tag 數據庫

標籤
貢獻699
3149
05:15 PM · Oct 25 ,2025

@數據庫 / 博客 RSS 訂閱

愛喝可樂的北極熊 - 數據庫的應用-第二天

1.數據庫服務基礎管理操作 1)數據庫服務連接管理 MySQL數據庫服務應用架構:C/S 利用C/S架構管理數據庫服務端時會有兩種方式: 1.採用本地方式連接管理 mysql -uxxx -pxxx -S 套接字文件(/tmp/mysql.sock--數據庫服務端啓動時自動生成 關閉後自動刪除) 2.採用遠程方式連接管理 mysql -uxxx -pxxx -h地址/域名 -P端口號 附加內容

數據庫

收藏 評論

collen7788 - 【趙渝強老師】國產金倉數據庫的數據庫

在金倉數據庫中,一個數據庫是數據庫對象的集合。通常每個數據庫對象屬於並且只屬於一個數據庫。更準確地説,一個數據庫是一個模式的集合,而模式包含表、函數等等各種數據庫對象。因此數據庫的完整層次應該包含如下組成部分:數據庫服務器、數據庫、模式、表或者某些其他對象類型,如存儲過程、存儲函數等等。當連接到數據庫服務器時,客户端必須在它的連接請求中指定它要連接的數據庫名,通過數據庫實例來操作數

oracle , 人大金倉 , yyds乾貨盤點 , 金倉數據庫 , 電科金倉 , 數據庫 , KingBase , 國產數據庫

收藏 評論

瀟湘隱者 - Data Guard如何重建dg broker?

下面是個人結合文檔總結整理的重建dg broker的文檔,僅供參考,不一定適合所有環境或場景. Step 1:停止broker(主庫備庫) SQL SHOW PARAMETER DG_BROKER_START; SQL ALTER SYSTEM SET DG_BROKER_START=FALSE SCOPE=BOTH; SQL SHOW PARAMETER DG_BROKER_START;

數據庫

收藏 評論

藍易雲 - 如何檢查CentOS版本:5種方法

下面給出 5 種可靠方法檢查 CentOS 版本,覆蓋 CentOS 6/7/8 與 CentOS Stream。所有命令均為可複製即用,並在每段後給出解釋。✅ 方法一:讀取標準文件 /etc/os-release(首選) cat /etc/os-release 解釋:/etc/os-release 是 systemd 生態的統一規範文件,會顯示 NAME、VERSION_ID、PRETTY_N

MySQL , 數據庫 , postgresql , sqlite , SQL

收藏 評論

IvorySQL - 2025 開放原子開發者大會回顧|IvorySQL 內核實現原理

2025 年 11 月 21-22 日,2025 開放原子開發者大會在北京圓滿落幕。本次大會以“AI 共智 開源共享”為主題,聚焦 AI,匯聚頂尖開源力量,洞見行業前沿實踐。 作為開源數據庫領域的重要參與者,IvorySQL 在本次大會分論壇進行了演講分享,並在展台與參會者開展了互動。 演講分享 IvorySQL 受邀在 11 月 21 日的《AI 時代數據庫創新實踐分論壇》進行了演講分享。 本次

數據庫 , postgresql , SQL , 程序員

收藏 評論

StarRocks - StarRocks 助力首汽約車精細化運營

作者:任智紅,首汽約車大數據負責人 更多交流,聯繫我們:https://wx.focussend.com/weComLink/mobileQrCodeLink/334%201%2... 導讀:本文整理自汽首約車大數據負責人任智紅在 StarRocks 年度峯會上的演講,介紹了 StarRocks 在公司內部的應用。主要業務場景包括: 運效診斷與干預:實現秒級數據接入和計算,分鐘級生

spark , 數據庫 , 數據分析 , 數據查詢

收藏 評論

編程小匠人傳奇 - 學術論文發表的流程步驟大全

學術論文審稿流程全解析:從投稿到錄用的5大關鍵階段 很多研究者對“審稿”充滿未知,甚至因不瞭解流程錯過修改機會。2025年最新統計數據顯示,不同學科審稿週期差異達6倍,掌握流程細節能讓錄用效率提升40%。以下是全球主流學術期刊通用的審稿流程拆解,含關鍵時間節點和避坑要點: 1. 五大核心階段(附時間數據) 編輯部初篩(1-7天):最易被忽略的“第一關”

oracle , 學術論文 , 數據 , 數據庫 , 計算機科學

收藏 評論

scales123 - spark的共享變量之廣播變量和累加器

1 核心概念:為什麼需要它們? 在spark程序中,當一個傳遞給Spark操作(例如map和reduce)的函數在遠程節點上面運行時,Spark操作實際上操作的是這個函數所用變量的一個獨立副本。這些變量會被複制到每台機器上,並且這些變量在遠程機器上的所有更新都不會傳遞迴驅動程序。通常跨任務的讀寫變量是低效的,但是,Spark還是為兩種常見的使用模式提供了兩種有限的共享變量:廣播變(broadcas

數據庫

收藏 評論

南大通用GBase - 南大通用 GBase 8s JDBC 參數 OPTOFC簡介

OPTOFC 參數介紹 OPTOFC 是 "optimize-OPEN-FETCH-CLOSE" 的縮寫,正如其名,該參數主要用於優化 JDBC 中的 PreparedStatement 執行 SELECT 語句時的性能。 具體來説, OPTOFC 通過減少網絡請求次數來提高性能,適用於以下場景: 1. 當前 Statement 對象是 Pr

sed , oracle , GBase 8s , 網絡請求 , System , 數據庫

收藏 評論

SelectDB技術團隊 - 面向 Agent 的高併發分析:Doris vs. Snowflake vs. ClickHouse

數據價值的不斷升級,是過去三十年來數據庫演進的核心驅動力。而 AI 的崛起,將這一需求推向新的高度:數據不僅要能被“看”到,更要能被“理解”和“創造”——這一點已在基於大語言模型(LLM)為核心的代碼生成、智能對話等應用中得以驗證。 這一背景下,由自主 AI 智能體(Agent)驅動的分析已成為典型範式。 智能體能夠獨立推理、實時分析數據,甚至主動觸發行動。這意味着分析模式正從被動報告轉向主動決策

數據庫 , apache , 後端

收藏 評論

數據庫知識分享者 - 基於 Qoder 和 AnalyticDB Supabase 快速構建AI原生移動端 APP

本文介紹如何利用Qoder、雲原生數據倉庫 AnalyticDB PostgreSQL 版Supabase和通義千問圖像編輯模型(Qwen Image Edit),快速搭建一個無需傳統後端的AI手辦生圖Flutter應用。內容涵蓋從前端代碼自動生成、後端即服務(BaaS)配置,到AI模型集成,適合希望快速驗證AI原生應用原型並實現敏捷開發的開發者。 一、概述 在AI原生應用開發的時代,傳統的後端架

MySQL , adb , 阿里雲 , 數據庫

收藏 評論

fizz - go語言orm之gorose全新版本2.0低調發布

號稱go語言版本的laravel's eloquent, 發佈了久違了2.0版本, 新版本做了很大的改進和升級, 下面我們一起來看一下新版本的特性. 架構調整 gorose 2.0版本做了徹底的重構, 擁有全新的架構. 架構如圖: gorose 2.0 採用模塊化架構, 通過interface的api通信,嚴格的上層依賴下層.每一個模塊都可以拆卸, 甚至可以自定義為自己喜歡的樣子.

orm , laravel , 數據庫 , eloquent , go

收藏 評論

AIIData數據中台 - 實時開發平台(Streampark)--Flink SQL功能演示

摘要: • 使用Flink StandaIone模式運行FIink SQL Demo •Flink 安裝包需要與 StreamPark 服務同在一台服務器 實時開發平台基於開源項目StreamPark建設 實時開發平台 StreamPark 提供了一系列快捷 API 和 Connector,開箱即用,作業狀態自動追蹤,快速完成作業的開發和管理。同

服務器 , 數據庫 , SQL Server , flink , 流處理

收藏 評論

小題大作 - Redis緩存和數據庫雙寫一致方案

第一我們先來説一下什麼是緩存雙寫,就是我們利用redis的情況下一定會利用一個持久化的數據庫,最典型的就是redis+mysql的組合,使用他們倆就一定會存在數據不一致的情況,我們為了業務要求必須保證最終一致性,因而得我們解決的就是使用什麼方法讓他們之間的數據儘可能的在最短的時間、最大的吞吐量、最安全的方式下保證數據的一致性。 關於策略就有同步和異步的方式,同步的方式處理速

redis , 緩存 , 數據庫 , 後端開發 , Python

收藏 評論

南大通用GBase - 南大通用GBase 8a 數據庫磁盤瓶頸優化方案

一、現狀背景 當前某集羣部分節點磁盤使用率已達 95% 以上,因數據量增長觸發存儲瓶頸。結合 Gbase 8a 數據庫特性,可以提供 “表重建壓縮優化” 與 “服務器擴容” 雙方案,供業務評估選擇。 二、優化方案 方案一:表重建壓縮優化(歷史數據高壓縮處理) 1. 操作原理 通過調整表壓縮級別,對歷史數據進行高壓縮處理。當前數據庫默認壓縮

GBase 8a , 服務器 , 大數據 , 數據 , 數據倉庫 , 數據庫

收藏 評論

雲端小夢 - C# 圖解教程 第五章 方法

一、實例構造器和類(引用類型) 類(Class) 是一種引用類型(Reference Type),而 實例構造器(Instance Constructor) 是類中用於初始化對象(即類的實例)狀態的特殊方法。它們之間有着非常緊密的聯繫:每當通過 new關鍵字創建一個類的對象時,實例構造器就會被自動調用,以初始化該對象的數據(字段、屬性等)。

字段 , microsoft , 數據庫 , 構造器 , Css , c , 前端開發 , HTML

收藏 評論

修己xj - MySQL EXPLAIN詳解:揭開SQL執行計劃的神秘面紗

在日常的數據庫開發和性能優化中,我們經常會遇到這樣的問題:“為什麼這條SQL查詢這麼慢?”MySQL的EXPLAIN命令就是解決這類問題的瑞士軍刀。它能夠展示MySQL如何執行查詢,讓我們深入瞭解查詢的執行計劃,從而找到性能瓶頸並進行優化。 什麼是EXPLAIN? EXPLAIN是MySQL提供的一個關鍵字,用於分析SELECT語句的執行計劃。通過它,我們可以瞭解MySQL是如何

字段 , MySQL , 數據庫 , SQL

收藏 評論

006玩命 - Mysql2Uxdb

migration.properties文件: srcCaseUpper=sensitive caseStrategy=CASE_KEEP 存儲過程,手動創建; 本文包含:--> -->

MySQL , 數據庫 , uxdb

收藏 評論

星環科技 - 什麼是分佈式數據庫?一文了解分佈式數據庫

隨着數字化轉型的深入,企業所面對的數據規模、訪問併發和業務複雜度持續攀升,傳統集中式數據庫在擴展性、可用性和性能方面逐漸顯現瓶頸。分佈式數據庫正是在這樣的背景下產生的一種新型數據庫架構,它通過將數據和計算能力分佈到多台服務器上,實現對海量數據的高效管理和穩定服務,成為現代數據基礎設施的重要組成部分。 什麼是分佈式數據庫? 分佈式數據庫是指數據在邏輯上屬於同一個數據庫系統,但在物理上分佈存儲在多台計

數據庫

收藏 評論

步_步_為營 - 深入探究DbContext的ChangeTracker:精準把握Entity狀態管理與性能優化

深入探究DbContext的ChangeTracker:精準把握Entity狀態管理與性能優化 在基於Entity Framework Core的.NET應用開發中,對實體(Entity)狀態的有效管理是確保數據一致性和應用性能的關鍵。DbContext的ChangeTracker在其中扮演着核心角色,它負責跟蹤實體從加載到持久化過程中的狀態變化。深入理解ChangeTracker的

加載 , 數據庫 , 開發者 , 前端開發 , Javascript

收藏 評論

智能開發者 - linux 安裝 espeak 後 目錄在哪

一、前提是在Linux環境上安裝好python3.7版本和mysq5.75.7版本(此處是我自己使用的版本) 二、下載HttpRunnerManage源碼 1、可以到GitHub上下載源碼壓縮包到本地,GitHub下載地址:https://github.com/httprunner/HttpRunnerManager(可以查看readme) 2、在Linux的r

MySQL , 架構 , 數據庫 , 後端開發 , Python

收藏 評論

mb61c46a7ab1eee - 第七章-Tomcat與SpringBoot集成機制 - 實踐

目錄 7.1 Spring Boot 內嵌 Tomcat 啓動原理 7.2 ServletWebServerApplicationContext 初始化流程 7.3 DispatcherServlet 與 Tomcat 協作機制 7.4 Tomcat 替換方案對比 7.5 自定義 Tomcat 配置 7.6 集成最佳實踐

tomcat , redis , 初始化 , 數據庫 , ide

收藏 評論

數據庫知識分享者小北 - 阿里雲「RDS AI助手」正式上線:大模型驅動的數據庫智能運維Copilot

還在為數據庫慢、配置難、巡檢煩而頭疼? 現在,RDS AI助手正式上線,只需用自然語言提問,就能幫你查問題、做診斷、出報告、調參數——就像有個數據庫資深專家隨時待命,24小時在線答疑! 它不是冷冰冰的對話窗口,而是深度跟數據庫控制枱交互融合,在你需要的地方出現一個RDS AI助手小圖標,點擊即用。 它是懂你業務、會看日誌、能寫建議的“智

MySQL , 阿里雲 , rds , 數據庫 , Copilot , SQL

收藏 評論

flybirdfly - oracle rac是什麼-Oracle

什麼是RAC架構呢? 共享同一個份物理存儲,把連接和計算層,作為instance做多實例部署。 這樣有什麼好處呢? 第一個好處是增加可靠性 第二個好處是增加連接數 第三個好處是分散計算壓力。 前兩者是顯而易見的,畢竟節點數增加了。 第三個,就需要一定的技術支撐了。

oracle , 分佈式架構 , 數據塊 , 緩存 , 數據庫

收藏 評論