常量来填充字段。

5. 使用数值类型代替字符串

数值类型占用存储空间小、比较速度更快。

例子： 性别字段建议用数值（如0代表女生，1代表男生）而非字符串（如"WOMEN"、“MAN”）。

6. 评估并添加必要的索引

根据表的数据量和查询需求设置索引：

  • 索引数量不宜过多（单表索引个数不超过5个）。

  • 区分度低的字段（如性别）不适合建立索引。

  • 可通过联合索引优化多列条件查询。

  • 定期分析和优化索引

    ANALYZE TABLE user_info_tab;

7. 避免使用MySQL保留字

避免库名、表名或字段名使用MySQL的保留字（如SELECT、DESC等），否则需要使用反引号引用，会增加代码复杂性。

8. 统一字符集的选择

字符集推荐使用utf8或utf8mb4以支持中英文及emoji。其他字符集如GBK仅适合中文环境，latin1适合仅支持英文的场景。

9. 数据冗余

在某些场景下，适当的数据冗余可以提高查询效率，例如在读多写少的应用中。

10. 使用分区表

对于大数据量的表，使用分区表可以提高查询性能。

示例：

  • 范围分区（Range Partitioning）：

    • 根据某个字段的值范围进行分区。适用于时间戳、日期等有序字段。
    CREATE TABLE sales (sale_id INT,sale_date DATE,amount DECIMAL(10,2)
) PARTITION BY RANGE (YEAR(sale_date)) (PARTITION p2019 VALUES LESS THAN (2020),PARTITION p2020 VALUES LESS THAN (2021),PARTITION p2021 VALUES LESS THAN (2022)
);

  • 列表分区（List Partitioning）：

    • 根据某个字段的特定值列表进行分区。适用于类别、地区等离散字段。
    CREATE TABLE employees (emp_id INT,department VARCHAR(20)
) PARTITION BY LIST (department) (PARTITION p_sales VALUES IN ('Sales'),PARTITION p_marketing VALUES IN ('Marketing'),PARTITION p_it VALUES IN ('IT')
);

  • 哈希分区（Hash Partitioning）：

    • 根据某个字段的哈希值进行分区。适用于均匀分布的数据。
    CREATE TABLE customers (cust_id INT,name VARCHAR(50)
) PARTITION BY HASH (cust_id) PARTITIONS 4;

  • 复合分区（Composite Partitioning）：

    • 结合多种分区策略，先按一种策略分区，再在每个子分区中按另一种策略分区。适用于复杂的数据分布。
    CREATE TABLE sales (sale_id INT,sale_date DATE,region VARCHAR(20)
) PARTITION BY RANGE (YEAR(sale_date))
SUBPARTITION BY LIST (region) (PARTITION p2019 VALUES LESS THAN (2020) (SUBPARTITION p2019_north VALUES IN ('North'),SUBPARTITION p2019_south VALUES IN ('South')),PARTITION p2020 VALUES LESS THAN (2021) (SUBPARTITION p2020_north VALUES IN ('North'),SUBPARTITION p2020_south VALUES IN ('South'))
);

二. 分析与调优

1. 使用 EXPLAIN 分析查询计划

EXPLAIN 可以帮助你了解查询的执行计划，找出潜在的性能瓶颈。

例子：

EXPLAIN SELECT * FROM orders WHERE user_id = 123;

2. 使用 PARTITION PRUNING 优化分区表查询

PARTITION PRUNING 可以显著提高分区表的查询性能，因为它可以跳过不需要的分区。

例子：

SELECT * FROM sales WHERE sale_date BETWEEN '2023-01-01' AND '2023-12-31';

3. 使用 EXPLAIN ANALYZE 深入分析查询性能

EXPLAIN ANALYZE 可以提供详细的查询执行计划和实际执行时间，帮助你更好地优化查询。

例子：

EXPLAIN ANALYZE SELECT * FROM orders WHERE user_id = 123;

4. 使用 OPTIMIZE TABLE 优化表性能

OPTIMIZE TABLE 可以回收未使用的空间，提高表的性能。

OPTIMIZE TABLE users;

5. 使用 ANALYZE TABLE 更新统计信息

ANALYZE TABLE 可以更新表的统计信息，帮助优化器生成更高效的查询计划。

例子：

ANALYZE TABLE users;

三. 查询语句优化

1. 避免使用 SELECT *，使用具体字段

反例：

SELECT * FROM employee;

正例：

SELECT id, name, age FROM employee;

原因： 使用具体字段可以节省资源、减少网络开销，且能避免回表查询。

2. 避免在 WHERE 子句中使用 OR

反例：

SELECT * FROM user WHERE userid=1 OR age=18;

正例：

-- 使用 UNION ALL
SELECT * FROM user WHERE userid=1
UNION ALL
SELECT * FROM user WHERE age=18;

原因：当 OR 操作符连接的条件涉及多个列时，数据库优化器可能无法有效地使用索引。特别是当这些列上有不同的索引时，优化器可能无法选择最优的索引组合。

3. 避免在 WHERE 子句中使用函数

反例：

SELECT * FROM users WHERE UPPER(username) = 'JOHN';

正例：

SELECT * FROM users WHERE username = 'JOHN';

原因： 在 WHERE 子句中使用函数会导致索引失效。

4. 避免在 WHERE 子句中对字段进行表达式操作

反例：

SELECT * FROM user WHERE age - 1 = 10;

正例：

SELECT * FROM user WHERE age = 11;

原因 : 表达式操作会增加额外的计算开销。数据库引擎需要对每一行数据进行表达式计算，然后再进行过滤，这会显著增加查询的执行时间。

5. 使用 LIMIT 避免不必要的数据返回

反例：

SELECT id, order_date FROM order_tab WHERE user_id=666 ORDER BY create_date DESC;

正例：

SELECT id, order_date FROM order_tab WHERE user_id=666 ORDER BY create_date DESC LIMIT 1;

原因： LIMIT 提升查询效率，避免多余的数据返回。

6. 批量操作（插入、删除、查询）

反例：

for(User u : list) {INSERT INTO user(name, age) VALUES(#name#, #age#);
}

正例：

INSERT INTO user(name, age) VALUES
<foreach collection="list" item="item" index="index" separator=",">(#{item.name}, #{item.age})
</foreach>

原因： 批量插入性能更优。

7. 使用 UNION ALL 替换 UNION（无重复记录时）

反例：

SELECT * FROM user WHERE userid=1
UNION
SELECT * FROM user WHERE age=10;

正例：

SELECT * FROM user WHERE userid=1
UNION ALL
SELECT * FROM user WHERE age=10;

原因： UNION 会排序和合并，UNION ALL 则省去这一步。

8. 避免在索引列上使用内置函数

反例：

SELECT * FROM orders WHERE MONTH(order_date) = 10 AND YEAR(order_date) = 2023;

正例：

SELECT * FROM orders WHERE order_date >= '2023-10-01' AND order_date < '2023-11-01';

原因： 索引列上使用函数会导致索引失效。

9. 在 GROUP BY 前进行条件过滤

反例：

SELECT user_id, SUM(amount) AS total_amount
FROM orders
GROUP BY user_id
HAVING city = '北京';

正例：

SELECT user_id, SUM(amount) AS total_amount
FROM orders
WHERE city = '北京'
GROUP BY user_id;

10. 优化 LIKE 语句

反例：

SELECT userId, name FROM user WHERE userId LIKE '%123';

正例：

SELECT userId, name FROM user WHERE userId LIKE '123%';

原因： % 放在前面会导致索引失效。

11. 使用小表驱动大表

例子： 假设我们有个客户表和一个订单表。其中订单表有10万记录，客户表只有1000行记录。现在要查询下单过的客户信息，可以这样写：

正例：

SELECT * FROM customers c
WHERE EXISTS (SELECT 1 FROM orders o WHERE o.customer_id = c.id
);

使用 IN 实现：

SELECT * FROM customers
WHERE id IN (SELECT customer_id FROM orders
);

原因： EXISTS 会逐行扫描 customers 表（即小表），对每一行 c.id，在 orders 表（大表）中检查是否有 customer_id = c.id 的记录。

12. IN 查询的元素不宜太多

反例：

SELECT user_id, name FROM user WHERE user_id IN (1,2,3...1000000);

正例： 分批进行，比如每批200个：

SELECT user_id, name FROM user WHERE user_id IN (1,2,3...200);

原因： 如果 IN 后面的元素过多，即使后面的条件加了索引，还是会影响性能。

13. 优化 LIMIT 分页

反例：

SELECT id, name, balance FROM account WHERE create_time > '2020-09-19' LIMIT 100000, 10;

正例： 使用标签记录法：

SELECT id, name, balance FROM account WHERE id > 100000 LIMIT 10;

延迟关联法：

SELECT acct1.id, acct1.name, acct1.balance 
FROM account acct1 
INNER JOIN (SELECT a.id FROM account a WHERE a.create_time > '2020-09-19' LIMIT 100000, 10
) AS acct2 
ON acct1.id = acct2.id;

14. 避免返回过多数据量

反例：

SELECT * FROM LivingInfo WHERE watchId = userId AND watchTime >= DATE_SUB(NOW(), INTERVAL 1 YEAR);

正例：

-- 分页查询
SELECT * FROM LivingInfo WHERE watchId = userId AND watchTime >= DATE_SUB(NOW(), INTERVAL 1 YEAR) LIMIT offset, pageSize;

原因：

  • 查询效率： 当返回的数据量过大时，查询所需的时间会显著增加，导致数据库性能下降。
  • 网络传输： 大量数据的传输会占用网络带宽，可能导致网络拥堵和延迟。
  • 减少返回的数据量可以降低网络传输的负担，提高数据传输效率。

15. 优先使用连接查询而非子查询

反例：

SELECT * FROM customers WHERE id IN (SELECT customer_id FROM orders);

正例：

SELECT DISTINCT c.* 
FROM customers c 
JOIN orders o ON c.id = o.customer_id;

原因： 使用子查询可能会创建临时表。

16. INNER JOIN、LEFT JOIN、RIGHT JOIN，优先使用 INNER JOIN，如果是 LEFT JOIN，左边表结果尽量小

反例：

SELECT * FROM tab1 t1 LEFT JOIN tab2 t2 ON t1.size = t2.size WHERE t1.id > 2;

正例：

SELECT * FROM (SELECT * FROM tab1 WHERE id > 2) t1 
LEFT JOIN tab2 t2 ON t1.size = t2.size;

原因： 如果 INNER JOIN 是等值连接，返回的行数可能较少，性能更好。使用 LEFT JOIN 时，左边表数据结果尽量小，条件尽量放在左边处理。

17. 避免 != 或 <> 操作符

反例：

SELECT age, name FROM user WHERE age <> 18;

正例： 分为两个查询：

SELECT age, name FROM user WHERE age < 18;
SELECT age, name FROM user WHERE age > 18;

原因： 某些情况下，使用 != 或 <> 操作符可能导致索引失效，从而影响查询性能。这是因为 != 和 <> 操作符通常会导致数据库引擎无法高效地利用索引。

18. 使用联合索引时遵循最左匹配原则

例子： 联合索引 (userId, age)，查询 userId 和 age 时优先使用 userId。

表结构：

CREATE TABLE `user` (`id` int(11) NOT NULL AUTO_INCREMENT,`userId` int(11) NOT NULL,`age` int(11) DEFAULT NULL,`name` varchar(255) NOT NULL,PRIMARY KEY (`id`),KEY `idx_userid_age` (`userId`, `age`) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=2 DEFAULT CHARSET=utf8;

反例：

SELECT * FROM user WHERE age = 10;

正例：

SELECT * FROM user WHERE userId = 10 AND age = 10;

正例：

SELECT * FROM user WHERE userId = 10;

原因： 使用联合索引时遵循最左匹配原则是非常重要的，这有助于数据库引擎高效地利用索引，从而提高查询性能。最左匹配原则意味着在查询条件中，从联合索引的最左边开始匹配索引列，直到遇到不匹配的列为止。

19. 对 WHERE 和 ORDER BY 涉及的列建索引

反例：

SELECT * FROM user WHERE address = '深圳' ORDER BY age;

正例：

ALTER TABLE user ADD INDEX idx_address_age (address, age);

20. 使用覆盖索引

正例：

SELECT id, name FROM user WHERE userId LIKE '123%';

21. 删除冗余索引

反例：

KEY `idx_userId` (`userId`)
KEY `idx_userId_age` (`userId`, `age`)

正例：

-- 删除 `userId` 索引，因为组合索引（A，B）相当于创建了（A）和（A，B）索引
KEY `idx_userId_age` (`userId`, `age`)

原因： 重复的索引需要维护，并且优化器在优化查询的时候也需要逐个地进行考虑，这会影响性能。

22. 使用 INDEX HINTS 强制使用特定索引

例子：

SELECT * FROM users USE INDEX (idx_username) WHERE username = 'john';

原因： 在某些情况下，优化器可能选择错误的索引，使用 INDEX HINTS 可以强制使用特定索引。

23. 使用 FULLTEXT 索引进行全文搜索

例子：

CREATE FULLTEXT INDEX idx_fulltext ON articles (content);SELECT * FROM articles WHERE MATCH(content) AGAINST('search term');

原因： FULLTEXT 索引可以提高全文搜索的性能。

24. 避免在 ORDER BY 子句中使用表达式

反例：

SELECT * FROM users ORDER BY LENGTH(username);

正例：

SELECT * FROM users ORDER BY username;

原因： 在 ORDER BY 子句中使用表达式会导致索引失效。

25. 避免超过3个以上的表连接

原因： 连接表越多，编译的时间和开销也就越大。把连接表拆开成较小的几个执行，可读性更高。

26. 使用 CASE 语句替代复杂的 IF 条件

例子：

SELECT id, CASE WHEN age < 18 THEN 'Minor'WHEN age BETWEEN 18 AND 60 THEN 'Adult'ELSE 'Senior'END AS age_group
FROM users;

原因： CASE 语句可以使逻辑更清晰，提高可读性和维护性。

27. 使用 WITH 子句（Common Table Expressions, CTE）

例子：

WITH active_users AS (SELECT id FROM users WHERE status = 'active'
)
SELECT * FROM orders WHERE user_id IN (SELECT id FROM active_users);

原因： CTE 可以使查询结构更清晰，便于理解和维护。

28. 避免使用 DISTINCT 除非必要

反例：

SELECT DISTINCT user_id FROM orders;

正例：

SELECT user_id FROM orders GROUP BY user_id;

原因： DISTINCT 会进行额外的排序和去重操作，影响性能。如果只需要去重，可以使用 GROUP BY。

29. 使用 PARTITION PRUNING 优化分区表查询

例子：

SELECT * FROM sales WHERE sale_date BETWEEN '2023-01-01' AND '2023-12-31';

原因： PARTITION PRUNING 可以显著提高分区表的查询性能，因为它可以跳过不需要的分区。

四. 补充

1. 合理利用视图（View）进行复杂查询

正例：

CREATE VIEW view_user_orders AS
SELECT u.id, u.name, o.order_id, o.amount
FROM user u JOIN orders o ON u.id = o.user_id;-- 使用视图查询
SELECT * FROM view_user_orders WHERE amount > 100;

2. 使用表分区（Partitioning）优化大表性能

正例：

CREATE TABLE sales (sale_id INT,sale_date DATE,amount DECIMAL(10,2)
) PARTITION BY RANGE (YEAR(sale_date)) (PARTITION p2019 VALUES LESS THAN (2020),PARTITION p2020 VALUES LESS THAN (2021),PARTITION p2021 VALUES LESS THAN (2022)
);

3. 合理使用存储过程（Stored Procedure）来减少多次 SQL 交互

正例：

CREATE PROCEDURE update_and_select(IN user_id INT)
BEGINUPDATE users SET last_login = NOW() WHERE id = user_id;SELECT * FROM users WHERE id = user_id;
END;

4. 使用临时表（Temporary Tables）处理复杂查询

正例：

CREATE TEMPORARY TABLE temp_users AS
SELECT id FROM users WHERE status = 'active';SELECT * FROM orders WHERE user_id IN (SELECT id FROM temp_users);

原因： 临时表可以在处理复杂查询时提高性能，特别是在多次使用相同子查询结果的情况下。

5. 使用适当的隔离级别

原因： 在高并发环境中选择适当的事务隔离级别（如 READ COMMITTED），可以避免不必要的锁竞争和阻塞，提升并发效率。

6. 避免在事务中执行非必要的操作

原因： 在事务中应避免执行耗时操作，比如网络请求或复杂计算，以减少锁的持有时间。优先确保事务操作集中在必要的数据变更上。

7. 使用批量更新或删除

正例：

-- 分批删除
DELETE FROM orders WHERE status = 'obsolete' LIMIT 1000;

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.rhkb.cn/news/465368.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

Python的条件语句if与match...case

Python的条件语句if与match...case

一、定义 条件语句&#xff0c;也叫作选择语句、判断语句。根绝特定条件判断是否成立&#xff0c;执行不同的语句段。简单来说&#xff0c;满足条件执行&#xff0c;不满足不执行。 条件语句是使用关键字 if 做判断&#xff0c;根据不同情况结合不同的关键字else 或者 elif来…
阅读更多...
SpringBoot基础系列学习(二):日志

SpringBoot基础系列学习(二):日志

文章目录 一丶日志控制台介绍二丶日志的用法三丶日志级别四丶配置文件参数及介绍五丶slf4j 一丶日志控制台介绍 只要引用了spring-boot-starter依赖,就无需引入日志依赖,里面自带了logging依赖,默认情况下,springBoot使用Logback来记录日志,并用INFO级别输出到控制台 二丶日…
阅读更多...
Bert模型介绍

Bert模型介绍

简介 BERT&#xff08;Bidirectional Encoder Representations from Transformers&#xff09;是一个基于Transformer的双向编码器表示模型&#xff0c;它通过预训练学习到了丰富的语言表示&#xff0c;并可以用于各种自然语言处理任务。 模型结构&#xff1a;BERT基于Transf…
阅读更多...
AI驱动无人驾驶：安全与效率能否兼得？

AI驱动无人驾驶：安全与效率能否兼得？

内容概要 如今&#xff0c;人工智能正以其神奇的魔力驱动着无人驾驶的浪潮&#xff0c;带来了无数令人兴奋的可能性。这一领域的最新动态显示&#xff0c;AI技术在车辆的决策过程和实时数据分析中发挥着重要作用&#xff0c;帮助车辆更聪明地应对复杂的交通环境。通过实时监测…
阅读更多...
Windows、Linux系统上进行CPU和内存压力测试

Windows、Linux系统上进行CPU和内存压力测试

CPU和内存压力测试 1. Linux环境 Linux环境下&#xff0c;我们可以用 stress 工具进行内存、CPU等的压力测试。 【1】. stress工具说明 [kalamikysrv1 ~]$ stress --help stress imposes certain types of compute stress on your systemUsage: stress [OPTION [ARG]] ...-…
阅读更多...
从零开始的c++之旅——多态

从零开始的c++之旅——多态

1. 多态的概念 通俗来说就是多种形态。 多态分为编译时多态&#xff08;静态多态&#xff09;和运行时多态&#xff08;动态多态&#xff09;。 编译时多态主要就是我们之前提过的函数重载和函数模板&#xff0c;同名提高传不同的参数就可以调 用不同的函数&#xff0c…
阅读更多...
linux node vue3 部署手册

linux node vue3 部署手册

第一步&#xff1a;在linux 系统中安装node 1、在网址&#xff1a;https://nodejs.org/dist/ 下载对应版本的安装包。 2、解压缩下载的压缩包到任意位置&#xff0c;推荐home下。 样例路径为&#xff1a;/home/syl/node-v20.17.0-linux-x64.tar.xz 样例&#xff1a; tar -xv…
阅读更多...
探索C/C++的奥秘之string类

探索C/C++的奥秘之string类

string叫串&#xff0c;是一个管理字符数组的类&#xff0c;其实就是一个字符数组的顺序表&#xff0c;通过成员函数对字符串进行增、删、查、改。 C标准库里面的东西都在std这个命名空间中。 int main() { string s1; std:: string s2; std::string name("x…
阅读更多...
【刷题】优选算法

【刷题】优选算法

优选算法 双指针 202. 快乐数 链接&#xff1a;. - 力扣&#xff08;LeetCode&#xff09; 【思路】 第一个实例是快乐数&#xff0c;因为会变为1且不断是1的循环 第二个实例不可能为1&#xff0c;因为会陷入一个没有1的循环 根据两个实例和鸽巢原理可以发现不断的平方和最…
阅读更多...
openEuler的aarch64操作系统上安装k3s

openEuler的aarch64操作系统上安装k3s

1、需要安装docker容器引擎&#xff08;省略&#xff09; 2、安装ks3命令 curl -sfL https://rancher-mirror.rancher.cn/k3s/k3s-install.sh | INSTALL_K3S_MIRRORcn INSTALL_K3S_SKIP_SELINUX_RPMtrue INSTALL_K3S_SELINUX_WARNtrue sh -s -- --docker 其中&#xff1a…
阅读更多...
Synchronized锁、锁的四种状态、锁的升级（偏向锁，轻量级锁，重量级锁）

Synchronized锁、锁的四种状态、锁的升级（偏向锁，轻量级锁，重量级锁）

目录 1. Synchronized锁 1.1 介绍 1.2 三种应用方式★ 1.2.1 synchronized同步方法 1.2.2 synchronized 同步静态方法 1.2.3 synchronized 同步代码块 1.3 Synchronized锁底层原理 1.3.1 简答 1.3.2 详述 1. Monitor对象 2. Monitor与对象锁关联时 具体的流程&#…
阅读更多...
【网络】数据链路层

【网络】数据链路层

目录 以太网 以太网的帧格式 MSS 交换机 MTU对UDP的影响 ARP协议 数据链路层是软件层的最底层协议&#xff0c;它的下面就是物理层&#xff0c;那么下面我们就来介绍一下它负责在网络通信中完成什么工作 我们前面说的IP协议是解决如何进行跨网络转发的&#xff0c;也就是…
阅读更多...
零基础‘自外网到内网’渗透过程详细记录(cc123靶场)——下

零基础‘自外网到内网’渗透过程详细记录(cc123靶场)——下

细节较多&#xff0c;篇幅较大&#xff0c;分为上/下两部分发布在两篇文章内 另一部分详见下面文章 零基础‘自外网到内网’渗透过程详细记录(cc123靶场)——上https://blog.csdn.net/weixin_62808713/article/details/143572185 八、第二层数据库服务器权限获取 猜到新闻资…
阅读更多...
13-鸿蒙开发中的综合实战：华为登录界面

13-鸿蒙开发中的综合实战：华为登录界面

大家好&#xff0c;欢迎来到鸿蒙开发系列教程&#xff01;今天&#xff0c;我们将通过一个综合实战项目来实现一个华为登录界面。这个项目将涵盖输入框组件、按钮组件、文本组件和布局容器的使用&#xff0c;帮助你更好地理解和应用这些组件。无论你是初学者还是有一定经验的开…
阅读更多...
告别复杂协作：Adobe XD的简化替代方案

告别复杂协作：Adobe XD的简化替代方案

Adobe XD是一款集成UI/UX设计和原型创建功能的设计平台。它允许用户进行网页、移动应用的设计&#xff0c;以及原型的绘制&#xff0c;并且能够将静态设计转化为动态的交互原型。尽管Adobe XD提供了这些功能&#xff0c;但它依赖于第三方插件&#xff0c;且插件库有限&#xff…
阅读更多...
ctfshow web文件上传 web166-170

ctfshow web文件上传 web166-170

1.web166 通过源码上传发现只能传zip&#xff0c;尝试一下图片上传也不行 把随便一张图片打包成zip文件&#xff0c;上传后发现有一个下载的地方,猜测是文件上传&#xff0c;尝试zip伪协议发现失败&#xff0c;打包php文件也失败了&#xff0c;不知为什么&#xff0c;&#x…
阅读更多...
二开CS—上线流量特征shellcode生成修改模板修改反编译打包

二开CS—上线流量特征shellcode生成修改模板修改反编译打包

前言 免杀几乎讲的差不多了&#xff0c;今天讲个CS的二次开发。我们原生态的CS特征肯定都是被提取完的了&#xff0c;包括它的流量特征&#xff0c;而我们要做的就是把它的流量特征给打乱&#xff0c;还可以修改生成的后门&#xff0c;使其生成即免杀。 实验环境 CS4.4&…
阅读更多...
7.《双指针篇》---⑦三数之和（中等偏难）

7.《双指针篇》---⑦三数之和（中等偏难）

题目传送门 方法一&#xff1a;双指针 1.新建一个顺序表用来返回结果。并排序数组。 2.for循环 i 从第一个数组元素遍历到倒数第三个数。 3.如果遍历过程中有值大于0的则break&#xff1b; 4.定义左右指针,以及target。int left i 1, right n - 1; int target -nums[i];…
阅读更多...
Muse-Ant-Desgin-Vue 改造成 Vite+Vue3

Muse-Ant-Desgin-Vue 改造成 Vite+Vue3

后台地址&#xff1a;https://www.creative-tim.com/product/muse-vue-ant-design-dashboard?refantdv-official 一、配置 ViteAntDesginVue 配置ViteAntDesginVue ViteAntDesginVue配置&#xff1a;https://blog.csdn.net/qq_17523181/article/details/143241626 安装vue-ro…
阅读更多...
实习作假：阿里健康实习做了RABC中台，还优化了短信发送流程

实习作假：阿里健康实习做了RABC中台，还优化了短信发送流程

最近有二本同学说&#xff1a;“大拿老师&#xff0c;能帮忙看下简历吗&#xff1f;” 如果是从面试官的角度来看&#xff0c;这个同学的实习简历是很虚假的。 但是我们一直强调的是&#xff1a;校招的实习简历是不能出现明显的虚假。 首先&#xff0c;你去公司做事情&#…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023