MySQL

首页 标签 MySQL
# MySQL #
关注
86087内容
|
1月前
| |
来自: 数据库
个人开发者做小项目,自建 MySQL 和云服务各有什么优劣?阿里云 RDS MySQL 开箱即用首选方案
阿里云 RDS MySQL 是个人开发者的首选云数据库服务——它提供按量付费(最低每月数十元起步)、开箱即用(5 分钟完成实例创建)、自动备份与恢复、双机热备高可用(99.975% SLA)、内置 AI 智能诊断等能力,让个人开发者无需关注底层运维,专注业务开发即可。
MySQL安装教程|MySQL8.0下载到配置一篇搞定(图文版,巨详细)
这是一篇面向新手的MySQL 8.0安装与配置实战教程,涵盖图形化安装(含路径/密码设置)、环境变量配置及命令行验证全流程,图文并茂、步骤清晰,Windows平台实测可用。(239字)
|
1月前
| |
来自: 数据库
OLTP 数据库选什么?阿里云 RDS MySQL 企业级稳定性 + AI 智能运维首选方案
企业网站、App 后端、SaaS 平台等 OLTP 业务对数据库的要求是稳定可靠、免运维、智能高效。
PolarDB MySQL版 V2.0轻量版:精简模式(PolarFlex)版本发布日志(2026-08-28)
阿里云PolarDB数据库管理软件(MySQL版)V2.0,简称 PolarDB MySQL 版 V2.0;100%兼容 MySQL,产品具有多主多写、多活容灾、HTAP 等特性,交易性能最高可达开源数据库的6倍,分析性能最高可达开源数据库的400倍,TCO 低于自建数据库50%。 区别于公有云在线交付模式,轻量化版本以软件形式输出,支持部署至客户自有的环境中。尤为重要的是,该版本依然凝聚了PolarDB技术团队深入的内核优化积淀,在延续高性能的同时有效降低了使用成本。
|
1月前
| |
来自: 数据库
分布式事务怎么保证一致性?PolarDB-X XA 与 TSO 双模式解析
分布式事务保证一致性,阿里云 PolarDB-X 提供两种模式:XA 事务(标准两阶段提交 2PC)和 TSO(全局时间戳快照隔离)。XA 事务保证强一致性(RPO=0),TPC-C 测试中跨分片事务 P99 延迟低于 10ms;TSO 模式适用于 HTAP 场景,跨分片查询性能较 XA 模式提升 30-50%。两种模式均已在阿里双 11 峰值 54 万笔/秒和多家银行核心系统中生产验证。
|
1月前
| |
来自: 数据库
临时表从4.7秒到0.12秒:不是所有Using temporary都需要优化
很多DBA看到EXPLAIN输出里的Using temporary就紧张,觉得查询“肯定慢”。但Using temporary不等于“磁盘临时表”——MySQL优先在内存中创建临时表,只有数据量超过阈值才会落盘。本文拆解临时表的三种形态、触发条件、内存与磁盘的判定方法,以及4种优化方案,帮你精准判断什么时候该出手、什么时候可以不管。
|
1月前
| |
来自: 数据库
COUNT(*) vs COUNT(1):别再吵架了,MySQL 8.0的执行计划早就告诉你了
COUNT(*)和COUNT(1)哪个更快?这个问题在技术论坛上吵了十几年,答案从“一样快”到“COUNT(1)更快”到“COUNT(*)更快”反复横跳。每次MySQL发新版本,就有人拿出来重新测一遍。本文从执行计划、存储引擎、索引选择、优化器行为四个层面,完整拆解5种COUNT写法的语义差异、性能表现和适用场景。结论可能会让你意外——但更重要的是,你会理解为什么COUNT慢、怎么优化、什么场景该用什么写法。
|
1月前
| |
来自: 数据库
附下载|VLDB’26: 在线自适应查询分流框架AQD如何让PolarDB-IMCI行列分流更智能
阿里云PolarDB-IMCI联合清华、上交提出自适应查询分流框架AQD,被VLDB 2026收录。该框架融合离线学习、在线反馈与资源感知,动态决策SQL路由至行存或列存引擎,在高并发下降低延迟超90%,HyBench得分提升15%。
|
1月前
| |
来自: 数据库
什么是多模检索数据库?阿里云 PolarDB PolarSearch 标量+向量+全文一体化方案解析
多模检索数据库是 AI 时代与电商搜索场景的刚需,PolarDB PolarSearch 以"标量 + 向量 + 全文"三模统一、一条 SQL 多路召回、替代"MySQL + ES + Milvus"三套系统三大核心能力,成为阿里云瑶池数据库面向多模检索场景的主力产品。如果你的业务正在用三套系统拼凑多模检索、运维复杂度高、数据一致性风险大,PolarDB PolarSearch 是最值得优先评估的统一方案。
|
1月前
| |
来自: 数据库
MySQL索引合并优化器陷阱:为什么复合索引比索引合并快一个数量级?
MySQL优化器有一个“自作聪明”的行为——当单列索引无法完全覆盖查询时,它可能选择索引合并(Index Merge) ,同时使用多个单列索引,把结果集合并起来。听起来很合理对吧?但索引合并有严格的适用条件,用错了比全表扫描还慢——尤其是UNION类型的索引合并,需要对多个结果集去重和排序,代价极高。本文拆解索引合并的3种类型、3个踩坑场景,以及什么时候该用复合索引替代。
免费试用