<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[csdn_tom_168的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/csdn_tom_168</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; csdn_tom_168]]></copyright><item><title><![CDATA[动手搭建一个 OLAP 环境 —— 使用 ClickHouse + Superset]]></title><link>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151328291</link><guid>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151328291</guid><author>csdn_tom_168</author><pubDate>Thu, 11 Sep 2025 12:49:40 +0800</pubDate><description><![CDATA[本文介绍如何快速搭建OLAP分析环境，使用ClickHouse作为列式数据库和Superset作为可视化工具。通过Docker Compose一键部署服务，详细步骤包括环境准备、Superset初始化、ClickHouse数据导入和可视化仪表盘创建。文章还提供了性能优化、安全加固等进阶建议，帮助用户快速构建企业级数据分析平台。]]></description><category></category></item><item><title><![CDATA[OLAP（Online Analytical Processing，联机分析处理）详解]]></title><link>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151328070</link><guid>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151328070</guid><author>csdn_tom_168</author><pubDate>Thu, 11 Sep 2025 12:49:13 +0800</pubDate><description><![CDATA[OLAP（联机分析处理）是一种支持多维数据分析的技术，主要用于商业智能和决策支持。其核心是多维数据模型（如立方体），支持切片、切块、钻取等操作。OLAP分为ROLAP（关系型）、MOLAP（多维）和HOLAP（混合）三种架构，各有优缺点。现代OLAP系统（如ClickHouse、Druid）结合列式存储、预聚合等技术提升性能。应用场景包括销售分析、财务报表、用户行为分析等。发展趋势聚焦实时分析、云原生和AI增强。OLAP通过多维数据分析帮助管理者获取商业洞察，是数据驱动决策的关键工具。]]></description><category></category></item><item><title><![CDATA[PostgreSQL 触发器（Trigger）详解 —— 从基础到企业级实战]]></title><link>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151372897</link><guid>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151372897</guid><author>csdn_tom_168</author><pubDate>Wed, 10 Sep 2025 09:53:09 +0800</pubDate><description><![CDATA[📝 PostgreSQL触发器实战指南摘要 核心概念：触发器是绑定表操作(INSERT/UPDATE/DELETE)的自动执行函数，支持BEFORE/AFTER/INSTEAD OF三种触发时机，分为行级(每行触发)和语句级(每语句触发)两种类型。 典型应用场景： 数据验证（如邮箱格式校验） 自动维护时间戳字段 审计日志记录（跟踪数据变更） 计算字段自动更新（如订单总额） 实现可更新视图 条件触发（WHEN子句过滤） 高级特性：支持触发器禁用/启用、TG_OP判断操作类型、NEW/OLD访问数据，通过RA]]></description><category></category></item><item><title><![CDATA[PostgreSQL 连接池与应用层优化详解]]></title><link>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151372383</link><guid>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151372383</guid><author>csdn_tom_168</author><pubDate>Wed, 10 Sep 2025 09:52:56 +0800</pubDate><description><![CDATA[PostgreSQL连接池与优化实战指南 摘要：针对高并发场景下的PostgreSQL性能瓶颈，本文深入解析了连接池技术及应用层优化方案。核心内容包括： PgBouncer配置：详解transaction模式、读写分离设置及关键参数优化 ORM优化：解决N+1查询、批量操作、延迟加载等技巧 SQL优化：批量操作、字段选择、短事务控制等最佳实践 连接管理：提供连接池大小计算公式及复用策略 通过合理配置连接池（推荐transaction模式）和应用层优化，可显著提升系统并发能力，降低数据库负载。文中包含具体配置]]></description><category></category></item><item><title><![CDATA[PostgreSQL 复制与高可用架构详解]]></title><link>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151372236</link><guid>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151372236</guid><author>csdn_tom_168</author><pubDate>Wed, 10 Sep 2025 09:52:40 +0800</pubDate><description><![CDATA[PostgreSQL高可用架构解析 本文深入探讨PostgreSQL的复制机制与高可用方案。核心内容包括：1)流复制技术实现毫秒级物理同步，支持读写分离；2)逻辑复制实现表级灵活同步，支持跨版本数据分发；3)高可用架构设计，对比手动切换与基于Patroni的自动切换方案。详细提供了主从部署、同步/异步配置、逻辑复制实施的具体步骤和性能对比，并给出生产环境的最佳实践建议，帮助构建稳定可靠的数据库集群。]]></description><category></category></item><item><title><![CDATA[PostgreSQL 分区表设计与查询优化详解]]></title><link>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151369338</link><guid>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151369338</guid><author>csdn_tom_168</author><pubDate>Wed, 10 Sep 2025 09:52:25 +0800</pubDate><description><![CDATA[PostgreSQL分区表技术详解：本文全面介绍了PostgreSQL分区表的设计原理、创建方法和管理技巧。主要内容包括：1）三种分区策略（范围、列表、哈希）的适用场景及创建语法；2）分区表架构设计（父表+子分区）；3）自动化分区管理方案（触发器自动创建分区）；4）分区维护操作（索引创建、旧分区删除等）。文章通过实际SQL示例演示了按月划分销售数据、按地区分区用户表等典型场景，并提供了性能优化建议，帮助开发者高效处理海量数据。]]></description><category></category></item><item><title><![CDATA[PostgreSQL 锁机制与并发控制实战详解]]></title><link>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151369270</link><guid>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151369270</guid><author>csdn_tom_168</author><pubDate>Wed, 10 Sep 2025 09:52:00 +0800</pubDate><description><![CDATA[PostgreSQL锁机制与并发控制实战指南 摘要：PostgreSQL通过MVCC(多版本并发控制)和锁机制实现高效并发。MVCC采用事务快照机制，通过xmin/xmax判断数据可见性，实现读写不阻塞。锁机制分为8种模式，从弱到强包括ACCESS SHARE到ACCESS EXCLUSIVE，用于解决写冲突。行级锁通过SELECT FOR UPDATE/SHARE实现，需注意死锁风险。PostgreSQL会自动检测死锁并终止事务，开发人员可通过固定资源访问顺序、设置锁超时等策略避免死锁。系统视图pg_lo]]></description><category></category></item><item><title><![CDATA[PostgreSQL 备份与恢复详解 —— pg_dump / pg_restore 全方位指南]]></title><link>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151369206</link><guid>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151369206</guid><author>csdn_tom_168</author><pubDate>Wed, 10 Sep 2025 09:51:41 +0800</pubDate><description><![CDATA[PostgreSQL 备份与恢复核心指南：详细解析 pg_dump 和 pg_restore 工具的使用方法，涵盖逻辑备份、物理备份、增量备份等企业级实践。重点介绍四大备份格式（纯文本/自定义/目录/tar格式）的特点与适用场景，提供完整备份、仅结构/数据备份、特定表备份等实用示例。同时详解 pg_restore 的恢复操作，包括完整恢复、选择性恢复单表、仅恢复数据等典型场景，并给出常用选项说明和并行恢复等优化建议。]]></description><category></category></item><item><title><![CDATA[PostgreSQL 查询执行计划深度解析 —— Seq Scan vs Index Scan vs Bitmap Scan 详解]]></title><link>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151369103</link><guid>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151369103</guid><author>csdn_tom_168</author><pubDate>Wed, 10 Sep 2025 09:51:23 +0800</pubDate><description><![CDATA[PostgreSQL 查询执行计划核心扫描方式解析 本文深入解析 PostgreSQL 的三大核心扫描方式：顺序扫描（Seq Scan）、索引扫描（Index Scan）和位图扫描（Bitmap Scan）。通过执行计划示例详细说明每种扫描的原理、适用场景及优化建议，并对比它们的 I/O 模式、适用结果集大小等关键特性。文章还介绍了高级扫描类型如仅索引扫描（Index Only Scan），以及规划器基于成本估算的决策机制，包括 SSD 环境下的参数优化建议。最后通过实战案例演示如何针对不同查询场景选择最优]]></description><category></category></item><item><title><![CDATA[PostgreSQL 索引与性能优化详解 —— 从原理到实战]]></title><link>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151368974</link><guid>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151368974</guid><author>csdn_tom_168</author><pubDate>Wed, 10 Sep 2025 09:51:07 +0800</pubDate><description><![CDATA[《PostgreSQL索引优化指南》摘要： 本文系统讲解PostgreSQL六大索引类型(B-Tree、Hash、GIN等)的核心原理与适用场景，提供索引选型速查表。重点剖析多列索引顺序策略、部分索引、表达式索引等高级技巧，并给出覆盖索引、并发建索引等性能优化方案。通过大量SQL示例演示如何为JSONB、数组、时间序列等特殊场景设计高效索引，同时强调索引的读写平衡原则，帮助开发者在查询性能与写入开销间取得最佳平衡。]]></description><category></category></item><item><title><![CDATA[PostgreSQL 高级特性详解 —— 函数、高级查询、数据类型扩展、索引]]></title><link>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151368755</link><guid>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151368755</guid><author>csdn_tom_168</author><pubDate>Tue, 09 Sep 2025 18:26:37 +0800</pubDate><description><![CDATA[PostgreSQL 高级特性摘要 本文详细介绍了 PostgreSQL 的四大核心高级功能： 常用内置函数：涵盖字符串处理、数学运算和日期时间操作三类函数，如字符串截取、大小写转换、取整计算、时间戳提取等。 高级查询技术：包括子查询（标量子查询、派生表、EXISTS）、通用表表达式(CTE)和递归CTE，特别展示了递归CTE在树形结构查询中的应用。 窗口函数：提供分组内排序、累计计算等功能，支持PARTITION BY分组和ORDER BY排序。 这些特性使PostgreSQL能高效处理复杂查询逻辑和数据]]></description><category></category></item><item><title><![CDATA[PostgreSQL 视图与物化视图（View / Materialized View）详解]]></title><link>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151367478</link><guid>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151367478</guid><author>csdn_tom_168</author><pubDate>Tue, 09 Sep 2025 17:33:01 +0800</pubDate><description><![CDATA[PostgreSQL 视图与物化视图对比摘要 视图(View)是虚拟表，不存储数据，每次查询实时执行底层SQL，适合简化复杂查询和权限控制。物化视图(Materialized View)则存储查询结果，查询速度快但数据可能过期，需要手动刷新(REFRESH)。关键区别： 存储方式：视图不存数据，物化视图存储结果集 性能：视图每次重新计算，物化视图直接读缓存 实时性：视图总是最新，物化视图需刷新 索引：物化视图可建索引加速查询 更新：简单视图可写，物化视图必须刷新 物化视图适合报表、聚合查询等性能敏感场景，可]]></description><category></category></item><item><title><![CDATA[PostgreSQL 函数与存储过程（Function / Procedure）详解]]></title><link>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151367011</link><guid>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151367011</guid><author>csdn_tom_168</author><pubDate>Tue, 09 Sep 2025 17:20:03 +0800</pubDate><description><![CDATA[摘要： PostgreSQL 的函数（Function）和存储过程（Procedure）是封装可重用 SQL 逻辑的核心组件。函数通过 CREATE FUNCTION 定义，必须声明返回类型（标量、多行或表），支持 SQL/PLpgSQL 等多种语言，常用于计算和查询封装。存储过程（PG 11+）使用 CREATE PROCEDURE，不直接返回值但支持 OUT 参数和内部事务控制（如 COMMIT/ROLLBACK），适用于批量操作和业务逻辑。关键区别：函数通过 SELECT 调用且可嵌套在 SQL 中，]]></description><category></category></item><item><title><![CDATA[PostgreSQL 中 DDL、DQL、DML、DCL、TCL 详解]]></title><link>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151366710</link><guid>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151366710</guid><author>csdn_tom_168</author><pubDate>Tue, 09 Sep 2025 17:12:42 +0800</pubDate><description><![CDATA[PostgreSQL中SQL语句分为五大类：DDL（数据定义语言，自动提交）、DML（数据操作语言）、DQL（数据查询语言）、DCL（数据控制语言，自动提交）和TCL（事务控制语言）。DDL用于创建和修改数据库结构，DML用于增删改数据，DQL专指SELECT查询，DCL管理权限，TCL控制事务。关键区别在于DDL和DCL自动提交不可回滚，而DML/DQL/TCL需要手动提交或回滚。每种类型都有典型命令和特定使用场景，如CREATE/ALTER/DROP属于DDL，INSERT/UPDATE/DELETE属]]></description><category></category></item><item><title><![CDATA[PostgreSQL 基础概念与操作指南]]></title><link>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151366023</link><guid>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151366023</guid><author>csdn_tom_168</author><pubDate>Tue, 09 Sep 2025 16:55:43 +0800</pubDate><description><![CDATA[✅ PostgreSQL 基础摘要 1️⃣ 核心概念 实例：1个PostgreSQL服务进程（含多个数据库） 数据库：实例中的独立数据单元（如postgres/myapp） 用户=角色：分超级用户(postgres)和普通用户 2️⃣ psql操作 连接：psql -U 用户 -d 数据库 常用命令： \l查看数据库 \c切换连接 \d查看表 \q退出 3️⃣ 权限管理 创建用户：CREATE USER 名 WITH PASSWORD '密码' 创建数据库：CREATE DATABASE 名 OWNER 用]]></description><category></category></item><item><title><![CDATA[PostgreSQL 安装与配置指南（Windows / macOS / Linux）]]></title><link>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151365695</link><guid>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151365695</guid><author>csdn_tom_168</author><pubDate>Tue, 09 Sep 2025 16:46:08 +0800</pubDate><description><![CDATA[PostgreSQL安装指南摘要（150字） 本文提供Windows/macOS/Linux系统下的PostgreSQL安装指南： Windows：推荐图形安装包，设置密码/端口，自动启动服务 macOS：支持Homebrew（brew install postgresql）和官方dmg两种方式 Linux：apt/yum安装，需初始化数据库并启动服务 关键目录包含数据文件、配置（postgresql.conf/pg_hba.conf）及日志路径。核心命令包括psql交互终端、pg_ctl服务控制及备份工具]]></description><category></category></item><item><title><![CDATA[SQL（Structured Query Language）详解]]></title><link>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151364605</link><guid>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151364605</guid><author>csdn_tom_168</author><pubDate>Tue, 09 Sep 2025 16:20:35 +0800</pubDate><description><![CDATA[SQL数据类型是数据库设计的基础，分为数值、字符串、日期、布尔等几大类。数值类型包括精确的DECIMAL和近似的FLOAT/DOUBLE；字符串类型有定长CHAR和变长VARCHAR；时间类型如DATETIME和TIMESTAMP；布尔类型在不同数据库中有不同实现。现代数据库还支持JSON和空间数据。数据类型的选择直接影响数据存储效率、查询性能和完整性，不同数据库系统在实现上存在差异，如MySQL使用TINYINT(1)表示布尔值，而PostgreSQL直接支持BOOLEAN类型。]]></description><category></category></item><item><title><![CDATA[探索 ClickHouse Keeper 状态监控，构建全栈可观测性]]></title><link>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151297475</link><guid>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151297475</guid><author>csdn_tom_168</author><pubDate>Mon, 08 Sep 2025 10:15:59 +0800</pubDate><description><![CDATA[本文详细介绍了如何监控ClickHouse Keeper这一关键组件，它是ClickHouse集群的协调中心，负责元数据管理、副本同步和Leader选举。文章指出，Keeper一旦异常会导致数据无法写入、查询失败等问题，因此必须建立完善的监控体系。内容涵盖：Keeper的核心架构与工作原理；5类关键监控指标（角色状态、节点存活、Raft日志延迟等）；使用Prometheus+Grafana的实战监控方案；结合ClickHouse系统表的复制状态检查；常见问题排查方法；以及部署与监控的最佳实践建议。通过建立K]]></description><category></category></item><item><title><![CDATA[构建【Flink → Kafka → ClickHouse → MinIO】的完整实时数仓链路]]></title><link>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151297350</link><guid>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151297350</guid><author>csdn_tom_168</author><pubDate>Mon, 08 Sep 2025 10:15:47 +0800</pubDate><description><![CDATA[本文介绍了一个完整的实时数据链路架构：Flink → Kafka → ClickHouse → MinIO，实现了从数据采集、处理、分析到归档的全流程闭环。该方案通过Flink进行实时ETL处理，Kafka作为消息缓冲，ClickHouse存储热数据支持高性能查询，MinIO存储冷数据以降低成本。文章详细讲解了各组件配置、数据流转实现（包括Kafka数据自动摄入ClickHouse、TTL自动归档到MinIO）以及查询方法（支持热冷数据单独查询和联合分析）。该架构具有秒级延迟、高性能聚合、自动化归档等特点，]]></description><category></category></item><item><title><![CDATA[【ClickHouse + MinIO】构建一个完整的本地数据湖]]></title><link>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151297277</link><guid>https://blog.youkuaiyun.com/csdn_tom_168/article/details/151297277</guid><author>csdn_tom_168</author><pubDate>Mon, 08 Sep 2025 10:15:35 +0800</pubDate><description><![CDATA[摘要： ClickHouse与MinIO结合可构建低成本、高性能的本地数据湖方案。MinIO提供兼容S3的廉价对象存储，ClickHouse负责高性能分析，实现湖仓一体架构。方案支持热数据本地存储（ClickHouse）、冷数据自动归档（MinIO），并通过S3表函数实现联邦查询。部署步骤包括：MinIO配置（Docker）、创建Bucket、ClickHouse集成（TTL策略/物化视图），支持Parquet等格式读写。优化建议涵盖文件分区、并发读取及网络配置，适用于日志分析、监控存储等场景，兼顾性能与成]]></description><category></category></item></channel></rss>