应对智慧医保复杂的业务结算

简介: 本场景介绍了应对智慧医保复杂的业务结算,阿里云数据库产品量身打造一体化的在/离线数据库服务。保障实时业务的效率的同时极大的提高结算服务的性能。

应对智慧医保复杂的业务结算


1. 在ECS实例上安装相关软件

在ECS实例上安装相关软件本案例以8 vCPU 16 GiB规格的ECS实例为例。

登录ECS。,选择实例,点击开通的实例ID名称。ECS控制台1)登录。远程连接2)单击。立即登录方式,单击Workbench远程连接3)可选择

在ECS上执行如下命令,安装压测工具SysBench。1)执行如下命令下载SysBench。

yum install gcc gcc-c++ autoconf automake make libtool bzr mysql-devel git mysql 
git clone https://github.com/akopytov/sysbench.git
2)进入SysBench目录。
cd sysbench
3)切换到SysBench 1.0.18版本。
git checkout 1.0.18
4)运行autogen.sh。
./autogen.sh
5)编译。
./configure --prefix=/usr --mandir=/usr/share/man
make
make install

执行如下命令配置SysBench Client,使内核可以使用所有的CPU处理数据包(默认设置为使用2个CPU),同时减少CPU之间的上下文切换。

sudo sh -c 'for x in /sys/class/net/eth0/queues/rx-*; do echo ff>$x/rps_cpus; done'
sudo sh -c 'echo 32768 > /proc/sys/net/core/rps_sock_flow_entries'
sudo sh -c 'echo 4096 > /sys/class/net/eth0/queues/rx-0/rps_flow_cnt'
说明:ff表示使用8个CPU(1个f表示4个CPU)。请根据实际配置修改,例如本案例中ECS为8核CPU,因此输入ff。

2. 准备模拟数据,写入RDS MySQL

准备模拟数据,写入RDS MySQL

在ECS中,执行如下命令,准备压测数据。

,在RDS MySQL中创建一个名为dbfortest的数据库。RDS 控制台登录

sysbench --threads=8 --table-size=25000 --tables=250 --events=0 --time=60 --mysql-db=xxx --mysql-user=xxx --mysql-password=xxx --mysql-host=xxx --mysql-port=xxx oltp_read_write prepare
涉及到的参数说明如下:

参数

说明

threads

测试线程数,可设置为8、16、32、64、128、256、512等,可根据实际的实例规格和环境时延进行尝试。

您可按照示例代码中的8进行设置。

table_size

要准备的表的大小,可按照示例代码中的25000进行设置。

tables

要准备的表的数量,可按照示例代码中的250进行设置。

events

测试请求数量,按照示例代码中的0进行设置。

time

测试时间,可按照示例代码中的60进行设置。

mysql-db

压测数据要注入的数据库名称,本示例中即为RDS MySQL中预先创建的dbfortest数据库。

mysql-user

RDS MySQL实例账号。

mysql-password

RDS MySQL实例账号对应的密码。

mysql-host

RDS MySQL实例连接地址。

可进入实例的数据库连接页面获取。

mysql-port

RDS MySQL实例连接端口。

可进入实例的数据库连接页面获取。

该命令会自动在RDS MySQL预先创建的dbfortest数据库中创建N个名为sbtest1、sbtest2……sbtestN的表(N为tables参数指定的表数量),其表结构如下,供您了解:
CREATE TABLE `sbtestN` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `k` int(11) NOT NULL DEFAULT '0',
  `c` char(120) NOT NULL DEFAULT '',
  `pad` char(60) NOT NULL DEFAULT '',
  PRIMARY KEY (`id`),
  KEY `k_100` (`k`)
) ENGINE=InnoDB AUTO_INCREMENT=25001 DEFAULT CHARSET=utf8

3. 搭建DTS同步链路

搭建DTS同步链路

,购买DTS数据同步任务。任务配置要求如下:DTS购买页登录

商品类型:若您仅为体验,建议选择数据传输服务DTS(后付费),将根据使用时长收费。体验完成后再释放。

功能:选择数据同步。

源实例:选择MySQL。区域按照已有的RDS MySQL实例的地域选择。

目标实例:选择 AnalyticDB MySQL。区域按照已有的ADB MySQL实例的地域选择。

同步拓扑:选择单向同步。

其他按照默认选择即可,不影响本次体验。

数据同步列表,找到购买的数据同步任务,点击配置同步链路。DTS控制台购买完成后,在

选择相应的实例ID,填写账号密码后,点击授权白名单进入下一步。

选择要同步的数据库dbfortest,点击“>”,将dbfortest数据库添加至已选择对象。其余配置均可采用默认配置。

点击下一步,当定义状态为“已定义”后,点击预检查并启动。

4. 观测ADB MySQL中数据

观测ADB MySQL中数据

本步骤需要在ADB MySQL控制台中,登录对应的ADB MySQL的实例,观测其数据。

连接到ADB MySQL实例。

执行如下命令,查看实例中的数据库:

show databases;

可以看到,dbfortest数据库已经开始从RDS MySQL向ADB MySQL进行同步了。

等几分钟后(数据同步和校验需要时间),执行如下命令,查看同步结果:

use dbfortest;
show tables;

可以看到250张表已经完成了同步。

5. 运行压测程序,模拟RDS MySQL流量

运行压测程序,模拟RDS MySQL流量

在ECS中,执行如下命令,运行压测程序。

sysbench --db-driver=mysql  --mysql-host=XXX --mysql-port=XXX --mysql-user=XXX --mysql-password=XXX --mysql-db=xxx --table_size=25000 --tables=250 --events=0 --time=60   --threads=4 --percentile=95 --report-interval=1 oltp_read_write run

涉及到的参数说明如下:

参数

说明

report-interval

表示N秒输出一次测试进度报告,0表示关闭测试进度报告输出,仅输出最终的报告结果。

您可按照示例代码中的1进行设置。

threads

测试线程数,可设置为8、16、32、64、128、256、512等,可根据实际的实例规格和环境时延进行尝试。

您可按照示例代码中的4进行设置。

table_size

要准备的表的大小,可按照示例代码中的25000进行设置。

tables

要准备的表的数量,可按照示例代码中的250进行设置。

events

测试请求数量,按照示例代码中的0进行设置。

time

测试时间,可按照示例代码中的60进行设置。

mysql-db

压测数据要注入的数据库名称,本示例中即为RDS MySQL中预先创建的dbfortest数据库。

mysql-user

RDS MySQL实例账号。

mysql-password

RDS MySQL实例账号对应的密码。

mysql-host

RDS MySQL实例连接地址。

可进入实例的数据库连接页面获取。

mysql-port

RDS MySQL实例连接端口。

可进入实例的数据库连接页面获取。

可以看到程序已经开始运行:

6. 观察ADB MySQL的数据同步

观察ADB MySQL的数据同步

在ADB MySQL实例中执行如下命令:

show processlist;

可以看到DTS正在同步数据:

7. 校验数据一致性

等待程序运行结束后(共运行60s),随机抽查数据,校验同步的一致性。

在RDS MySQL中执行如下命令:


         

得到结果“064ee326182860c39e27fe239205925a”。

在ADB MySQL中执行同样的SQL:


         

得到结果“064ee326182860c39e27fe239205925a”。

由此可见,数据从RDS MySQL经由DTS同步到ADB MySQL后,数据是一致的。也可以更换其他表、其他条件来校验数据的一致性。

实验链接:https://developer.aliyun.com/adc/scenario/c931223493134a8e9e89711481679c2c

相关实践学习
阿里云云原生数据仓库AnalyticDB MySQL版 使用教程
云原生数据仓库AnalyticDB MySQL版是一种支持高并发低延时查询的新一代云原生数据仓库,高度兼容MySQL协议以及SQL:92、SQL:99、SQL:2003标准,可以对海量数据进行即时的多维分析透视和业务探索,快速构建企业云上数据仓库。 了解产品 https://www.aliyun.com/product/ApsaraDB/ads
相关文章
|
计算机视觉
Opencv学习笔记(十二):图片腐蚀和膨胀操作
这篇文章介绍了图像腐蚀和膨胀的原理、作用以及使用OpenCV实现这些操作的代码示例,并深入解析了开运算和闭运算的概念及其在图像形态学处理中的应用。
1377 1
Opencv学习笔记(十二):图片腐蚀和膨胀操作
|
5月前
|
人工智能 自然语言处理 API
阿里云计算巢一键部署DeepSeek-TUI: DeepSeek 版的 Claude Code 终端AI编程实操教程
在AI编程工具飞速迭代的当下,终端类智能编码助手凭借轻量化、无依赖、高效流畅的特性,深受开发者青睐。DeepSeek-TUI作为对标Claude Code的终端原生编程智能体,基于DeepSeek V4系列模型深度打造,能够直接在命令行中完成代码生成、项目搭建、脚本编写、漏洞排查、网页检索、Git管理等全流程开发工作,凭借强大的上下文能力与完备工具链,迅速在开发者社区走红。
531 2
|
6月前
|
人工智能 Rust 开发工具
Zed 1.0正式发布:VS Code慌了?
Zed 1.0正式发布!这款用Rust打造、GPU加速的“游戏引擎级”编辑器,告别Electron瓶颈,实现毫秒级响应;原生集成AI多Agent协作,支持DeltaDB字符级同步。它不是VS Code替代品,而是对编辑器本质的重新定义——性能即自由,人机协作为常态。(239字)
502 1
|
5月前
|
数据采集 人工智能 IDE
GEO教科书都在推荐的llms.txt,为什么大模型爬虫根本不读?
llms.txt对提升AI搜索引用几乎没有直接效果。截至2026年6月,5.15亿次AI爬虫流量中仅408次请求命中了llms.txt文件,占比在统计上可忽略不计。Google、OpenAI、百度、字节跳动等主流厂商的爬虫均不将其作为有效信号。真正对GEO有帮助的是robots.txt配置、结构化数据和权威内容建设。
771 0
|
7月前
|
机器学习/深度学习 存储 人工智能
JBoltAI Agent OS:企业AI治理的“控制平面”
JBoltAI Agent OS是企业AI治理的“控制平面”,分三阶段演进:一阶段立规矩、装监控,实现统一授权与全链路审计;二阶段基于行为动态调权,构建信用机制;三阶段支持多Agent协同编排,让AI像超级大脑一样自动执行复杂任务。(239字)
284 3
|
7月前
|
数据采集 人工智能 运维
孟庆涛:对抗 AI 投毒的深度防御体系,构建全域安全防线
当生成式AI成为信息分发入口,隐蔽的AI“投毒”黑产正发动认知战争:通过污染数据、劫持检索、植入后门,操控AI输出。孟庆涛首创“合规优先、源头治理、动态免疫”防御体系,构建四层闭环防线,筑牢数字时代认知主权与信息安全屏障。(239字)
710 0
|
8月前
|
人工智能 自然语言处理 监控
OpenClaw是什么?能做什么?如何部署?一篇搞懂!
2026年崛起的开源AI智能体OpenClaw,突破“只说不做”局限,支持自然语言直控操作系统。兼容多大模型、本地部署、跨平台运行,集成办公、开发、科研等百余项自动化技能,零代码一键部署,真正实现AI从“问答助手”到“数字员工”的跨越。
4485 1
|
11月前
南京观海微电子----使用运算放大器过零检测器电路图
本文介绍基于运算放大器的过零检测电路,利用LM741将正弦波转换为方波,实现零电压交叉点的检测。该电路可作方波发生器,广泛应用于时序控制、频率测量等领域,并对比了光耦方案的工作原理与波形特点。
|
11月前
|
传感器 数据采集 人工智能
技术团队负责人咨询AI数智化升级改造路径
传统软件企业面临转型瓶颈,订单下滑、现金流紧张。顺应制造业数智化趋势,借力JBoltAI技术授权,推动团队AI升级,以“智能销售助理”“预测性维护”等小场景切入,打造MVP,快速验证并迭代。通过订阅制与增值服务重构商业模式,用标杆案例撬动市场,实现从“流程系统”到“数据驱动决策”的跃迁,破解生存危机,抢占未来先机。
435 2
|
存储 数据采集 监控
Python定时爬取新闻网站头条:从零到一的自动化实践
在信息爆炸时代,本文教你用Python定时爬取腾讯新闻头条,实现自动化监控。涵盖请求、解析、存储、去重、代理及异常通知,助你构建高效新闻采集系统,适用于金融、电商、媒体等场景。(238字)
1859 2