-恢复内容开始-

一，大数据类:

问：一亿条字符串，固定长度，其中有重复的两条数据，如何找到(不限制方法)

1.linux系统下一条命令

2.导入数据库添加非聚焦索引，一条select 命令

3.文件流写成1000个文件，并计算hash值 % 100 这样就有100个文件，开多线程并行计算hashset

问：一亿条int类型的整数如何找到重复的

申请长为1亿的bitarray,根据比如这样的数组{1,2,5,3,6} 可以用bitarray这样表示0111011 ，第几位存在就标示为1，不存在则记为0，直接扫描bitarray就可以确定需要添加的数是否存在了。

二，在你看来，数据库优化要注意哪些内容？

基础知识准备： SQL server 的数据存储都是B树来存放

1.聚集索引的原则是放在那些高频，唯一的属性列上，当表没有建立聚焦索引的时候，那时的表的存储顺序就是以堆的方式存在，是没有顺序可言的。

表的顺序上的连续是非常的重要的

尽量在唯一性高的字段上创建索引，不要在性别这种唯一性很低的字段上创建索引；

2.非聚焦索引

3.联合索引 注意顺序

4.索引的碎片化，需要rebuild索引。

5.填充因子

6.学会看查询计划

T-SQL的优化：