《PostgreSQL Greemplum 数据上云》PostgreSQL Greemplum 数据上云
电子书：
《PostgreSQL Greemplum 数据上云》电子版地址
2023-04-18
115
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
本文涉及的产品
简介：
PostgreSQL Greemplum 数据上云
相关文章
|
4月前
|
缓存
NoSQL
关系型数据库
|
2月前
|
SQL
人工智能
关系型数据库
如何实现MySQL百万级数据的查询？
本文探讨了在MySQL中对百万级数据进行排序分页查询的优化策略。面对五百万条数据，传统的浅分页和深分页查询效率较低，尤其深分页因偏移量大导致性能显著下降。通过为排序字段添加索引、使用联合索引、手动回表等方法，有效提升了查询速度。最终建议根据业务需求选择合适方案：浅分页可加单列索引，深分页推荐联合索引或子查询优化，同时结合前端传递最后一条数据ID的方式实现高效翻页。
106
0
0
|
9天前
|
存储
关系型数据库
MySQL
在CentOS 8.x上安装Percona Xtrabackup工具备份MySQL数据步骤。
以上就是在CentOS8.x上通过Perconaxtabbackup工具对Mysql进行高效率、高可靠性、无锁定影响地实现在线快速全量及增加式数据库资料保存与恢复流程。通过以上流程可以有效地将Mysql相关资料按需求完成定期或不定期地保存与灾难恢复需求。
51
10
10
|
2月前
|
SQL
存储
缓存
MySQL 如何高效可靠处理持久化数据
本文详细解析了 MySQL 的 SQL 执行流程、crash-safe 机制及性能优化策略。内容涵盖连接器、分析器、优化器、执行器与存储引擎的工作原理，深入探讨 redolog 与 binlog 的两阶段提交机制，并分析日志策略、组提交、脏页刷盘等关键性能优化手段，帮助提升数据库稳定性与执行效率。
67
0
0
|
5月前
|
关系型数据库
MySQL
Linux
在Linux环境下备份Docker中的MySQL数据并传输到其他服务器以实现数据级别的容灾
以上就是在Linux环境下备份Docker中的MySQL数据并传输到其他服务器以实现数据级别的容灾的步骤。这个过程就像是一场接力赛，数据从MySQL数据库中接力棒一样传递到备份文件，再从备份文件传递到其他服务器，最后再传递回MySQL数据库。这样，即使在灾难发生时，我们也可以快速恢复数据，保证业务的正常运行。
247
28
28
|
4月前
|
存储
SQL
缓存
|
6月前
|
存储
SQL
关系型数据库
【YashanDB知识库】MySQL迁移至崖山char类型数据自动补空格问题
**简介**：在MySQL迁移到崖山环境时，若字段类型为char(2)，而应用存储的数据仅为'0'或'1'，查询时崖山会自动补空格。原因是mysql的sql_mode可能启用了PAD_CHAR_TO_FULL_LENGTH模式，导致保留CHAR类型尾随空格。解决方法是与应用确认数据需求，可将崖山环境中的char类型改为varchar类型以规避补空格问题，适用于所有版本。
124
17
17
|
7月前
|
Java
关系型数据库
MySQL
SpringBoot 通过集成 Flink CDC 来实时追踪 MySql 数据变动
通过详细的步骤和示例代码，您可以在 SpringBoot 项目中成功集成 Flink CDC，并实时追踪 MySQL 数据库的变动。
1584
45
46
|
6月前
|
SQL
关系型数据库
MySQL
【YashanDB知识库】字符集latin1的MySQL中文数据如何迁移到YashanDB
本文探讨了在使用YMP 23.2.1.3迁移MySQL Server字符集为latin1的中文数据至YashanDB时出现乱码的问题。问题根源在于MySQL latin1字符集存放的是实际utf8编码的数据，而YMP尚未支持此类场景。文章提供了两种解决方法：一是通过DBeaver直接迁移表数据；二是将MySQL表数据转换为Insert语句后手动插入YashanDB。同时指出，这两种方法适合单张表迁移，多表迁移可能存在兼容性问题，建议对问题表单独处理。
109
0
0
|
6月前
|
缓存
NoSQL
关系型数据库
Redis和Mysql如何保证数据⼀致?
1. 先更新Mysql，再更新Redis，如果更新Redis失败，可能仍然不⼀致
2. 先删除Redis缓存数据，再更新Mysql，再次查询的时候在将数据添加到缓存中
这种⽅案能解决1 ⽅案的问题，但是在⾼并发下性能较低，⽽且仍然会出现数据不⼀致的问题，⽐如线程1删除了 Redis缓存数据，正在更新Mysql，此时另外⼀个查询再查询，那么就会把Mysql中⽼数据⼜查到 Redis中
1. 使用MQ异步同步, 保证数据的最终一致性
我们项目中会根据业务情况 , 使用不同的方案来解决Redis和Mysql的一致性问题 :
1. 对于一些一致性要求不高的场景 , 不做处理例如 : 用户行为数据 ,
469
2
2
热门文章
最新文章
1
大数据之路：阿里巴巴大数据实践——OneData数据中台体系
2
Java 大视界 -- 基于 Java 的大数据可视化在企业供应链风险预警与决策支持中的应用（204）
3
SparkSQL 入门指南：小白也能懂的大数据 SQL 处理神器
4
大数据之路：阿里巴巴大数据实践——元数据与计算管理
5
构建数据中台，为什么“湖仓一体”成了大厂标配？
6
大数据之路：阿里巴巴大数据实践——事实表设计
7
大数据岗位技能需求挖掘：Python爬虫与NLP技术结合
8
分布式×多模态：当ODPS为AI装上“时空穿梭”引擎
9
Java 大视界 -- Java 大数据在智能政务公共资源交易数据分析与监管中的应用（202）
10
Java 大视界 -- Java 大数据在智能体育赛事运动员体能监测与训练计划调整中的应用（200）