- 博客(11)
- 收藏
- 关注
RSS订阅原创 解决MySQL服务无法自启动，但是每次开机需要手动开启的问题
打开服务后查看MySQL57属性内启动类型是自动，但每次电脑开机后服务都会是已停止状态，是因为 Windows服务管理器会对所有服务的状态进行管控，此时服务管理器会等待服务就绪，这个时间默认为60秒，但可能因为某些原因服务就绪所需时间会大于60秒，所以就可以设置一个更长的等待时间。3.右键Control点击新建“DWORD(32位)”，名字设置为：ServicesPipeTimeout，选择十进制 ，设置值为180000或者更高。4.点击确定，之后就可以重启电脑测试服务是否能够自动启动。
2025-12-02 16:45:58
311
原创 解决win11 “‘wmic’不是内部或外部命令，也不是可运行的程序或批处理文件”问题
有时候可能会遇到“wmic命令无法识别”的问题。会影响用户的效率，还可能引发一系列与系统命令执行相关的问题。以下是详细的排查和解决方法。在cmd黑窗口输入命令后出现系统提示：“'wmic' 不是内部或外部命令，也不是可运行的程序或批处理文件” 说明wmic在系统中无法识别。
2025-12-01 16:39:49
624
原创 MySQL存储引擎：MyISAM与InnoDB核心差异详解
MyISAM 是 “性能优先但牺牲可靠性” 的引擎，仅适用于简单纯读场景；InnoDB 是 “可靠性与性能兼顾” 的引擎，通过事务、行级锁、聚簇索引等设计，适配绝大多数生产环境的业务需求。当前 MySQL 版本（5.5+）默认使用 InnoDB，除非有特殊历史遗留场景，否则优先选择 InnoDB；若需优化 InnoDB 性能，可重点关注索引设计、事务隔离级别配置、锁机制优化等方向。
2025-11-27 19:59:02
681
原创 Spark Core、Spark SQL 数据读取方式及 Hive 数据来源解析
Hive 的数据来源本质是 “外部数据写入 HDFS（或兼容存储）+ Hive 元数据关联”，核心支持本地文件上传、关系型数据库批量导入两种场景，适配离线数仓的基础数据接入需求。Spark Core：分为并行化集合（本地测试）和外部存储读取（生产核心），基于 RDD 支持自定义解析，适配非结构化 / 半结构化数据。Spark SQL：专注结构化数据，新增 TSV 格式读取适配，内置自动解析和 SQL 支持，读取效率更高，适合数仓分析。Hive 数据来源。
2025-11-03 19:41:21
1201
原创 OceanBase 入门指南
其“多租户”特性让你能在一个大集群中，为不同业务创建逻辑上完全隔离的“小数据库”，高效利用资源，降低总拥有成本。当你的业务增长时，只需向OceanBase集群中添加新的普通服务器节点，它就能自动将数据和负载重新分布，性能近乎线性增长。它通过软件技术，将数据分散到多个廉价的服务器上，让它们协同工作，对外提供一个统一且强大的数据库服务。现在，你可以像连接任何MySQL数据库一样，连接到你刚启动的OceanBase实例。：使用标准的SQL语言进行交互，数据以表格形式存储，和我们熟知的MySQL用法类似。
2025-10-27 14:56:04
1263
原创 ZooKeeper选举算法：深入解析FastLeaderElection
ZooKeeper的FastLeaderElection算法通过巧妙地结合ZXID（数据新旧） 和SID（服务器权重） 这两个要素，并以过半机制作为安全保障，实现了一个高效、可靠且无中心化的领导者选举过程。它隐含了这样一个事实：任何被确认的Leader都必然包含了最新全部数据（因为最新的ZXID必须被过半的节点看到并认可）。：如果两个投票的ZXID相同（例如，集群刚启动时所有节点的ZXID都是0），则比较SID，SID较大的服务器胜出。拥有最大ZXID的服务器胜出，因为这代表了它拥有最新的数据状态。
2025-09-16 20:22:47
805
原创 HDFS纠删码技术：大幅提升存储效率的革命性方案
在实际应用中，通常采用混合策略：对热数据使用多副本以保证性能，对冷数据使用纠删码以节约成本，从而实现性能与效率的最佳平衡。HDFS纠删码（Erasure Coding, EC） 是Apache Hadoop HDFS提供的一种高级数据持久化存储方法，旨在替代传统的多副本复制策略，在保证相近数据可靠性的同时，显著降低存储开销。系统将原始数据文件分割成若干个数据块（如6个），然后通过特定的数学变换（如Reed-Solomon码）计算出若干个校验块（如3个）。：节省大量硬件成本，尤其适用于海量数据存储。
2025-09-16 19:29:44
659
原创 Hadoop中的Shuffle过程：MapReduce的数据枢纽
Shuffle过程作为MapReduce的"数据枢纽"，其设计体现了分布式计算的精髓：通过数据本地化、并行处理和分级聚合等策略，在大规模数据环境下实现了高效可靠的数据交换。深入理解Shuffle机制，有助于优化MapReduce作业性能。掌握Shuffle的调优技巧，往往能让作业执行效率获得数倍提升。
2025-09-15 19:51:14
294
原创 多线程四种创建方式，必看！
继承Thread类：简单但灵活性差实现Runnable接口：推荐方式，避免单继承限制实现Callable接口：需要返回值时使用线程池：最企业级的做法，高效管理线程资源在实际开发中，推荐使用线程池结合Runnable或Callable的方式，既能获得灵活性，又能高效管理线程资源，提升程序性能。
2025-09-15 19:28:12
149
原创 JVM 五大核心组件解析
JVM（Java 虚拟机）是实现 Java 跨平台特性的核心，其内部由五大组件协同工作，共同完成字节码的加载、执行与资源管理。
2025-09-03 20:48:54
659
原创 Linux 系统中 inode 与 block 详解
在 Linux 文件系统中，inode 与 block 是支撑文件存储的两大核心组件，二者分工明确又紧密协作，共同保障文件数据的高效管理与访问。
2025-09-01 19:28:15
311
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人