justlpf的专栏

【代码】纯Java实现JDBC封装--use。

事务：一组逻辑操作单元，使数据从一种状态变换成另外一种状态事务处理：保证所有的事务都作为一个工作单元来执行，即使出现了故障，都不能改变这种执行方式。当在一个事务中执行多个操作时，要么所有的事务都被提交，那么这些修改就被永久的保存下来。要么数据库管理系统将放弃所做的所有修改，整个事务回滚到最初状态。

简单对比下个人认为未来比较有前途的OLAP：Elasticsearch、Doris、Druid、ClickHouseOLAP引擎优点缺点运维复杂度支持SQL。

按照效率排序来看，count(字段) < count(主键 id) < count(1) ≈ count(*)，所以尽量使用 count(*)

DB2是IBM的一款优秀的关系型数据库，简单学习一下。

最关键的是最后两个配置，spring.jpa.properties.hibernate.hbm2ddl.auto=update。2、 在需要重新设置表字段名的属性上加注释@Column(name = "字段名")中已经包含了Hibernate所需要的相关依赖，所以只需要引入Jpa的依赖即可。而不是hibernate.hbm2ddl.auto=update。中加一行：spring.profiles.active=dev。数据库中将出现t_user的数据表，且存在相应的表字段。启动项目后在study05。

binlog日志记录存在3种模式，而生产使用的是row模式，它最大的特点，是很精确，你更新表中某行的任何一个字段，会记录下整行的内容，这也就是为什么blob字段都被记录到binlog中，导致binlog非常大。根据sql，分析了下，这个表正好有个blob字段，统计了下blob字段总合大概有3个G大小，然后我们业务上有个导入操作，这是一个非常大的事务，会频繁更新这表中记录的更新时间，导致生成binlog非常大。所有的执行的语句当记录到日志中的时候，都将以每行记录的修改来记录，会产生大量的日志内容。

例如商品库的商品品类、spu、sku表是分开的，但是查询是跨维度的，在ES里再聚合一次效率就低一些，最好就是把商品的数据给聚合起来，在ES里以类似大宽表的形式存储，这样一来查询效率就高一些。我们以应用最广泛的canal为例，canal通过canal-adapter，支持多种适配器，其中就有ES适配器，通过一些配置，启动之后，就可以直接把MySQL数据同步到ES，这个过程是零代码的。但是，和老板了解过，使用canal看起来很美好，帮我们把同步的事情都干了，但其实，还是要写代码。

注意 ，当传入混合参数时end-begin 不足 1个unit的时候 为0.unit参数是确定（end-begin）时间差的单位，单位值如下表。类型，并且可允许参数为混合类型。-- begin和end可以为。

为什么读写要互斥，读的时候不能写，写的时候不能读？举个例子，用户A正在读的时候，用户B对数据进行了写操作，就会出现A读到的数据不准确。A在写的时候，B去读，则读到的数据也是不准确的。所以读和写要互斥。

可以帮助实现正向工程, 即由java代码生成数据库脚本, 进而生成具体的表结构.hibernate 配置属性中,h。

【代码】springboot集成mybatis将对象序列化储存数据库（blob字段）demo。

加上事务处理，两个函数一个变量没有本质区别。不加事务处理两个函数一个变量受到其他会话、作用域的影响不一样。一直以来都是使用@@identity来获得最后一个插入到表的记录的identity值，最近发现这种方法在某种情况是不可靠的，先来看看两个概念。在SQL SERVER作用域就是一个模块－存储过程，触发器，函数或批处理会话：一个用户连接产生的所有上下文信息都是返回最后插入的标识值不同点：返回当前会话最后一个标识值，不限于特定的作用域；返回任何会话，任何作用域中的指定表中生成的最后一个标识值。

【代码】Mysql, TIDB获取刚刚插入的记录的ID。

1、 date和datetime、timestamp 的区别date保存精度到天，格式为：YYYY-MM-DD，如2016-11-07 datetime和timestamp精度保存到秒，格式为：YYYY-MM-DD HH:MM:SS2、datetime 和timestamp两者都是时间类型字段，格式都一致。两者主要有以下几点区别：最主要的区别-受时区影响不同 timestamp会跟随设置的时区变化而变化，而datetime保存的是绝对值不会变化。因此，如果应用场景有跨时区要求的要特别

聚簇顾名思义，聚集在一起，即索引和数据是存放同一个文件中。其叶子节点中存放的就是整张表的行记录数据，也将聚集索引的叶子节点称为数据页。emp_2表是通过MyISAM引擎创建的表，emp_2表有两个文件，即emp_2.myd（数据文件）和emp_2.myi（索引树文件）聚集索引会降低 insert，和update操作的性能。3.1 MyISAM引擎默认使用的是非聚簇索引。3.2 InnoDB引擎使用的是聚簇索引。，所以，是否使用聚集索引要全面衡量。：索引文件和数据文件是分开的。非聚集索引必须是稠密索引。

BETWEEN AND 和 NOT BETWEEN AND 关键字在查询指定范围内的记录时很有用。BETWEEN AND 需要两个参数，即范围的起始值和终止值。如果字段值在指定的范围内，则这些记录被返回。NOT：可选参数，表示指定范围之外的值。如果字段值不满足指定范围内的值，则这些记录被返回。MySQL 提供了 BETWEEN AND 关键字，用来判断字段的数值是否在指定范围内。如下表，查询，create_time为datetime类型，查询两个日期范围内的数据。取值2：表示范围的终止值。

复制888B51B60B5FF32FAF86AC去第一种方法php方法里解密。打开对应的目录，寻找一下servers下要找的数据库，如我要找阿里云的密码。打开注册表编辑器, 查找Navicat的密码保存位置。将15057D7BA390复制到倒数第二行。导出后用notepad++看里面的代码。寻找pwd找出来，复制数据。这里不在实操，理论是行的。寻找password值。

TPC-C 是一种衡量 OLTP 系统性能和可伸缩性的基准测试项目。它由一系列的 OLTP 工作流组成，包括查询，更新及队列式小批量事务在内的广泛数据库功能。它模拟了一个典型的 OLTP 应用环境中的活动，这些活动由一系列复杂的事务组成。适当复杂的 OLTP 事务在线和延迟事务执行模型多用户适当的系统和应用执行时间大量的磁盘输入和输出事务完整性（ACID）随机的数据访问数据库由各种大小，属性和关系的表组成。

TPC-C 模拟了一个比较有代表意义的 OLTP 应用环境：在线订单处理系统。假设有一个大型商品批发商，拥有 N 个位于不同区域的仓库，每个仓库负责为 10 个销售点供货，每个销售点有 3000 个客户，每个客户平均一个订单有 10 项产品。由于一个仓库中不可能 存储公司所有的货物，有一些请求必须发往其它仓库，因此，数据库在逻辑上是 分布的。N 是一个可变参数，测试者可以随意改变 N，以获得最佳测试效果。tpcc有5种事务，测试完成后会输出这5种事务的吞吐量和延迟。

(1)数据库设计的优劣： 糟糕的数据库设计: ①数据冗余冗余、存储空间浪费。 ②数据更新和插入异常。 ③程序性能差。 良好的数据库设计 ①节省数据的存储空间。 ②能够保证数据的完整新。 ③方便进行数据应用系统的开发。 (2)软件项目开发周期中的数据库设计：一个完整的项目 开发需要经过：1.需求分析：分析客户的业务和数据处理需求。2.概要设计：设计数据库的E-R模型图，确认需求信息的正确和完整。详细设计：应用三大范式审核数据库结构，将E-R模型图转换为数据库模型图。

一个分布式系统里面，节点组成的网络在正常状态下应该是连通的，也就是所有节点出于同一分区中。然而软件、硬件或者网络等故障不可避免，使得分布式系统中的节点之间不连通了，整个网络就分成了几块区域。当系统数据无法在不同分区间传输时，系统就是不可用的，这样的系统就是分区不容忍的系统。通过增加数据副本的方式可以提高分区容忍性，也就是将同一数据的不同副本存储到分布式系统的不同存储节点中。然而，同一数据拥有多个副本后，副本之间数据在特定阶段、特定时刻，会出现某种程度的数据不一致的问题。

参考：Debezium是一个开源项目，为捕获数据更改(change data capture,CDC)提供了一个低延迟的流式处理平台。你可以安装并且配置Debezium去监控你的数据库，然后你的应用就可以消费对数据库的每一个行级别(row-level)的更改。只有已提交的更改才是可见的，所以你的应用不用担心事务(transaction)或者更改被回滚(roll back)。Debezium为所有的数据库更改事件提供了一个统一的模型，所以你的应用不用担心每一种数据库管理系统的错综复杂性。

（）存储的发展，根据不同的阶段诞生了不同的存储解决方案，每一种存储都有它当时的历史诞生的环境以及应用场景，解决的问题和优缺点。综上、企业中不同场景使用的存储，使用表现形式无非是这三种：磁盘（块存储设备），挂载至目录像本地文件一样使用（文件共享存储），通过API向存储系统中上传PUT和下载GET文件（对象存储）。

Ceph项目最早起源于Sage就读博士期间的工作（最早的成果于2004年发表），并随后贡献给开源社区。在经过了数年的发展之后，目前已得到众多云计算厂商的支持并被广泛应用。RedHat及OpenStack都可与Ceph整合以支持虚拟机镜像的后端存储。但是在2014年OpenStack火爆的时候、Ceph并不被很多人所接受。当时Ceph并不稳定（Ceph发布的第四个版本 Dumpling v0.67），而且架构新颖，复杂，当时人们对Ceph在生产落地如何保障数据的安全，数据的一致性存在怀疑。

Oracle的12c版本是为云而设计的，可以托管在一台服务器或多台服务器上，并支持管理包含数十亿条记录的数据库。Oracle Database 18c现在为客户提供了一个高性能、可靠和安全的平台，使他们的事务和分析工作负载(无论是在云环境中，还是在本地环境中，或者在混合云配置中)更容易、更经济地实现现代化。像用户生成的数据、地理位置数据、物联网生成的数据一样，社交图是真实世界数据呈指数级增长的例子。DynamoDB使用了一个NoSQL数据库模型，它是非关系型的，允许文档、图形和列在它的数据模型之间。

参考文章：DBeaver连接Oracle11g数据库(示例代码)

参考文章：ORACLE的SQL JOIN方式小结Oracle SQL——inner jion;left join;right join的区别和使用场景