tag 數據庫

標籤
貢獻699
2247
05:15 PM · Oct 25 ,2025

@數據庫 / 博客 RSS 訂閱

暗星涌動 - Centos 7 安裝系列(8):openGauss 3.0.0

@TOC 一、系統環境 操作系統:Centos 7 已配置環境:空 二、官方文檔 openGauss 官方文檔:準備軟硬件安裝環境 三、安裝步驟 3.1 環境準備 安裝依賴包: yum -y install libaio-devel flex bison ncurses-devel glibc-devel patch redhat-lsb-core readline-devel openss

數據庫 , Linux , openssl

收藏 評論

編程夢想翱翔者 - 日誌系統 - 奪寶奇兵的個人空間 -

1.克隆github上的luadbi存儲庫 root@66d4e20ec1d7:/par# git clone https://bgithub.xyz/mwild1/luadbi Cloning into 'luadbi'... remote: Enumerating objects: 1139, done. remote: Count

junit , lua , duckdb , C語言 , 數據庫 , 前端開發 , Javascript

收藏 評論

mob64ca13ff9303 - Python 如何操作 SQLite 數據庫

目錄 引言:數據庫連接的重要性 sqlite3.connect() 函數 2.1 函數簽名及參數 2.2 database 參數:文件路徑與內存數據庫 2.3 timeout 參數:鎖定等待時間 2.4 isolation_level 參數:事務隔離級別 2.5 detect

數據庫 , sqlite , Css , 前端開發 , HTML , Python

收藏 評論

ApacheIoTDB - 時序數據庫 IoTDB 的「百科全書」會“説話”了?官網 Ask AI 功能正式上線!

官網文檔詳盡,但找到“對自己問題有用的那一段”要花不少時間? 功能一應俱全,卻在“如何為我所用”的第一步就舉步維艱? 現在,這一切有了更聰明的方式!時序數據庫 Apache IoTDB 官網正式上線「Ask AI」助手——你的專屬時序數據庫智能顧問,7×24 小時在線,用最自然的對話方式,幫你快速上手、高效開發、解決難題! 01 為什麼可以試試 Ask AI? ✅更直接:不用在文檔裏翻來翻去,直接

數據庫

收藏 評論

京東雲開發者 - 原生Redis跨數據中心雙向同步優化實踐

一、背景 公司基於業務發展以及戰略部署,需要實現在多個數據中心單元化部署,一方面可以實現多數據中心容災,另外可以提升用户請求訪問速度。需要保證多數據中心容災或者實現用户就近訪問的話,需要各個數據中心擁有一致的全量數據,如果真正實現用户就近讀寫,也就是實現真正的業務異地多活,數據同步是異地多活的基礎,這就需要多數據中心間數據能夠雙向同步。 二、原生redis遇到的問題 1、不支持雙主同步 原生red

redis , 同步 , 數據庫 , SQL , 程序員

收藏 評論

長腿大壯 - H2 數據庫中的表空間與存儲引擎相關關鍵字

H2 數據庫中的表空間與存儲引擎相關關鍵字 在 H2 數據庫的底層配置中,表空間和存儲引擎關鍵字決定了數據的存儲方式和性能特性。這些關鍵字雖然不常出現在日常增刪改查操作中,但卻是優化數據庫存儲效率、適配不同部署場景的核心,掌握它們能讓數據庫從底層架構上貼合業務需求。 一、表空間相關關鍵字 表空間就像數據庫的 “存儲分區”,通過CREATE TABLESPACE、ALTER T

oracle , 表空間 , 數據 , 數據庫 , 存儲引擎

收藏 評論

ApacheSeaTunnel - (四)收官篇!從分層架構到數據湖倉架構系列:數據服務層和數據應用層及湖倉技術趨勢小結

《新興數據湖倉設計與實踐手冊·從分層架構到數據湖倉架構設計(2025 年)》 系列文章將聚焦從數據倉庫分層到數據湖倉架構的設計與實踐。手冊將闡述數據倉庫分層的核心價值、常見分層類型,詳解分層下的 ETL 架構及數據轉換環節,介紹數據倉庫分層對應的技術架構,並以貼源層(ODS)、數據倉庫層(DW)、數據服務層(DWS)為例,深入剖析數湖倉分層設計,最後探討數據倉庫技術趨勢並進行小結。

spark , WhaleStudio , 大數據 , 數據倉庫 , 數據庫 , 白鯨開源

收藏 評論

福大大架構師每日一題 - agno v2.2.10 最新更新發布:Workflow運行上下文與事件流優化詳解

在 2025 年 11 月 8 日,agno 發佈了最新版本 v2.2.10。本次更新主要圍繞 Workflows 的運行上下文管理、事件流處理以及 AgentOS 的穩定性優化進行了改進,同時對一些舊的參數進行了調整與棄用規劃,並修復了多個已知問題。以下是版本更新的詳細説明。 改進內容 Workflow運行上下文(

事件流 , MySQL , 自定義 , 問題修復 , 數據庫 , agno

收藏 評論

mob64ca1418e88d - hibernate與sqlite兼容性

目錄 概述: 1、查詢對象 查詢結果: 2、分⻚查詢 結果: 3、where 條件查詢 結果: 4、模糊查詢 結果: 5、order by 結果: 6、查詢實體對象的屬性 結果: 7、佔位符 結果: 8、級聯查詢 結果: 概述:

hibernate與sqlite兼容性 , hibernate , 數據庫 , 人工智能 , JAVA , 計算機視覺

收藏 評論

CanntBelieve - MySQL的 索引類型 normal、 unique 和 索引方法 btree 、 hash

一、索引類型:Normal(普通索引) vs Unique(唯一索引) 核心差異是是否對字段值施加「唯一性約束」,其他特性均圍繞這一點展開: 對比維度 Normal(普通索引) Unique(唯一索引) 核心約束 無唯一性要求,字段值可重複 強制字段值唯一,不允許重複(

數據庫

收藏 評論

金海境科技 - 【服務器數據恢復】RAID陣列SSD固態硬盤故障導致互聯網企業用户數據丟失數據恢復案例

一、客户信息 深圳市某互聯網科技公司,專注於生活服務類APP開發,平台註冊用户超5000萬,日均活躍用户800萬,核心業務涵蓋外賣配送、本地生活服務預訂等。公司數據中心部署了30台浪潮NF5280M6服務器,採用“SSD+機械硬盤”混合存儲架構,其中10台服務器配置4塊2TB NVMe SSD組建RAID10陣列,專門存儲用户基礎信息、訂單記錄及支付數據,數據總量約15TB

服務器 , 數據 , nosql , 固件 , 數據庫

收藏 評論

wang_yb - 深入淺出理解你的“數據”

對於想要學習數據分析的同學,如果你問我:"數據分析的第一步是什麼?" 我的回答是:"理解數據本身。" 數據是我們所有分析工作的起點,本文主要探討如何辨別我們面對的是什麼樣的數據,包括它的分類方法和描述維度。 1. 數據分類 數據並非千篇一律,它們有着不同的特徵和屬性。 正確理解數據的分類,是選擇適當分析方法的前提。 通常,我們可以從以下三個維度來給數據進行分類。 1.1. 按結構屬性來分 你的數據

數據庫

收藏 評論

衞斯理 - python智能停車場車牌識別計費系統百度ai

文章目錄 一、功能模塊 1.1 用户認證與權限管理模塊 1.2 車位管理模塊 1.3 車輛進出管理模塊 1.4 違規處罰管理模塊 1.5 社區互動模塊 1.6 內容管理模塊 1.7 數據統計與報表模塊 1.8 系統配置模塊 二、核心業務流程

前端頁面 , 數據庫 , Css , 後端服務 , 前端開發 , HTML

收藏 評論

浮生鳳年 - MySQL輕量審計

背景:一般MySQL審計可通過general_log記錄全量日誌,或者通過專門的審計插件,本文介紹通過performance_schema來實現輕量審計的功能。 具體方法 1、打開performance_schema(ps) 修改配置文件,添加參數:performance_schema = ON ,啓用 Performance Schema,開啓ps需要重啓實例,同時一般對性能會有一定的

MySQL , 數據庫 , 審計 , performance_schema

收藏 評論

wx6906fb3f9b17a - 無線聯網智能門鎖系統解決方案,適用於公寓、民宿、辦公室等場景。系統採用433MHz無線通信,支持指紋、密碼、IC卡等多種開門方式,具有免佈線、雲管理、高安全性等特點

這份無線聯網智能門鎖系統配置清單非常專業,清晰地規劃了一套適用於分散、流動人員場景的現代化門禁管理解決方案。這不僅是設備採購單,更是面向長短租公寓、智慧酒店、企業宿舍、共享辦公等場景的“輕量化、高靈活、強管控”的運營藍圖。 設備名稱

智能鎖 , 門禁 , redis , 聯網鎖 , 刷卡智能鎖 , 數據庫 , 指紋鎖

收藏 評論

sysin - SQL Server 2025 正式版發佈 - 從本地到雲端的 AI 就緒企業數據庫

SQL Server 2025 正式版發佈 - 從本地到雲端的 AI 就緒企業數據庫 SQL Server 2025 - AI ready enterprise database from ground to cloud 請訪問原文鏈接:https://sysin.org/blog/sql-server-2025/ 查看最新版。原創作品,轉載請保留出處。 作者主頁:sysin

developer , 數據庫 , server , SQL Server , SQL

收藏 評論

lfree - [20251107]latch cache buffers chains等待事件.txt

[20251107]latch cache buffers chains等待事件.txt --//前一段時間測試oracle目前的版本在讀讀的情況很少出現latch cache buffers chains情況。 --//我以前的測試基本是單表,拿別人的例子驗證看看。 1.環境: SCOTT@book01p @ ver2 ==============================

數據庫

收藏 評論

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

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

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

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

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

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

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