AI 助理
备案控制台
开发者社区 PolarDB开源 PolarDB 分布式版 文章 正文

开发指南—DQL语句—Grouping Sets、Rollup和Cube扩展

2021-10-28 208
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
云原生数据库 PolarDB 分布式版，标准版 2核8GB
推荐场景：
使用PolarDB-X与Flink搭建实时数据大屏
简介： 在关系型数据库中，通常需要使用多个SELECT + UNION语句来实现按照多组维度的结果分组，PolarDB-X新增支持通过Grouping Sets、Rollup和Cube扩展来实现这一目的。此外，PolarDB-X还支持在SELECT命令或HAVING子句中使用GROUPING函数和GROUPING_ID函数，来帮助解释使用上述扩展时的结果。本文将介绍相关语法和示例。

注意事项

  • 本文介绍的所有GROUP BY相关的扩展语法，均不支持查询下推至LogicalView算子中执行。关于查询下推，请参见查询改写与下推。
  • 本文示例中所用测试数据信息如下：使用如下语句创建一张requests表：
CREATE TABLE requests (
  `id` int(10) UNSIGNED NOT NULL,
  `os` varchar(20) DEFAULT NULL,
  `device` varchar(20) DEFAULT NULL,
  `city` varchar(20) DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE = InnoDB DEFAULT CHARSET = utf8 dbpartition BY hash(`id`) tbpartition BY hash(`id`);
  • 在requests表中使用如下语句插入测试所需的数据：
INSERT INTO requests (id, os, device, city) VALUES
(1, 'windows', 'PC', 'Beijing'),
(2, 'windows', 'PC', 'Shijiazhuang'),
(3, 'linux', 'Phone', 'Beijing'),
(4, 'windows', 'PC', 'Beijing'),
(5, 'ios', 'Phone', 'Shijiazhuang'),
(6, 'linux', 'PC', 'Beijing'),
(7, 'windows', 'Phone', 'Shijiazhuang');

GROUPING SETS扩展

  • 功能介绍GROUPING SETS是GROUP BY子句的扩展，可以生成一个结果集，该结果集实际上是基于不同分组的多个结果集的串联（与UNION ALL运算结果类似），但UNION ALL运算和GROUPING SETS扩展并不会消除合并结果集中的重复行。
  • 语法
GROUPING SETS (
  { expr_1 | ( expr_1a [, expr_1b ] ...) |
    ROLLUP ( expr_list ) | CUBE ( expr_list )
  } [, ...] )
  • 说明GROUPING SETS扩展可包含一个或多个由半角逗号（,）分隔表达式（如expr_1或(expr_1a [, expr_1b ] ...)）的任意组合，以及带半角圆括号（()）的表达式列表（如( expr_list )），其中：
  • 每个表达式都可用于确定结果集的分组方式。
  • GROUPING SETS内也支持嵌套使用ROLLUP或者CUBE。
  • 示例
  • 通过GROUPING SETS扩展对数据进行分组查询，语法如下：
select os,device, city ,count(*)
from requests
group by grouping sets((os, device), (city), ());
上述语句等效于如下语句：
select os, device, NULL, count(*)
from requests group by os, device
union all
select NULL, NULL, NULL, count(*)
from requests
union all
select null, null, city, count(*)
from requests group by city;
  • 返回结果如下：
+---------+--------+--------------+----------+
| os      | device | city         | count(*) |
+---------+--------+--------------+----------+
| windows | PC     | NULL         |        3 |
| linux   | PC     | NULL         |        1 |
| linux   | Phone  | NULL         |        1 |
| windows | Phone  | NULL         |        1 |
| ios     | Phone  | NULL         |        1 |
| NULL    | NULL   | Shijiazhuang |        3 |
| NULL    | NULL   | Beijing      |        4 |
| NULL    | NULL   | NULL         |        7 |
+---------+--------+--------------+----------+

  • 说明 未在分组集中使用的表达式，会用NULL充当占位符，便于对这些未在分组集使用的结果集进行操作，例如结果city列中显示为NULL的行。
  • 通过在GROUPING SETS中嵌套ROLLUP来对数据进行分组，语法如下：
select os,device, city ,count(*) from requests 
group by grouping sets((city), ROLLUP(os, device));
上述语句等效于如下语句：
select os,device, city ,count(*) from requests 
group by grouping sets((city), (os), (os, device), ());
  • 返回结果如下：
+---------+--------+--------------+----------+
| os      | device | city         | count(*) |
+---------+--------+--------------+----------+
| NULL    | NULL   | Shijiazhuang |        3 |
| NULL    | NULL   | Beijing      |        4 |
| windows | PC     | NULL         |        3 |
| linux   | PC     | NULL         |        1 |
| ios     | Phone  | NULL         |        1 |
| linux   | Phone  | NULL         |        1 |
| windows | Phone  | NULL         |        1 |
| windows | NULL   | NULL         |        4 |
| linux   | NULL   | NULL         |        2 |
| ios     | NULL   | NULL         |        1 |
| NULL    | NULL   | NULL         |        7 |
+---------+--------+--------------+----------+
  • 通过在GROUPING SETS中嵌套CUBE扩展来对数据进行分组，语法如下：
select os,device, city ,count(*) from requests 
group by grouping sets((city), CUBE(os, device));
上述语句等效于如下语句：
select os,device, city ,count(*) from requests 
group by grouping sets((city), (os), (os, device), (), (device));
  • 返回结果如下：
+---------+--------+--------------+----------+
| os      | device | city         | count(*) |
+---------+--------+--------------+----------+
| NULL    | NULL   | Beijing      |        4 |
| NULL    | NULL   | Shijiazhuang |        3 |
| windows | PC     | NULL         |        3 |
| ios     | Phone  | NULL         |        1 |
| linux   | Phone  | NULL         |        1 |
| windows | Phone  | NULL         |        1 |
| linux   | PC     | NULL         |        1 |
| windows | NULL   | NULL         |        4 |
| ios     | NULL   | NULL         |        1 |
| linux   | NULL   | NULL         |        2 |
| NULL    | PC     | NULL         |        4 |
| NULL    | Phone  | NULL         |        3 |
| NULL    | NULL   | NULL         |        7 |
+---------+--------+--------------+----------+
  • 通过GROUP BY、CUBE和GROUPING SETS组合产生GROUPING SETS，示例如下：
select os,device, city, count(*)
from requests 
group by os, cube(os,device), grouping sets(city);
上述语句等效于如下语句：
select os,device, city, count(*)
from requests 
group by grouping sets((os,device,city),(os,city),(os,device,city));
  • 返回结果如下：
+---------+--------+--------------+----------+
| os      | device | city         | count(*) |
+---------+--------+--------------+----------+
| linux   | Phone  | Beijing      |        1 |
| windows | Phone  | Shijiazhuang |        1 |
| windows | PC     | Shijiazhuang |        1 |
| linux   | PC     | Beijing      |        1 |
| windows | PC     | Beijing      |        2 |
| ios     | Phone  | Shijiazhuang |        1 |
| linux   | NULL   | Beijing      |        2 |
| windows | NULL   | Shijiazhuang |        2 |
| windows | NULL   | Beijing      |        2 |
| ios     | NULL   | Shijiazhuang |        1 |
+---------+--------+--------------+----------+

ROLLUP扩展

  • 功能介绍ROLLUP扩展生成一系列有总计的分层组，每个分层组都有小计。该层次结构的顺序由ROLLUP表达式列表中给定的表达式的顺序确定。该层次结构的顶部是列表中最左侧的项。每个连续项都会沿右侧在该层次结构中向下移动，最右侧的项是最低级别。
  • 语法
ROLLUP ( { expr_1 | ( expr_1a [, expr_1b ] ...) }
  [, expr_2 | ( expr_2a [, expr_2b ] ...) ] ...)
  • 说明
  • 每个表达式都会用于确定结果集的分组方式。如果采用带圆括号形式的表达式，例如( expr_1a, expr_1b, ...)，则 expr_1a和expr_1b返回的值组合定义层次结构的单个分组级别。
  • 对于列表中的第一项，例如expr_1或( expr_1a, expr_1b, ...)的组合，PolarDB-X将为每个唯一值返回一个小计。对于列表中的第二项，例如expr_2 或( expr_2a, expr_2b, ...)的组合，PolarDB-X将为第二项的每个分组中的每个唯一值返回一个小计，依此类推。最后，PolarDB-X将为整个结果集返回一个总计。
  • 对于小计行，将为小计包含的各项返回NULL。
  • 示例
  • 通过ROLLUP对(os, device, city)按层级聚合的方式产生GROUPING SETS，语法如下：
select os,device, city, count(*)
from requests 
group by rollup (os, device, city);
上述语句等效于如下语句：
select os,device, city, count(*)
from requests 
group by os, device, city with rollup;
也等效于如下语句：
select os,device, city, count(*)
from requests 
group by grouping sets ((os, device, city),(os, device),(os),());
  • 返回结果如下：
+---------+--------+--------------+----------+
| os      | device | city         | count(*) |
+---------+--------+--------------+----------+
| windows | PC     | Beijing      |        2 |
| ios     | Phone  | Shijiazhuang |        1 |
| windows | PC     | Shijiazhuang |        1 |
| linux   | PC     | Beijing      |        1 |
| linux   | Phone  | Beijing      |        1 |
| windows | Phone  | Shijiazhuang |        1 |
| windows | PC     | NULL         |        3 |
| ios     | Phone  | NULL         |        1 |
| linux   | PC     | NULL         |        1 |
| linux   | Phone  | NULL         |        1 |
| windows | Phone  | NULL         |        1 |
| windows | NULL   | NULL         |        4 |
| ios     | NULL   | NULL         |        1 |
| linux   | NULL   | NULL         |        2 |
| NULL    | NULL   | NULL         |        7 |
+---------+--------+--------------+----------+
  • 通过ROLLUP对os, (os,device), city按层级聚合的方式产生GROUPING SETS，语法如下：
select os,device, city, count(*)
from requests 
group by rollup (os, (os,device), city);
上述语句等效于如下语句：
select os,device, city, count(*)
from requests 
group by os, (os,device), city with rollup;
也等效于如下语句：
select os,device, city, count(*)
from requests 
group by grouping sets ((os, device, city),(os, device),(os),());
  • 返回结果如下：
+---------+--------+--------------+----------+
| os      | device | city         | count(*) |
+---------+--------+--------------+----------+
| windows | PC     | Beijing      |        2 |
| windows | PC     | Shijiazhuang |        1 |
| linux   | PC     | Beijing      |        1 |
| linux   | Phone  | Beijing      |        1 |
| windows | Phone  | Shijiazhuang |        1 |
| ios     | Phone  | Shijiazhuang |        1 |
| windows | PC     | NULL         |        3 |
| linux   | PC     | NULL         |        1 |
| linux   | Phone  | NULL         |        1 |
| windows | Phone  | NULL         |        1 |
| ios     | Phone  | NULL         |        1 |
| windows | NULL   | NULL         |        4 |
| linux   | NULL   | NULL         |        2 |
| ios     | NULL   | NULL         |        1 |
| NULL    | NULL   | NULL         |        7 |
+---------+--------+--------------+----------+

CUBE扩展

  • 功能介绍CUBE扩展与ROLLUP扩展类似，但与生成分组并基于ROLLUP表达式列表中从左到右的项列表生成层次结构的ROLLUP扩展不同，CUBE是基于CUBE表达式列表中所有项的每个排列生成分组和小计。因此，与对同一表达式列表执行的ROLLUP相比，CUBE结果集会包含更多的行。
  • 语法
CUBE ( { expr_1 | ( expr_1a [, expr_1b ] ...) }
  [, expr_2 | ( expr_2a [, expr_2b ] ...) ] ...)
  • 说明
  • 每个表达式都会用于确定结果集的分组方式。如果采用带半角圆括号的形式，例如( expr_1a, expr_1b, ...)，则 expr_1a和expr_1b返回的值组合定义单个组。
  • 对于列表中的第一项，例如expr_1或( expr_1a, expr_1b, ...)的组合，PolarDB-X将为每个唯一值返回一个小计。对于列表中的第二项，例如expr_2 或( expr_2a, expr_2b, ...)的组合，PolarDB-X在为每个唯一值返回一个小计的同时，还将为第一项和第二项的每个唯一组合返回一个小计。如果存在第三项，PolarDB-X则会为第三项的每个唯一值、第三项和第一项组合的每个唯一值、第三项和第二项组合的每个唯一值以及第三项、第二项和第一项组合的每个唯一值返回一个小计。最后，再将为整个结果集返回一个总计。
  • 对于小计行，将为小计包含的各项返回NULL。
  • 示例
  • 通过CUBE枚举(os, device, city)的所有可能列为GROUPING SETS，语法如下：
select os,device, city, count(*)
from requests 
group by cube (os, device, city);
上述语句等效于如下语句：
select os,device, city, count(*)
from requests 
group by grouping sets ((os, device, city),(os, device),(os, city),(device,city),(os),(device),(city),());
  • 返回结果如下：
+---------+--------+--------------+----------+
| os      | device | city         | count(*) |
+---------+--------+--------------+----------+
| linux   | Phone  | Beijing      |        1 |
| windows | Phone  | Shijiazhuang |        1 |
| windows | PC     | Beijing      |        2 |
| ios     | Phone  | Shijiazhuang |        1 |
| windows | PC     | Shijiazhuang |        1 |
| linux   | PC     | Beijing      |        1 |
| linux   | Phone  | NULL         |        1 |
| windows | Phone  | NULL         |        1 |
| windows | PC     | NULL         |        3 |
| ios     | Phone  | NULL         |        1 |
| linux   | PC     | NULL         |        1 |
| linux   | NULL   | Beijing      |        2 |
| windows | NULL   | Shijiazhuang |        2 |
| windows | NULL   | Beijing      |        2 |
| ios     | NULL   | Shijiazhuang |        1 |
| linux   | NULL   | NULL         |        2 |
| windows | NULL   | NULL         |        4 |
| ios     | NULL   | NULL         |        1 |
| NULL    | Phone  | Beijing      |        1 |
| NULL    | Phone  | Shijiazhuang |        2 |
| NULL    | PC     | Beijing      |        3 |
| NULL    | PC     | Shijiazhuang |        1 |
| NULL    | Phone  | NULL         |        3 |
| NULL    | PC     | NULL         |        4 |
| NULL    | NULL   | Beijing      |        4 |
| NULL    | NULL   | Shijiazhuang |        3 |
| NULL    | NULL   | NULL         |        7 |
+---------+--------+--------------+----------+
  • 通过CUBE枚举(os, device),(device, city)所有可能列为GROUPING SETS，语法如下：
select os,device, city, count(*) 
from requests 
group by cube ((os, device), (device, city));
上述语句等效于如下语句：
select os,device, city, count(*) 
from requests 
group by grouping sets ((os, device, city),(os, device),(device,city),());
  • 返回结果如下：
+---------+--------+--------------+----------+
| os      | device | city         | count(*) |
+---------+--------+--------------+----------+
| linux   | Phone  | Beijing      |        1 |
| windows | Phone  | Shijiazhuang |        1 |
| windows | PC     | Beijing      |        2 |
| windows | PC     | Shijiazhuang |        1 |
| linux   | PC     | Beijing      |        1 |
| ios     | Phone  | Shijiazhuang |        1 |
| linux   | Phone  | NULL         |        1 |
| windows | Phone  | NULL         |        1 |
| windows | PC     | NULL         |        3 |
| linux   | PC     | NULL         |        1 |
| ios     | Phone  | NULL         |        1 |
| NULL    | Phone  | Beijing      |        1 |
| NULL    | Phone  | Shijiazhuang |        2 |
| NULL    | PC     | Beijing      |        3 |
| NULL    | PC     | Shijiazhuang |        1 |
| NULL    | NULL   | NULL         |        7 |
+---------+--------+--------------+----------+

GROUPING和GROUPING_ID函数

  • 功能介绍
  • GROUPING函数在GROUP BY子句使用GROUPING SETS、ROLLUP、或CUBE扩展时，GROUPING SETS结果中会使用NULL来充当占位符，导致无法区分占位符NULL与数据中真正的NULL。此时，您可以使用PolarDB-X提供的GROUPING函数来作区分。
    GROUPING函数接受一个列名作为参数，如果结果对应行使用了参数列做聚合，则结果返回0，此时意味着NULL来自输入数据。如果结果对应行未使用参数列做聚合，则返回1，此时意味着NULL来自GROUPING SETS结果中的占位符。
  • GROUPING_ID函数GROUPING_ID函数简化了GROUPING函数，用于确定ROLLBACK、CUBE或GROUPING SETS扩展的结果集中行的小计级别。GROUPING函数仅采用一个列表达式并返回一个值来指示行是否为给定列的所有值的小计。因此，当解释具有多个分组列的查询的小计级别时，可能需要多个 GROUPING函数。GROUPING_ID函数接受ROLLBACK、CUBE或GROUPINGSETS扩展中已使用的一个或多个列表达式，并返回单个整数，该整数可用于确定其中哪一列已聚合小计。
  • 语法
  • GROUPING函数
SELECT [ expr ...,] GROUPING( col_expr ) [, expr ] ...
FROM ...
GROUP BY { ROLLUP | CUBE | GROUPING SETS }( [...,] col_expr
  [, ...] ) [, ...]

  • 说明 GROUPING函数采用单个参数，该参数必须是GROUP BY子句中ROLLUP、CUBE或GROUPING SETS扩展的表达式列表中指定的维度列的表达式。
  • GROUPING_ID函数
SELECT [ expr ...,]
  GROUPING_ID( col_expr_1 [, col_expr_2 ] ... )
  [, expr ] ...
FROM ...
GROUP BY { ROLLUP | CUBE | GROUPING SETS }( [...,] col_expr_1
  [, col_expr_2 ] [, ...] ) [, ...]
  • 示例通过GROUPING_ID函数将多个列名作为参数，并将参数列的GROUPING结果按照Bitmap的方式组成整数，语法如下：
select a,b,c,count(*),
grouping(a) ga, grouping(b) gb, grouping(c) gc, grouping_id(a,b,c) groupingid 
from (select 1 as a ,2 as b,3 as c)
group by cube(a,b,c);
  • 返回结果如下：
+------+------+------+----------+------+------+------+------------+
| a    | b    | c    | count(*) | ga   | gb   | gc   | groupingid |
+------+------+------+----------+------+------+------+------------+
|    1 |    2 |    3 |        1 |    0 |    0 |    0 |          0 |
|    1 |    2 | NULL |        1 |    0 |    0 |    1 |          1 |
|    1 | NULL |    3 |        1 |    0 |    1 |    0 |          2 |
|    1 | NULL | NULL |        1 |    0 |    1 |    1 |          3 |
| NULL |    2 |    3 |        1 |    1 |    0 |    0 |          4 |
| NULL |    2 | NULL |        1 |    1 |    0 |    1 |          5 |
| NULL | NULL |    3 |        1 |    1 |    1 |    0 |          6 |
| NULL | NULL | NULL |        1 |    1 |    1 |    1 |          7 |
+------+------+------+----------+------+------+------+------------+
文章标签：
云原生分布式数据库 PolarDB-X
SQL
关系型数据库
开发者小达人
目录
相关文章
2025「AI安全」全球攻防赛小编
|
6天前
|
云安全 人工智能 安全
阿里云欧阳欣 ：AI Agent时代下，云安全的双轮驱动战略
云安全的新趋势、新发布
2025「AI安全」全球攻防赛小编
1110 17
阿里云欧阳欣 ：AI Agent时代下，云安全的双轮驱动战略
数据库知识分享者小北
|
7天前
|
存储 关系型数据库 分布式数据库
PostgreSQL 18 发布，快来 PolarDB 尝鲜！
PostgreSQL 18 发布，PolarDB for PostgreSQL 全面兼容。新版本支持异步I/O、UUIDv7、虚拟生成列、逻辑复制增强及OAuth认证，显著提升性能与安全。PolarDB-PG 18 支持存算分离架构，融合海量弹性存储与极致计算性能，搭配丰富插件生态，为企业提供高效、稳定、灵活的云数据库解决方案，助力企业数字化转型如虎添翼！
数据库知识分享者小北
795 21
南瓜佬
|
17天前
|
弹性计算 关系型数据库 微服务
基于 Docker 与 Kubernetes（K3s）的微服务：阿里云生产环境扩容实践
在微服务架构中，如何实现“稳定扩容”与“成本可控”是企业面临的核心挑战。本文结合 Python FastAPI 微服务实战，详解如何基于阿里云基础设施，利用 Docker 封装服务、K3s 实现容器编排，构建生产级微服务架构。内容涵盖容器构建、集群部署、自动扩缩容、可观测性等关键环节，适配阿里云资源特性与服务生态，助力企业打造低成本、高可靠、易扩展的微服务解决方案。
南瓜佬
1327 7
varin
|
5天前
|
存储 人工智能 Java
AI 超级智能体全栈项目阶段二：Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
本文讲解 Prompt 基本概念与 10 个优化技巧，结合学术分析 AI 应用的需求分析、设计方案，介绍 Spring AI 中 ChatClient 及 Advisors 的使用。
varin
305 130
AI 超级智能体全栈项目阶段二：Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
计算机程序设计Y2013070224
|
4天前
|
监控 JavaScript Java
基于大模型技术的反欺诈知识问答系统
随着互联网与金融科技发展，网络欺诈频发，构建高效反欺诈平台成为迫切需求。本文基于Java、Vue.js、Spring Boot与MySQL技术，设计实现集欺诈识别、宣传教育、用户互动于一体的反欺诈系统，提升公众防范意识，助力企业合规与用户权益保护。
计算机程序设计Y2013070224
233 127
modelscope
|
16天前
|
机器学习/深度学习 人工智能 前端开发
通义DeepResearch全面开源！同步分享可落地的高阶Agent构建方法论
通义研究团队开源发布通义 DeepResearch —— 首个在性能上可与 OpenAI DeepResearch 相媲美、并在多项权威基准测试中取得领先表现的全开源 Web Agent。
modelscope
1399 87
计算机程序设计Y2013070224
|
4天前
|
JavaScript Java 大数据
基于JavaWeb的销售管理系统设计系统
本系统基于Java、MySQL、Spring Boot与Vue.js技术，构建高效、可扩展的销售管理平台，实现客户、订单、数据可视化等全流程自动化管理，提升企业运营效率与决策能力。
计算机程序设计Y2013070224
224 128
varin
|
5天前
|
人工智能 Java API
AI 超级智能体全栈项目阶段一：AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式（SDK/HTTP/SpringAI/langchain4j）
本文介绍AI大模型的核心概念、分类及开发者学习路径，重点讲解如何选择与接入大模型。项目基于Spring Boot，使用阿里云灵积模型（Qwen-Plus），对比SDK、HTTP、Spring AI和LangChain4j四种接入方式，助力开发者高效构建AI应用。
varin
301 122
AI 超级智能体全栈项目阶段一：AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式（SDK/HTTP/SpringAI/langchain4j）
31074360
|
6天前
|
弹性计算 安全 数据安全/隐私保护
2025年阿里云域名备案流程（新手图文详细流程）
本文图文详解阿里云账号注册、服务器租赁、域名购买及备案全流程，涵盖企业实名认证、信息模板创建、域名备案提交与管局审核等关键步骤，助您快速完成网站上线前的准备工作。
31074360
234 82
2025年阿里云域名备案流程（新手图文详细流程）
PolarDB开源

PolarDB 分布式版

热门文章

最新文章

  • 1
    让X不断延伸, 从跨AZ到跨Region再到跨Cloud
  • 2
    Java“Bad Magic Number”错误解决
  • 3
    PolarDB-X最佳实践系列（三）：如何实现高效的分页查询
  • 4
    PolarDB-X 开源 | 基于Paxos的MySQL三副本
  • 5
    PolarDB-X 私有协议2.0
  • 6
    分布式数据库，基于Paxos多副本的两地三中心架构
  • 7
    PolarDB-X 1.0-常见问题-数据兼容问题-为什么在控制台上执行带有dbpartition或tbpartition关键字的DDL语法会报错，而在命令行上执行却不会报错？
  • 8
    深度优化 | PolarDB-X 基于向量化SIMD指令的探索
  • 9
    PolarDB-X 存储引擎核心技术 | Lizard分布式事务系统
  • 10
    PolarDB-X 存储引擎核心技术 | Lizard B+tree 优化
  • 1
    Java“Bad Magic Number”错误解决
    643
  • 2
    k8s 部署polardb-x集群
    681
  • 3
    PolarDB-X 存储引擎核心技术 | Lizard B+tree 优化
    7790
  • 4
    PolarDB-X的TPC-H列存执行计划
    8262
  • 5
    让X不断延伸, 从跨AZ到跨Region再到跨Cloud
    8688
  • 6
    PolarDB-X 存储引擎核心技术 | Lizard 多级闪回
    557
  • 7
    开源PolarDB-X部署体验：挑战与反思
    513
  • 8
    开源PolarDB-X部署体验：探索与反馈
    537
  • 9
    PolarDB-X 原生无锁变更，比 gh-ost 更快、更稳定
    470
  • 10
    PolarDB-X 存储引擎核心技术 | Lizard 无锁备份
    395

    • 相关电子书

    更多
  • 低代码开发师（初级）实战教程
  • 冬季实战营第三期：MySQL数据库进阶实战
  • 阿里巴巴DevOps 最佳实践手册
    • 下一篇
    阿里云免费云服务器:个人用户每月750小时免费