【ClickHouse 线下Meetup—西安站】活动来袭!
邀您参加ClickHouse 线下Meetup—西安站,聚焦核心技术和实战案例,邀您共探未来新机遇,还有精美伴手礼等你来拿。
Zookeeper 3.持久化FileTxnSnapLog
FileTxnSnapLog是ZooKeeper中用于管理事务日志和快照的核心类,封装TxnLog与SnapShot,实现数据持久化。通过restore和save方法,支持从快照和日志中恢复及保存内存数据库DataTree,保障数据一致性。
微服务原理篇(XXLJOB-幂等-MySQL)
本课程深入讲解微服务核心组件XXL-JOB任务调度原理,涵盖其架构、分布式任务处理、幂等性设计及MySQL存储引擎、索引机制、SQL优化与分库分表策略,全面提升系统性能与可靠性。
Zookeeper4.Watcher机制(一)
本文深入分析ZooKeeper的Watcher机制核心类与源码实现,涵盖Watcher接口、Event枚举(KeeperState、EventType)、WatchedEvent事件封装、ClientWatchManager及ZKWatchManager的管理逻辑,重点解析事件触发与Watcher通知机制,帮助理解ZooKeeper分布式协调中的状态监听与回调原理。
Zookeeper1.序列化
本文从源码角度解析Zookeeper的序列化机制,重点分析`org.zookeeper.jute`包中的核心接口:`InputArchive`、`OutputArchive`、`Index`和`Record`,并通过实例演示其在数据读写中的应用。
Zookeeper2.持久化FileTxnLog
本文深入分析ZooKeeper持久化核心类FileTxnLog源码,涵盖事务日志结构、文件格式及关键操作。重点解析append、commit、truncate等方法,揭示日志追加、校验、提交与截断机制,结合TxnLog接口与迭代器实现,全面理解ZooKeeper数据持久化原理。(238字)
阿里云 ECS u2i 云服务器实例深度测评:企业入门级云服务器首选
阿里云 ECS 通用算力型 u2i 实例,凭借高性价比与适配性,成为中小企业入门的理想云服务器选择。目前该实例推出限时优惠,低至 2.5 折即可畅享 1 年服务,开发测试成本直降 75%,性价比优势突出。
Oracle 数据塑形:行列转换与集合运算
报表要求的数据格式总是千奇百怪?其实用SQL就能让数据轻松“变形”。想把多行内容(比如各科成绩)合并成一行里的多列,可以用经典的CASE WHEN,或者在11g以上版本里用更简洁的PIVOT。反过来,把宽表拆成多行,也有UNION ALL和更方便的UNPIVOT。学会这些,再配合UNION、INTERSECT等集合运算,数据就能随心所欲地展示了。
Oracle 常用函数
拿到手的数据不总是规规矩矩的?Oracle内置了超多实用函数,可以直接在SQL里“加工”数据。无论是大小写转换、截取字符串,还是日期的加减、数字的四舍五入,都有对应的函数。特别推荐用NVL来优雅地处理空值,以及用CASE语句实现复杂的判断逻辑,能让你的查询既强大又省事。
Oracle 数据库查询:多表查询
想把分散在多个表里的数据拼起来看?核心就靠JOIN(连接)和子查询。可以用INNER JOIN找到两边都匹配的记录,或用OUTER JOIN查看单边也存在的数据。一个非常强大的技巧,是把一个查询结果当成临时表来用,能让复杂的统计分析变得清晰。再结合新版本里简洁的分页语法,跨表取数和展示就得心应手了。
Dify+ADB Supabase+LLM 实现 AI 客服系统
本文介绍如何利用Dify、云原生数据仓库AnalyticDB PostgreSQL版的Supabase及大语言模型(LLM)构建AI客服系统,实现售后咨询、订单查询等自动化处理,提升响应效率与客户满意度。
站在岔路口的1688商家,是观望,还是在新赛道中寻找机会?
1688商家正面临流量下滑的严峻挑战,平台转型、算法升级与外部竞争加剧使传统运营模式难以为继。面对困境,主动求变才是出路:通过内容化转型、直播短视频、数据驱动和私域沉淀等新策略,提升数字化能力与客户价值。唯有创新升级,才能穿越周期,赢得未来。
【赵渝强老师】国产金仓数据库的体系架构
金仓数据库(KingbaseES)是基于PostgreSQL开发的国产关系型数据库,具有自主知识产权。其体系结构涵盖逻辑存储、物理存储、进程与内存管理,支持高可靠性与性能优化,广泛应用于关键信息基础设施领域。
【阿里云Data+AI 创新融合交流会—成都站】Workshop活动来袭!
诚邀您参加阿里云数据库Data+AI交流会——成都站!2025年12月9日,共探行业实战与未来机遇,现场参与即有机会领取限量版精美羽绒服,先到先得!点击链接或扫码报名,席位有限,立即锁定参会资格!
阿里巴巴双肩包带回家!参与「RDS AI助手」体验反馈赢好礼
「RDS AI助手」是阿里云数据库团队基于大语言模型技术打造的智能运维Copilot,专为 RDS MySQL / PostgreSQL / SQL Server等数据库引擎设计。本期产品体验诚邀大家体验「RDS AI助手」,参与反馈即有机会赢取阿里巴巴双肩包等好礼!欢迎钉钉搜索群号:106730017609 入群交流
RDS AI助手的能力详解与Demo演示
阿里云数据库RDS「RDS AI助手」正式上线啦!你的AI打工人来了!用聊天的方式,帮你搞定 信息查询、问题诊断、慢SQL优化、实例巡检 等一系列数据库运维任务,更能随你调遣,定制最贴近你业务的个性化Agent!欢迎钉钉搜索群号:106730017609 入群交流
RDS AI助手深度测评-场景4:CPU压测指引
阿里云数据库RDS「RDS AI助手」正式上线啦!用聊天的方式,帮你搞定 信息查询、问题诊断、慢SQL优化、实例巡检 等一系列数据库运维任务,更能随你调遣,定制最贴近你业务的个性化Agent!现在免费公测中,欢迎留下您的诉求:https://survey.aliyun.com/apps/zhiliao/m3RVhe0m4
强一致性时代,Kafka、Redis、Celery 谁才是那块短板
这篇文章讨论了一个金融级实时Tick数据项目的失败与修复。项目最初使用Celery、Kafka和Redis,但因缺乏重试、幂等和安全策略导致问题。文章提出了四个关键改进方向,修复后的系统满足了金融级要求,总结了五点教训。
让企业决策像开挂!瑶池 Data Agent 全生命周期数据智能体使用全攻略
Data Agent 是阿里云瑶池数据库推出的数据智能体,融合 Data+AI 与 Agentic AI 技术,支持自然语言交互,自动化完成数据理解、分析洞察与报告生成,助力企业实现数据驱动决策。
【Java架构师体系课 | MySQL篇】⑦ 深入理解MySQL事务隔离级别与锁机制
本文深入讲解数据库事务隔离级别与锁机制,涵盖ACID特性、并发问题(脏读、不可重复读、幻读)、四种隔离级别对比及MVCC原理,分析表锁、行锁、间隙锁、临键锁等机制,并结合实例演示死锁处理与优化策略,帮助理解数据库并发控制核心原理。
内附原文|VLDB论文精读:AI进行时,数据分析迈入增量计算时代
阿里云AnalyticDB团队近期在VLDB 2025上发表了关于增量计算的最新研究成果——论文《Streaming View: An Efficient Data Processing Engine for Modern Real-time Data Warehouse of Alibaba Cloud》。本文将对该工作进行简要介绍。
为什么实时更新场景下 Doris 查询性能是 ClickHouse 的 34 倍
企业数据分析能力从TP系统起步,随业务发展历经扩展优化,最终走向AP系统独立建设。Apache Doris凭借高并发、低延迟、实时更新与强查询性能,成为实时分析架构升级的理想选择,助力网易云音乐、快手、拉卡拉等企业实现性能倍增与成本优化。
Apache Doris 登顶 RTABench —— 实时分析领域的性能王者
Apache Doris 在最新 RTABench 实时分析榜单中登顶,性能达 ClickHouse 的6倍、PostgreSQL 的30倍、MongoDB 的100倍。依托 MPP 架构、列式存储、Pipeline 引擎与智能优化器,Doris 在多表关联、实时查询等场景表现卓越,成为实时分析新标杆。
Doris MCP Server 0.5.1 版本发布
Doris MCP Server 0.5.1 升级发布,增强全局SQL超时、自愈连接池,新增数据治理八项能力,支持ADBC协议提速3-10倍,升级日志系统与调参文档,兼容0.4.x版本,助力企业高效稳定数据分析。
货拉拉用户画像基于 Apache Doris 的数据模型设计与实践
货拉拉基于Apache Doris构建高效用户画像系统,实现标签管理、人群圈选与行为分析的统一计算引擎,支持秒级响应与大规模数据导入,显著提升查询效率与系统稳定性,助力实时化、智能化运营升级。
Apache Doris 4.0 版本正式发布:全面升级 AI 与搜索能力,强化离线计算
Apache Doris 4.0 正式发布!深度融合AI与搜索能力,支持向量索引、AI函数、全文检索打分,强化离线计算稳定性,提升查询性能与数据质量,助力企业构建高效实时数仓。
从 Snowflake 到 Apache Doris:Planet 实时分析成本直降 80%、查询加速 90 倍
Planet深耕支付与税务数字化近40年,服务全球零售、酒店与旅游行业。为应对数据增长挑战,其数据团队将数仓从Snowflake迁移至Apache Doris,实现月成本降低80%、查询性能提升最高90倍,并达成实时分析能力,构建了高效、低成本、可扩展的数据新架构,为业务发展奠定坚实基础。
Doris MCP Server v0.6.0 正式发布
Doris MCP Server v0.6.0 重磅发布!全面升级为企业级认证与数据库管理系统,支持多租户隔离、Token绑定配置、热重载免重启、Web可视化管理。增强安全防护、连接池性能飞跃,助力多租户SaaS与高可用生产环境,平滑兼容旧版本,开启数据管理新时代。
Apache Doris 数据导入原理与性能优化 | Deep Dive
Apache Doris 数据导入机制基于分布式架构,通过 FE 与 BE 协同实现高效、可靠的数据写入。本文深入解析其核心流程、事务管理与性能瓶颈,涵盖 Stream Load、Broker Load 等多种导入方式,重点剖析 MemTable 前移、存算分离优化等关键技术,并提供表结构设计、攒批策略、分桶配置等实战优化方案,帮助用户在延迟与吞吐间取得平衡,显著提升数据导入效率。
Apache Doris AI 能力揭秘(三):AI_AGG 与 EMBED 函数深度解析
Apache Doris 推出 AI_AGG 与 EMBED 两大核心函数,实现文本智能聚合与语义向量化分析。AI_AGG 支持海量文本动态预聚合,EMBED 结合向量函数实现相似度检索、问答匹配等场景,原生集成 AI 能力至 SQL,让数据分析更智能高效。
TRUNCATE、DELETE、DROP 的区别?
MySQL中DELETE、TRUNCATE和DROP均用于删除数据,但作用不同:DELETE删除行记录,支持WHERE条件和事务回滚,速度慢;TRUNCATE快速清空表并重置自增ID,不可回滚;DROP则彻底删除表结构与数据,操作不可逆。三者在日志记录、速度及功能上有显著差异。
为什么MySQL会选错索引,如何解决?
InnoDB索引选择由优化器基于成本决策,受基数性、选择性、索引覆盖等因素影响。统计信息不准或复杂查询可能导致选错索引,可通过ANALYZE TABLE更新统计、FORCE INDEX强制索引或优化查询和配置来解决。
redis也可以整个db拷贝
导出和导入的时候,yunedit-redis还可以选择导出策略和导入策略,比如导出什么类型的数据,假如你只想导出某种类型的数据,比如list类型或hash类型,也是可以的。 它还支持ssh通过,在服务端没有暴露redis端口的情况下,可以通过ssh跳板机,做ssh隧道映射端口到本地。
【Java架构师体系课 | MySQL篇】⑤ 索引优化实战一
本文深入解析MySQL索引优化原理,涵盖联合索引使用、覆盖索引、索引下推、filesort排序机制及trace工具分析执行计划选择等内容,并结合实际案例提供索引设计原则与SQL优化策略。
Apache Doris 自动分区:如何应对分布式环境下的复杂并发挑战|Deep Dive
在分布式环境下,分区对性能的影响不可小觑。本文深度、详尽的讲解 Apache Doris 自动分区设计思考,并就多线程复杂并发场景下所面临的挑战,一一剖析 Doris 自动分区设计时的应对策略。
从 ClickHouse、Druid、Kylin 到 Doris:网易云音乐 PB 级实时分析平台降本增效
基于 Apache Doris 替换了早期架构中 Kylin、Druid、Clickhouse、Elasticsearch、HBase 等引擎,统一了实时分析架构,并广泛应用于广告系统、日志平台和会员报表分析等典型场景,导入性能提升 3~30 倍,机器成本整体降低 55%、部分场景下高达 85%,每年节省数百万成本,综合效能提升 3~7 倍等显著收益,本文将详尽介绍基于 Doris 架构升级及在这些场景中的应用实践。
专为 Apache Doris 打造的可视化数据管理工具 SelectDB Studio
SelectDB Studio 提供 Desktop & Server 双版本,专注于为用户提供高效、便捷的可视化操作体验,帮助数据开发者、DBA 低门槛、高效率地对 Apache Doris 及其兼容数据库中的数据进行可视化开发和管理。
什么是脏读、幻读、不可重复读?Mysql的隔离级别是什么?
脏读、不可重复读和幻读是数据库事务并发操作中的三种异常现象。脏读指读取到未提交的临时数据;不可重复读指同一事务内两次读取结果不一致,因数据被其他事务修改;幻读则是范围查询中出现新增记录,导致行数变化。SQL-92标准定义了四种隔离级别:未提交读(RU)、提交读(RC)、可重复读(RR)和串行化(Serializable),依次增强对这些异常的防控能力,平衡数据一致性与系统并发性能。
【Java架构师体系课 | MySQL篇】② 深入理解MySQL索引底层数据结构与算法
InnoDB索引为何采用B+树?本文由浅入深解析二叉树、红黑树、B树的缺陷,详解B+树的结构优势:非叶子节点不存数据、叶子节点有序且双向链接,支持高效范围查询与磁盘预读,三层即可存储两千多万数据,极大提升查询性能。
钉钉ONE选用阿里云PolarDB数据库,实现百亿级数据的高效向量检索
阿里云瑶池PolarDB PostgreSQL版作为钉钉ONE的底层数据库,凭借分布式架构与向量检索能力,支撑百亿级数据、高并发与AI智能推荐,助力钉钉实现“事找人”的办公新范式。
Oracle 数据库查询:单表查询
想知道Oracle是如何一步步处理你的查询请求吗?关键在于理解它背后“看不见的”执行顺序。它会先从FROM和WHERE锁定数据,再用GROUP BY分组,最后才排序。搞懂这个流程,再掌握用ROWNUM实现分页的技巧,就能更自如地从数据库里拿到你想要的数据了。
Oracle 数据库数据操作:精通 INSERT, UPDATE, DELETE
在Oracle里,增加数据用INSERT,修改用UPDATE,删除则用DELETE。进行修改和删除时,建议总是带上WHERE条件来指定范围,这样可以确保操作的准确性
数据库
数据库领域前沿技术分享与交流