tag 數據庫

標籤
貢獻699
3185
05:15 PM · Oct 25 ,2025
ivorysql_xiaozhuli 頭像 u_15469972 頭像 zhaoqianglaoshi 頭像 selectdb 頭像 motianlun_5d0766992e67a 頭像 apacheiotdb 頭像 u_16993624 頭像 tdengine 頭像 u_16237826 頭像 mangrandedanche 頭像 data_ai 頭像 u_17578007 頭像

@數據庫 / 博客 RSS 訂閱

u_17578007 頭像

wx690f565d7bc78 - java決策者模式實戰

Java 策略模式（決策者模式）實戰：從原理到落地 策略模式（Strategy Pattern）是一種行為型設計模式，核心思想是：定義一系列算法（策略），將每個算法封裝起來並使它們可互換，讓算法的變化獨立於使用算法的客户端。它解決了“算法切換”與“代碼耦合”的問題，讓代碼更易擴展、維護和測試。 本文將從“應用場景→核心原理→實戰案例→優缺點分析”逐步拆解，用 Java

System , MySQL , 微信支付 , 客户端 , 數據庫

收藏 評論

u_39029 頭像

lingyuli - 多索引組合值不可以唯一嘛

長期以來，Lucene在搜索領域的壟斷地位無人能及，基於Lucene之上的Elastic Search與Solr 也是家喻户曉的產品；錄信數據庫最初的版本也是基於Lucene來實現的，在設計之初經常會遇到跟solr、es同樣的問題。如面對幾十億的數據就遇到內存爆掉的問題，此時CPU與IO都飆到系統極限；100億的數據就需要100多台512G的大內

lucene , 大數據 , 索引 , 數據倉庫 , 數據庫 , olap , 多索引組合值不可以唯一嘛

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - DataWorks千萬級任務調度與全鏈路集成開發治理賦能智能駕駛技術突破

一、智能駕駛數據預處理的行業挑戰 隨着智能駕駛技術的逐級演進，數據驅動的模型訓練範式對數據預處理環節提出三大挑戰： 數據孤島化：需整合攝像頭、LiDAR、毫米波雷達、V2X通信等多模態數據，傳統ETL工具難以實現高效集成。 任務爆炸式增長：單輛測試車每日產生可達50TB 數據，需支持百萬甚至千萬級任務併發調度與彈性擴容。 開發運維一體化需求：要求數據流水線具備高可用性（99.99% SLA

大數據處理 , 大數據 , 自動駕駛 , 數據庫 , 人工智能

收藏 評論

wy123 頭像

MSSQL123 - SQLServer 2019 標準版在虛擬機上無法充分利用CPU的問題診斷

最近發現一台SQLServer服務器CPU使用率中，有4個CPU心很繁忙，6個CPU核心卻很空閒，由於是SQLServer 2019標準版，猜測到可能是跟虛擬機的CPU授權數有關。 這台機器是筆者從Infrastructure部門接到的乾淨的虛擬機，然後自己安裝的數據庫，數據庫本身沒有對CPU有任何限制，當時並沒有注意這個細節，從任務管理器中可以看到虛擬機的CPU是10個邏輯核心（process

數據庫

收藏 評論

data_ai 頭像

數據庫知識分享者 - 雲原生數據倉庫 AnalyticDB Supabase 商業化正式上線！

AnalyticDB PostgreSQL 版 Supabase 是基於開源 Supabase 深度增強的全託管應用開發平台。它提供數據庫、用户鑑權、邊緣函數等核心功能，並結合阿里雲基礎設施，提升性能和安全性。與開源自託管方案相比，該平台具備全面的託管能力，支持按需選擇計算與存儲規格，原生支持支付寶、微信等第三方 OAuth 功能，彌補了開源方案的不足，保持與 Supabase Cloud 一致的

觀點 , 資訊 , adb , 阿里雲 , 數據庫

收藏 評論

javastack 頭像

Java技術棧 - Spring Boot 4.0 正式發佈，王炸！！

大家好，我是R哥。 距離《Spring Boot 3.0 正式發佈，王炸！！》已經 3 年了，Java 的世界經過了一次大變天，現在 Spring Boot 4.0 都來了，從 3.5 直接幹到了 4.0。 Spring Boot 4.0.0 正式發佈了： 最新的支持版本如下： 從路線圖可以看到每個版本的終止時間，每個版本的生命週期只有一年

redis , API , 版本控制 , 數據庫 , JAVA

收藏 評論

bigegaodeshubiaodian_elp4ti 頭像

逼格高的鼠標墊_elp4Ti - 10個提升YashanDB性能的實用優化方法全集

如何優化數據庫查詢速度，減少響應時延，提升系統整體處理能力，是關係數據庫管理系統性能優化的核心問題。YashanDB作為面向高性能需求設計的數據庫，依託其獨特的存儲架構和執行引擎，具備優化空間。本文將基於YashanDB豐富的技術特性和行業最佳實踐，系統梳理並深入解析十種實用且具體可操作的性能優化方法，幫助用户充分發揮YashanDB作為現代數據庫平台的性能優勢，確保數據庫系統在高併發、海量數據等

數據庫

收藏 評論

fizz 頭像

fizz - golang orm之gorose 2.0版本正式發佈

關於gorose 2.0 gorose, 最風騷的golang orm, php版本的laravel eloquent. 經過幾個月的重構和打磨, 再加上近一個月的預覽版測試和改進, gorose 2.0正式版終於與我們見面了. 新版本做出了重大改動和升級, 完全重構了基礎架構和實現方式, 下面, 我們一起來看看gorose 2.0的特點吧 gorose 2.0特點 1. 全新架構 g

orm , laravel , 數據庫 , eloquent , go

收藏 評論

u_17398972 頭像

u_17398972 - 從 Oracle 到 KingbaseES：解決遷移痛點，解鎖信創時代數據庫新可能

提起 Oracle，它在傳統數據庫領域可是標杆般的存在，長久以來一直撐起了眾多企業的核心業務，可這兩年情形發生了改變，Oracle的授權費用很高，運維成本又讓人頭疼，再加上信創政策對於合規有着強硬的要求，於是很多企業便開始把目光轉向國產數據庫。金倉數據庫 KingbaseES 是國產數據庫中的佼佼者，憑藉其高適配性和高性能的基礎，成了人們更換 Oracle 的首要選擇，不過要告訴大家的是

oracle , 數據 , 數據庫 , SQL

收藏 評論

ccid 頭像

無風何其浪 - 《數字化破局抖音電商：從爆品打造到閉環運營實戰》 第三章 第四節

前言 第一部分 盈利思維與運營基礎 第1章 抖音電商盈利思維 1.1 盈虧平衡點分析：C一年半實戰覆盤 1.2 抖音電商的四種盈利模式及適用場景 1.3 IT思維做運營：數據驅動、系統思考、敏捷迭代 1.4 構建運營的“安全區”與“加速器”：與平台共生 第2章 抖音電商全景認知

大數據 , MySQL , 數據庫 , 人工智能 , 學習方法 , 數據分析

收藏 評論

bytebase 頭像

Bytebase - 16 年等待，再見 SQL Boy，這一次數據庫交互形態徹底被顛覆了！

本文轉載自 InfoQ。 對於程序員來説，通過 SQL 操作數據庫是日常工作中經常會遇到的任務，算得上是一項基本技能。但即便是專業人員面對 SQL 編寫任務也往往會頭疼不已，更不要説在這一領域經驗不足的初學者了。ChatGPT 大火之後，其輔助程序員編寫代碼的能力受到了很大關注。那麼，類似 ChatGPT 這種能力能否用在數據庫操作上，幫助程序員甚至是缺乏代碼經驗的普通業務人員，使用自然語言來完成

gui , MySQL , mariadb , 數據庫 , SQL

收藏 評論

u_11395103 頭像

wowwow0607 - AI Agent 功能與特點解析

什麼是AI Agent AI Agent 可以理解為一個能獨立完成任務的小助手。它就像一個有腦子的工具，能根據你的需求自己動起來，不需要你一步步指揮。 舉個例子： 你讓外賣軟件訂餐，它自動選餐廳、下單、跟蹤配送——這就是個簡單的Agent 更智能的版本可能會根據你的飲食習慣推薦菜品，或者在送餐延遲時主動聯繫店家 這類工具的核心特點

補全 , MySQL , 聊天機器人 , 數據庫

收藏 評論

selectdb 頭像

SelectDB技術團隊 - 從 ClickHouse 到 Apache Doris：在網易雲音樂日增萬億日誌數據場景下的落地

導讀：日誌數據已成為企業洞察系統狀態、監控網絡安全及分析業務動態的寶貴資源。網易雲音樂引入 Apache Doris 作為日誌庫新方案，替換了 ClickHouse。解決了 ClickHouse 運維複雜、不支持倒排索引的問題。目前已經穩定運行 3 個季度，規模達到 50 台服務器， 倒排索引將全文檢索性能提升7倍，2PB 數據，每天新增日誌量超過萬億條，峯值寫入吞吐 6GB/s 。 網易雲音樂每

日誌分析 , 運維自動化 , 倒排索引 , 數據庫 , clickhouse

收藏 評論

u_92655 頭像

小題大作 - VMFS索引

什麼是索引 索引時數據庫的一種數據結構，數據庫與索引的關係可以看作書籍和目錄的關係。當用户通過索引查找數據時，好比用户通過目錄查詢某章節的某個知識點。這樣可以幫助用户提高查找速度。所以，索引可以提高數據庫的性能。 索引的分類 從物理存儲角度: 聚簇索引和非聚簇索引 從數據結構角度: B-樹、B+

結點 , 大數據 , 數據 , VMFS索引 , 數據倉庫 , 數據庫

收藏 評論

u_16213560 頭像

數據小探 - 大數據presto 併發性能

大數據和高併發的解決方案總結： 軟件剛開始的時候是為了實現功能，隨着信息量和用户的增多，大數據和高併發成了軟件設計必須考慮的問題，那麼大數據和高併發本質是什麼呢？ 本質很簡單，一個是慢，一個是等。兩者是相互關聯的，因為慢，所以要等，因為等，所以慢，解決了慢，也就解決了等，解決了等，也就解決了慢。 關鍵是如何解決慢和等，核心一個是短，一個

服務器 , 雲計算 , 大數據presto 併發性能 , 緩存 , 數據庫 , 雲原生

收藏 評論

u_16213725 頭像

mob64ca141a683a - java ip地址定位,Java根據IP地址定位位置

還在為Java項目中IP地理位置識別功能而煩惱嗎？GeoIP2-java作為MaxMind官方提供的Java API，能夠讓你在短短10分鐘內完成IP定位功能的快速集成。本指南將為你揭示如何通過三步快速集成法，輕鬆實現精準的IP地理位置識別。 🎯 為什麼選擇GeoIP2-java？ GeoIP2-java是MaxMind官方推出的J

數據庫 , 後端開發 , JAVA , Python

收藏 評論

u_16213676 頭像

mob64ca140e76c8 - activemq卡在重連

消息持久化顧名思義就是把發佈的消息進行落地，這樣activeMQ宕機也不會導致那些未被消費的消息給弄消失，這樣保證消息都能被消費。 activeMQ消息持久化有JDBC，AMQ，KahaDB和LevelDB等這幾種，默認採用的是KahaDB，本篇講的是如何採用jdbc的新式把消息存入數據庫的例子； activeMQ默認採用的KahaDB，消息會落地到安裝目錄下的\da

機器學習 , 持久化 , activemq卡在重連 , 數據庫 , bc , 人工智能

收藏 評論

jiangyi 頭像

我愛哇哈哈 - 基於SpringBoot + QLExpress打造動態規則引擎：讓業務規則不再束縛代碼！

每次業務規則變動都需要修改代碼、重新打包、上線部署？客户臨時想要調整折扣規則、風控策略或者計費邏輯，你就得加班加點改代碼？今天就來聊聊如何基於SpringBoot + QLExpress打造一個強大的動態規則引擎，讓業務規則變得靈活可控，再也不用擔心頻繁變更了！ 原文鏈接 一、為什麼需要動態規則引擎？ 在開始技術實現之前，我們先來理解為什麼動態規則引擎如此重要。 1.1 傳統

規則引擎 , System , yyds乾貨盤點 , MySQL , 數據庫 , JAVA

收藏 評論

u_7457870 頭像

竹君子_歲月 - 新能源知識庫（158）什麼是鋅離子電池？在數據中心場景中的優勢如何？

鋅離子電池是一種基於鋅離子在正負極間遷移實現充放電的二次電池技術，其核心原理與鋰離子電池類似，但採用鋅作為負極活性物質。以下從技術特性、成本、安全性及數據中心場景適配性四個維度，對比鋅離子電池與鉛炭電池、三元鋰電池、磷酸鐵鋰電池的差異，並分析其在數據中心的應用潛力： 一、技術特性對比

差異化 , 能源 , MySQL , 數據中心 , 數據庫 , 迭代

收藏 評論

u_16213571 頭像

網絡安全專家 - 系統架構圖4化5層 系統架構有幾層

一、上章回顧 上篇我們簡單講述了服務層架構模式中的幾種，並且講解了服務層的作用及相關的設計規範，其實我們應該知道，在業務邏輯層中使用領域模型中使用服務層才 能發揮出最大的優勢，如果説我們在業務邏輯層還是使用非領域模型的模式話，服務層的作用僅體現在解耦作用。其實在業務邏輯層採用領域模型時，我們前面説的持 久化透明的技術，其實我們

遊戲 , 系統架構圖4化5層 , 設計模式 , 架構 , 數據庫 , 後端開發 , 數據訪問層

收藏 評論

u_16163442 頭像

datian1234 - 數智化轉型利器：揭秘數字企業模型與指標體系，引領行業新風向！

簡介 數智化轉型是一個非常有深度且緊跟當前企業管理與技術趨勢的話題。 區分“數字化”與“智能化”是理解當前企業轉型升級的關鍵起點。數智化轉型(Digital-Intelligent Transformation)則是二者的深度融合與演進，其中**「數字企業模型」與「指標體系」**構成了轉型的核心支柱。以下將系統闡述這些概念及其在企業中的應用。

redis , github , 產品經理 , 算法 , 知識圖譜 , 數據庫 , 人工智能

收藏 評論

u_16099330 頭像

網絡小墨 - 1.SparkSQL基礎—Spark SQL概述、Spark SQL核心編程—DataFrame(重要)、DataSet 與 RDD 之間相互轉換

作為大數據處理領域的明星框架，Apache Spark以其卓越的性能和易用性贏得了廣泛認可。本文將深入探討Spark的數據讀取方式、核心概念以及RDD與SparkSQL的關鍵特性，幫助您全面掌握Spark的核心機制。 一、數據讀取：多種方式滿足不同場景 1. SparkCore數據讀取方式 SparkCore提供了兩種主要的數據讀取方式

spark , 大數據 , 數據庫 , 分佈式 , 前端開發 , Javascript , Python

收藏 評論

lanyiyun666 頭像

藍易雲 - php-fpm的pool

php-fpm 的 pool 是什麼？ 它是 PHP-FPM 的“span style="color:red"進程池/span”，用來按站點/應用把 PHP 解釋進程分組運行：每個 pool 有獨立的監聽地址、用户組、資源上限、日誌與健康檢查，從而實現span style="color:red"隔離/span、span style="color:red"可觀測/span與span style

MySQL , 數據庫 , postgresql , sqlite , SQL

收藏 評論

yuan-zhou 頭像

我永遠喜歡石原里美 - PostgreSQL筆記

數據庫的三種連接算法 1、Nested Loop Join 2層循環連接，外層循環逐行檢索內層循環的每一行。最基礎的連接方式，表比較小且被驅動表有索引的情況下，效率很高。無索引or表較大時性能急劇下降。 2、Hash Join 分2個階段： 構建：選取表較小者基於連接字段在內存中構建一個哈希表 探測：遍歷較大表(探測表)，對其每行的連接字段應用同樣的哈希函數，快速定位到哈希表中對應位

數據庫

收藏 評論