工作中曾经遇到过一个线上的问题：凌晨12点后，公司系统几乎所有的业务都无法正常响应，接口都阻塞住了，而在白天就是正常。由于公司的产品是面向小企业的，主要的用户是各个小企业的员工，下班后基本没人会使用，所以也是被偶然发现，就反馈到了开发这里。

一般数据库都是部署在 Linux 服务器上，在 Windows 上开发，通过数据库连接工具来连接数据库。在工作中，如果条件允许，会有单独的开发库给开发人员使用，否则开发人员就只能连接自己本地的数据库服务了，可以使用虚拟机来模拟服务器，但是工作中公司分配的电脑内存一般也就是16G，平时多启动几个工程内存就快不够了，为了启动个数据库服务还得专门去启动一个虚拟机实在是有点浪费内存。所以不如直接在 Windows 上安装数据库服务，Windows 安装服务，都是可视化界面操作，安装起来特别简单方便。

调研大模型时，了解到一些大模型的应用，其中一个就是知识库，用户可以上传文档到知识库中，系统解析文档并将内容向量化保存起来，以便在和模型交互时使用。在和大模型对话时，可以先向量化检索自己的知识库，如果命中，则返回文档内容，然后将文档内容作为大模型的输入，以便让大模型回答得更加符合我们的预期。这里就涉及到了向量化数据的存储，可以为 PostgreSQL 安装 vector 扩展来存储向量化数据。记录 Windows 安装 PostgreSQL 以及 vector 扩展的步骤。

SQL 具有很高的灵活性，可以根据需求进行复杂的数据查询和分析，支持多表联合查询（join）、排序（order by）、分组（group by）、聚合（sum）等操作。虽然以上这些操作已经能解决绝大多的查询问题了，但是还是存在一些较为特殊的场景没法很好地处理。

在工作中，多多少少都会遇到一些数据展示的需求，开发一个接口，从数据库中查询数据返回页面展示。表结构是死的，但是查询需求却是非常灵活的。很多时候不是简单的直接从表中直接 select 获取数据就能够直接返回给页面，需要将一些判断，聚合逻辑交给 SQL 来做，才能够得到查询需求中的字段和数据。其中就可能会涉及到一些表行列的转换。以下用两个案例分别演示下行转列与列转行的业务场景，并给出通用的SQL写法。

一般的系统中，数据库往往都是性能瓶颈。在一个系统中，数据库被使用的频率很高，因为几乎所有的应用程序都需要与数据库交互来读取或写入数据。所以一旦数据库的响应慢，负载突增，则会大大影响系统的运行效率，严重点甚至可能直接崩溃。面对数据库响应变慢，负载突增问题，应该及时处理，以下是处理的思路，依次考虑。

系统的性能瓶颈一般出现在数据库上，以 mysql 为例，如果存在高并发的写请求，势必会有锁表，锁数据行的情况发生，这时候如果有读请求刚好访问到被锁的数据，那么读请求会阻塞，直到写请求处理完释放锁，系统性能大大下降。为了提高数据库性能，可以搭建一个简单的 mysql 主从复制集群。使用 mysql 主从复制集群，master 节点用来处理写请求，slave 节点用来处理读请求，当 master 数据变化时，自动将新的数据异步同步到 slave 节点上，实现读写分离。

Linux（CentOS7）安装 MySQL8

设计表结构存储树形结构数据时，一般使用 parentId 来记录当前节点的父id。查询出全部数据后通过每个节点各自的 parentId 就能够构造出整棵树。但是，有些时候只想找到某个节点下的所有子节点，如果还是要查全表后构造整棵树再去查找目标节点，就显得很繁琐。