搜索[数据库连接池]结果-低调大师优秀个人博客

精选列表

搜索[数据库连接池]，共10000篇文章

Greenplum HTAP 技术入选国际数据库顶尖会议 SIGMOD

SIGMOD和另外两大数据库会议VLDB、ICDE构成了数据库领域的三个顶级会议，其论文录取率是很低的，平均录取率大约仅为15%-17%。

2021-04-12

TimescaleDB 2.1.1 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 是基于 PostgreSQL 开发的一款时序数据库，以插件化的形式打包提供。

2021-04-01

合理规划：如何为APP选择正确的数据库？

需要作出的最关键的决定之一就是选择APP数据库，而此文的目的就是介绍数据库的选择方案——并列举其优势和弊端以帮你明智地选择数据库。

2021-03-28

监控系统项目实施--安装与部署-- MySQL数据库

autoextend server_id=2 [mysqld_safe] log-error=/var/log/mysqld.log pid-file=/var/run/mysqld/mysqld.pid 启动数据库

2021-03-20

Unity平台 | 快速集成华为AGC云数据库服务

找到之前创建的App: https://developer.huawei.com/consumer/cn/service/josp/agc/index.html 2、选择：我的项目-> 构建 – 云数据库

2021-03-17

关于redis缓存数据库的一些思考

不如往深了说引起了我对于追求探索技术本质的一些思考平时在网上刷到很多关于redis的文章,我也在项目中经常用到redis这个缓存数据库 记得自己初学redis时总是纠结技术如果去学但是随着阅历以及学习能力和经验的提高

2021-03-11

Prometheus时序数据库-磁盘中的存储结构

Prometheus时序数据库-磁盘中的存储结构前言之前的文章里，笔者详细描述了监控数据在Prometheus内存中的结构。

2021-03-01

TimescaleDB 2.0.2 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 是基于 PostgreSQL 开发的一款时序数据库，以插件化的形式打包提供。该版本中的错误修复解决了连接、后台作业状态和禁用压缩的问题。

2021-02-24

如何为应用程序选择合适的数据库

选择您的应用程序数据库是您必须制作的重要决策之一，并且随着本文，我打算向您介绍各种数据库选项 - 以及列出一些优点和缺点，以帮助您制作更明智的数据库决策。

2021-02-23

数据库索引实际上是如何工作的

数据库具有组织化的数据存储功能。存储具有用于放置数据的特定结构。每种数据库类型都有其自己的用于存储数据的格式。针对特定用例对它们进行了调整和优化。

2021-02-23

Prometheus时序数据库-内存中的存储结构

Prometheus时序数据库-内存中的存储结构前言笔者最近担起了公司监控的重任，而当前监控最流行的数据库即是Prometheus。

2021-02-22

Bouyei.DbFactory 1.4.5 发布，数据库持久层框架

使用过mybaits或mybatis-plus 的地球人都知道，目的就是为了简化数据库的增删查改等操作，Bouyei.DbFactory是一个.net平台的数据库持久层应用框架，支持常用的数据库接口,如

2021-02-02

DBeaver 7.3.4 发布，可视化数据库管理平台

PostgreSQL：自定义数据类型的 SQL 格式被修复备份/还原现在支持非标准身份验证从导航树（数组）中删除了冗余数据类型已添加嵌套多行注释的支持 数据库模板列表现在包含所有数据库 10.

2021-02-02

TimescaleDB 2.0.1 发布，基于 PostgreSQL 的时序数据库

TimescaleDB 是基于 PostgreSQL 开发的一款时序数据库，以插件化的形式打包提供。

2021-01-30

波及甚广，巴西某数据库发生数据泄露事件

据外媒报道，PSafe的网络安全实验室dfndr发布报告称，巴西的某数据库发生重大泄密事件，数百万人的CPF号码及其他机密信息可能遭到了泄露。

2021-01-27

Apache IoTDB 0.11.2 发布，物联网时序数据库

Apache IoTDB 0.11.2现已发布。Apache IoTDB 是一个集成数据专为时间序列数据设计的管理引擎。它为用户提供以下服务：数据收集、存储和分析。由于其轻巧的结构，高性能和丰富的功能集，以及与 Apache Hadoop、Spark 和 Flink 的深度集成，IoTDB 可以满足海量需求物联网中的数据存储、高速数据提取和复杂数据分析等工业领域。这是一个错误修复版本，主要包括： IOTDB-1049修复 Nullpointer 异常和 Last 查询中的删除错误 IOTDB-1060 支持对不带 where 子句的 delete 语句的完全删除 IOTDB-1068 修复时间序列元数据缓存错误 IOTDB-1069 限制刷新 memtable 数，以避免在禁用 mem_control 时发生 OOM IOTDB-1077 在 java 会话中添加 insertOneDeviceRecords API IOTDB-1106 Delete timeseries 语句将错误地删除其他时间序列修复了 grafana 值时间位置错误 GetObject 返回了所有字符串数据类型修复 Sync 失败：Socket被 peer 关闭 DeleteData 方法在 Session 中存在，但在 SessionPool 中不存在。在 iotdb-engine.properties 中添加 thrift_max_frame_size 删除所有数据后修复最后的错误结果在客户端中 print 更多insert error message 将 enablePartition 参数公开到 iotdb-engines.properpties 中详情可查看发布说明。

2021-01-25

DBeaver 7.3.3 发布，可视化数据库管理平台

DBeaver 7.3.3 发布了，更新内容包括： SQL Editor: 重新设计了服务器输出和执行日志面板添加了服务器输出自动显示（可配置） SQL 格式修复（IN clause） Data editor: 改进了 TXT（纯文本）格式的导出（添加了正确的格式）添加了日期/时间格式模式的文档从文件导入：文件选择器向导页面已修复 Connection editor: 密码字段在不使用时被禁用重新设计驱动程序选择页被重新设计修复驱动程序属性编辑器（保存空属性值） MySQL: 修复 GIS 数据类型支持在数据传输中改进了表列映射 Oracle：依赖项信息增强 (+dependents) SAP HANA：增强 connection editor 的 WAA（port numbers）更新详情查看：https://dbeaver.io/2021/01/17/dbeaver-7-3-3/

2021-01-18

干货丨时序数据库DolphinDB插件开发教程

6.1 数据格式描述假定本例中的数据储存在平面文件数据库，以二进制格式按行存储，数据从文件头部直接开始存储。

2021-01-13

干货丨时序数据库DolphinDB作业管理概述

作业（Job）是DolphinDB中最基本的执行单位，可以简单理解为一段DolphinDB脚本代码在DolphinDB系统中的一次执行。Job根据阻塞与否可分成同步作业和异步作业。同步作业同步作业也称为交互式作业（Interactive Job），它的主要来源有： Web notebook DolphinDB GUI DolphinDB命令行界面通过DolphinDB提供的各个编程语言API接口由于这种类型的作业对实时性要求较高，DolphinDB在执行过程中会自动给予较高的优先级，使其更快地得到计算资源。异步作业异步作业是在DolphinDB后台执行的作业，包括：通过submitJob或submitJobEx函数提交的批处理作业。通过scheduleJob函数提交的定时作业。 Streaming 作业。这类任务一般对结果的实时反馈要求较低，且需要长期执行，DolphinDB一般会给予较低的优先级。子任务在DolphinDB中，若数据表数据量过大，一般都需要进行分区处理。如果一个Job A里含有分区表的查询计算任务（如SQL查询），将会分解成多个子任务并送到不同的节点上并行执行，等待子任务执行完毕之后，再合并结果，继续Job A的执行。类似的，DolphinDB的分布式计算也会产生子任务。因此，Job也可以理解成一系列的子任务。 Worker与Executor DolphinDB是一个P2P架构的系统，即每一个Data Node的角色都是相同的，它们都可以执行来自用户提交的Job，而因为一个Job可能产生子任务，每个Data Node需要有负责Job内部执行的调度者，我们称它为Worker，它负责处理用户提交的Job，简单计算任务的执行，并执行Job的任务分解，任务分发，并汇集最终的执行结果。Job中分解出来的子任务将会被分发到集群中的Data Node上（也有可能是本地Data Node），并由Data Node上的Worker或Executor线程负责执行。具体Worker与executor在执行job的时候主要有以下几种情况：当一个表没有进行分区，对其查询的Job将会有Worker线程执行掉。当一个表被分区存放在单机上时候，对其的查询Job可能会分解成多个子任务，并由该节点上的多个Executor线程执行，达到并行计算的效果。当一个表被分区存储在DFS时，对其查询的Job可能会被分解成多个子任务，这些子任务会被分发给其他Node的Worker上执行，达到分布式计算的效果。为了最大化性能，DolphinDB会将子任务发送到数据所在的Data Node上执行，以减少网络传输开销。比如：对于存储在DFS中的分区表，Worker将会根据分区模式以及分区当前所在Data Node来进行任务分解与分发。对于分布式计算，Worker将会根据数据源信息，发送子任务到相应的数据源Data Node执行。 Job调度 Job优先级在DolphinDB中，Job是按照优先级进行调度的，优先级的取值范围为0-9，取值越高优先级则越高。对于优先级高的Job，系统会更及时地给与计算资源。每个Job一般默认会有一个default priority，取值为4，然后根据Job的类型又会有所调整。 Job调度策略基于Job的优先级，DolphinDB设计了多级反馈队列来调度Job的执行。具体来说，系统维护了10个队列，分别对应10个优先级，系统总是分配线程资源给高优先级的Job，对于处于相同优先级的Job，系统会以round robin的方式分配线程资源给Job；当一个优先级队列为空的时候，才会处理低优先级的队列中的Job。 Job并行度由于一个Job可能会分成多个并行子任务，DolphinDB的Job还拥有一个并行度parallelism，表示在一个Data Node上，将会最多同时用多少个线程来执行Job产生的并行任务，默认取值为2，可以认为是一种时间片单位。举个例子，若一个Job的并行度为2，Job产生了100个并行子任务，那么Job被调度的时候系统只会分配2个线程用于子任务的计算，因此需要50轮调度才能完成整个Job的执行。 Job优先级的动态变化为了防止处于低优先级的Job被长时间饥饿，DolphinDB会适当降低Job的优先级。具体的做法是，当一个job的时间片被执行完毕后，如果存在比其低优先级的Job，那么将会自动降低一级优先级。当优先级到达最低点后，又回到初始的优先级。因此低优先级的任务迟早会被调度到，解决了饥饿问题。设置Job的优先级 DolphinDB的Job的优先级可以通过以下方式来设置：对于console、web notebook以及API提交上来的都属于interactive job，其优先级取值为min(4，一个可调节的用户最高优先级)，因此可以通过改变用户自身的优先级值来调整。对于通过submitJob提交上的batch job，系统会给与default priority，即为4。用户也可以使用submitJobEx函数来指定优先级。定时任务的优先级无法改变，默认为4。计算容错 DolphinDB database 的分布式计算含有一定的容错性，主要得益于分区副本冗余存储。当一个子任务被发送到一个分区副本节点上之后，若节点出现故障或者分区副本发生了数据校验错误(副本损坏），Job Scheduler(即某个Data Node的一个worke线程)将会发现这个故障，并且选择该分区的另一个副本节点，重新执行子任务。用户可以通过设置dfsReplicationFactor参数来调整这种冗余度。计算与存储耦合以及作业之间的数据共享 DolphinDB的计算是尽量靠近存储的。DolphinDB之所以不采用计算存储分离，主要有以下几个原因：计算与存储分离会出现数据冗余。考虑存储与计算分离的Spark+Hive架构，Spark应用程序之间是不共享存储的。若N个Spark应用程序从Hive读取某个表T的数据，那么首先T要加载到N个Spark应用程序的内存中，存在N份，这将造成机器内存的的浪费。在多用户场景下，比如一份tick数据可能会被多个分析人员共享访问，如果采取Spark那种模式，将会提高IT成本。拷贝带来的延迟问题。虽然说现在数据中心逐渐配备了RDMA，NVMe等新硬件，网络延迟和吞吐已经大大提高。但是这主要还是在数据中心，DolphinDB系统的部署环境可能没有这么好的网络环境以及硬件设施，数据在网络之间的传输会成为严重的性能瓶颈。综上这些原因，DolphinDB采取了计算与存储耦合的架构。具体来说：对于内存浪费的问题，DolphinDB的解决方案是Job（对应Spark应用程序）之间共享数据。在数据经过分区存储到DolphinDB的DFS中之后，每个分区的副本都会有自己所属的节点，在一个节点上的分区副本将会在内存中只存在一份。当多个Job的子任务都涉及到同一个分区副本时，该分区副本在内存中可以被共享地读取，减少了内存的浪费。对于拷贝带来的延迟问题，DolphinDB的解决方案是将计算发送到数据所在的节点上。一个Job根据DFS的分区信息会被分解成多个子任务，发送到分区所在的节点上执行。因为发送计算到数据所在的节点上相当于只是发送一段代码，网络开销大大减少。

2021-01-12

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。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

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。