首页 文章 精选 留言 我的

精选列表

搜索[mysql],共10000篇文章
优秀的个人博客,低调大师

Phoenix + HBase,让你像操作MySQL一样操作HBase

Phoenix关联HBase的操作(三种情况) 情况一:Hbase已经有已存在的表了,可在Phoenix中创建对应的视图,视图只能做查询操作,不能做增删改 hbase中已创建表且有数据,表名:phoenix 在phoenix中创建对应视图 create view "phoenix"( pk varchar primary key, "info"."name" varchar, "info"."age" varchar ); 查询视图数据 情况二:Hbase已存在表,可在Phoenix中创建对应的表,对表的操作可读可写,意味着可以对Hbase的表进行插入查询,删除操作。 hbase中已存在表并且有数据 在phoenix中创建对应的表 create table "t_person"( id VARCHAR PRIMARY KEY, "f"."id" VARCHAR, "f"."name" VARCHAR, "f"."age" VARCHAR ) column_encoded_bytes=0; 在phoenix中查询数据 在phoenix中插入数据 此时查看hbase中对应的t_person表数据 情况三:Hbase没有表;可直接在Phoeinx中创建表,对应的Habse中也会自动建表,在Phoenix中对表操作就是直接对Hbase中的表进行操作。 在phoenix中直接建表,t_test表会在hbase中同步创建 插入数据看phoenix和hbase中的效果 通过Java客户端操作phoenix package com.fwmagic.hbase; import org.junit.After; import org.junit.Before; import org.junit.Test; import java.sql.*; /** * 通过Phoenix操作Hbase */ public class PhoenixQueryHbase { Connection connection = null; PreparedStatement ps = null; ResultSet rs = null; @Before public void init() throws Exception { connection = DriverManager.getConnection("jdbc:phoenix:hd1,hd2,hd3:2181"); } /** * 建表并查询 * * @throws Exception */ @Test public void create() throws Exception { Statement statement = connection.createStatement(); statement.executeUpdate("create table test(id integer primary key ,animal varchar )"); //新增和更新都是一个操作:upsert statement.executeUpdate("upsert into test values (1,'dog')"); statement.executeUpdate("upsert into test values (2,'cat')"); connection.commit(); PreparedStatement preparedStatement = connection.prepareStatement("select * from test"); rs = preparedStatement.executeQuery(); while (rs.next()) { String id = rs.getString("id"); String animal = rs.getString("animal"); String format = String.format("id:%s,animal:%s", id, animal); System.out.println(format); } } /** * 查询已有的表 * * @throws Exception */ @Test public void testQuery() throws Exception { String sql = "select * from tc"; try { ps = connection.prepareStatement(sql); rs = ps.executeQuery(); while (rs.next()) { String id = rs.getString("ID"); String name = rs.getString("NAME"); String age = rs.getString("AGE"); String sex = rs.getString("SEX"); String format = String.format("id:%s,name:%s,age:%s,sex:%s", id, name, age, sex); System.out.println(format); } } catch (SQLException e) { e.printStackTrace(); } finally { if (rs != null) rs.close(); if (ps != null) ps.close(); if (connection != null) connection.close(); } } /** * 删除数据 * * @throws Exception */ @Test public void delete() throws Exception { try { ps = connection.prepareStatement("delete from test where id=2"); ps.executeUpdate(); connection.commit(); } catch (SQLException e) { e.printStackTrace(); } finally { if (rs != null) rs.close(); if (ps != null) ps.close(); if (connection != null) connection.close(); } } /** * 删除表 * * @throws Exception */ @Test public void dropTable() throws Exception { try { ps = connection.prepareStatement("drop table test"); ps.execute(); } catch (SQLException e) { e.printStackTrace(); } finally { if (rs != null) rs.close(); if (ps != null) ps.close(); if (connection != null) connection.close(); } } @After public void close() throws Exception { if (rs != null) rs.close(); if (ps != null) ps.close(); if (connection != null) connection.close(); } } 示例代码下载 https://gitee.com/fang_wei/fwmagic-hbase

优秀的个人博客,低调大师

MySQL数据库之常用分库分表方案实例分析

一、数据库瓶颈 不管是IO瓶颈,还是CPU瓶颈,最终都会导致数据库的活跃连接数增加,进而逼近甚至达到数据库可承载活跃连接数的阈值。在业务Service来看就是,可用数据库连接少甚至无连接可用。接下来就可以想象了吧(并发量、吞吐量、崩溃)。1、IO瓶颈 第一种:磁盘读IO瓶颈,热点数据太多,数据库缓存放不下,每次查询时会产生大量的IO,降低查询速度 -> 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 -> 分库。2、CPU瓶颈 第一种:SQL问题,如SQL中包含join,group by,order by,非索引字段条件查询等,增加CPU运算的操作 -> SQL优化,建立合适的索引,在业务Service层进行业务计算。第二种:单表数据量太大,查询时扫描的行太多,SQL效率低,CPU率先出现瓶颈 -> 水平分表。 二、分库分表 1、水平分库 1、概念:以字段为依据,按照一定策略(hash、range等),将一个库中的数据拆分到多个库中。 2、结果: 每个库的结构都一样; 每个库的数据都不一样,没有交集; 所有库的并集是全量数据; 3、场景:系统绝对并发量上来了,分表难以根本上解决问题,并且还没有明显的业务归属来垂直分库。 4、分析:库多了,io和cpu的压力自然可以成倍缓解。 2、水平分表 1、概念:以字段为依据,按照一定策略(hash、range等),将一个表中的数据拆分到多个表中。 2、结果: 每个表的结构都一样; 每个表的数据都不一样,没有交集; 所有表的并集是全量数据; 3、场景:系统绝对并发量并没有上来,只是单表的数据量太多,影响了SQL效率,加重了CPU负担,以至于成为瓶颈。 4、分析:表的数据量少了,单次SQL执行效率高,自然减轻了CPU的负担。 3、垂直分库 1、概念:以表为依据,按照业务归属不同,将不同的表拆分到不同的库中。 2、结果: 每个库的结构都不一样; 每个库的数据也不一样,没有交集; 所有库的并集是全量数据; 3、场景:系统绝对并发量上来了,并且可以抽象出单独的业务模块。 4、分析:到这一步,基本上就可以服务化了。例如,随着业务的发展一些公用的配置表、字典表等越来越多,这时可以将这些表拆到单独的库中,甚至可以服务化。再有,随着业务的发展孵化出了一套业务模式,这时可以将相关的表拆到单独的库中,甚至可以服务化。 4、垂直分表 1、概念:以字段为依据,按照字段的活跃性,将表中字段拆到不同的表(主表和扩展表)中。 2、结果: 每个表的结构都不一样; 每个表的数据也不一样,一般来说,每个表的字段至少有一列交集,一般是主键,用于关联数据; 所有表的并集是全量数据; 3、场景:系统绝对并发量并没有上来,表的记录并不多,但是字段多,并且热点数据和非热点数据在一起,单行数据所需的存储空间较大。以至于数据库缓存的数据行减少,查询时会去读磁盘数据产生大量的随机读IO,产生IO瓶颈。 4、分析:可以用列表页和详情页来帮助理解。垂直分表的拆分原则是将热点数据(可能会冗余经常一起查询的数据)放在一起作为主表,非热点数据放在一起作为扩展表。这样更多的热点数据就能被缓存下来,进而减少了随机读IO。拆了之后,要想获得全部数据就需要关联两个表来取数据。但记住,千万别用join,因为join不仅会增加CPU负担并且会讲两个表耦合在一起(必须在一个数据库实例上)。关联数据,应该在业务Service层做文章,分别获取主表和扩展表数据然后用关联字段关联得到全部数据。 三、分库分表工具 1、sharding-sphere:jar,前身是sharding-jdbc; 2、TDDL:jar,Taobao Distribute Data Layer; 3、Mycat:中间件。 注:工具的利弊,请自行调研,官网和社区优先。 四、分库分表步骤 根据容量(当前容量和增长量)评估分库或分表个数 -> 选key(均匀)-> 分表规则(hash或range等)-> 执行(一般双写)-> 扩容问题(尽量减少数据的移动)。 五、分库分表问题 1、非partition key的查询问题(水平分库分表,拆分策略为常用的hash法) 1.1、端上除了partition key只有一个非partition key作为条件查询 映射法 注:写入时,基因法生成user_id,如图。关于xbit基因,例如要分8张表,23=8,故x取3,即3bit基因。根据user_id查询时可直接取模路由到对应的分库或分表。根据user_name查询时,先通过user_name_code生成函数生成user_name_code再对其取模路由到对应的分库或分表。id生成常用snowflake算法。1.2、端上除了partition key不止一个非partition key作为条件查询 映射法 注:按照order_id或buyer_id查询时路由到db_o_buyer库中,按照seller_id查询时路由到db_o_seller库中。感觉有点本末倒置!有其他好的办法吗?改变技术栈呢?1.3、后台除了partition key还有各种非partition key组合条件查询 NoSQL法 冗余法 2、非partition key跨库跨表分页查询问题(水平分库分表,拆分策略为常用的hash法) 注:用NoSQL法解决(ES等)。3、扩容问题(水平分库分表,拆分策略为常用的hash法) 3.1、水平扩容库(升级从库法) 注:扩容是成倍的。3.2、水平扩容表(双写迁移法) 第一步:(同步双写)应用配置双写,部署; 第二步:(同步双写)将老库中的老数据复制到新库中; 第三步:(同步双写)以老库为准校对新库中的老数据; 第四步:(同步双写)应用去掉双写,部署; 注:双写是通用方案。 六、分库分表总结 1、分库分表,首先得知道瓶颈在哪里,然后才能合理地拆分(分库还是分表?水平还是垂直?分几个?)。且不可为了分库分表而拆分。 2、选key很重要,既要考虑到拆分均匀,也要考虑到非partition key的查询。 3、只要能满足需求,拆分规则越简单越好。 七、分库分表示例 示例GitHub地址:https://github.com/littlecharacter4s/study-sharding

资源下载

更多资源
优质分享App

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

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。

Spring

Spring

Spring框架(Spring Framework)是由Rod Johnson于2002年提出的开源Java企业级应用框架,旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念,提供核心容器、应用上下文、数据访问集成等模块,支持整合Hibernate、Struts等第三方框架,其适用范围不仅限于服务器端开发,绝大多数Java应用均可从中受益。

Rocky Linux

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。

用户登录
用户注册