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

PolarDB-X 1.0-SQL 手册-函数-Grouping Sets、Rollup和Cube扩展

2021-10-29 194
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。

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。

前提条件

PolarDB-X实例版本需为5.4.10及以上。关于如何查看实例版本，请参见查看实例版本。

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
关系型数据库
关键词：
云原生数据库 PolarDB sql
云原生数据库 PolarDB扩展
SQL函数
SQL扩展
云原生分布式数据库 PolarDB-X sql
相关实践学习
快速体验PolarDB开源数据库
本实验环境已内置PostgreSQL数据库以及PolarDB开源数据库：PolarDB PostgreSQL版和PolarDB分布式版，支持一键拉起使用，方便各位开发者学习使用。
码农小达人
目录
相关文章
DatabaseEvangelist
|
1月前
|
SQL 关系型数据库 分布式数据库
利用 PolarDB PG 版向量化引擎，加速复杂 SQL 查询！完成任务领发财新年抱枕！
利用 PolarDB PG 版向量化引擎，加速复杂 SQL 查询！完成任务领发财新年抱枕！
DatabaseEvangelist
80 14
云深知何处
|
5月前
|
SQL Oracle 关系型数据库
SQL优化-使用联合索引和函数索引
在一次例行巡检中，发现一条使用 `to_char` 函数将日期转换为字符串的 SQL 语句 CPU 利用率很高。为了优化该语句，首先分析了 where 条件中各列的选择性，并创建了不同类型的索引，包括普通索引、函数索引和虚拟列索引。通过对比不同索引的执行计划，最终确定了使用复合索引（包含函数表达式）能够显著降低查询成本，提高执行效率。
云深知何处
65 3
1100237741946300
|
5月前
|
SQL 数据库 数据库管理
数据库SQL函数应用技巧与方法
在数据库管理中，SQL函数是处理和分析数据的强大工具
1100237741946300
114 5
1100237741946300
|
5月前
|
SQL 数据库 索引
SQL中COUNT函数结合条件使用的技巧与方法
在SQL查询中，COUNT函数是一个非常常用的聚合函数，用于计算表中满足特定条件的记录数
1100237741946300
1179 5
dlwlrma-晴子
|
5月前
|
SQL 关系型数据库 MySQL
SQL日期函数
SQL日期函数
dlwlrma-晴子
84 0
阿里云云原生
|
10月前
|
安全 druid Java
Seata 1.8.0 正式发布，支持达梦和 PolarDB-X 数据库
Seata 1.8.0 正式发布，支持达梦和 PolarDB-X 数据库
阿里云云原生
753 12
Seata 1.8.0 正式发布，支持达梦和 PolarDB-X 数据库
游客762btuqu5wybw666
|
10月前
|
存储 DataWorks 监控
DataWorks，一个 polar db 有上万个数据库，解决方案
DataWorks，一个 polar db 有上万个数据库，解决方案
游客762btuqu5wybw666
146 5
Database-Learning-helper
|
SQL 存储 Web App开发
PolarDB-X 分布式数据库中的外键
外键是关系型数据库中非常便利的一种功能，它通过一个或多个列为两张表建立连接，从而允许跨表交叉引用相关数据。外键通过约束来保持数据的一致性，通过级联来同步数据在多表间的更新和删除。在关系数据库系统中，大多数表都遵循外键的概念。
Database-Learning-helper
56934 3
数据库知识学习者
|
8月前
|
缓存 运维 关系型数据库
数据库容灾 | MySQL MGR与阿里云PolarDB-X Paxos的深度对比
经过深入的技术剖析与性能对比，PolarDB-X DN凭借其自研的X-Paxos协议和一系列优化设计，在性能、正确性、可用性及资源开销等方面展现出对MySQL MGR的多项优势，但MGR在MySQL生态体系内也占据重要地位，但需要考虑备库宕机抖动、跨机房容灾性能波动、稳定性等各种情况，因此如果想用好MGR，必须配备专业的技术和运维团队的支持。 在面对大规模、高并发、高可用性需求时，PolarDB-X存储引擎以其独特的技术优势和优异的性能表现，相比于MGR在开箱即用的场景下，PolarDB-X基于DN的集中式（标准版）在功能和性能都做到了很好的平衡，成为了极具竞争力的数据库解决方案。
数据库知识学习者
107855 34
土木林森
|
7月前
|
存储 缓存 负载均衡
【PolarDB-X 技术揭秘】Lizard B+tree：揭秘分布式数据库索引优化的终极奥秘！
【8月更文挑战第25天】PolarDB-X是阿里云的一款分布式数据库产品，其核心组件Lizard B+tree针对分布式环境优化，解决了传统B+tree面临的数据分片与跨节点查询等问题。Lizard B+tree通过一致性哈希实现数据分片，确保分布式一致性；智能分区实现了负载均衡；高效的搜索算法与缓存机制降低了查询延迟；副本机制确保了系统的高可用性。此外，PolarDB-X通过自适应分支因子、缓存优化、异步写入、数据压缩和智能分片等策略进一步提升了Lizard B+tree的性能，使其能够在分布式环境下提供高性能的索引服务。这些优化不仅提高了查询速度，还确保了系统的稳定性和可靠性。
土木林森
151 5
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
    [版本更新] PolarDB-X V2.4 列存引擎开源正式发布
  • 3
    kubeblocks完成阿里云PolarDB数据库产品生态集成认证
  • 4
    PolarDB常见问题之安装postgis报错如何解决
  • 5
    Java“Bad Magic Number”错误解决
  • 6
    PolarDB-X 开源 | 基于Paxos的MySQL三副本
  • 7
    阿里云 PolarDB-X 团队25届实习生招聘
  • 8
    PolarDB-X replica 原理和使用
  • 9
    分布式数据库，基于Paxos多副本的两地三中心架构
  • 10
    PolarDB MySQL全球数据库（GDN）异地多活
  • 1
    Java“Bad Magic Number”错误解决
    294
  • 2
    k8s 部署polardb-x集群
    295
  • 3
    PolarDB-X 存储引擎核心技术 | Lizard B+tree 优化
    7588
  • 4
    PolarDB-X的TPC-H列存执行计划
    8098
  • 5
    让X不断延伸, 从跨AZ到跨Region再到跨Cloud
    8369
  • 6
    PolarDB-X 存储引擎核心技术 | Lizard 多级闪回
    389
  • 7
    开源PolarDB-X部署体验：挑战与反思
    352
  • 8
    开源PolarDB-X部署体验：探索与反馈
    415
  • 9
    PolarDB-X 原生无锁变更，比 gh-ost 更快、更稳定
    289
  • 10
    PolarDB-X 存储引擎核心技术 | Lizard 无锁备份
    255

    • 相关产品

  • 云原生分布式数据库 PolarDB-X
    文档详情 产品详情

    • 相关课程

    更多
  • 如何在 PolarDB-X 中优化慢 SQL
  • SQL完全自学手册
  • SQL Server on Linux入门教程
  • SQL入门与实践
  • 数据库及SQL/MySQL基础
  • SQL进阶及查询

    • 相关电子书

    更多
  • SQL Server在电子商务中的应用与实践
  • GeoMesa on Spark SQL
  • 原生SQL on Hadoop引擎- Apache HAWQ 2.x最新技术解密malili

    • 相关实验场景

    更多
  • 体验PolarDB-X透明分布式
  • 使用PolarDB和ECS搭建门户网站
  • PolarDB NL2SQL：自然语言驱动的数据智能
  • PolarDB for AI：在数据库中通过SQL实现AI能力
  • 玩转MaxCompute SQL! 30分钟搞定数据分析挖掘
  • 使用CloudLens采集PolarDB日志并进行审计分析
    • 下一篇
    获取百炼API-KEY