Linux环境下安装MySQL8.0.24（二进制安装）

蚁库

已于 2024-06-25 09:20:12 修改

阅读量470

点赞数

CC 4.0 BY-SA版权

分类专栏： Oracle实战学习 mysql入门到精通文章标签： linux 数据库 mysql

于 2023-03-28 14:43:58 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_52805903/article/details/129815300

Oracle实战学习同时被 2 个专栏收录

13 篇文章 ¥19.90 ¥99.00

订阅专栏

mysql入门到精通

5 篇文章

订阅专栏

本文详细介绍了如何在Linux环境下搭建Oracle11gR2 DataGuard容灾环境，包括DataGuard的体系结构、主备库配置和数据保护模式，以及实际操作步骤如日志同步、数据库切换等。

📣📣📣
哈喽！大家好，本专栏主要发表mysql实战的文章，文章主要包括：
各版本数据库的安装、备份和恢复,性能优化等内容的学习。。
📣 ***如果需要观看配套视频的小伙伴们，请关注公众号【小萌资源分享】***📣
✨ ✨ ✨ 感谢各位大可爱小可爱！✨ ✨ ✨ 
📢📢📢

文章目录

3.4 Linux环境下安装MySQL8.0.24（二进制安装）

3.4 Linux环境下安装MySQL8.0.24（二进制安装）

3.4.1 MYSQL硬件环境准备

OS：Linux 7
在这里插入图片描述

MYSQL:

3.4.2 MYSQL软件下载

地址：www.mysql.com
在这里插入图片描述

3.4.3 磁盘规划

3.4.3.1 路径规划

路径	大小	备注
/mysql/app/mysql	200G，根据实际需要分配	安装目录

了解本专栏

订阅专栏解锁全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

蚁库

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

订阅专栏

二进制安装mysql8.0

m0_49654228的博客

05-21

1676

二进制安装+主从复制搭建–mysql8.0 文章目录二进制安装+主从复制搭建--mysql8.01.安装包下载3.解压缩并移动到/usr/local/mysqlls4.创建mysql用户和组5.创建数据目录，日志目录，配置文件目录，变更权限6.编辑mysql配置文件7.初始化数据库，并查看日志8.设置启动文件，设置环境变量9.重置root密码10.授权root远程登录搭建一主一从修改配置文件master配置文件slave配置文件 1.安装包下载 https://downloads.mysql.com/ar

centOS7.5安装mysql8.0保姆级教学

weixin_48677740的博客

10-19

931

一、安装前的准备工作： 1、卸载mysql： 1、检查是否已经安装过mysql，执行命令 [root@localhost /]# rpm -qa | grep mysql 从执行结果，可以看出我们已经安装了mysql-libs-5.1.73-5.el6_6.x86_64，执行删除命令 [root@localhost /]# rpm -e --nodeps mysql-libs-5.1.73-5.el6_6.x86_64 再次执行查询命令,查看是否删除 [root@localhost /]# rpm

1 条评论您还未登录，请先登录后发表或查看评论

一步一步在Linux上部署11.2.0.3 RAC+Dataguard

04-29

包含了2个电子文件：一步一步在Linux上部署11.2.0.3 RAC+Dataguard.pdf一步一步在Linux上部署11.2.0.3 RAC+Dataguard.ppt

Linux安装mysql8.0.24

qq_22565989的博客

05-09

1640

1、安装环境准备 # 检测是否安装过mysql rpm -qa | grep mysql # 删除命令 rpm -e --nodeps mysql-libs-对应版本下载对应mysql安装包：mysql-8.0.24-el7-x86_64.tar.gz 对应linux系统版本：CentOs 7.x86_64 用root创建用户mysql: groupadd -g 1510 mysql useradd -u 1511 -g mysql -d /home/ap/mysql mysql echo

mysql 5.7密码策略

sunyu007421的博客

07-24

1148

刚装上5.7 改个密码也得要复杂度看看 root@localhost [(none)]> show global variables like '%validate_password%'; +--------------------------------------+--------+ | Variable_name | Valu

Oracle11gR2 RAC_primary+Single_standby dataguard部署

数据库天地

09-04

322

一、准备工作因此套环境是通过oracle grid control平台配置RAC primary+Single standby，所以配置之前，首先配置好每个各自的环境，再进行下面的RAC+dataguard配置。 Oracle11g grid control和单实例Oracle11gR2 dataguard配置见文章： Oracle Grid control 11g及Active D...

linux 下 dataguard 的安装

08-14

162

首先，我要感谢热心的网友把自己的学习心得和经验贡献出来。投桃报李，我也把自己在安装配置的过程写出来，由于本人水平有限，文中有不对的地方还望指教 dataguard的安装还是很容易的，不像rac那么复杂，至少...

使用Linux网络（ULN）安装xMySQL和在Solaris上安装MySQL.pdf

07-23

- Solaris提供多种MySQL二进制安装格式，包括tarball和PKG格式。 ##### 2.2 MySQL用户与组配置 - 在Solaris上使用MySQL前，建议先创建MySQL用户和组： - `groupadd mysql` - `useradd -g mysql -s /bin/false ...

精选资源

MySQL Enterprise Backup 8.0 TAR for Generic Linux x86 (64bit)

11-25

2. `mysql-commercial-backup-8.0.11-linux-glibc2.12-x86_64.tar.gz`：这是实际的备份软件包，采用tar.gz格式进行压缩，这意味着它是一个包含了MySQL企业备份8.0所有组件和必要的二进制文件的归档文件。用户需要先...

ORACLE 11g rac+单实例数据库构建dataguard

还不算晕的专栏

09-11

3885

rac+单实例组建DG示例一、初始环境：准备已经安装完毕可以正常运行的RAC数据库，以及一台安装完ORACLE软件未创建数据库的。 RAC和单实例安装可以参考： RAC做为DG的主库。 1.我的配置如下： RAC 节点1：-IP192.168.1.221 主机名 bysrac1.bys.com ，以及数据库名 bysrac，Database unique name:

Oracle 11g DataGuard 配置

(Andrew)的专栏

11-29

5984

Oracle 11g DataGuard 配置Oracle Database 11g Enterprise Edition Release 11.1.0.6.0 - 64bit ProductionRed Hat Enterprise Linux Server release 5.3 (Tikanga)一、测试环境准备 1.主库和备库oracle版本一致，运行在相同平台如l

oracle 11g rac data guard,oracle 11g RAC下部署 dg dataguard环境

weixin_35048609的博客

04-03

322

Linux java3 2.6.18-308.el5 #1 SMP Tue Feb 21 20:06:06 EST 2012x86_64 x86_64 x86_64 GNU/Linux主库:数据库版本：11.2.0.3.0两个节点的RAC节点一：192.168.15.26节点二:192.168.15.27standby 数据库版本：11.2.0.3.0IP 192.168.15.9备库...

oracle 11g rac data guard,Oracle 11g RAC搭建单机DataGuard

weixin_34638409的博客

04-03

568

1. 将rac主库修改为forcelogging模式SQL> select name , open_mode, log_mode,force_logging from gv$database;NAME OPEN_MODE LOG_MODE FOR--------- -------------------- ------------ ---ORCL ...

Oracle 11G RAC环境使用RMAN Duplicate Active部署DataGuard备库

Kay的博客

02-13

2171

Oracle 11G RAC环境使用RMAN Duplicate Active部署DataGuard备库一、环境部署1.1 主机配置1.2 实施步骤1.3 部署FAQ二、DataGuard 数据库应用日志模式2.1 Active DataGuard模式2.2 Real-Time Apply实时应用模式2.3 备库停止日志应用三、维护使用3.1 打开与关闭RAC+DG数据库3.2 检查主备库的归档日...

Oracle RAC + Data Guard 环境搭建

houxiaoyan521的专栏

03-01

661

国庆之前就准备做这个实验了。后来时间不够，就没搞了。 6天的长假一放，都散漫的不成样子了。懒散了很多。今天7号。上班也没啥精神，但是该做的实验还得继续。 Oracle 高可用性的三个主要体现是： RAC, Data Guard 和 Stream. 所以熟练掌握这些技术就是评价DBA的标准一个。 RAC + Data Guard 主要用在灾备或者报表服务器上。比如用RAC+ 逻辑standby 做报表，从而减轻RAC 系统的压力。关于Data Guard 的一些原理知识可以参考： Or

实战Oracle 11g RAC到单实例DataGuard环境搭建

10-25

1844

Oracle RAC集群是双机热备架构，可以实现主机层面的高可用自动切换，但其缺点就是只有一份共享存储文件，所以为了保证数据的安全性，在RAC的前提下增加dataguard主备数据冗余很有必要，下面方案是对源端是RAC集群架构，并且处于上线的生产库，不能停机的情况下如何配置RAC到单机的DG热备。 1 环境说明源端Primary Database 是一个两节点的RAC,存储采用ASM 方式，具体...

oracle11grac搞成单实例,生产环境ORACLE 11.2.0.1 RAC到单实例Data Guard搭建

weixin_35607383的博客

04-11

370

主库和备库只是角色的问题，所以在设置数据库参数要同时考虑这两个角色，也就是说主备库参数基本上是一致的，具体不同以下再涉及。(一)参数设置强制归档模式alter database force logging;select force_logging from v$database;DATA GUARD参数，其值是实例名LOG_ARCHIVE_CONFIG='DG_CONFIG=(racdb,stan...

11g RAC to Single Dataguard 配置方式(RMAN)

My Technology Workstation

07-21

1353

================================================== 一.基础准备工作 ================================================== 1.1.配置网络解析 -------------------------------------------------- 1).配置/etc/hosts文件 ===

linux系统下dataguard搭建

yotagee的专栏

10-08

929

搭建一个dataguard烦死了，好不容易搭建完了。最大性能，最大可用这2种模式都没什么问题，到了最大保护模式下主库就挂了！alert日志中报16072错误！！！最后实例也中断了。参考主备库启动顺序～～～ max performance(最大性能):主库,备库的启动和关闭顺序没有先后 max availability(最大可用):要先启动备库,再启动主库,如果启动顺

给出以下三步的详细代码一、内存优化策略二、LRU缓存实现三、分块加载优化

最新发布

10-23

<think>好的，我现在需要处理用户关于Qt中处理超大数据量时的三个优化步骤的详细代码请求：内存优化策略、LRU缓存实现和分块加载优化。用户之前已经询问过如何处理QList<QList<QVariant>> cache在数据量过大时的问题，现在他们希望这三个步骤的具体实现代码。首先，我需要回顾之前的对话历史。用户之前的问题是关于如何处理cache在数据量大的情况下，我的回答提到了分级缓存、LRU、分块加载等策略。现在用户希望这三个部分的具体代码示例，所以需要详细展开每个部分的实现。对于内存优化策略，我应该考虑使用更高效的数据结构，比如QVector代替QList，因为QVector在内存连续，减少碎片。同时，可能需要使用内存池或共享内存来管理大数据块。此外，内存映射文件也是一个关键点，可以避免将整个数据加载到内存中。接下来是LRU缓存的实现。QCache是Qt提供的缓存类，但可能需要自定义一个LRU缓存，或者使用QCache来管理数据块。需要展示如何将数据存储在缓存中，并在超出容量时自动清除最近最少使用的数据。可能需要一个类来封装QCache，并提供获取和插入的方法。分块加载优化需要将数据分成多个块，按需加载。模型需要能够检测当前需要的数据块，并在需要时异步加载。这可能涉及到分页查询数据库，每次加载一定数量的数据块，并更新缓存。同时，视图需要能够处理可见区域，预加载相邻块，提升用户体验。现在需要编写这三个部分的详细代码示例，并确保代码的正确性和可读性。需要注意的是，用户可能需要将这些代码集成到现有的Qt模型中，因此示例需要与QAbstractTableModel结合，展示如何重写data()方法，以及如何处理分页和缓存。在内存优化部分，可能需要定义一个Block结构，每个块包含一定数量的行，并使用QVector来存储每个块的数据。同时，使用QCache来管理这些块，或者使用内存映射文件来存储不常访问的数据。在LRU缓存实现中，需要展示如何创建一个继承或使用QCache的类，设置最大缓存大小，并在数据访问时自动管理缓存的淘汰。例如，当缓存超过一定大小时，自动删除最近未使用的条目。分块加载优化需要实现fetchMore方法，当用户滚动到表末尾时，加载下一批数据。同时，可能需要使用QtConcurrent来异步加载数据，避免阻塞主线程。此外，需要管理已加载的数据块，并在data()方法中检查所需数据是否在缓存中，否则触发加载。还需要考虑线程安全问题，如果使用多线程加载数据，需要确保对缓存的访问是线程安全的，或者使用信号槽机制来更新UI。最后，确保代码示例的完整性，包括必要的头文件、类定义和关键注释。同时，要指出可能的性能优化点，比如使用内存映射文件、调整缓存大小等，并回答用户可能的后续问题，生成相关问题列表。现在需要检查是否有遗漏的部分，比如如何处理数据更新，缓存失效策略，以及如何集成到现有的模型中。确保每个代码示例都能独立运行或清晰地展示关键部分，帮助用户理解如何实现每个优化步骤。</think>```cpp // 一、内存优化策略实现 #include <QVector> #include <QSharedMemory> #include <QBuffer> #include <QSqlQuery> #include <QVariant> // 数据块结构体 struct DataBlock { int startRow; // 起始行号 QVector<QVector<QVariant>> rows; // 连续内存存储 DataBlock(int start = 0) : startRow(start) { rows.reserve(10000); // 预分配内存 } }; // 内存池管理类 class MemoryPool { public: static MemoryPool& instance() { static MemoryPool pool; return pool; } QVector<QVariant>* allocateRow(int capacity = 100) { // 使用共享内存避免碎片化 QSharedMemory *shm = new QSharedMemory(QString("ROW_%1").arg(++counter)); shm->create(capacity * sizeof(QVariant)); return new (shm->data()) QVector<QVariant>(); } void releaseRow(QVector<QVariant>* row) { delete row; // 实际使用智能指针更安全 } private: int counter = 0; MemoryPool() {} }; // 二、LRU缓存实现 #include <QCache> #include <QMutex> class LRUCache : public QObject { Q_OBJECT public: explicit LRUCache(int maxEntries = 1000, QObject *parent = nullptr) : QObject(parent), cache(maxEntries) { cache.setMaxCost(maxEntries); } // 获取缓存数据 QVector<QVariant>* get(int row) { QMutexLocker locker(&mutex); return cache.object(row); } // 插入缓存数据 void put(int row, QVector<QVariant>* data) { QMutexLocker locker(&mutex); cache.insert(row, data, data->size() * sizeof(QVariant)); } // 清理缓存 void clear() { QMutexLocker locker(&mutex); cache.clear(); } signals: void cacheMiss(int row); // 缓存未命中信号 private: QCache<int, QVector<QVariant>> cache; QMutex mutex; }; // 三、分块加载优化实现 #include <QAbstractTableModel> #include <QSqlDatabase> #include <QSqlQuery> #include <QVector> #include <QTimer> class ChunkedModel : public QAbstractTableModel { Q_OBJECT public: explicit ChunkedModel(QObject *parent = nullptr) : QAbstractTableModel(parent), chunkSize(10000), loadedChunks(0) { initDatabase(); preallocateCache(); } int rowCount(const QModelIndex & = QModelIndex()) const override { return totalRows; } int columnCount(const QModelIndex & = QModelIndex()) const override { return 5; // 示例5列 } QVariant data(const QModelIndex &index, int role) const override { if (role != Qt::DisplayRole) return QVariant(); // 检查缓存状态 if (!isCached(index.row())) { // 触发异步加载 QTimer::singleShot(0, const_cast<ChunkedModel*>(this), [this, row = index.row()](){ loadChunk(row / chunkSize); }); return "加载中..."; } // 计算在缓存中的位置 int chunkId = index.row() / chunkSize; int posInChunk = index.row() % chunkSize; return cache[chunkId].rows[posInChunk][index.column()]; } // 强制同步加载 void forceLoad(int row) { loadChunk(row / chunkSize); } private: void initDatabase() { db = QSqlDatabase::addDatabase("QSQLITE"); db.setDatabaseName("huge_data.db"); if (!db.open()) return; // 获取总行数 QSqlQuery countQuery("SELECT COUNT(*) FROM big_table", db); if (countQuery.next()) { totalRows = countQuery.value(0).toInt(); } } void preallocateCache() { // 预分配缓存块 int totalChunks = (totalRows + chunkSize - 1) / chunkSize; cache.reserve(totalChunks); for (int i = 0; i < totalChunks; ++i) { cache.append(DataBlock(i * chunkSize)); } } bool isCached(int row) const { int chunkId = row / chunkSize; return cache[chunkId].rows.size() > 0; } void loadChunk(int chunkId) { if (chunkId >= loadedChunks) { // 加载数据块 QSqlQuery query(db); query.prepare("SELECT * FROM big_table ORDER BY id LIMIT ? OFFSET ?"); query.bindValue(0, chunkSize); query.bindValue(1, chunkId * chunkSize); if (!query.exec()) return; // 填充缓存 while (query.next()) { QVector<QVariant> *row = new QVector<QVariant>(); for (int i = 0; i < 5; ++i) { // 5列 row->append(query.value(i)); } cache[chunkId].rows.append(*row); MemoryPool::instance().releaseRow(row); } loadedChunks = qMax(loadedChunks, chunkId + 1); emit dataChanged(index(chunkId * chunkSize, 0), index(qMin((chunkId + 1) * chunkSize, totalRows), 4)); } } QSqlDatabase db; QVector<DataBlock> cache; int chunkSize; int loadedChunks; int totalRows = 0; }; /* 使用示例： // 在main.cpp中 #include <QTableView> #include <QApplication> #include "ChunkedModel.h" int main(int argc, char *argv[]) { QApplication app(argc, argv); QTableView tableView; ChunkedModel model; tableView.setModel(&model); tableView.setSortingEnabled(true); tableView.setBatchSize(500); // 设置合适的批处理大小 tableView.show(); return app.exec(); } */ ``` ### 优化实现说明 **1. 内存优化策略** - 使用`QVector`替代`QList`获得连续内存布局 - 通过`DataBlock`结构预分配内存块（10,000行/块） - 实现`MemoryPool`内存池管理避免碎片化 - 使用`QSharedMemory`实现共享内存分配 **2. LRU缓存实现** - 基于`QCache`实现自动清理机制 - 添加线程安全锁（`QMutex`） - 支持缓存未命中信号通知 - 按数据大小计算缓存成本 **3. 分块加载优化** - 将数据划分为固定大小的块（10,000行/块） - 使用预分配缓存结构 - 支持异步加载（`QTimer::singleShot`） - 自动计算缓存位置 - 分块查询数据库（LIMIT+OFFSET） ### 性能对比优化 | 优化阶段 | 内存占用 | 加载速度 | 稳定性 | 适用场景 | |----------------|----------|----------|--------|------------------------| | 原始QList缓存 | 高 | 慢 | 低 | 小数据集 | | 内存池优化 | 中 | 快 | 中 | 中等数据集 | | LRU缓存 | 低 | 快 | 高 | 随机访问 | | 分块加载 | 极低 | 极快 | 极高 | 超大数据集（亿级+） | ###