1.添加数据INSERT INTO 表名(字段名1,字段名2,...) VALUES(值1,值2,...)[,(值1,值2,...)];2.修改数据UPDATE 表名 SET 字段名1=值1,字段名2=值2,... [WHERE 条件];3.删除数据DELETE FROM 表名 [WHERE 条件];end学习自：黑马程序员——MySQL数据库课程。

二维数组表示图的邻接矩阵。它的大小是MaxVertexNum × MaxVertexNum，用于存储顶点之间边的权重或者存在的情况。（无权重且存在边用1表示，无权重且不存在边则用0表示；有权重且存在边用其权重表示，有权重且不存在边则用一个极大值表示。其中，DataType Data[MaxVertexNum]，可以用来存储与每个顶点相关的其他数据。例如：如果图表示一个社交网络，则可以存储每个顶点的

串行传输是指数据是一个比特一个比特依次发送的。因此在发送端和接收端之间，只需要一条数据传输线路即可。字节之间的时间间隔不是固定的，接收端仅在每个字节的起始处对字节内的比特实现同步。，也就是发送端将时钟同步信号编码到发送数据中一起传输，例如传统以太网所采用的就是曼彻斯特编码，这部分内容我们将在以后详细讨论。这里异步是指字节之间异步，也就是字节之间的时间间隔不固定，但字节中的每个比特仍然要同步，也就是

HTML5出现之前，经常把元素按照块级元素和内联元素来区分。在HTML5中，元素不再按照这种方式来区分，而是按照内容模型来区分，分为元数据型（metadata content）、区块型（sectioning content）、标题型（heading content）、文档流型（flow content）、语句型（phrasing content）、内嵌型（embedded content）、交互型

在之前的测试中，我们发现，如果数据量很大，在执行count操作时，是非常耗时的。MyISAM 引擎把一个表的总行数存在了磁盘上，因此执行 count(*) 的时候会直接返回这个数，效率很高；但是如果是带条件的count，MyISAM引起也慢。InnoDB 引擎就麻烦了，它执行 count(*) 的时候，需要把数据一行一行地从引擎里面读出来，然后累积计数。

回退N帧协议的接收窗口尺寸只能等于一，因此接收方只能按序接收正确到达的数据分组；一个数据分组的误码就会导致其后续多个数据分组不能被接方按序接收而丢弃，尽管他们没有误码。这必然会造成发送方对这些数据分组的超时重传，显然这是对通信资源的极大浪费。为了进一步提高性能，可设法只重传出现误码的数据分组；因此，接收窗口的尺寸不应再等于1而应大于1；以便接收方先收下失序到达但无误码并且序号落在接收窗口内的那些数

根据曼彻斯特编码的特点，也就是每个码元在其中间时刻发生跳变，可以划分出所给信号中的各码元，至于正跳变表示1还是0，负跳变表示0还是1，没有具体规定，可以自行假设。调制后产生的信号是模拟信号，可以在模拟信号中传输，例如Wifi使用补码键控，直接序列扩频，正交频分复用等调制方法。编码后产生的信号仍为数字信号，可以在数字信道中传输，例如以太网使用曼彻斯特编码，4B/5B，8B/10B等。也就是说，信号是

行级锁，每次操作锁住对应的行数据。锁定粒度最小，发生锁冲突的概率最低，并发度最高。应用在InnoDB存储引擎中。InnoDB的数据是基于索引组织的，行锁是通过对索引上的索引项加锁来实现的，而不是对记录加的锁。行锁（Record Lock）：锁定单个行记录的锁，防止其他事务对此行进行update和delete。在RC、RR隔离级别下都支持。间隙锁（Gap Lock）：锁定索引记录间隙（不含该记录），

对其进行调整，调整的思路和堆的删除相似，但是要从后往前开始，在左右两个堆中进行调整；从倒数第一个没有儿子的结点开始，即从最后一个非叶子节点开始，依次进行下滤操作，将其子树调整为最大堆。因为最后一个非叶子节点的数组下标为n/2，其中n为堆中元素的个数，所以从i=n/2开始循环。Parent表示当前结点的父结点，Child表示当前结点的子结点，X表示当前结点的值。然后，从要下滤的结点开始，沿着其左右子

在算法的每一步，我们将一个顶点加入集合S，该顶点是在当前阶段中距离源点s的最短路径长度最小的顶点。Floyd算法也是逐步地求出最短距离的，通过遍历所有可能的中间节点k，并不断尝试更新D[i][j]的值，Floyd算法逐步优化路径长度，最终找到图中所有节点对之间的最短路径。现在，我们引入一个中间节点k，想要通过节点k来尝试找到更短的路径，即尝试在节点i和节点j之间建立一条路径，其中包括节点k。在每一