搜索[垂直分库]结果-低调大师优秀个人博客

精选列表

搜索[垂直分库]，共5948篇文章

CentOS7设置SWAP分区，小内存服务器的救世主

前言 Swap分区在系统的物理内存(这里应该是运行内存)不够用的时候，把物理内存中的一部分空间释放出来，以供当前运行的程序使用。

2025-09-05

MySQL数据库中FOR UPDATE的使用

库存扣减 sql 复制代码 START TRANSACTION; SELECT stock FROM products WHERE id = 1001 FOR UPDATE; -- 检查库存并扣减 UPDATE

2025-10-26

Android RecyclerView（瀑布流）水平/垂直方向分割线

Android RecyclerView（瀑布流）水平/垂直方向分割线 Android RecyclerView不像过去的ListView那样随意的设置水平方向的分割线，如果要实现RecyclerView

2016-10-08

Mycat分库分表实时同步到GreatSQL

这个事情怎么产生的 MyCat作为经典的分库分表中间件，在长时间内被广泛认为是管理超大MySQL数据库集合的有效解决方案。

2024-01-04

ShardingJdbc分库分表实战案例解析（下）

具体将以如下两个常见的场景进行演示：1)、尚未进行分库分表的单库单表系统如何平稳的实施分库分表方案；2)、已经实施过分库分表方案的系统，由于数据量的持续增长导致原有分库分表不够用了，需要二次扩容的情况。

2020-08-17

分库分表 PK NewSQL数据库！

最近与同行科技交流，经常被问到分库分表与分布式数据库如何选择，网上也有很多关于中间件+传统关系数据库（分库分表）与NewSQL分布式数据库的文章，但有些观点与判断是我觉得是偏激的，脱离环境去评价方案好坏其实有失公允

2020-04-10

Sharding-Jdbc分库分表的导读

Sharding-JDBC作为面向开发的微服务云原生基础类库，完整的实现了分库分表、读写分离和分布式主键功能，并初步实现了柔性事务。

2019-08-29

1、线程模型 1.1、Reactor多线程 1.2、处理流程 1)NIOAccetpor中的Selector只接收SocketChannel的accept事件； 2)从NIOReactor[]数组中依次获取一个NIOReactor； 3) 将此SocketChannel放到对应NIOReactor中的Queue中； 4)由NIOReactor新建的Thread，不断循环将Queue中的SocketChannel取出并注册到当前NIOReactor关联的Selector上面； 5)不断循环Selector返回的SelectionKey进行数据读取； 6)从DirectByteBufferPoll中先分配一块内存（trunk=4k）； 7)读取SocketChannel中的数据，如果一个trunk可以读完数据则进行认证、mysql协议解析，encode、并调用对应的handler处理。否则计算报文的长度根据size分配足够的内存，并将之前读取的数据copy进来，继续读取直至读完。 1.3、流程图 1.4、优点 1)一个NIOAcceptor（聚合了一个Selector，一个线程）可以处理成百上千的客户端连接，每当有一个新的客户端连接时，就从NIOReactor[]数组中顺序获取一个NIOReactor，当达到数组上限时重新返回0，基本保障了NIOReactor间的负载均衡。 2)通过NIOReactor[]线程组实现了串行化线程水平并行执行，线程之间没有交集，充分利用多核提升并行处理能力。 3)NIOReactor[]线程组互不影响，起到故障隔离作用。 4)报文的读取、解析、编码、以及后续Handler的执行，始终都在一个NIOReactor 的IO线程上面操作，避免了线程上下文切换和并发修复的风险。 1.5、缺点 1)维护性差：IO线程和handler业务线程为同一个线程，一旦handler处理（认证、解析、PS渲染、SQL解析、SQL路由）出现延迟，这些延迟毛刺定位难度很大。 1.6、思考 1、为什么不使用主从Reactor？ 2、为什么或怎么可以把IO线程和业务Handler分开？ 2、内存管理 DirectByteBufferPool启动时向系统申请固定数量（PROCESSORS * 20），大小（512 * 4096）一样的连续内存空间用于创建ByteBufferPage，ByteBufferPage被切分为固定大小的trunk(4096)块。通过BitSet位图进行内存的分配和回收，1代表已使用，0代表未使用，在每个ByteBufferPage上面通过AtomicBoolean实现并发控制。 2.1、分配流程 1)根据size计算需要的trunk数量，整块连续分配，size<4K则分配一个trunk； 2)根据上次分配的Page+1，依次从ByteBufferPage[]中取出一个进行分配，报错分配分配相对均衡，同时一定程度上缓解了线程间的竞争。 3)分配时先对ByteBufferPage通过AtomicBoolean进行加锁，找到符合数量（BitSet为0）的连续空间，通过ByteBuffer的limit()和position()以及slice()进行分配，同时将对应的BitSet位图置为1，如果找不到则去下个Page中分配； 4)如果都没有空间，则再分配异常，再没有则使用HeapByteBuffer。 2.2、优点 1)DirectByteBuffer的分配和释放比堆内慢10-20倍，进行池化可以快速分配内存； 2)池化技术可以使对象复用，降低GC频率。 3)trunk块大小相同，BitSet位图内存分配和回收简单； 4)做为全局数据，通过设置ByteBufferPage[]数量，缓解多线程环境下的锁竞争； 2.3、缺点 1) 一次性申请完成之后，不能动态扩展； 2)固定大小内存，管理的粒度很粗，碎片较大； 2.4、Netty内存管理 Netty内存池的层级结构主要分为，Arena，ChunkList、Chunk、Page、SubPage Arena：代表一个内存区域，内存池由Arena[]数组组成，分配时每个线程按照轮训策略选择一个Arena分配。一个Arena由两个PoolSubPage和ChunkList双向链表组成。 ChunkList：由多个Chunk组成的双向链表，可动态变化。 Chunk：每个Chunk由默认由2048个Page组成。 Page：大小固定，默认8K，通过完全二叉树管理Page的分配和释放。 SubPage：大小不固定，又分为tinySubPage，区间[16,512)和smallSubPage，区间[512,4096)，通过位图分配和释放。 3、Druid SQL Parser 代码结构： 1、Parser：将SQL转换成AST（抽象语法树），包括Parser（语法解析）和Lexer（词法解析） 2、AST（Abstract Syntax Tree） 3、Visitor：遍历AST的工具 4、执行流程：词法解析（SQL词库） -> 语法解析（校验是否符合语法逻辑，如from 后面要跟表名） -> 输出AST 4、连接池 4.1、定时任务 1)后端连接检测：SQL执行超时（300s）检查、Idle检查； 2)前端连接检测：Idle检查（默认30min）； 3) 后端连接健康心跳检测：连接是否正常（被对端关闭，网络断开重连等），维持最小连接； 4)数据节点DataHost心跳检测：检测datasource是否可用； 5)全局表一致性检测：数据量是否一致； 5、优化和未来 5.1、优化 1) 聚焦而不是膨胀，核心功能和业务需求之前的平滑； 2) 提升统一内存池管理效率，缓解多线程分配时的锁竞争，减少内存碎片； 3)杂乱的ScheduledExecutorService定时任务（10个）打乱了NIOReactor串行化设计思想，造成了没有必要的线程上下文切换，可统一管理这些定时任务，参考Netty中的时间轮定时任务； 5.2、未来 1、多维度、立体化、全方位监控体系； 2、便捷、易用的管控运维平台； 3、分布式数据库（动态扩容、Percolator分布式事务）； Ref: https://blog.csdn.net/zhousenshan/article/details/82432805 https://www.jianshu.com/p/8d894e42b6e6 https://www.jianshu.com/p/2652686a43eb

2019-04-19

SpringBoot使用Sharding-JDBC分库分表

本文介绍SpringBoot使用当当Sharding-JDBC进行分库分表。

2019-02-01

水平分库如何做到平滑扩展

这个对于我们常用的分库分表方案来说，有很大的优势，分库分表的扩容是一件头疼的问题，如果采用对db层做一致性hash，或是中间价的支持，它的成本过于高昂了，如果不如此，只能停机维护来处理，对高可用性会产生影响

2018-11-27

分库分表技术演进&最佳实践

既然一张表无法搞定，那么就想办法将数据放到多个地方，目前比较普遍的方案有3个：分区；分库分表； NoSQL/NewSQL；说明：只分库，或者只分表，或者分库分表融合方案都统一认为是分库分表方案，因为分库

2018-11-08

Chrome 金丝雀版已提供「垂直标签页」功能

Chrome 近期在 Canary开发版（通常称作金丝雀版本）中加入了一项隐藏功能：Vertical Tabs（垂直标签页）。

2025-11-21

垂直和领域 Agent 的护城河：上下文工程

上下文工程这一新术语，之所以能引起业内共鸣，折射的是智能体复杂性的演化和应对策略的转变，是对现实中算法和工程挑战的一种集体回应，尤其是垂直和领域智能体。图源：宝玉@X 现有的大模型已经非常智能。

2025-08-07

Android RecyclerView实现子元素的Group分组，LinearLayoutManager垂直方向

Android RecyclerView实现子元素的Group分组，LinearLayoutManager垂直方向我使用LinearLayoutManager实现一个常见的分组RecyclerView

2018-03-30

分库分表的 21 条法则，hold 住！

大家好，我是小富～（一）好好的系统，为什么要分库分表？

2023-05-15

好好的系统，为什么要分库分表？

分库与分表可以从：垂直（纵向）和水平（横向）两种纬度进行拆分。下边我们以经典的订单业务举例，看看如何拆分。

2022-11-25

ShardingCore 6.7.0.2 发布，分表分库解决方案

ShardingCore 是一款ef-core下高性能、轻量级针对分表分库读写分离的解决方案。

2022-09-29

每日一博 | 详谈水平分库分表

此时我们为了解决数据库的处理性能瓶颈，一般会进行分库操作。不管是分库操作还是分表操作，我们一般都有两种方式应对，一种是垂直拆分，一种是水平拆分。

2022-01-09

数据库分库分表的几种场景

这种情况适合采用分库和垂直分表。第二种：网络IO瓶颈，请求的数据太多，网络带宽不够。这种情况适合采用分库。

2021-07-15

分库、分表、分区的区别，傻傻分不清？

-----+------+---------------+------+---------+------+-------+-------------+ row in set (0.00 sec) 三.分库分表

2020-04-23

一次难得的分库分表实践

从标题可以看得出来，当时我们只做了分表；还是由于业务发展，截止到现在也做了分库，目前看来都还比较顺利，所以借着脑子还记得清楚来一次复盘。 <!

2019-09-02

Chrome 89 支持搜索标签页、Edge 89 垂直标签正式上线

垂直标签页和睡眠标签页正式上线虽然这两个功能属于新增功能出现在了 Edge 89 的更新日志中，但它们在上一个稳定版更新中就已经可用了：前者可以让标签页垂直布局，在宽屏显示器上非常实用，后者则能进一步节省后台标签页面的资源占用

2021-03-07

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。