tag SQL

標籤
貢獻229
214
06:37 AM · Oct 27 ,2025
motianlun_5d0766992e67a 頭像 lanyiyun666 頭像 u_11659620 頭像 ivorysql_xiaozhuli 頭像 tdengine 頭像 data_ai 頭像 jdcdevloper 頭像 zhaoqianglaoshi 頭像 actionopensource 頭像 bytebase 頭像 sysin 頭像 luoping 頭像

@SQL / 博客 RSS 訂閱

zhaoqianglaoshi 頭像

趙渝強老師 - 【趙渝強老師】MySQL InnoDB的數據文件與重做日誌文件

MySQL與Oracle一樣都是通過邏輯存儲結構來管理物理存儲結構，即管理硬盤上存儲的各種文件。下面將詳細介紹InnoDB存儲引擎中的數據文件和重做日誌文件。 一、數據文件 “.ibd”文件和ibdata文件 這兩種文件都是存放Innodb數據的文件，之所以有兩種文件來存放Innodb的數據（包括索引），是因為 Innodb 的數據存儲方式能夠通過配置來決定是使用共享表空間存放存儲數據，還是獨享表

MySQL , innodb , 數據庫 , SQL

收藏 評論

weidejianpan 頭像

商湯萬象開發者 - LazyLLM教程 | 第16講：實戰：打造具備宏觀問答與圖表生成功能的論文問答的RAG系統

在前面的課程中，我們利用所學的 RAG 知識，搭建了一個基於論文的問答系統。但是當論文數量比較多時，針對一些統計信息，比如某個方向的論文數量、某個會議的論文數量等，如果只通過傳統的 RAG 是沒辦法對這些信息進行檢索的。 對此，本章將先簡單回顧之前內容，並在此基礎上再做升級，完成一個集統計分析和知識問答功能於一體的智能問答系統。 一、上節回顧 為了更好地理解本章內容，我們先簡要回顧前兩

機器學習 , 教程 , 知識 , 人工智能 , SQL

收藏 評論

luoping 頭像

mb43f60adeco02a - DBA必備腳本：一鍵殺會話

在週末時一位朋友諮詢有沒有自動殺會話的腳本，今天就和大家分享一下自己常用的兩個殺會話的腳本。殺會話這個工作本身來説非常的簡單，但是在日常工作中怎麼能把殺會話的效率做到極致是我們衡量的一個標準，因為在系統緊急故障時，我們需要通過殺會話來快速恢復系統，如果殺會話的速度跟不上，那整個系統就直接掛了。記得曾經在駐場時就出現過兩次類似的情況：一次是國慶值班時，跟值

微信 , 數據庫 , 後端開發 , SQL , Python

收藏 評論

u_16099262 頭像

信息流星 - 2021年最新最全Flink系列教程

1. 什麼時候需要“混用”？ 先用 Table 生態（Catalog、Connector、SQL 函數）做取數/清洗，再回到 DataStream 寫低階算子（自定義定時器、精細狀態）。 某些 無狀態歸一化（大小寫、正則清洗、簡單投影）交給 SQL；複雜業務/亂序處理交給 DataStream。 歷史補數（有界流）走 Ba

服務器 , 大數據 , 自定義 , 後端開發 , flink , SQL , Python

收藏 評論

u_16099221 頭像

技術領航者之聲 - DB2 jabcd連接串socketTimeout

以遞歸方式處理數據關係的一種新方法 Birgitta Hauser, 軟件工程師, Toolmaker Advanced Efficiency GmbH 簡介：根據 SQL 標準，分級數據（如組織圖和材料單）或雙向數據（如航班中轉）可以通過使用遞歸通用表表達式 (RCTE) 進行評估。DB2 for i 的 V5R4 版本中提供了 RCTE 功能。其他的數據庫（如 O

大數據 , 遞歸 , 數據 , 數據倉庫 , SQL

收藏 評論

u_15912723 頭像

讓世界更美好 - OceanBase數據庫全解析：架構、特性與應用實踐

一、OceanBase簡介：中國原生的分佈式數據庫 OceanBase是由螞蟻集團完全自主研發的分佈式關係型數據庫，誕生於2010年，最初用於解決支付寶的核心交易需求。經過十餘年發展，如今已成為支撐雙11百萬級TPS、金融級一致性的成熟數據庫產品。 核心定位：OceanBase定位於"高可用、高擴展、高兼容的分佈式關係數據庫"，尤其擅長處理金融級事務和高併發場景。20

oracle , yyds乾貨盤點 , 數據 , 數據庫 , 分佈式事務 , SQL

收藏 評論

u_11659620 頭像

爾等氏人 - PostgreSQL批量數據導入優化

引言 在大數據時代，高效的數據導入能力成為衡量數據庫性能的重要指標。無論是數據倉庫建設、日誌分析還是系統遷移，批量數據導入都是不可避免的操作。PostgreSQL提供了多種優化手段來提升大批量數據插入的性能，正確使用這些技術可以將導入速度提升數倍甚至數十倍。 影響導入性能的關鍵因素 批量數據導入的性能受到多個因素的影響，包括硬件配置、網絡帶寬、數據格式、索引結構以及Postg

redis , 數據 , 數據導入 , 數據庫 , SQL

收藏 評論

bytebase 頭像

Bytebase - 業界數據庫工具結合 ChatGPT 的（不完全）彙總

雖然 ChatGPT 才發佈沒多久，但已經成為了打工人必不可少的工具，基於 ChatGPT 的工具也像雨後春筍般涌現出來。而在數據庫相關領域，大家立馬想到的就是能否利用 ChatGPT 的相關技術來幫大家實現用自然語言聊天的方式寫出 SQL。下面我們就來盤點一下最近出現的一系列工具。 sqlTranslate sqlTranslate是利用 OpenAI 的 API 實現的一個很簡單的工具，輸入自

plugin , 數據庫 , chatgpt , SQL

收藏 評論

motianlun_5d0766992e67a 頭像

墨天輪 - 技術分享 | 某客户突發大量異常GC等待故障分析

本文為墨天輪數據庫管理服務團隊第152期技術分享，內容原創，作者為技術顧問肖傑，如需轉載請聯繫小墨（VX：modb666）並註明來源。如需查看更多文章可關注【墨天輪】公眾號。 故障概述 客户一Oracle數據庫發生出現大量gc cr multi block request,gc buffer busy acquire,read by other session 等等與物理讀相關的等待，CPU使用率

oracle , 數據庫 , SQL

收藏 評論

ivorysql_xiaozhuli 頭像

IvorySQL - PostgreSQL 中的“髒頁（Dirty Pages）”是什麼？

PostgreSQL 以固定大小的數據塊（Page）存儲數據，默認大小為 8 KB。當客户端執行更新或插入操作時，PostgreSQL 並不會立即將變更寫入磁盤，而是先將相關數據頁加載到共享內存（Shared Buffers）中，在內存中完成修改，並將該頁面標記為“髒頁”。所謂“髒頁”，是指內存中的頁面版本已經新於磁盤上的對應版本。 在向客户端返回操作結果之前，PostgreSQL 會先將變更記錄

數據庫 , postgresql , 人工智能 , SQL

收藏 評論

u_9176029 頭像

獨淚了無痕 - COALESCE函數：處理NULL值的利器

一、基礎解析 基本概念   在 SQL 數據查詢中，空值（NULL）處理是開發者經常面臨的挑戰，空值可能由於數據缺失、未知或未定義的值而存在。SQL 提供了多種方法來處理空值，其中 COALESCE 函數是一個非常有用的工具，能夠優雅地解決數據缺失問題，為查詢結果提供可靠的默認值。   COALESCE 是ANSI SQL標準定義的函數，其名稱源自"coaliti

數據 , MySQL , 默認值 , 數據庫 , SQL

收藏 評論

u_16099316 頭像

數據探索先鋒 - db2 shell腳本批量插入數據

《DB 查詢分析器》批量執行DML語句並返回更詳細的信息 馬根峯 ( 廣東聯合電子收費股份有限公司, 廣州 510300) 摘要本文簡單闡明瞭DB 查詢分析器訪問DB2時批量執行DML語句，並返回更詳細的信息。 關鍵詞 DB 查詢分析器；DML；數據庫客户端工具 DB Query Analy

大數據 , 數據倉庫 , 數據庫查詢 , 數據庫 , SQL , db2 shell腳本批量插入數據 , 查詢分析器

收藏 評論

dataanalysis 頭像

蔣點數分 - 【Uber 面試真題】SQL ：每個星期連續5星評價最多的司機

大家好，我是“蔣點數分”，多年以來一直從事數據分析工作。從今天開始，與大家持續分享關於數據分析的學習內容。 本文是第一篇，也是【SQL 週週練】系列的第一篇。該系列是挑選或自編具有一些難度的 SQL 題目，一週至少更新一篇。後續創作的內容，初步規劃的方向包括： 後續內容規劃 1.利用 Streamlit 實現 Hive 元數據展示、SQL 編輯器、 結合Docker 沙箱實現數據分析 Agent

hive , pandas , 數據分析 , SQL , Python

收藏 評論

u_15714439 頭像

u_15714439 - 寶劍鋒從磨礪出——零售數據庫內核，為大促鑄劍！

癸卯七月風雨大作 京東零售·袁博文 僵卧雙九不自哀，尚思為東戍輪台。 夜闌卧聽珊瑚雨，鐵馬內核入夢來。 前言略長，只關心技術的同學可直接跳過看第二章 一、前言：技術的底色是什麼？ 這個問題在技術人心中其實沒有標準答案，每個人都有每個人的見解。架構師眼裏大抵是高屋建瓴，統領全局；技術大牛的視角可能是剖根溯源，精刀

軟件研發 , 限流 , 數據庫 , SQL

收藏 評論

u_16213625 頭像

mob64ca1402665b - Spark SQL 優化筆記

1. 數據存儲與格式優化 選擇合適的文件格式：推薦使用 Parquet、ORC 等列式存儲格式，壓縮率高，查詢快。 分區存儲：根據業務字段（如日期、地區等）合理分區，減少掃描數據量。 避免小文件：合併小文件，減少文件系統開銷，提高並行度。 2. SQL 查詢優化 謂詞下推（Predic

spark , 大數據 , SQL

收藏 評論

matrixorigin 頭像

MatrixOrigin - MatrixOne Intelligence 4.0 全新升級：讓數據智能觸手可及！

MatrixOne Intelligence 4.0 全新升級：讓數據智能觸手可及！ MatrixOne Intelligence 介紹 MatrixOne Intelligence 是一套面向多模態數據的 AI 數據智能平台，旨在幫助企業應對數據碎片化、多模態數據整合複雜、GenAI 應用落地困難等挑戰。通過數據接入、智能解析、數據工作流、超融合的湖倉底座，MatrixOne Intellige

llm , 數據挖掘 , 數據庫 , 人工智能 , SQL

收藏 評論

u_16864929 頭像

瘋狂迪霸戈 - InfluxDB與MySQL語法對比

概述 InfluxDB和MySQL是兩種設計理念完全不同的數據庫系統。InfluxDB是專門為時間序列數據優化的數據庫，而MySQL是傳統的關係型數據庫。這種根本差異導致了它們在數據模型、查詢語言和操作方式上的顯著不同。 1. 數據模型對比 MySQL（關係模型） -- 創建表時需要明確定義列和數據類型 CREATE TABLE sensor_data ( id

數據 , MySQL , 數據庫 , SQL

收藏 評論

u_16213619 頭像

mob64ca14010a69 - 數據倉庫工具–Hive(歸納第一部分)

可以將結構化的數據文件映射為一張數據庫表，並提供簡單的 SQL 查詢功能，將 SQL 語句轉換為 MapReduce/Tez/Spark 任務運行。 SQL接口：使用 HiveQL（類似 SQL）進行查詢 大數據處理：處理 PB 級別的數據 數據倉庫：適合離線批處理和數據倉庫建設 擴展性：可自定義 UDF、UDAF

大數據 , hive , 數據倉庫 , hadoop , SQL

收藏 評論

u_15266301 頭像

off_time - 記一次“ROUND 失效”之謎 —— 達夢數據庫裏的整數除法陷阱

一、現象：ROUND 怎麼“不靈”了？ 上週五，業務同學拿着一條 SQL 跑來： SELECT ROUND(198/60, 2) AS val FROM dual; 結果赫然是： VAL --- 3 他一臉懵：“我明明 ROUND 到 2 位小數，為什麼連小數點都沒看見？” 二、排查：ROUND 背鍋

oracle , 達夢 , 數據庫 , SQL

收藏 評論

u_16099343 頭像

編程夢想編織者 - SQL查詢入門(上篇)

在 RAG 智能問答系統的搭建系列中，我們已逐步攻克數據處理、向量存儲、檢索優化等關鍵環節。但當系統需要對接結構化數據庫，讓非技術用户通過日常語言獲取數據時，單純的文本檢索已無法滿足需求。此時，Text2SQL 技術與工作流的結合，成為打通 “自然語言→數據庫查詢→結果反饋” 全鏈路的核心方案。本文將帶您完整實現一套基於 RAG 的數據庫智能查詢系統，讓用户無需掌握 SQL 語法

django , 數據庫 , 後端開發 , 人工智能 , SQL , Python

收藏 評論

u_14125 頭像

jacksky - 禁用觸發器 mysql

觸發器之刪除某行字段自動備份 作者：企業庫 時間：2010-4-8 10:52:07 起先開始寫一個簡單的觸發器： cr

觸發器 , 自動備份 , 禁用觸發器 mysql , MySQL , 數據庫 , SQL

收藏 評論

u_6813689 頭像

程序員小2 - 幾種AI Agent開發框架對比：相比手寫代碼是否更便捷？

業務邏輯編排對比 首先回顧一下我們的業務流程： 接下來分別使用手寫代碼和幾種框架來實現這個業務流程邏輯，看看差異所在。 1、手寫代碼 純編碼時，我們直接根據業務邏輯來串聯工作流： # sql agent def sql_agent(user_query): #

數據 , 代碼人生 , SQL

收藏 評論

u_17579628 頭像

mb69129985e0f10 - 從0到1搭建智能分析OBS埋點數據的AI Agent：實戰指南

在數據驅動業務決策的時代，OBS埋點數據作為用户行為分析的核心資產，其價值挖掘卻常因技術門檻陷入困境。傳統分析流程中，工程師需手動解析表結構、編寫SQL查詢、生成可視化圖表，不僅效率低下且難以支持靈活的探索式分析。本文將結合真實案例，拆解如何通過AI Agent技術實現埋點數據的自動化分析，讓業務人員也能輕鬆獲取深度洞察。 一、痛點拆解：傳統分析流

字段 , redis , 數據庫 , SQL , 表結構

收藏 評論