积分充值
 首页
前端开发
AngularDartElectronFlutterHTML/CSSJavaScriptReactSvelteTypeScriptVue.js构建工具
后端开发
.NetC#C++C语言DenoffmpegGoIdrisJavaJuliaKotlinLeanMakefilenimNode.jsPascalPHPPythonRISC-VRubyRustSwiftUML其它语言区块链开发测试微服务敏捷开发架构设计汇编语言
数据库
Apache DorisApache HBaseCassandraClickHouseFirebirdGreenplumMongoDBMySQLPieCloudDBPostgreSQLRedisSQLSQLiteTiDBVitess数据库中间件数据库工具数据库设计
系统运维
AndroidDevOpshttpdJenkinsLinuxPrometheusTraefikZabbix存储网络与安全
云计算&大数据
Apache APISIXApache FlinkApache KarafApache KyuubiApache OzonedaprDockerHadoopHarborIstioKubernetesOpenShiftPandasrancherRocketMQServerlessService MeshVirtualBoxVMWare云原生CNCF机器学习边缘计算
综合其他
BlenderGIMPKiCadKritaWeblate产品与服务人工智能亿图数据可视化版本控制笔试面试
文库资料
前端
AngularAnt DesignBabelBootstrapChart.jsCSS3EchartsElectronHighchartsHTML/CSSHTML5JavaScriptJerryScriptJestReactSassTypeScriptVue前端工具小程序
后端
.NETApacheC/C++C#CMakeCrystalDartDenoDjangoDubboErlangFastifyFlaskGinGoGoFrameGuzzleIrisJavaJuliaLispLLVMLuaMatplotlibMicronautnimNode.jsPerlPHPPythonQtRPCRubyRustR语言ScalaShellVlangwasmYewZephirZig算法
移动端
AndroidAPP工具FlutterFramework7HarmonyHippyIoniciOSkotlinNativeObject-CPWAReactSwiftuni-appWeex
数据库
ApacheArangoDBCassandraClickHouseCouchDBCrateDBDB2DocumentDBDorisDragonflyDBEdgeDBetcdFirebirdGaussDBGraphGreenPlumHStreamDBHugeGraphimmudbIndexedDBInfluxDBIoTDBKey-ValueKitDBLevelDBM3DBMatrixOneMilvusMongoDBMySQLNavicatNebulaNewSQLNoSQLOceanBaseOpenTSDBOracleOrientDBPostgreSQLPrestoDBQuestDBRedisRocksDBSequoiaDBServerSkytableSQLSQLiteTiDBTiKVTimescaleDBYugabyteDB关系型数据库数据库数据库ORM数据库中间件数据库工具时序数据库
云计算&大数据
ActiveMQAerakiAgentAlluxioAntreaApacheApache APISIXAPISIXBFEBitBookKeeperChaosChoerodonCiliumCloudStackConsulDaprDataEaseDC/OSDockerDrillDruidElasticJobElasticSearchEnvoyErdaFlinkFluentGrafanaHadoopHarborHelmHudiInLongKafkaKnativeKongKubeCubeKubeEdgeKubeflowKubeOperatorKubernetesKubeSphereKubeVelaKumaKylinLibcloudLinkerdLonghornMeiliSearchMeshNacosNATSOKDOpenOpenEBSOpenKruiseOpenPitrixOpenSearchOpenStackOpenTracingOzonePaddlePaddlePolicyPulsarPyTorchRainbondRancherRediSearchScikit-learnServerlessShardingSphereShenYuSparkStormSupersetXuperChainZadig云原生CNCF人工智能区块链数据挖掘机器学习深度学习算法工程边缘计算
UI&美工&设计
BlenderKritaSketchUI设计
网络&系统&运维
AnsibleApacheAWKCeleryCephCI/CDCurveDevOpsGoCDHAProxyIstioJenkinsJumpServerLinuxMacNginxOpenRestyPrometheusServertraefikTrafficUnixWindowsZabbixZipkin安全防护系统内核网络运维监控
综合其它
文章资讯
 上传文档  发布文章  登录账户
IT文库
  • 综合
  • 文档
  • 文章

无数据

分类

全部数据库(30)TiDB(15)数据库中间件(10)Apache Doris(2)Redis(1)Greenplum(1)PieCloudDB(1)

语言

全部中文(简体)(30)

格式

全部PDF文档 PDF(30)
 
本次搜索耗时 0.086 秒,为您找到相关结果约 30 个.
  • 全部
  • 数据库
  • TiDB
  • 数据库中间件
  • Apache Doris
  • Redis
  • Greenplum
  • PieCloudDB
  • 全部
  • 中文(简体)
  • 全部
  • PDF文档 PDF
  • 默认排序
  • 最新排序
  • 页数排序
  • 大小排序
  • 全部时间
  • 最近一天
  • 最近一周
  • 最近一个月
  • 最近三个月
  • 最近半年
  • 最近一年
  • pdf文档 Greenplum Database 管理员指南 6.2.1

    会有很多用户问,Master 和 Standby 在绝大多数时间内,资源非常空闲,跟 Instance 主机相比,相当于完全空闲,那么是否可以将 Master 和 Standy 设置到 Instance 主机上呢?从理论的角度来说,答案是肯定的,因为 GP 数据库的集群概念 是虚拟的,并没有严格限制不同角色必须分离,但,对于生产环境来说,除非可以 100% 确保计算节点机器的资源不会被耗尽,否则,都应该尽最大可能避免 Master Master 和 Standby 设置到 Instance 主机上,因为,这种模式下,一旦系统在处理负载很高的 任务,Master 将很难获得足够的资源,其响应会变慢,稳定性会下降。从两一个角度 来说,如果可以确保集群是非常良性的运转,不会有任务造成 Master 很大的压力, 可以适当配置计算能力稍差的机器。 网络层冗余 网络层关系到 Instance 之间的通信,其依靠基础网络设备,高可用网络层可以 选择行存 或列存的常规指导。不过具体情况还需根据业务场景进行确切的评估,编者认为,绝 大部分情况下,不要选择列存,因为现在的列存技术,文件数膨胀极其严重,后果更 严重。 从一般性的角度来说,行存具有更广泛的适用性。列存对于一些特定的业务场景可 以大量节省IO资源以提升性能,也可以提供更好的压缩效果。在考虑选择行存还是列 存时,可以参考如下几点:  更新操作:如果一
    0 码力 | 416 页 | 6.08 MB | 1 年前
    3
  • pdf文档 Apache ShardingSphere 中文文档 5.0.0-alpha

    从资源控制的角度看,业务方访问数据库的连接数量应当有所限制。它能够有效地防止某一业务操作过 多的占用资源,从而将数据库连接的资源耗尽,以致于影响其他业务的正常访问。特别是在一个数据库实 例中存在较多分表的情况下,一条不包含分片键的逻辑 SQL 将产生落在同库不同表的大量真实 SQL ,如 果每条真实 SQL 都占用一个独立的连接,那么一次查询无疑将会占用过多的资源。 从执行效率的角度看,为每个 整体无序的情况下,ShardingSphere 无 需将所有的数据都加载至内存即可排序。它使用的是流式归并的方式,每次 next 仅获取唯一正确的一条 数据,极大的节省了内存的消耗。 从另一个角度来说,ShardingSphere 的排序归并,是在维护数据结果集的纵轴和横轴这两个维度的有序 性。纵轴是指每个数据结果集本身,它是天然有序的,它通过包含 ORDER BY 的 SQL 所获取。横轴是指 代码的情况 下校验对应的 SQL 了。 3.10.4 性能测试 目标 对 ShardingSphere‐JDBC,ShardingSphere‐Proxy 及 MySQL 进行性能对比。从业务角度考虑,在基本应 用场景(单路由,主从 + 加密 + 分库分表,全路由)下,INSERT+UPDATE+DELETE 通常用作一个完整的 关联操作,用于性能评估,而 SELECT 关注分片优化可用
    0 码力 | 301 页 | 3.44 MB | 1 年前
    3
  • pdf文档 Apache ShardingSphere 中文文档 5.0.0

    从资源控制的角度看,业务方访问数据库的连接数量应当有所限制。它能够有效地防止某一业务操作过 多的占用资源,从而将数据库连接的资源耗尽,以致于影响其他业务的正常访问。特别是在一个数据库实 例中存在较多分表的情况下,一条不包含分片键的逻辑 SQL 将产生落在同库不同表的大量真实 SQL ,如 果每条真实 SQL 都占用一个独立的连接,那么一次查询无疑将会占用过多的资源。 从执行效率的角度看,为每个 整体无序的情况下,ShardingSphere 无 需将所有的数据都加载至内存即可排序。它使用的是流式归并的方式,每次 next 仅获取唯一正确的一条 数据,极大的节省了内存的消耗。 从另一个角度来说,ShardingSphere 的排序归并,是在维护数据结果集的纵轴和横轴这两个维度的有序 性。纵轴是指每个数据结果集本身,它是天然有序的,它通过包含 ORDER BY 的 SQL 所获取。横轴是指 提供各个压测工具的性能测试结果。 Sysbench 性能测试 目标 对 ShardingSphere‐JDBC,ShardingSphere‐Proxy 及 MySQL 进行性能对比。从业务角度考虑,在基本应 用场景(单路由,主从 + 加密 + 分库分表,全路由)下,INSERT+UPDATE+DELETE 通常用作一个完整的 关联操作,用于性能评估,而 SELECT 关注分片优化可用
    0 码力 | 385 页 | 4.26 MB | 1 年前
    3
  • pdf文档 PieCloudDB 的云原生之路

    架构痛点 IvorySQL开源数据库社区 PART 02 云原生数据库 PieCloudDB 简介 IvorySQL开源数据库社区 数据 计算 发现 数据:云上数据既是隔离也是连通。从安全的角度是隔离,同时具 备数据共享的能力。 例如:投资管理系统和财务管理系统可以各自管理,按需分享。 计算:云上计算资源可以弹性分配。有查询计算任务的时候按需启动, 按照使用时间和规模计算成本,而不是购买大量服务器静置为不确定
    0 码力 | 47 页 | 1.80 MB | 1 年前
    3
  • pdf文档 百度智能云 Apache Doris 文档

    函数。 返回类型:string类型 Example Example Keywords Keywords DEGREES Description Description 功能:将弧度转成角度 mysql mysql>> select select floor floor((2.9 2.9));; ++------------+ ------------+ || floor floor((2 -------------------------+ conv conv degrees degrees((double double a a)) Baidu 百度智能云文档 SQL手册 130 功能:将弧度转成角度 返回类型:double类型 Example Example Keywords Keywords E Description Description 功能:返回数学上的常量e 返回类型:double类型 功能:返回a的p次幂 返回类型:double类型 Example Example Keywords Keywords RADIANS Description Description 功能:将弧度转换成角度 返回类型:double类型 Example Example mysql mysql>> select select pi pi(());; ++--------------------+
    0 码力 | 203 页 | 1.75 MB | 1 年前
    3
  • pdf文档 Apache ShardingSphere 中文文档 5.1.1

    从资源控制的角度看,业务方访问数据库的连接数量应当有所限制。它能够有效地防止某一业务操作过 多的占用资源,从而将数据库连接的资源耗尽,以致于影响其他业务的正常访问。特别是在一个数据库实 例中存在较多分表的情况下,一条不包含分片键的逻辑 SQL 将产生落在同库不同表的大量真实 SQL ,如 果每条真实 SQL 都占用一个独立的连接,那么一次查询无疑将会占用过多的资源。 从执行效率的角度看,为每个 整体无序的情况下,ShardingSphere 无 需将所有的数据都加载至内存即可排序。它使用的是流式归并的方式,每次 next 仅获取唯一正确的一条 数据,极大的节省了内存的消耗。 从另一个角度来说,ShardingSphere 的排序归并,是在维护数据结果集的纵轴和横轴这两个维度的有序 性。纵轴是指每个数据结果集本身,它是天然有序的,它通过包含 ORDER BY 的 SQL 所获取。横轴是指 提供各个压测工具的性能测试结果。 Sysbench 性能测试 目标 对 ShardingSphere‐JDBC,ShardingSphere‐Proxy 及 MySQL 进行性能对比。从业务角度考虑,在基本应 用场景(单路由,主从 + 加密 + 分库分表,全路由)下,INSERT+UPDATE+DELETE 通常用作一个完整的 关联操作,用于性能评估,而 SELECT 关注分片优化可用
    0 码力 | 409 页 | 4.47 MB | 1 年前
    3
  • pdf文档 Apache ShardingSphere 中文文档 5.1.0

    从资源控制的角度看,业务方访问数据库的连接数量应当有所限制。它能够有效地防止某一业务操作过 多的占用资源,从而将数据库连接的资源耗尽,以致于影响其他业务的正常访问。特别是在一个数据库实 例中存在较多分表的情况下,一条不包含分片键的逻辑 SQL 将产生落在同库不同表的大量真实 SQL ,如 果每条真实 SQL 都占用一个独立的连接,那么一次查询无疑将会占用过多的资源。 从执行效率的角度看,为每个 整体无序的情况下,ShardingSphere 无 需将所有的数据都加载至内存即可排序。它使用的是流式归并的方式,每次 next 仅获取唯一正确的一条 数据,极大的节省了内存的消耗。 从另一个角度来说,ShardingSphere 的排序归并,是在维护数据结果集的纵轴和横轴这两个维度的有序 性。纵轴是指每个数据结果集本身,它是天然有序的,它通过包含 ORDER BY 的 SQL 所获取。横轴是指 提供各个压测工具的性能测试结果。 Sysbench 性能测试 目标 对 ShardingSphere‐JDBC,ShardingSphere‐Proxy 及 MySQL 进行性能对比。从业务角度考虑,在基本应 用场景(单路由,主从 + 加密 + 分库分表,全路由)下,INSERT+UPDATE+DELETE 通常用作一个完整的 关联操作,用于性能评估,而 SELECT 关注分片优化可用
    0 码力 | 406 页 | 4.40 MB | 1 年前
    3
  • pdf文档 SelectDB案例 从 ClickHouse 到 Apache Doris

    1300+ 指标,对应 TDW 中有 80 + Source 表,单个标签、指 标的最大基数达到了 2 亿+。我们希望将这些数据从 TDW 加速到 Doris 中完成标签画像 和指标的分析。从业务的角度,需要满足以下要求:  实时可用:标签/指标导入以后,需实现数据尽快可用。不仅要支持常规离线导入 T+1 ,同时也要支持实时打标场景。  部分更新:因每个 Source 表由各自 ETL
    0 码力 | 12 页 | 1.55 MB | 1 年前
    3
  • pdf文档 Mybatis 框架课程第二天

    而我们的是实体类并没有注册别名,所以必须写全限定类名。在今天课程的最后一个章节中将讲解如何注册实体类 的别名。 在 mybatis 的官方文档的说明(第 19 页) 这些都是支持的默认别名。我们也可以从源码角度来看它们分别都是如何定义出来的。 可以参考 TypeAliasRegistery.class 的源码。 传智播客——专注于 Java、.Net 和 Php、网页平面设计工程师的培训 北京市昌平区建材城西路金燕龙办公楼一层
    0 码力 | 27 页 | 1.21 MB | 1 年前
    3
  • pdf文档 Apache ShardingSphere 中文文档 5.1.2

    从资源控制的角度看,业务方访问数据库的连接数量应当有所限制。它能够有效地防止某一业务操作过 多的占用资源,从而将数据库连接的资源耗尽,以致于影响其他业务的正常访问。特别是在一个数据库实 例中存在较多分表的情况下,一条不包含分片键的逻辑 SQL 将产生落在同库不同表的大量真实 SQL ,如 果每条真实 SQL 都占用一个独立的连接,那么一次查询无疑将会占用过多的资源。 从执行效率的角度看,为每个 整体无序的情况下,ShardingSphere 无 需将所有的数据都加载至内存即可排序。它使用的是流式归并的方式,每次 next 仅获取唯一正确的一条 数据,极大的节省了内存的消耗。 从另一个角度来说,ShardingSphere 的排序归并,是在维护数据结果集的纵轴和横轴这两个维度的有序 性。纵轴是指每个数据结果集本身,它是天然有序的,它通过包含 ORDER BY 的 SQL 所获取。横轴是指 提供各个压测工具的性能测试结果。 Sysbench 性能测试 目标 对 ShardingSphere‐JDBC,ShardingSphere‐Proxy 及 MySQL 进行性能对比。从业务角度考虑,在基本应 用场景(单路由,主从 + 加密 + 分库分表,全路由)下,INSERT+UPDATE+DELETE 通常用作一个完整的 关联操作,用于性能评估,而 SELECT 关注分片优化可用
    0 码力 | 446 页 | 4.67 MB | 1 年前
    3
共 30 条
  • 1
  • 2
  • 3
前往
页
相关搜索词
GreenplumDatabase管理管理员指南ApacheShardingSphere中文文档5.0alphaPieCloudDB原生百度智能Doris5.1SelectDB案例ClickHouseMybatis框架课程第二二天第二天
IT文库
关于我们 文库协议 联系我们 意见反馈 免责声明
本站文档数据由用户上传或本站整理自互联网,不以营利为目的,供所有人免费下载和学习使用。如侵犯您的权益,请联系我们进行删除。
IT文库 ©1024 - 2025 | 站点地图
Powered By MOREDOC AI v3.3.0-beta.70
  • 关注我们的公众号【刻舟求荐】,给您不一样的精彩
    关注我们的公众号【刻舟求荐】,给您不一样的精彩