TITLE:Debian 21
1.4.9 記錄 shell 活動 ..... 22
1.4.10 基本的 Unix 指令 ..... 22
1.5 簡單 shell 指令 ..... 24
1.5.1 指令執行和環境變數 ..... 24
1.5.2 “$LANG” 變量 ..... 25
1.5.3 ”$PATH” 變數 ..... 26
1.5.4 ”$HOME” 變數 ..... 26 3 不相容舊的使用者調配 ..... 64
2.6.4 具有相同檔案的不同軟體包 ..... 64
2.6.5 修復損壞的軟體包指令碼 ..... 64
2.6.6 使用 dpkg 指令進行救援 ..... 65
2.6.7 恢復軟體包選擇資料 ..... 65
2.7 軟體包管理技巧 ..... 66
2.7.1 上傳軟體包的是誰？ ..... 66
2.7.2 限制 APT 0 码力 |
260 页 |
1.41 MB
| 2 年前 3 输出..... - 234
检查执行计划排查问题..... - 237
第十一章：数据导入与导出..... - 239
创建外部表..... - 240
数据格式..... - 241
外部表协议..... - 244
错误记录处理..... - 250
gpfdist 服务..... - 252
使用外部表导入数据. 性能和网络性能..... - 353
新旧主机一起做性能测试..... - 354
初始化新 Instance..... - 354
生成扩展配置文件..... - 354
扩容配置文件的格式..... - 357
初始化新 Instance..... - 358
扩容失败回退..... - 359
数据表的重分布..... - 359
调整表的重分布顺序..... - 360 . - 372
第十八章：最佳实践..... - 373
最佳实践概述..... - 373
数据模型..... - 373
Heap 表与 AO 表..... - 374
行存与列存..... - 374
压缩..... - 375
分布键..... - 375
内存管理..... - 376
分区..... - 377
索引..... - 378
资源队列 0 码力 |
416 页 |
6.08 MB
| 2 年前 3 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 529
5.1.7
TiFlash 存算分离架构的软硬件要求 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 529
5 TiCDC 把数据同步到 Kafka 时，能在 TiDB 中控制单条消息大小的上限吗？ · · · · · · · · · · · · · · · 953
7.8.13 在一个事务中对一行进行多次修改，TiCDC 会输出多条行变更事件吗？ · · · · · · · · · · · · · · · · 954
7.8.14 TiCDC 把数据同步到 Kafka 时，一条消息中会不会包含多种数据变更？ · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 2596
14.3.6 TiFlash 存算分离架构与 S3 支持 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 0 码力 |
5095 页 |
104.54 MB
| 1 年前 3 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 469
5.1.7
TiFlash 存算分离架构的软硬件要求 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 469
5 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 2347
14.3.6 TiFlash 存算分离架构与 S3 支持 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 3659
14.16 外部存储服务的 URI 格式 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 3660
14.16.1 Amazon S3 URI 格式 · · · · · · · · · · · · · · · · 0 码力 |
4369 页 |
98.92 MB
| 2 年前 3 # ApsaraDB for GP的定位
## ApsaraDB for GP的定位
GP的优势？
与其他技术的对比？
为什么上云？
## ApsaraDB for GP的定位
MPP + 列存压缩
ApsaraDB for GP = 复杂SQL + 查询优化器
本地高效存储 + 高速网络 + 预置稳定资源
= 简单、高效解决大数据分析需求
### GP vs. RDS? MPP处理举例 city
### GP vs. RDS? 列存与压缩原理举例
## Select count(*) from customer where status = valid group by city
子节点
子节点
子节点
子节点
子节点
子节点
子节点
## ApsaraDB for GP的定位
MPP + 列存压缩
ApsaraDB for GP = 复杂SQL + 查询优化器
本地高效存储 + 高速网络 + 预置稳定资源
= 简单、高效解决大数据分析需求
# ApsaraDB for GP的内核优化 0 码力 |
26 页 |
1.13 MB
| 2 年前 3 服务器建议配置 ··· 466
5.1.4 网络要求 ··· 468
5.1.5 磁盘空间要求 ··· 469
5.1.6 客户端 Web 浏览器要求 ··· 469
5.1.7 TiFlash 存算分离架构的软硬件要求 ··· 469
 ts/9/8/2/982c7bea58646d2f1f2a74532e2f187d/df150d72.png)
14.3.5 使用 MPP 模式 ··· 2490
14.3.6 TiFlash 存算分离架构与 S3 支持 ··· 2495
14.3.7 使用 FastScan 功能 ··· 2500
14.3.8 TiFlash 支持的计算下推 ··· 2502
14.3.9 TiFlash 基于拓扑 label 的 PD 调度策略 ··· 3969
14.18 外部存储服务的 URI 格式 ··· 3970
14.18.1 Amazon S3 URI 格式 ··· 3970
14.18.2 GCS URI 格式 ··· 3971
14.18.3 Azure Blob Storage URI 格式 ··· 3971
使用 TiDB 进行实时数据分析-马晓宇或者干脆绕过消息队列缓存，在线应用直接写入数据库 ☐ 需要系统负荷有余量 ☐ 受到较少的干扰 ☐ 使用行存格式 - 如果实时长查询快速返回结果 所有系统资源全力投入计算 ☐ 使用列存格式 ## 案例回顾 TiDB 为保证短读写，使用了行存而非列存 ☐ 分析场景下 IO 效率低于列存数据库 • 分析应用的大批量数据读取会干扰短读写 简单的限制资源方法会大大降低大查询的执行速度 如果 ☐ 应用对系统抖动敏感 那么只使用 TiDB + TiSpark 也还是歇菜 ## TiFlash Extension ( Beta 测试中 ) - 通过 Raft Learner 独立同步一套列存 Raft Learner 提供异步低消耗的副本同步 Raft Learner 读取协议配合 MVCC 提供强一致的读取 - 通过 Label 进行物理隔离 AP / TP 作业互相无影响 ## Learner ## Why TiFlash here • 架构简化 ☐ 同一套平台覆盖多个场景 ○ 统一的运维 同一份数据的另一个副本 ☐ 无需数据转移和复杂的增量合并流程 ☐ 行存 + 索引 → 高并发短查询 ☐ 列存 + 向量化引擎 → 低并发快速批量扫表 ☐ 完整的资源隔离 ## 案例回顾 数据源 TiTiDB 
C++高性能并行编程与优化 - 课件 - 07 深入浅出访存优化1_1.jpg)  # 深入浅出访存优化 by 彭于斌 (@archibate) 往期录播：https://www.bilibili.com/video/BV1fa411r7zp 课程 PPT 和代码：https://github. 第 1 章：内存带宽 ## cpu-bound 与 memory-bound - 通常来说，并行只能加速计算的部分，不能加速内存读写的部分。 - 因此，对 fill 这种没有任何计算量，纯粹只有访存的循环体，并行没有加速效果。称为内存瓶颈（memory-bound）。 - 而 sine 这种内部需要泰勒展开来计算，每次迭代计算量很大的循环体，并行才有较好的加速效果。称为计算瓶颈（cpu-bound）。 } } BENCHMARK(BM_parallel_sine); ## 浮点加法的计算量 - 冷知识：并行地给浮点数组每个元素做一次加法反而更慢。 因为一次浮点加法的计算量和访存的超高延迟相比实在太少了。 • 计算太简单，数据量又大，并行只带来了多线程调度的额外开销。 • 小彭老师经验公式：1 次浮点读写 ☐ 8 次浮点加法 - 如果矢量化成功（SSE）：1 次浮点读写0 码力 | 147 页 | 18.88 MB | 2 年前3