甜橘子，专注成都网站制作网站设计与营销型网站建设与优化
QQ :532337155
电话：028-86922220
七位元老级人物，分别是：李彦宏，徐勇，刘建国，雷鸣，郭耽，崔姗姗，王啸
站在用户的角度思考问题，与客户深入沟通，找到安次网站设计与安次网站推广的解决方案，凭借多年的经验，让设计与互联网技术结合，创造个性化、用户体验好的作品，建站类型包括：成都网站建设、做网站、企业官网、英文网站、手机端网站、网站推广、域名注册、虚拟空间、企业邮箱。业务覆盖安次地区。
以下如果有兴趣,可以了解一下:
李彦宏，1991年毕业于北京大学信息管理专业，随后赴美国布法罗纽约州立大学完成计算机科学硕士学位。
在美国的8年间，李彦宏先生先后担任了道.琼斯公司高级顾问，《华尔街日报》网络版实时金融信息系统设计者，以及在国际知名互联网企业-INFOSEEK资深工程师，是新一代互联网技术领域的权威专家。他为道.琼斯公司设计的实时金融系统，迄今仍被广泛地应用于华尔街各大公司的网站，其中包括《华尔街日报》的网络版。
李彦宏最先创建了ESP技术，并将它成功的应用于INFOSEEK/GO.COM的搜索引擎中。GO.COM的图像搜索引擎是他的另一项极其具有应用价值的技术创新。
1996年，他首先解决了如何将基于网页质量的排序与基于相关性排序完美结合的问题，并因此获得了美国专利；
1998年，李彦宏先生根据在硅谷工作以及生活的经验，在大陆出版了《硅谷商战》一书，获得了各界的好评；
1999年底，携风险投资回国与好友徐勇先生共同创建百度网络技术有限公司；
2001年被评选为“中国十大创业新锐”之一；
2002年荣获首届“IT十大风云人物”称号；
2003年再次荣获“IT十大风云人物”称号；
2004年1月15日，当选第二届“京城十三新锐”；
2004年4月，百度总裁李彦宏当选第二届“中国软件十大杰出青年”。
徐勇，1982年就读北京大学生物系，1989年完成生物硕士学位后，获美国洛克菲勒基金会博士奖学金，赴美留学，于美国德州AM大学完成博士学位，随后任加州大学伯克利分校博士后。在美国10年期间，徐勇先后任职于两家著名的跨国高新技术公司(QIAGEN, Inc.和Stratagene公司)的高级销售经理，并且获得过杰出销售奖。1998年，徐勇作为制片人之一拍摄了大型专题纪录片《走进硅谷》，客观以及全面的反映硅谷的发展过程，深度探求了硅谷成功背后的种种因素。在硅谷他多次应邀给来自中国大陆的高级政府官员介绍硅谷的风险投资
机制和创业文化。1999年，徐勇与他人合作创立Cybercalling.com公司，这个网络电子商务公司在六个月内就实现了赢利。他与硅谷的众多商业团体都保持着密切的联系, 并为许多新兴的高科技企业提供商业咨询。1999年底，徐勇与好友李彦宏回国创建了百度。
刘建国
现任百度公司首席技术官(CTO)。
1988年本科毕业于西安交通大学计算机科学工程系，1991年硕士毕业于北京大学计算机科学技术系。1991-2000年，在北京大学计算机系任教，1999年被评为副教授。1997-1998年在美国UIUC计算机科学系做访问学者。2000年初加盟百度。主持开发过国内第一个大规模中英文搜索引擎系统（“天网”）、第一个面向消息的中间件产品（“银燕”）。在软件开发管理、项目管理、部门管理、人员管理等方面有丰富的经验。现负责公司与技术和工程有关的规则、研究和管理，确保百度在中文搜索服务方面居于世界领先地位。2006年2月被任命为百度首席技术官。
2月07日，百度宣布已经正式任命刘建国为公司首席技术官(CTO)，此前刘建国为百度技术副总裁。担任百度CTO后，刘建国除了继续领导技术团队之外，还将致力于增强百度产品市场方面的研究、开发和运营工作，进而推动百度产品的不断创新和用户体验的持续提高。
据悉，刘建国在软件工程、研究开发领域拥有超过15年的工作经验。他于2000年1月加入百度，并在2000年8月被任命为百度技术副总裁，管理工程师团队，担负研究开发任务。
加盟百度前，刘建国是北京大学计算机科学技术系的副教授，据悉，他牵头指导了多项国家科学基金会及国家计委支持的研究项目。任教期间，刘建国及他的团队开发出许多大规模的软件产品，其中包括中国最早的中间件产品和中国第一代搜索引擎。
“6年前建国是百度的第一位员工，他见证了百度成长为国内最大的搜索引擎的全过程。”百度董事长兼首席执行官李彦宏向记者表示，“他领导创建的百度技术团队是中国高科技领域最优秀的技术团队，也是世界互联网领域最优秀的技术团队之一。他所具备的行业知识、技术专长以及卓越的领导才能都是国内首屈一指的。”
李彦宏表示，刘建国和他带领的团队将扮演关键的角色，担负起百度技术创新、产品创新、服务运营的重要责任，以确保百度带给网民最完美的中文搜索体验。
李彦宏在向百度公司全体员工宣布这一决定时说:“在互联网市场的艰苦岁月中，建国从未动摇过对百度、对自己团队的必胜的信心;在百度扬威国际资本市场的时候，他依然保持冷静的头脑，对团队严格要求。他领导创建的百度技术团队是中国高科技领域最优秀的技术团队，也是世界互联网领域最优秀的技术团队之一。六年来，百度的技术团队历经风雨，在快速成长中建立了完善的流程，吸引了大批优秀的技术人才，培养了我们自己的骨干力量。从而奠定了百度中文搜索市场份额绝对第一的基础。”
刘建国在软件工程、研究开发领域拥有超过15年的工作经验，他有着出色的管理才能和丰富的管理经验。他于2000年1月加入百度，2000年8月被任命为百度技术副总裁，管理着快速壮大的工程师团队，担负研究开发任务，并且在中文搜索引擎的相关技术领域带来不断创新。
加盟百度之前，刘建国是北京大学计算机科学技术系的副教授，他牵头指导了多项国家科学基金会及国家计委支持的研究项目。任教期间，刘建国及他的团队开发出许多大规模的软件产品，其中包括中国最早的中间件产品和中国第一代搜索引擎。
刘建国本科毕业于西安交通大学计算机科学工程系软件专业，在北京大学获计算机网络方向硕士学位。1997年至1998年间，他曾作为访问学者在美国伊利诺伊大学厄巴纳-香槟分校(University of Illinois at Urbana-Champaign)计算机科学系进行实时系统、计算机网络、分布式系统等方向的研究。
刘建国个人简历:
刘建国先生，中国著名的搜索引擎专家，原任北京大学计算机系副教授和计算机网络和分布式系统研究室副主任，现任百度公司首席技术官，中国计算机学会教育工作委员会委员，中国互联网协会理事，中关村专业人士协会项目管理分会委员。
刘建国 1988年毕业于西安交通大学计算机科学工程系软件专业,1991年进入北京大学计算机科学技术系软件专业主攻计算机网络方向，获得硕士学位后留校进行科研教学工作。其间，参与北京大学校园网的规划和建设;在国家自然科学基金委员会重点项目"多媒体、多功能、多语言电子邮件系统"的研制项目中负责"多功能 "部分的设计和开发，实现了X.400电子邮件系统和传真电信系统的互通以及符合LDAP、DIXIE协议的轻量级目录访问子系统;在"开放系统通信平台 -银燕网络支持系统"项目中任技术负责人，所开发的产品-银燕网络支持系统是国内第一款中间件软件产品，已成功地运行于多家企事业单位;主持开发了贵州省建行储蓄通存通兑系统;1995年至1997年负责国家重点95攻关项目"大型中英文信息发现系统"的研制开发，作为技术负责人主持开发著名的"天网"中英文搜索引擎。1997-1998在美国University of Illinois at Urbana-Champaign计算机科学系做访问学者，在该系的Real-time Systems Laboratory进行实时系统方面的研究。
刘建国在国内外著名学术杂志和报纸上发表文章十余篇，参与编著学术著作两部。先后获得过中国建设银行计算机应用科技进步奖、广东省金融系统计算机应用科技进步奖一等奖、北京大学第三届自然科学研究成果一等奖、北京大学宝洁优秀教师奖、北京大学教学优秀奖、北京大学"安泰"优秀青年教师奖。
刘建国1995年即开始中文搜索引擎相关技术的研究和产品开发，为此领域全球最早开拓者之一。在搜索引擎涉及的诸多技术领域有广泛的知识，尤其在信息检索、计算机网络技术、分布式系统、高性能计算、中文信息处理、大规模系统构建与运行等方面有深刻的见解和独到的创新。同时，刘建国在技术管理、团队管理、产品管理、技术商业应用等方面有较高的造诣和丰富的经验。在他的带领下，百度技术部已成为国内技术能力最强的团队之一，为百度成为全球最大的中文搜索引擎并在产业中居于霸主地位做出了杰出的贡献。
后人为了表示对这七位创造了百度神化的元老尊为”百度七剑”
归并排序 （Merge sort，或mergesort），是创建在归并操作上的一种有效的排序算法，效率为 。1945 年由约翰·冯·诺伊曼首次提出。该算法是采用分治法（Divide and Conquer）的一个非常典型的应用，且各层分治递归可以同时进行。
这里面提到了两个概念，分别是 分治（法） 和 递归 ，它们是什么呢？
分治法（Divide and Conquer）是基于多路分支递归求和的一种很重要的算法范式。字面上的解释是“分而治之”，就是把一个复杂的问题分成两个或更多的相同或相似的子问题，再把子问题分成更小的子问题，直到最后子问题可以简单的直接求解，原问题的解就是子问题的解的合并。这个技巧是很多高效算法的基础，如排序算法中的快速排序和归并排序，傅立叶变换中的快速傅立叶变换…
分治模式在每层递归时都有三个步骤：
递归（英语：Recursion），又译为递回， 在数学和计算机科学中，递归指由一种（或多种）简单的基本情况定义的一类对象或方法，并规定其他所有情况都能被还原为其基本情况，如函数的定义中使用函数自身的方法。递归一词还较常用于描述以自相似方法重复事物的过程。 例如，当两面镜子相互之间近似平行时，镜中嵌套的图像是以无限递归的形式出现的。 也可以理解为自我复制的过程。
归并排序算法完全遵循分治模式，直观上，其操作步骤如下：
当待排序的序列长度为 1 时，递归“开始回升”，在这种情况下无须作任何工作，因为长度为 1 的每个序列都已排好序。
MERGE 的详细工作过程如下：
我们必须证明第 12～17 行 for 循环的第一次迭代之前该循环不变式成立，且在该循环的每次迭代时保持该不变式，当循环终止时，该不变式须提供一种有用的性质来证明算法的正确性。
前面我们分析了分治算法的过程，我们可以把 MERGE 作为归并排序算法中的一个子程序来用。
上面已经对分治法做了正确性证明，归并排序的正确性不言而喻。
分治算法运行时间的递归式来自基本模式的三个步骤，即分解、解决和合并。假设 T(n) 是规模为 n 的一个问题的运行时间。若问题规模足够小，如对某个常量 c，n≤c，则直接求解需要常量时间，可以将其写成 O(1)。假设把原问题分解成 a 个子问题，每个子问题的规模是原问题的 1/b。为了求解一个规模为 n/b 的子问题，需要 T(n/b) 的时间，所以需要 aT(n/b) 的时间来求解 a 个子问题。如果分解问题成子问题需要时间 D(n)，合并子问题的解成原问题的解需要时间 C(n)，那么得到递归式：
现在我们来讨论归并排序。假定问题规模是 2 的幂（不是 2 的幂时也能正确地工作），归并排序一个元素的时间是常量，当有 n1 个元素时，分解运行的时间如下：
为了分析归并排序，我们可以将 D(n) 与 C(n) 相加，即把一个 函数与另一个 函数相加，得到的和是一个 n 的线性函数，即 。把它与来自“解决”步骤的项 2T(n/2) 相加，将给出归并排序的最坏情况的运行时间
将递归式重写，得到
其中，常量 c 代表求解规模为 1 的问题所需要的时间以及在分解步骤与合并步骤处理每个数组元素所需要的时间。(相同的常量一般不可能刚好即代表求解规模为 1 的问题的时间又代表分解步骤与合并步骤处理每个数组元素的时间。通过假设 c 为这两个时间的较大者并认为我们的递归式将给出运行时间的一个上界，或者通过假设 c 为这两个时间的较小者并认为我们的递归式将给出运行时间的下界，我们可以暂时回避这个问题。两个界的阶都是 ，合在一起将给出运行时间为 )。
求解递归式的过程如下图所示：
可以看出，树根 cn 通过递归分解，直到规模降为 1 后，每个子问题只要代价 c。分解步骤一共经历了 次，即树高为 层，每层的代价为 cn，因此总代价为 。
上面我们已经知道了，总代价为 ，忽略低阶项和常量 c，归并排序的时间复杂度为 O(nlogn)。
归并排序的合并函数，在合并两个有序数组为一个有序数组时，需要借助额外的存储空间，但是这个申请额外的内存空间，会在合并完成之后释放，因此，在任意时刻，只会有一个临时的内存空间在使用，临时内存空间最大也不会超过 n 个数据的大小，所以空间复杂度是 O(n)。
Javascript 递归版
Go
迭代版
递归版
本文目录如下，阅读本文后，将一网打尽下面Golang Map相关面试题
Go中的map是一个指针，占用8个字节，指向hmap结构体; 源码 src/runtime/map.go 中可以看到map的底层结构
每个map的底层结构是hmap，hmap包含若干个结构为bmap的bucket数组。每个bucket底层都采用链表结构。接下来，我们来详细看下map的结构
bmap 就是我们常说的“桶”，一个桶里面会最多装 8 个 key，这些 key 之所以会落入同一个桶，是因为它们经过哈希计算后，哈希结果是“一类”的，关于key的定位我们在map的查询和插入中详细说明。在桶内，又会根据 key 计算出来的 hash 值的高 8 位来决定 key 到底落入桶内的哪个位置（一个桶内最多有8个位置)。
bucket内存数据结构可视化如下：
注意到 key 和 value 是各自放在一起的，并不是 key/value/key/value/... 这样的形式。源码里说明这样的好处是在某些情况下可以省略掉 padding字段，节省内存空间。
当 map 的 key 和 value 都不是指针，并且 size 都小于 128 字节的情况下，会把 bmap 标记为不含指针，这样可以避免 gc 时扫描整个 hmap。但是，我们看 bmap 其实有一个 overflow 的字段，是指针类型的，破坏了 bmap 不含指针的设想，这时会把 overflow 移动到 extra 字段来。
map是个指针，底层指向hmap，所以是个引用类型
golang 有三个常用的高级类型 slice 、map、channel, 它们都是 引用类型 ，当引用类型作为函数参数时，可能会修改原内容数据。
golang 中没有引用传递，只有值和指针传递。所以 map 作为函数实参传递时本质上也是值传递，只不过因为 map 底层数据结构是通过指针指向实际的元素存储空间，在被调函数中修改 map，对调用者同样可见，所以 map 作为函数实参传递时表现出了引用传递的效果。
因此，传递 map 时，如果想修改map的内容而不是map本身，函数形参无需使用指针
map 底层数据结构是通过指针指向实际的元素 存储空间 ，这种情况下，对其中一个map的更改，会影响到其他map
map 在没有被修改的情况下，使用 range 多次遍历 map 时输出的 key 和 value 的顺序可能不同。这是 Go 语言的设计者们有意为之，在每次 range 时的顺序被随机化，旨在提示开发者们，Go 底层实现并不保证 map 遍历顺序稳定，请大家不要依赖 range 遍历结果顺序。
map 本身是无序的，且遍历时顺序还会被随机化，如果想顺序遍历 map，需要对 map key 先排序，再按照 key 的顺序遍历 map。
map默认是并发不安全的，原因如下：
Go 官方在经过了长时间的讨论后，认为 Go map 更应适配典型使用场景（不需要从多个 goroutine 中进行安全访问），而不是为了小部分情况（并发访问），导致大部分程序付出加锁代价（性能），决定了不支持。
场景: 2个协程同时读和写，以下程序会出现致命错误：fatal error: concurrent map writes
如果想实现map线程安全，有两种方式：
方式一：使用读写锁 map + sync.RWMutex
方式二：使用golang提供的 sync.Map
sync.map是用读写分离实现的，其思想是空间换时间。和map+RWLock的实现方式相比，它做了一些优化：可以无锁访问read map，而且会优先操作read map，倘若只操作read map就可以满足要求(增删改查遍历)，那就不用去操作write map(它的读写都要加锁)，所以在某些特定场景中它发生锁竞争的频率会远远小于map+RWLock的实现方式。
golang中map是一个kv对集合。底层使用hash table，用链表来解决冲突 ，出现冲突时，不是每一个key都申请一个结构通过链表串起来，而是以bmap为最小粒度挂载，一个bmap可以放8个kv。在哈希函数的选择上，会在程序启动时，检测 cpu 是否支持 aes，如果支持，则使用 aes hash，否则使用 memhash。
map有3钟初始化方式，一般通过make方式创建
map的创建通过生成汇编码可以知道，make创建map时调用的底层函数是 runtime.makemap 。如果你的map初始容量小于等于8会发现走的是 runtime.fastrand 是因为容量小于8时不需要生成多个桶，一个桶的容量就可以满足
makemap函数会通过 fastrand 创建一个随机的哈希种子，然后根据传入的 hint 计算出需要的最小需要的桶的数量，最后再使用 makeBucketArray 创建用于保存桶的数组，这个方法其实就是根据传入的 B 计算出的需要创建的桶数量在内存中分配一片连续的空间用于存储数据，在创建桶的过程中还会额外创建一些用于保存溢出数据的桶，数量是 2^(B-4) 个。初始化完成返回hmap指针。
找到一个 B，使得 map 的装载因子在正常范围内
Go 语言中读取 map 有两种语法：带 comma 和 不带 comma。当要查询的 key 不在 map 里，带 comma 的用法会返回一个 bool 型变量提示 key 是否在 map 中；而不带 comma 的语句则会返回一个 value 类型的零值。如果 value 是 int 型就会返回 0，如果 value 是 string 类型，就会返回空字符串。
map的查找通过生成汇编码可以知道，根据 key 的不同类型，编译器会将查找函数用更具体的函数替换，以优化效率：
函数首先会检查 map 的标志位 flags。如果 flags 的写标志位此时被置 1 了，说明有其他协程在执行“写”操作，进而导致程序 panic。这也说明了 map 对协程是不安全的。
key经过哈希函数计算后，得到的哈希值如下（主流64位机下共 64 个 bit 位）：
m: 桶的个数
从buckets 通过 hash m 得到对应的bucket，如果bucket正在扩容，并且没有扩容完成，则从oldbuckets得到对应的bucket
计算hash所在桶编号：
用上一步哈希值最后的 5 个 bit 位，也就是 01010 ，值为 10，也就是 10 号桶（范围是0~31号桶）
计算hash所在的槽位:
用上一步哈希值哈希值的高8个bit 位，也就是 10010111 ，转化为十进制，也就是151，在 10 号 bucket 中寻找** tophash 值（HOB hash）为 151* 的 槽位**，即为key所在位置，找到了 2 号槽位，这样整个查找过程就结束了。
如果在 bucket 中没找到，并且 overflow 不为空，还要继续去 overflow bucket 中寻找，直到找到或是所有的 key 槽位都找遍了，包括所有的 overflow bucket。
通过上面找到了对应的槽位，这里我们再详细分析下key/value值是如何获取的：
bucket 里 key 的起始地址就是 unsafe.Pointer(b)+dataOffset。第 i 个 key 的地址就要在此基础上跨过 i 个 key 的大小；而我们又知道，value 的地址是在所有 key 之后，因此第 i 个 value 的地址还需要加上所有 key 的偏移。
通过汇编语言可以看到，向 map 中插入或者修改 key，最终调用的是 mapassign 函数。
实际上插入或修改 key 的语法是一样的，只不过前者操作的 key 在 map 中不存在，而后者操作的 key 存在 map 中。
mapassign 有一个系列的函数，根据 key 类型的不同，编译器会将其优化为相应的“快速函数”。
我们只用研究最一般的赋值函数 mapassign 。
map的赋值会附带着map的扩容和迁移，map的扩容只是将底层数组扩大了一倍，并没有进行数据的转移，数据的转移是在扩容后逐步进行的，在迁移的过程中每进行一次赋值（access或者delete）会至少做一次迁移工作。
1.判断map是否为nil
每一次进行赋值/删除操作时，只要oldbuckets != nil 则认为正在扩容，会做一次迁移工作，下面会详细说下迁移过程
根据上面查找过程，查找key所在位置，如果找到则更新，没找到则找空位插入即可
经过前面迭代寻找动作，若没有找到可插入的位置，意味着需要扩容进行插入，下面会详细说下扩容过程
通过汇编语言可以看到，向 map 中删除 key，最终调用的是 mapdelete 函数
删除的逻辑相对比较简单，大多函数在赋值操作中已经用到过，核心还是找到 key 的具体位置。寻找过程都是类似的，在 bucket 中挨个 cell 寻找。找到对应位置后，对 key 或者 value 进行“清零”操作，将 count 值减 1，将对应位置的 tophash 值置成 Empty
再来说触发 map 扩容的时机：在向 map 插入新 key 的时候，会进行条件检测，符合下面这 2 个条件，就会触发扩容：
1、装载因子超过阈值
源码里定义的阈值是 6.5 (loadFactorNum/loadFactorDen)，是经过测试后取出的一个比较合理的因子
我们知道，每个 bucket 有 8 个空位，在没有溢出，且所有的桶都装满了的情况下，装载因子算出来的结果是 8。因此当装载因子超过 6.5 时，表明很多 bucket 都快要装满了，查找效率和插入效率都变低了。在这个时候进行扩容是有必要的。
对于条件 1，元素太多，而 bucket 数量太少，很简单：将 B 加 1，bucket 最大数量( 2^B )直接变成原来 bucket 数量的 2 倍。于是，就有新老 bucket 了。注意，这时候元素都在老 bucket 里，还没迁移到新的 bucket 来。新 bucket 只是最大数量变为原来最大数量的 2 倍( 2^B * 2 ) 。
2、overflow 的 bucket 数量过多
在装载因子比较小的情况下，这时候 map 的查找和插入效率也很低，而第 1 点识别不出来这种情况。表面现象就是计算装载因子的分子比较小，即 map 里元素总数少，但是 bucket 数量多（真实分配的 bucket 数量多，包括大量的 overflow bucket）
不难想像造成这种情况的原因：不停地插入、删除元素。先插入很多元素，导致创建了很多 bucket，但是装载因子达不到第 1 点的临界值，未触发扩容来缓解这种情况。之后，删除元素降低元素总数量，再插入很多元素，导致创建很多的 overflow bucket，但就是不会触发第 1 点的规定，你能拿我怎么办？overflow bucket 数量太多，导致 key 会很分散，查找插入效率低得吓人，因此出台第 2 点规定。这就像是一座空城，房子很多，但是住户很少，都分散了，找起人来很困难
对于条件 2，其实元素没那么多，但是 overflow bucket 数特别多，说明很多 bucket 都没装满。解决办法就是开辟一个新 bucket 空间，将老 bucket 中的元素移动到新 bucket，使得同一个 bucket 中的 key 排列地更紧密。这样，原来，在 overflow bucket 中的 key 可以移动到 bucket 中来。结果是节省空间，提高 bucket 利用率，map 的查找和插入效率自然就会提升。
由于 map 扩容需要将原有的 key/value 重新搬迁到新的内存地址，如果有大量的 key/value 需要搬迁，会非常影响性能。因此 Go map 的扩容采取了一种称为“渐进式”的方式，原有的 key 并不会一次性搬迁完毕，每次最多只会搬迁 2 个 bucket。
上面说的 hashGrow() 函数实际上并没有真正地“搬迁”，它只是分配好了新的 buckets，并将老的 buckets 挂到了 oldbuckets 字段上。真正搬迁 buckets 的动作在 growWork() 函数中，而调用 growWork() 函数的动作是在 mapassign 和 mapdelete 函数中。也就是插入或修改、删除 key 的时候，都会尝试进行搬迁 buckets 的工作。先检查 oldbuckets 是否搬迁完毕，具体来说就是检查 oldbuckets 是否为 nil。
如果未迁移完毕，赋值/删除的时候，扩容完毕后（预分配内存），不会马上就进行迁移。而是采取 增量扩容 的方式，当有访问到具体 bukcet 时，才会逐渐的进行迁移（将 oldbucket 迁移到 bucket）
nevacuate 标识的是当前的进度，如果都搬迁完，应该和2^B的长度是一样的
在evacuate 方法实现是把这个位置对应的bucket，以及其冲突链上的数据都转移到新的buckets上。
转移的判断直接通过tophash 就可以，判断tophash中第一个hash值即可
遍历的过程，就是按顺序遍历 bucket，同时按顺序遍历 bucket 中的 key。
map遍历是无序的，如果想实现有序遍历，可以先对key进行排序
为什么遍历 map 是无序的？
如果发生过迁移，key 的位置发生了重大的变化，有些 key 飞上高枝，有些 key 则原地不动。这样，遍历 map 的结果就不可能按原来的顺序了。
如果就一个写死的 map，不会向 map 进行插入删除的操作，按理说每次遍历这样的 map 都会返回一个固定顺序的 key/value 序列吧。但是 Go 杜绝了这种做法，因为这样会给新手程序员带来误解，以为这是一定会发生的事情，在某些情况下，可能会酿成大错。
Go 做得更绝，当我们在遍历 map 时，并不是固定地从 0 号 bucket 开始遍历，每次都是从一个**随机值序号的 bucket 开始遍历，并且是从这个 bucket 的一个 随机序号的 cell **开始遍历。这样，即使你是一个写死的 map，仅仅只是遍历它，也不太可能会返回一个固定序列的 key/value 对了。
GO是编译性语言，所以函数的顺序是无关紧要的，为了方便阅读，建议入口函数 main 写在最前面，其余函数按照功能需要进行排列
GO的函数 不支持嵌套，重载和默认参数
GO的函数 支持 无需声明变量，可变长度，多返回值，匿名，闭包等
GO的函数用 func 来声明，且左大括号 { 不能另起一行
一个简单的示例：
输出为：
参数：可以传0个或多个值来供自己用
返回：通过用 return 来进行返回
输出为：
上面就是一个典型的多参数传递与多返回值
对例子的说明：
按值传递：是对某个变量进行复制，不能更改原变量的值
引用传递：相当于按指针传递，可以同时改变原来的值，并且消耗的内存会更少，只有4或8个字节的消耗
在上例中，返回值 (d int, e int, f int) { 是进行了命名，如果不想命名可以写成 (int,int,int){ ,返回的结果都是一样的，但要注意:
当返回了多个值，我们某些变量不想要，或实际用不到，我们可以使用 _ 来补位，例如上例的返回我们可以写成 d,_,f := test(a,b,c) ，我们不想要中间的返回值，可以以这种形式来舍弃掉
在参数后面以 变量 ... type 这种形式的，我们就要以判断出这是一个可变长度的参数
输出为：
在上例中， strs ...string 中， strs 的实际值是b,c,d,e,这就是一个最简单的传递可变长度的参数的例子，更多一些演变的形式，都非常类似
在GO中 defer 关键字非常重要，相当于面相对像中的析构函数，也就是在某个函数执行完成后，GO会自动这个；
如果在多层循环中函数里，都定义了 defer ,那么它的执行顺序是先进后出；
当某个函数出现严重错误时， defer 也会被调用
输出为
这是一个最简单的测试了，当然还有更复杂的调用，比如调试程序时，判断是哪个函数出了问题，完全可以根据 defer 打印出来的内容来进行判断，非常快速，这种留给你们去实现
一个函数在函数体内自己调用自己我们称之为递归函数，在做递归调用时，经常会将内存给占满，这是非常要注意的，常用的比如，快速排序就是用的递归调用
本篇重点介绍了GO函数(func)的声明与使用，下一篇将介绍GO的结构 struct
第二次回答：
问题补充：能不能具体点，新建一个索引就可以了吗
基本上可以这么说，不过你也可以修改索引。
记住：
索引其实关键目的是为了加快检索速度而建立的，所以，怎么用索引是数据库系统本身的事情，作为数据库设计或使用者，设计并创建好索引然后体验加上索引后的查询变快的感觉就行了。所以，索引怎么用就变为了“怎么创建合适的索引”
以下回答是否符合你的要求？你还有什么问题？
第一次回答：
一、索引是什么
索引是与表或视图关联的磁盘上结构，可以加快从表或视图中检索行的速度。索引包含由表或视图中的一列或多列生成的键。这些键存储在一个结构（B 树）中，使 SQL Server 可以快速有效地查找与键值关联的行。
表或视图可以包含以下类型的索引：
* 聚集
o 聚集索引根据数据行的键值在表或视图中排序和存储这些数据行。索引定义中包含聚集索引列。每个表只能有一个聚集索引，因为数据行本身只能按一个顺序排序。
o 只有当表包含聚集索引时，表中的数据行才按排序顺序存储。如果表具有聚集索引，则该表称为聚集表。如果表没有聚集索引，则其数据行存储在一个称为堆的无序结构中。
* 非聚集
o 非聚集索引具有独立于数据行的结构。非聚集索引包含非聚集索引键值，并且每个键值项都有指向包含该键值的数据行的指针。
o 从非聚集索引中的索引行指向数据行的指针称为行定位器。行定位器的结构取决于数据页是存储在堆中还是聚集表中。对于堆，行定位器是指向行的指针。对于聚集表，行定位器是聚集索引键。
o 您可以向非聚集索引的叶级添加非键列以跳过现有的索引键限制（900 字节和 16 键列），并执行完整范围内的索引查询。
聚集索引和非聚集索引都可以是唯一的。这意味着任何两行都不能有相同的索引键值。另外，索引也可以不是唯一的，即多行可以共享同一键值。
每当修改了表数据后，都会自动维护表或视图的索引。
索引和约束
对表列定义了 PRIMARY KEY 约束和 UNIQUE 约束时，会自动创建索引。例如，如果创建了表并将一个特定列标识为主键，则 数据库引擎自动对该列创建 PRIMARY KEY 约束和索引。有关详细信息，请参阅创建索引（数据库引擎）。
二、索引有什么用
与书中的索引一样，数据库中的索引使您可以快速找到表或索引视图中的特定信息。索引包含从表或视图中一个或多个列生成的键，以及映射到指定数据的存储位置的指针。通过创建设计良好的索引以支持查询，可以显著提高数据库查询和应用程序的性能。索引可以减少为返回查询结果集而必须读取的数据量。索引还可以强制表中的行具有唯一性，从而确保表数据的数据完整性。
设计良好的索引可以减少磁盘 I/O 操作，并且消耗的系统资源也较少，从而可以提高查询性能。对于包含 SELECT、UPDATE、DELETE 或 MERGE 语句的各种查询，索引会很有用。例如，在 AdventureWorks 数据库中执行的查询 SELECT Title, HireDate FROM HumanResources.Employee WHERE EmployeeID = 250。执行此查询时，查询优化器评估可用于检索数据的每个方法，然后选择最有效的方法。可能采用的方法包括扫描表和扫描一个或多个索引（如果有）。
扫描表时，查询优化器读取表中的所有行，并提取满足查询条件的行。扫描表会有许多磁盘 I/O 操作，并占用大量资源。但是，如果查询的结果集是占表中较高百分比的行，扫描表会是最为有效的方法。
查询优化器使用索引时，搜索索引键列，查找到查询所需行的存储位置，然后从该位置提取匹配行。通常，搜索索引比搜索表要快很多，因为索引与表不同，一般每行包含的列非常少，且行遵循排序顺序。
查询优化器在执行查询时通常会选择最有效的方法。但如果没有索引，则查询优化器必须扫描表。您的任务是设计并创建最适合您的环境的索引，以便查询优化器可以从多个有效的索引中选择。SQL Server 提供的数据库引擎优化顾问可以帮助分析数据库环境并选择适当的索引。
三、索引怎么用
索引其实关键目的是为了加快检索速度而建立的，所以，怎么用索引是数据库系统本身的事情，作为数据库设计或使用者，设计并创建好索引然后体验加上索引后的查询变快的感觉就行了。所以，索引怎么用就变为了“怎么创建合适的索引”，以下说明这个问题：
索引设计不佳和缺少索引是提高数据库和应用程序性能的主要障碍。设计高效的索引对于获得良好的数据库和应用程序性能极为重要。为数据库及其工作负荷选择正确的索引是一项需要在查询速度与更新所需开销之间取得平衡的复杂任务。如果索引较窄，或者说索引关键字中只有很少的几列，则需要的磁盘空间和维护开销都较少。而另一方面，宽索引可覆盖更多的查询。您可能需要试验若干不同的设计，才能找到最有效的索引。可以添加、修改和删除索引而不影响数据库架构或应用程序设计。因此，应试验多个不同的索引而无需犹豫。
SQL Server 中的查询优化器可在大多数情况下可靠地选择最高效的索引。总体索引设计策略应为查询优化器提供可供选择的多个索引，并依赖查询优化器做出正确的决定。这在多种情况下可减少分析时间并获得良好的性能。若要查看查询优化器对特定查询使用的索引，请在 SQL Server Management Studio 中的“查询”菜单上选择“包括实际的执行计划”。
不要总是将索引的使用等同于良好的性能，或者将良好的性能等同于索引的高效使用。如果只要使用索引就能获得最佳性能，那查询优化器的工作就简单了。但事实上，不正确的索引选择并不能获得最佳性能。因此，查询优化器的任务是只在索引或索引组合能提高性能时才选择它，而在索引检索有碍性能时则避免使用它。
建议的索引设计策略包括以下任务：
1. 了解数据库本身的特征。例如，它是频繁修改数据的联机事务处理 (OLTP) 数据库，还是主要包含只读数据的决策支持系统 (DSS) 或数据仓库 (OLAP) 数据库？
2. 了解最常用的查询的特征。例如，了解到最常用的查询联接两个或多个表将有助于决定要使用的最佳索引类型。
3. 了解查询中使用的列的特征。例如，某个索引对于含有整数数据类型同时还是唯一的或非空的列是理想索引。筛选索引适用于具有定义完善的数据子集的列。
4. 确定哪些索引选项可在创建或维护索引时提高性能。例如，对现有某个大型表创建聚集索引将会受益于 ONLINE 索引选项。ONLINE 选项允许在创建索引或重新生成索引时继续对基础数据执行并发活动。
5. 确定索引的最佳存储位置。非聚集索引可以与基础表存储在同一个文件组中，也可以存储在不同的文件组中。索引的存储位置可通过提高磁盘 I/O 性能来提高查询性能。例如，将非聚集索引存储在表文件组所在磁盘以外的某个磁盘上的一个文件组中可以提高性能，因为可以同时读取多个磁盘。
或者，聚集索引和非聚集索引也可以使用跨越多个文件组的分区方案。在维护整个集合的完整性时，使用分区可以快速而有效地访问或管理数据子集，从而使大型表或索引更易于管理。有关详细信息，请参阅已分区表和已分区索引。在考虑分区时，应确定是否应对齐索引，即，是按实质上与表相同的方式进行分区，还是单独分区。
# 设计索引。
索引设计是一项关键任务。索引设计包括确定要使用的列，选择索引类型（例如聚集或非聚集），选择适当的索引选项，以及确定文件组或分区方案布置。
# 确定最佳的创建方法。按照以下方法创建索引：
* 使用 CREATE TABLE 或 ALTER TABLE 对列定义 PRIMARY KEY 或 UNIQUE 约束
SQL Server 数据库引擎自动创建唯一索引来强制 PRIMARY KEY 或 UNIQUE 约束的唯一性要求。默认情况下，创建的唯一聚集索引可以强制 PRIMARY KEY 约束，除非表中已存在聚集索引或指定了唯一的非聚集索引。默认情况下，创建的唯一非聚集索引可以强制 UNIQUE 约束，除非已明确指定唯一的聚集索引且表中不存在聚集索引。
还可以指定索引选项和索引位置、文件组或分区方案。
创建为 PRIMARY KEY 或 UNIQUE 约束的一部分的索引将自动给定与约束名称相同的名称。
* 使用 CREATE INDEX 语句或 SQL Server Management Studio 对象资源管理器中的“新建索引”对话框创建独立于约束的索引
必须指定索引的名称、表以及应用该索引的列。还可以指定索引选项和索引位置、文件组或分区方案。默认情况下，如果未指定聚集或唯一选项，将创建非聚集的非唯一索引。若要创建筛选索引，请使用可选的 WHERE 子句。
# 创建索引。
要考虑的一个重要因素是对空表还是对包含数据的表创建索引。对空表创建索引在创建索引时不会对性能产生任何影响，而向表中添加数据时，会对性能产生影响。
对大型表创建索引时应仔细计划，这样才不会影响数据库性能。对大型表创建索引的首选方法是先创建聚集索引，然后创建任何非聚集索引。在对现有表创建索引时，请考虑将 ONLINE 选项设置为 ON。该选项设置为 ON 时，将不持有长期表锁以继续对基础表的查询或更新。
简单的创建索引，可采用如下语句：
CREATE INDEX IX_ProductVendor_VendorID
ON Purchasing.ProductVendor (VendorID, VendorName);
GO
2005年4月2日VFP的试题和及标准答案
下列各题A)、B)、C)、D)四个选项中，只有一个选项是正确的，请将正确选项涂写在答题卡相应位置上，答在试卷上不得分。
(1)数据的存储结构是指
A) 存储在外存中的数据B) 数据所占的存储空间量
C) 数据在计算机中的顺序存储方式D) 数据的逻辑结构在计算机中的表示
(2)下列关于栈的描述中错误的是
A)栈是先进后出的线性表B) 栈只能顺序存储
C) 栈具有记忆作用D) 对栈的插入与删除*作中，不需要改变栈底指针
(3)对于长度为n的线性表，在最坏情况下，下列各排序法所对应的比较次数中正确的是
A) 冒泡排序为n/2B) 冒泡排序为n
C) 快速排序为nD) 快速排序为n(n-1)/2
(4)对于长度为n的线性表进行顺序查找，在最坏情况下所需要的比较次数为
A) log2nB) n/2C) nD) n+1
(5)下列对于线性链表的描述中正确的是
A)存储空间不一定是连续，且各元素的存储顺序是任意的
B)存储空间不一定是连续，且前件元素一定存储在后件元素的前面
C)存储空间必须连续，且前件元素一定存储在后件元素的前面
D)存储空间必须连续，且各元素的存储顺序是任意的
(6)下列对于软件测试的描述中正确的是
A)软件测试的目的是证明程序是否正确
B)软件测试的目的是使程序运行结果正确
C)软件测试的目的是尽可能多地发现程序中的错误
D)软件测试的目的是使程序符合结构化原则
(7)为了使模块尽可能独立，要求
A)模块的内聚程度要尽量高，且各模块间的耦合程度要尽量强
B)模块的内聚程度要尽量高，且各模块间的耦合程度要尽量弱
C)模块的内聚程度要尽量低，且各模块间的耦合程度要尽量弱
D)模块的内聚程度要尽量低，且各模块间的耦合程度要尽量强
(8)下列描述中正确的是
A) 程序就是软件
B) 软件开发不受计算机系统的限制
C) 软件既是逻辑实体，又是物理实体
D) 软件是程序、数据与相关文档的集合
(9)数据独立性是数据库技术的重要特点之一。所谓数据独立性是指
A) 数据与程序独立存放
B) 不同的数据被存放在不同的文件中
C) 不同的数据只能被对应的应用程序所使用
D) 以上三种说法都不对
(10) 用树形结构表示实体之间联系的模型是
A) 关系模型B) 网状模型C) 层次模型D) 以上三个都是
(11) 在创建数据库表结构时，为该表指定了主索引，这属于数据完整性中的
A) 参照完整性B) 实体完整性C) 域完整性D) 用户定义完整性
(12) 在创建数据库表结构时，为该表中一些字段建立普通索引，其目的是
A) 改变表中记录的物理顺序B) 为了对表进行实体完整性约束
C) 加快数据库表的更新速度D) 加快数据库表的查询速度
(13) 数据库系统中对数据库进行管理的核心软件是
A) DBMSB) DBC) OSD) DBS
(14) 设有两个数据库表，父表和子表之间是一对多的联系，为控制子表和父表的关联，可以设置“参照完整性规则”，为此要求这两个表
A)在父表连接字段上建立普通索引，在子表连接字段上建立主索引
B)在父表连接字段上建立主索引，在子表连接字段上建立普通索引
C)在父表连接字段上不需要建立任何索引，在子表连接字段上建立普通索引
D)在父表和子表的连接字段上都要建立主索引
(15) 关系运算中的选择运算是
A)从关系中找出满足给定条件的元组的*作
B)从关系中选择若干个属性组成新的关系的*作
C)从关系中选择满足给定条件的属性的*作
D)A和B都对
(16) 在指定字段或表达式中不允许出现重复值的索引是
A) 惟一索引B) 惟一索引和候选索引
C) 惟一索引和主索引D) 主索引和候选索引
(17) 在Visual FoxPro中，以下关于删除记录的描述，正确的是
A)SQL的DELETE命令在删除数据库表中的记录之前，不需要用USE命令打开表
B)SQL的DELETE命令和传统Visual FoxPro的DELETE命令在删除数据库表中的记录之前，都需要用USE命令打开表
C)SQL的DELETE命令可以物理地删除数据库表中的记录，而传统Visual FoxPro的DELETE命令只能逻辑删除数据库表中的记录
D)传统Visual FoxPro的DELETE命令在删除数据库表中的记录之前不需要用USE命令打开表
(18) 在Visual FoxPro中，如果希望跳出SCAN……ENDSCAN循环体、执行ENDSCAN后面的语句，应使用
A) LOOP语句B) EXIT语句C) BREAK语句D）RETURN语句
(19) 打开数据库abc的正确命令是
A）OPEN DATABASE abcB）USE abc
C）USE DATABASE abcC）OPEN abc
(20) 在Visual FoxPro中，下列关于表的叙述正确的是
A)在数据库表和自由表中，都能给字段定义有效性规则和默认值
B)在自由表中，能给字段定义有效性规则和默认值
C)在数据库表中，能给字段定义有效性规则和默认值
D)在数据库表和自由表中，都不能给字段定义有效性规则和默认值
(21) Visual FoxPro的“参照完整性”中“插入规则”包括的选择是
A) 级联和忽略B) 级联和删除C）级联和限制D) 限制和忽略
(22) 在Visual FoxPro中，关于查询和视图的正确描述是
A)查询是一个预先定义好的SQL SELECT语句文件
B)视图是一个预先定义好的SQL SELECT语句文件
C)查询和视图是同一种文件，只是名称不同
D)查询和视图都是一个存储数据的表
(23) 在Visual FoxPro中，以下关于视图描述中错误的是
A) 通过视图可以对表进行查询B) 通过视图可以对表进行更新
C）视图是一个虚表D) 视图就是一种查询
(24) 使用SQL语句将学生表S中年龄(AGE)大于30岁的记录删除，正确的命令是
A) DELETE FOR AGE30B) DELETE FROM S WHERE AGE30
C) DELETE S FOR AGE30D) DELETE S WHERE AGE30
(25) 在Visual FoxPro中，使用LOCATE FOR expL命令按条件查找记录，当查找到满足条件的第一条记录后，如果还需要查找下一条满足条件的记录，应使用
A)再次使用LOCATE FOR expL命令
B)SKIP命令
C)CONTINUE命令
D)GO命令
(26) 在Visual FoxPro中，删除数据库表S的SQL命令是
A) DROP TABLE SB) DELETE TABLE S
C) DELETE TABLE S.DBFD) ERASE TABLE S
(27) 下列表达式中，表达式返回结果为.F.的是
A) AT(“A”,”BCD”)B) “[信息]”$“管理信息系统”
C) ISNULL(.NULL.)D) SUBSTR(“计算机技术”,3,2)
(28) 使用SQL语句向学生表S(SNO,SN,AGE,SEX)中添加一条新记录，字段学号(SNO)、姓名(SN)、
性别(SEX)、年龄(AGE)的值分别为0401、王芳、女、18，正确的命令是
A)APPEND INTO S (SNO,SN,SXE,AGE) valueS (‘0401’,’王芳’,’女’,18)
B)APPEND S valueS (‘0401’,’王芳’,’女’,18)
C)INSERT INTO S (SNO,SN,SEX,AGE) valueS (‘0401’,’王芳’,’女’,18)
D)INSERT S valueS (‘0401’,’王芳’,18,’女’)
(29) 假设某个表单中有一个命令按钮cmdClose，为了实现当用户单击此按钮时能够关闭该表单的功能，
应在该按钮的Click事件中写入语句
A) Thisform.CloseB) Thisform.Erase
C) Thisform.ReleaseD) Thisform.Return
(30) 在SQL的SELECT查询结果中，消除重复记录的方法是
A) 通过指定主关系键B) 通过指定惟一索引
C) 使用DISTINCTD）使用HAVING子句
(31) 在Visual FoxPro中，以下有关SQL的SELECT语句的叙述中，错误的是
A)SELECT子句中可以包含表中的列和表达式
B)SELECT子句中可以使用别名
C)SELECT子句规定了结果集中的列顺序
D)SELECT子句中列的顺序应该与表中列的顺序一致
(32) 下列关于SQL中HAVING子句的描述，错误的是
A)HAVING子句必须与GROUP BY子句同时使用
B)HAVING子句与GROUP BY子句无关
C)使用WHERE子句的同时可以使用HAVING子句
D)使用HAVING子句的作用是限定分组的条件
(33) 在Visual FoxPro中，如果在表之间的联系中设置了参照完整性规则，
并在删除规则中选择“限制”，则当删除父表中的记录时，系统反应是
A) 不做参照完整性检查B) 不准删除父表中的记录
C) 自动删除子表中所有相关的记录D) 若子表中有相关记录，则禁止删除父表中记录
第（34）——（35）题使用如下三个数据库表
学生表：S(学号，姓名，性别，出生日期，院系)
课程表：C(课程号，课程名，学时)
选课成绩表：SC(学号，课程号，成绩)
在上述表中，出生日期数据类型为日期型，学时和成绩为数值型，其他均为字符型。
(34) 用SQL命令查询选修的每门课程的成绩都高于或等于85分的学生的学号和姓名，正确的命令是
A)SELECT 学号，姓名 FROM S WHERE NOT EXISTS;
(SELECT * FROM SC WHERE SC.学号=S.学号 AND 成绩85)
B)SELECT 学号，姓名 FROM S WHERE NOT EXISTS;
(SELECT * FROM SC WHERE SC.学号=S.学号 AND 成绩=85)
C)SELECT 学号，姓名 FROM S，SC;
WHERE S.学号=SC.学号 AND 成绩=85
D)SELECT 学号，姓名 FROM S，SC;
WHERE S.学号=SC.学号 AND ALL 成绩=85
(35) 用SQL语言检索选修课程在5门以上（含5门）的学生的学号、姓名和平均成绩，
并按平均成绩降序排序，正确的命令是
A)SELECT S.学号，姓名，平均成绩 FROM S,SC;
WHERE S.学号=SC.学号;
GROUP BY S.学号 HAVING COUNT（*）=5 ORDER BY 平均成绩 DESC
B)SELECT 学号，姓名，AVG(成绩) FROM S,SC;
WHERE S.学号=SC.学号AND COUNT（*）=5;
GROUP BY 学号 ORDER BY 3 DESC
C)SELECT S.学号，姓名，AVG(成绩) 平均成绩 FROM S,SC;
WHERE S.学号=SC.学号AND COUNT（*）=5;
GROUP BY S.学号 ORDER BY 平均成绩 DESC
D)SELECT S.学号，姓名，AVG(成绩) 平均成绩 FROM S,SC;
WHERE S.学号=SC.学号;
GROUP BY S.学号 HAVING COUNT（*）=5 ORDER BY 3 DESC
二、填空题(每空2分，共30分)
请将每一个空的正确答案写在答题卡【1】～【15】序号的横线上，答在试卷上不得分。
注意：以命令关键字填空的必须拼写完整。
(1) 某二*树中度为2的结点有18个，则该二*树中有 【1】 个叶子结点。
(2) 在面向对象方法中，类的实例称为 【2】 。
(3) 诊断和改正程序中错误的工作通常称为 【3】 。
(4) 在关系数据库中，把数据表示成二维表，每一个二维表称为 【4】 。
(5) 问题处理方案的正确而完整的描述称为 【5】 。
(6) 在奥运会游泳比赛中，一个游泳运动员可以参加多项比赛，一个游泳比赛项目可以有多个运动员参加，
游泳运动员与游泳比赛项目两个实体之间的联系是 【6】 联系。
(7) 执行命令A=2005/4/2之后，内存变量A的数据类型是 【7】 型。
(8) 如下程序显示的结果是 【8】 。
s=1
i=0
do while i8
s=s+i
i=i+2
enddo
?s
(9) 在Visual FoxPro中，可以在表设计器中为字段设置默认值的表是 【9】 表。
(10) Visual FoxPro中数据库文件的扩展名（后缀）是 【10】 。
(11)——(13)题使用如下三个数据库表：
金牌榜.DBF国家代码 C(3),金牌数 I，银牌数 I，铜牌数 I
获奖牌情况.DBF国家代码 C(3),运动员名称 C(20),项目名称 C(3),名次 I
国家.DBF国家代码 C(3),国家名称 C(20)
“金牌榜”表中一个国家一条记录；“获奖牌情况”表中每个项目中的各个名次都有一条记录，名次只取前3名，例如：
国家代码运动员名称项目名称名次
001刘翔男子110米栏1
001李小鹏男子双杠3
002费尔普斯游泳男子200米自由泳3
002费尔普斯游泳男子400米个人混合泳1
001郭晶晶女子三米板跳板1
001李婷/孙甜甜网球女子双打1
(11) 为表“金牌榜”增加一个字段“奖牌总数”，同时为该字段设置有效性规则：奖牌总数=0，应使用SQL语句
ALTER TABLE 金牌榜 【11】 奖牌总数I 【12】 奖牌总数=0
(12) 使用“获奖牌情况”和“国家”两个表查询“中国”所获金牌（名次为1）的数量，应使用SQL语句
SELECT COUNT(*) FROM 国家 INNER JOIN 获奖牌情况；
【13】 国家.国家代码=获奖牌情况.国家代码；
WHERE 国家.国家名称=“中国” AND 名次=1
(13) 将金牌榜.DBF中的新增加的字段奖牌总数设置为金牌数、银牌数、铜牌数三项的和，应使用SQL语句
【11】 金牌榜 【10】 奖牌总数=金牌数+银牌数+铜牌数
参考答案：
（1）D（2）B（3）D（4）C（5）A
（6）C（7）B（8）D（9）D（10）C
（11）B（12）D（13）A（14）B（15）A
（16）D（17）A（18）B（19）A（20）C
（21）D（22）A（23）D（24）B（25）C
（26）A（27）B（28）C（29）C（30）C
（31）D（32）B（33）D（34）A（35）D
【1】19
【2】对象
【3】程序调试
【4】关系
【5】算法
【6】多对多
【7】数值
【8】13
【9】数据库表
【10】.DBC
【11】ADD
【12】CHECK
【13】ON
【14】UPDATE
【15】SET