前面我们介绍了 哈希索引 和 LSM树索引 ，它们都基于日志结构式的数据文件。虽然工程界对这种索引的认可度正与日俱增，但还远不是最受欢迎的索引技术。

那么，目前应用最广的索引技术又是什么呢？

您可能早就有所耳闻——这就是本文要探讨的 B树（ b-tree ）索引。B树可以说是数据库索引技术中的武林盟主，能够几十年长盛不衰，必定有它自己的独门秘诀。

索引结构

跟我们在 LSM树 一节中提到的 SSTable 一样，B树也是将数据组织成有序形式，因此支持范围查询。尽管如此，它们的底层结构却完全不同，B树有自己独特的设计哲学。

上次我们分享了采用哈希索引实现的存储引擎，它总是将写操作不断追加到数据文件，就跟写日志一样。这种日志结构式的存储引擎，数据记录顺序由写入时间决定，同一键的旧记录由新记录取代。

SSTable

由于数据在写入时，自动切分成一个个文件。数据库需要在后台对文件进行合并，以减少文件数，进而加快查询。如果待合并文件里的数据是有序的，我们就可以采用归并排序算法来提高合并效率。

虽然这看起来会违背顺序写的原则，但也有办法解决，我们稍后介绍。

现在，我们将数据文件格式改成这样：①文件中的所有记录，按照 键（ key ）来排序；②排序保证了每个键只在文件中出现一次，不会有重复的旧记录。姑且将这种格式叫做 排序字符串表（ sorted string table ）简称 SSTable 。

我们介绍过一个用几行 Shell 代码实现的简陋数据库，它的插入性能很好，但查询性能很差。

我们都知道，想要提升数据库的查询速度，索引必不可少 。那么，索引的底层结构都是怎样的呢？它们又是如何工作的呢？

实际上，数据库索引技术因底层数据结构不同，可以分为好几种：

• 哈希索引（ hash index ）
• LSM树（ log structured merge tree ）
• B树（ b-tree ）

其中，哈希索引的结构最为简单，但也很常用。今天我们就先将它一举拿下！

哈希索引结构

键值对存储引擎其实跟编程语言中的 字典 （ dictionary ）类型很像，而字典底层通常是用 哈希表（ hash table ）实现的。既然哈希表可以用来索引内存中的数据，应该也可以用来索引磁盘数据吧？

最近重读《数据密集型应用系统设计》这本书，看到第三章《数据存储与检索》，主要讲数据库内部的索引技术。

从本质上讲，数据库主要是做两件事情：

1. 当你给它数据时，它帮你保存数据（存储）；
2. 当你查询数据时，它帮你取回数据（检索）；

这两件事情看似简单，背后却暗含玄机。那么，数据库内部到底是如何存储数据的呢？又是如何检索数据的呢？

你可能会有这样的疑问：我作为一个开发人员，为什么需要知道数据库内部是怎么工作的呢？

公司项目基本都用 gitlab-ci 实现自动集成部署，代码提交后自动触发 代码编译 、 容器构建 和 K8S部署 。

最近将 gitlab-ci 权限开放给开发同学，自主将代码部署上测试环境，以便快速验证新功能。我们约定好通过 标签 （ tag ）来触发部署，只要推送了格式形如 cicd-x-nnn-MMddHHmm 的标签，就会触发自动部署。其中， nnn 代表开发者姓名拼音首字母，其后跟着日期时间。

如果我想部署当前的代码 提交点 （ commit ），我只需按照约定打一个部署标签，然后推送到服务器：

1
2

git tag cicd-x-cyf-07171430
git push origin cicd-x-cyf-07171430

很方便不是？

但可能是我太懒了，还是觉得远远不够。首先，我感受到记忆标签格式的负担，记不住就得查；其次，我得大致看下时间，然后还得手工输入，这绝对不能忍……

用过 MySQL 的童鞋一定对那个非常好看的字符表格印象深刻吧！

在 Python 中，使用 tabulate 库，可轻松实现一模一样的字符表格。

快速上手

废话不多说，先来看看效果：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19

    >>> from tabulate import tabulate

    >>> table_header = ['Name', 'Chinese', 'Math', 'English']
    >>> table_data = [
    ...     ('Tom', '90', '80', '85'),
    ...     ('Jim', '70', '90', '80'),
    ...     ('Lucy', '90', '70', '90'),
    ... ]

    >>> print(tabulate(table_data, headers=table_header, tablefmt='grid'))
    +--------+-----------+--------+-----------+
    | Name   |   Chinese |   Math |   English |
    +========+===========+========+===========+
    | Tom    |        90 |     80 |        85 |
    +--------+-----------+--------+-----------+
    | Jim    |        70 |     90 |        80 |
    +--------+-----------+--------+-----------+
    | Lucy   |        90 |     70 |        90 |
    +--------+-----------+--------+-----------+

作为信息安全领域的基石，数据加密算法你或多或少应该用过。可你知道数据加密分成 对称加密 ( symmetric encryption ) 和 非对称加密 ( asymmetric encryption ) 两种吗？对称加密与非对称加密有什么区别？各自适用于什么场景？

对称加密

在对称加密中，我们需要维护一个 密钥 ( secret key )。数据加密者根据加密算法用 密钥 对 明文 进行加密，得到不可读懂的 密文 。数据解密者根据加密算法，用同样的 密钥 对密文进行解密，得到原来的明文。

一直以来，编码问题像幽灵一般，不少开发人员都受过它的困扰。

试想你请求一个数据，却得到一堆乱码，丈二和尚摸不着头脑。有同事质疑你的数据是乱码，虽然你很确定传了 UTF-8 ，却也无法自证清白，更别说帮同事 debug 了。

有时，靠着百度和一手瞎调的手艺，乱码也能解决。尽管如此，还是很羡慕那些骨灰级程序员。为什么他们每次都能犀利地指出问题，并快速修复呢？原因在于，他们早就把编码问题背后的各种来龙去脉搞清楚了。

本文从 ASCII 码说起，带你扒一扒编码背后那些事。相信搞清编码的原理后，你将不再畏惧任何编码问题。

笔者最近在整理 Node.js 操作各数据库的方法，却不料遇到一个很棘手的问题：很多数据库，都需要同时下载 Server 端和 Client 端，并进行相应的配置，着实是麻烦。那有没有方法可以省去这些步骤呢？

答案肯定是有的，这就是今天要介绍的主题 —— Docker。

Docker 概述

那 Docker 是什么呢？

通俗地讲，当我们部署代码到生产服务器时，第一次都需要先进行环境配置，比如你有 100 台机器，你就要手动配置 100 台服务器的环境，这样难保不会出错。 Docker 则将软件服务制作成标准化的模板，也就是镜像，从而实现快捷部署。每次部署新机器，只需要拉取相关镜像，即可一键完成。

Python 可以读写 Excel 表格吗？

当然可以。 Python 下有很多类库可以做到， openpyxl 就是其中的佼佼者。

openpyxl 的设计非常漂亮 ，你一定会喜欢它！不信请往下看：

工作簿

开始 openpyxl 前，无需提前建好工作簿( Workbook )。 只需导入 Workbook 类，便可在内存中创建新工作簿并开始操作：

1
2

>>> from openpyxl import Workbook
>>> wb = Workbook()