【赵渝强老师】OceanBase的配置文件与配置项

本文涉及的产品
RDS AI 助手,专业版
RDS MySQL DuckDB 分析主实例,基础系列 4核8GB
RDS MySQL DuckDB 分析主实例,集群系列 4核8GB
简介: OceanBase集群中,OBServer节点需预创建etc、log、run、store等目录,store下还需clog、slog、sstable子目录。etc存放配置文件,etc2/3为自动备份目录,配置项分集群与租户级,通过SHOW PARAMETERS查看,支持模糊查询。

b421.png

在OceanBase集群中,OBServer节点工作目录下通常有audit、bin、etc、etc2、etc3、log、run、store等目录,但这些目录并非都是安装必须的。在启动OBServer节点前需要保证etc、log、run、store这4的目录存在,同时store下应该有clog、slog、sstable这3个目录。etc2、etc3是备份配置文件用的,由OBServer节点创建。audit下存放的是审计日志,也由OBServer节点创建。bin目录用于存放observer二进制文件。如下所示:

[root@node11 ~]# tree observer/ -d -L 1
observer/
├── admin
├── audit
├── bin
├── etc           
├── etc2          
├── etc3          
├── lib
├── log           
├── log_obshell
├── run
└── store -> /root/obdata
11 directories


etc、etc2、etc3都是配置文件目录。这三个目录里的内容是完全一致的,区别是后两个目录是OBServer节点创建的,第一个目录是启动前需要准备的。etc2和etc3是配置文件额外保存的目录,由配置项config_additional_dir控制。当配置修改以后,除了会写标准的etc/observer.config.bin以外,还会额外在这些目录创建配置项文件。server启动不会读取额外目录的配置项文件,只是作为额外备份。额外目录如果有权限会自动创建,没有权限则日志中报ERROR。视频讲解如下:

OceanBase数据库的配置项分为集群级配置项和租户级配置项。OBServer节点会将所有的配置项序列化后保存到工作目录下的配置文件etc/observer.config.bin中,之后在这个工作目录下启动OBServer节点都会读取这个配置文件。


  • 普通租户使用SHOW PARAMETERS语句查看本租户级配置项信息的SQL语句如下:
SHOW PARAMETERS [SHOW_PARAM_OPTS]


  • 系统租户可以使用SHOW PARAMETERS语句查看集群级配置项和租户级配置项信息。并可通过增加TENANT关键字信息查看指定租户的配置项。
SHOW PARAMETERS [SHOW_PARAM_OPTS] TENANT = tenant_name


例如:

# 查询所有的配置信息
ob> show parameters;
...+-------------------------+-----------+-------+....
...| name                    | data_type | value |....
...+-------------------------+-----------+-------+....
...| utl_file_open_max       | INT       | 50    |....
...| _use_odps_jni_connector | BOOL      | True  |....
...| ob_java_connector_path  | STRING    |       |....
...| ob_java_opts            | STRING    |       |....
...| ob_java_home            | STRING    |       |....
......
# 执行模糊查询
ob> show parameters like 'datafile%';
...+--------------------------+-----------+-------+...
...| name                     | data_type | value |...
...+--------------------------+-----------+-------+...
...| datafile_disk_percentage | INT       | 0     |...
...| datafile_maxsize         | CAPACITY  | 12G   |...
...| datafile_next            | CAPACITY  | 1G    |...
...| datafile_size            | CAPACITY  | 1G    |...
...+--------------------------+-----------+-------+...
4 rows in set (0.015 sec)


相关文章
|
6月前
|
存储 关系型数据库 MySQL
【赵渝强老师】MySQL数据库的多实例环境
MySQL多实例是指在一台服务器上运行多个MySQL服务,通过不同端口提供独立的数据服务。各实例共享安装程序,但使用各自的配置文件和数据文件,实现资源高效利用。本文详细介绍了如何通过“mysqld_multi”工具配置和启动多个MySQL实例,并演示了目录创建、初始化、配置文件修改及实例启动等操作步骤。
308 1
|
15天前
|
域名解析 网络协议 安全
详细介绍Linux命令dig和nslookup
本文介绍 Linux 下两大 DNS 查询工具:dig(功能强大,支持详尽选项与追踪)和 nslookup(简洁易用,含交互模式)。涵盖安装、常用语法、记录类型(A/MX/NS等)、典型示例及输出解析,助你高效诊断域名解析与网络问题。(239字)
281 3
|
1月前
|
安全 区块链 决策智能
Layer 2 的进化之路:Rollup 到底在“卷”什么?
Layer 2 的进化之路:Rollup 到底在“卷”什么?
120 10
|
1月前
|
人工智能 前端开发 Java
【RuoYi-SpringBoot3-Pro】:接入 AI 对话能力
RuoYi-SpringBoot3-Pro 内置 OpenAI 工具类,支持同步/流式对话、多角色消息与代理配置,兼容 OpenAI 及第三方 API,开箱即用,助力开发者快速集成 AI 聊天功能。
194 0
|
人工智能 NoSQL 数据可视化
n8n:16万Star超明星项目的架构解读
n8n从单体架构逐步演进为企业级集成平台,具备AI集成能力,适用于自动化场景,成为iPaaS领域的优选方案。
243 0
n8n:16万Star超明星项目的架构解读
|
1月前
|
存储 运维 NoSQL
Agentic RAG:用LangGraph打造会自动修正检索错误的 RAG 系统
本文介绍基于 LangGraph 与 Redis 构建生产级 Agentic RAG 系统,通过引入智能体机制实现检索结果的自动评估与查询重写,解决传统 RAG 回答偏离问题。系统具备自校正、决策透明与模块化优势,显著提升复杂场景下的问答准确率。
124 4
Agentic RAG:用LangGraph打造会自动修正检索错误的 RAG 系统
|
29天前
|
SQL Oracle 关系型数据库
【赵渝强老师】Oracle多租户容器数据库
Oracle 12c引入多租户容器数据库(CDB),支持在一个数据库服务器上管理多个可插拔数据库(PDB),提升资源利用率,降低成本。CDB由根容器、PDB种子和多个PDB组成,可通过DBCA或SQL脚本创建,实现高效数据库整合与运维。
145 2
|
1月前
|
人工智能 自然语言处理 数据可视化
2026阿里云万小智AI建站收费价格查询系统:不同版本费用清单获取方法
阿里云万小智AI建站工具,基于通义大模型,助力中小企业与个人快速建站。提供基础版、标准版、企业版三档套餐,涵盖AI设计、内容创作、智能客服等功能,10分钟完成网站搭建。官网可查价格:698元起/年,支持多语言、电商支付、SSL证书等,集成阿里云全栈服务。
215 13
|
1月前
|
存储 缓存 弹性计算
2026年阿里云 8 核 16G 云服务器解析测评:实例特性、收费标准与成本优化
阿里云 8 核 16G 云服务器作为中高端配置代表,覆盖计算型、通用算力型、AMD 专属型等多类实例,适配企业高并发服务、大数据处理、中型数据库等核心场景。不同实例依托差异化硬件架构与性能优化,满足从中小企业核心业务到大型企业轻量负载的多元需求,同时通过时长折扣、实例选型差异实现成本可控。本文结合实例特性、收费体系及省钱策略,为用户提供客观选型参考。
|
1月前
|
人工智能 缓存 API
在科研与项目开发中如何高效调用国内国外 AI 大语言模型 LLM API
本文剖析大模型应用从Demo到生产落地的三大核心痛点:账号支付难、网络不稳定、API碎片化。通过对比自建方案、开源网关与托管式AI网关(如n1n.ai),揭示如何以工程化手段实现稳定、高效、低成本的LLM调用,助力科研与开发跨越“Hello World”到生产环境的鸿沟。
375 9