本篇文章给大家带来的内容是关于Navicat查看MySQL日志的方法教程（图），有一定的参考价值，有需要的朋友可以参考一下，希望对你有所帮助。 1、使用Navicat服务器监控工具 2、打开日志开关 右边参数设置变量"log"值为"ON" 3、定位日志位置，查看日志 4、执行SQL注入语句 5、查看日志记录 /* Style Definitions */ table.MsoNormalTable {mso-style-name:普通表格; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-parent:””; mso-padding-alt:0cm 5.4pt 0cm 5.4pt; mso-para-margin:0cm; mso-para-margin-bottom:.0001pt; mso-pagination:widow-orphan; font-size:10.5pt; mso-bidi-font-size:11.0pt; font-family:”Calibri”,”sans-serif”; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:”Times New Roman”; mso-bidi-theme-font:minor-bidi; mso-font-kerning:1.0pt;} 以上就是Navicat查看MySQL日志的方法步骤（图）的详细内容，更多请关注学派吧其它相关文章！
本篇文章给大家带来的内容是关于Navicat连接MySQL8.0的方法（有效），有一定的参考价值，有需要的朋友可以参考一下，希望对你有所帮助。 今天下了个 MySQL8.0，发现Navicat连接不上，总是报错1251； 原因是MySQL8.0版本的加密方式和MySQL5.0的不一样，连接会报错。 试了很多种方法，终于找到一种可以实现的： 更改加密方式 1.先通过命令行进入mysql的root账户： PS C:\Windows\system32> mysql -uroot -p 再输入root的密码： Enter password: ****** Welcome to the MySQL monitor. Commands end with ; or \g. Your MySQL connection id is 18 Server version: 8.0.11 MySQL Community Server - GPL Copyright (c) 2000, 2018, Oracle and/or its affiliates. All rights reserved. Oracle is a registered trademark of Oracle Corporation and/or its affiliates. Other names may be trademarks of their respective owners. Type 'help;' or '\h' for help. Type '\c' to clear the current input statement. mysql> 2.更改加密方式： mysql> ALTER USER 'root'@'localhost' IDENTIFIED BY 'password' PASSWORD EXPIRE NEVER; Query OK, 0 rows affected (0.10 sec) 3.更改密码： mysql> ALTER USER 'root'@'localhost' IDENTIFIED WITH mysql_native_password BY 'password'; Query OK, 0 rows affected...
【腾讯云】2核2G云服务器新老同享 99元/年，续费同价，云服务器3年机/5年机限时抢购，低至 2.5折
2024-12-23
本篇文章给大家带来的内容是关于Navicat中常用快捷键的总结，有一定的参考价值，有需要的朋友可以参考一下，希望对你有所帮助。 这个官方中文文档很详细 https://www.navicat.com.cn/manual/online_manual/cn/navicat/win_manual/index.ht 快捷键 Navicat 主窗口 键 动作 CTRL+G 设置位置文件夹 CTRL+#（# 代表 0 至 9） 从收藏夹列表打开对象窗口 F6 命令列界面 CTRL+H 历史日志 CTRL+Q 新建查询 F12 仅显示活跃对象 常规 键 动作 CTRL+N 新建对象 SHIFT+CTRL+#（# 代表 0 至 9） 添加收藏夹 F8 Navicat 主窗口 CTRL+TAB 或 SHIFT+CTRL+TAB 下一个窗口 F1 说明 CTRL+F1 在线文件 表设计器 键 动作 CTRL+O 打开表 CTRL+F 查找字段 F3 查找下一个字段 SHIFT+F3 查找上一个字段 表查看器或视图查看器 键 动作 CTRL+D 设计表或设计视图 CTRL+Q 查询表或查询视图 CTRL+F 查找文本 F3 查找下一个文本 CTRL+G 前往行 CTRL+ 左箭头 当前记录的第一个数据列 CTRL+ 右箭头 当前记录的最后一个数据列 CTRL+HOME 当前列的第一个数据行 CTRL+END 当前列的最后一个数据行 CTRL+PAGE UP 或 CTRL+ 上箭头 当前窗口的第一个数据行 CTRL+PAGE DOWN 或 CTRL+ 下箭头 当前窗口的最后一个数据行 CTRL+R 在筛选向导套用筛选 SHIFT+ 箭头 选择单元格 CTRL+ENTER 打开编辑器来编辑数据 INSERT 或 CTRL+N 插入记录 CTRL+DELETE 删除记录 CTRL+S 应用记录改变 ESC 取消记录改变 CTRL+T 停止加载数据 视图或查询 键 动作 CTRL+O 加载视图或加载查询 CTRL+/ 注释行 SHIFT+CTRL+/ 取消注释行...
本篇文章给大家带来的内容是关于navicat中对数据库操作的方法介绍，有一定的参考价值，有需要的朋友可以参考一下，希望对你有所帮助。 navicat我觉得做程序的基本上都会用，它方便，快捷，直观等，优点很多，这也是我写这篇文章的原因。以前我基本上都是用phpmyadmin，也挺好用，不过也有不少缺点，比如数据库备份文件太大，根本没法用导入，多数据库服务器管理，还要去配置phpmyadmin，其实挺不爽的。navicat对于刚用的人来说，其实也不是很方便，但是用熟就不一样了。下面就如何结合快捷键的方式，让navicat用着更舒服。 一，navicat如何写sql语句查询？ 方法1：ctrl+q就会弹出一个sql输入窗口，就可以在里面写sql了。写完sql后，直接ctrl+r就执行sql了。还有一点，写sql语句时，navicat会提示的，根代码补全差不多，挺爽的。 方法2：按f6会弹出一个命令窗口，就根mysql -u mysql -p进去时操作一样,不过\G用的时候会报错。在这里也可以查询。 小技巧：这些窗口，可以拖动到一起的，看下图 navicat 多窗口切换 上图中有二个窗口，我们可以通过，快捷键ctrl+tab，在窗口间进行切换。 二，navicat如何备份，还原数据库，以及表？ 方法1：右击数据名=》选中dump sql file就可以备份，如果要还原，就选execute sql file就行了。备份表，根备份数据库一样操作。还原表，就用import wizard就行了。这种备份导出来的只能是.sql文件。如果想备份成其他文件格式，看方法 2. 方法2：点击数据库，在点上方的export wizard就会弹出一个窗口，让你选择备份成什么样的文件，下一步 navicat 备份数据库，以及表 如果表太多，用这种方法备份，实在是不方便。如果是导入的话就用import wizard就行了。备份表同样的操作。 三，如何查看表数据和表结构？ 双击表就可以查看表数据了，ctrl+d不光可以看到表结构，还可以看到索引，外键，触发器等。 四，如何管理多个mysql服务器？ 点击左上方的connection按钮，多连接几个就行了。 五，如何用navicat对数据库管理员进行管理？ 点击左上方manage users就会弹出一个窗口，里面会列出所有的mysql管理员。修改权限后，保存就行了。 以上就是navicat中对数据库操作的方法介绍的详细内容，更多请关注学派吧其它相关文章！
本篇文章给大家带来的内容是关于navicat如何为表添加索引？（图文），有一定的参考价值，有需要的朋友可以参考一下，希望对你有所帮助。 navicat 为表添加索引 分析常用的查询场景，为字段添加索引，增加查询速度。 可以添加单列索引，可以添加联合索引。 右键，设计表中可以查看和添加修改索引！ 索引一定要根据常用的查询场景进行添加！ 写了sql语句测试了一下，确实使用了索引！ 可以通过名称来判断使用了什么索引！ 帮与跟，让我感受到了索引的使用方法。 navicat软件还是很不错的！ 我喜欢！ 再谈优化查询，每一行代码，都能优化！每一个查询都能优化！写完接口之后，可以检查一下，哪里执行效率低了。数据少还看不出来，数据量一多。不好的设计就会展现的淋漓尽致！ 以上就是navicat如何为表添加索引？（图文）的详细内容，更多请关注学派吧其它相关文章！
为了减少开发人员的错误操作，可以设置权限来进行控制，通过为MySQL服务器建立不同的用户，并为用户赋予不同的权限，来达到目标。这篇文章就给大家介绍怎么设置Navicat数据库的操作权限，需要的朋友可以参考一下。1 以下内容为详细设置步骤。 一、新建用户 1、用Navicat连接本地服务器（如果之前已连接，请打开连接） 2、点击菜单栏 –> 用户，如图所示： 3、点击新建用户，如下图所示： 用户名：设置连接服务器的用户名 主机：设置允许连接服务器的主机ip地址。%，代表此用户可以在所有主机上连接服务器；192.168.21.*，代表此用户只能在ip地址属于21段的主机上连接服务器；192.168.21.88，代表此用户只能在ip地址为192.168.21.88的主机上连接服务器。 密码：设置连接服务器的密码 确认密码：与密码设置保持一致 二、权限设置 如图上图所示，我们可以看到还有其他Tab项：高级、服务器权限、权限和SQL预览。 高级：可以设置此用户每小时最多查询数/最多更新数/最多连接数/最多用户连接数以及SSL。 服务器权限：设置对服务器上所有数据库的操作权限。 权限：设置具体的库和具体的表的权限。当与服务器权限设置冲突时，以服务器权限为准。 SQL预览：以上所有设置的SQL语句都会展示在这里。 服务器权限和权限选项卡的设置含义，请参考下面的权限说明。 三、权限说明 四、MySQL权限经验原则 权限控制主要是出于安全因素，因此需要遵循以下几个经验原则： 1、只授予能满足需要的最小权限，防止用户误操作或有意进行破坏操作。 2、创建用户时限制用户的登录主机，一般是限制成指定IP或者内网IP段。 3、初始化数据库的时候删除没有密码的用户。安装完数据库的时候回自动创建一些用户，这些用户默认没有密码。 4、为每个用户设置满足密码复杂度的密码。 5、定期清理不需要的用户。回收权限或者删除用户。 结语 学习一个新知识，看官方文档是最高效的方式。网上的其他学习资料大多经过加工，而且是往坏的方向加工。要不就是人云亦云，让人误入歧途。不过，很多时候还不得不从网上学习，因为大多数的官方文档是英文的，阅读起来真的是有困难。这个时候发现，能够轻松的阅读英文文档是非常珍贵的一项技能。 以上就是在Navicat中如何设置数据库的操作权限的详细内容，更多请关注学派吧其它相关文章！
本文章给大家带来的内容是关于巧用Navicat for MySQL的快捷键，有一定的参考价值，有需要的朋友可以参考一下，希望对你有所帮助。 巧妙地使用 Navicat for MySQL 快捷键，可以大大提高工作效率，本篇经验将分类介绍 Navicat for MySQL 快捷键。 ctrl+q 打开查询窗口 ctrl+/ 注释sql语句 ctrl+shift +/ 解除注释 ctrl+r 运行查询窗口的sql语句 ctrl+shift+r 只运行选中的sql语句 F6 打开一个mysql命令行窗口 ctrl+d （1）：查看表结构详情，包括索引 触发器，存储过程，外键，唯一键;（2）：复制一行 ctrl+l 删除一行 ctrl+n 打开一个新的查询窗口 ctrl+w 关闭一个查询窗口 ctrl+tab 多窗口切换 注意事项：请不要在一个窗口中写很多 update和delete！ Navicat 主窗口，快捷键如下图所示： 表设计器，快捷键如下图所示： 表查看器，快捷键如下图所示： 视图查看器，快捷键如下图所示： 视图或查询，快捷键如下图所示： SQL 编辑器，快捷键如下图所示： 报表，快捷键如下图所示： 模型，快捷键如下图所示： 一，navicat如何写sql语句查询？ 方法1：ctrl+q就会弹出一个sql输入窗口，就可以在里面写sql了。写完sql后，直接ctrl+r就执行sql了。还有一点，写sql语句时，navicat会提示的，根代码补全差不多，挺爽的。 方法2：按f6会弹出一个命令窗口，就根mysql -u mysql -p进去时操作一样,不过\G用的时候会报错。在这里也可以查询。 小技巧：这些窗口，可以拖动到一起的 navicat 多窗口切换，我们可以通过，快捷键ctrl+tab，在窗口间进行切换。 二，navicat如何备份，还原数据库，以及表？ 方法1：右击数据名=》选中dump sql file就可以备份，如果要还原，就选execute sql file就行了。备份表，根备份数据库一样操作。还原表，就用import wizard就行了。这种备份导出来的只能是.sql文件。如果想备份成其他文件格式，看方法 2. 方法2：点击数据库，在点上方的export wizard就会弹出一个窗口，让你选择备份成什么样的文件，下一步 navicat 备份数据库，以及表 如果表太多，用这种方法备份，实在是不方便。如果是导入的话就用import wizard就行了。备份表同样的操作。 三，如何查看表数据和表结构？ 双击表就可以查看表数据了，ctrl+d不光可以看到表结构，还可以看到索引，外键，触发器等。 四，如何管理多个mysql服务器？ 点击左上方的connection按钮，多连接几个就行了。 五，如何用navicat对数据库管理员进行管理？ 点击左上方manage users就会弹出一个窗口，里面会列出所有的mysql管理员。修改权限后，保存就行了。 上面5点，只是一些常用的，基本的操作，navicat还有很多人性化的操作。在这里就不多说了，有兴趣的朋友，可以下一个来玩玩。个人觉得用着挺爽的。 以上就是巧用Navicat for MySQL的快捷键的详细内容，更多请关注学派吧其它相关文章！
本篇文章主要介绍了navicat for mysql下载安装以及简单的使用，有对novicat for mysql 感兴趣的小伙伴可以参考一下 一：下载Navicat for MySQL 下载地址：http://www.php.cn/xiazai/gongju/757 二：安装Navicat for MySQL 运行 → 下一步 → 点击“我同意” → 选择安装路径 → 保留默认，下一步 → 选择是否创建桌面图标，建议保留默认值，点击“下一步” → 安装 → 完成。 三：破解Navicat for MySQL 下载完成后解压出PatchNavicat.exe文件复制到Navicat for MySQL目录下，双击PatchNavicat.exe运行（必须在关闭Navicat for MySQL的情况下），选择启动文件navicat.exe，提示Path Successfully！说明破解成功。现在打开navicat.exe，可能依旧提醒需要注册不过不用管，重新启动即可。 四、 简单的使用 连接数据库。（Navicat可以连接大部分最常用的的数据库，以下以mysql为例） 2.点击Mysql，进入连接数据库界面，此处“连接名”可以随意写，最好与你的项目相关，主机名和IP地址就填你想要连接数据库所在地址，端口的话，mysql默认的是3306端口，用户名和密码就是你数据库的用户名和密码。 3、点击“连接测试”可以测试是否能够连接数据库，成功连接之后点击确定就行。成功连接后进入下图界面。双击数据库下的库名可以打开相应的数据库 4、右键表，可以选择添加数据库表，此处需要记住的是，栏位就代表数据库的字段，添加栏位就是添加字段，可以对字段的名字、类型等进行定义。定义好字段之后点击保存输入表名即可。 5、建立库表之后就可以往表里插入数据了。数据插好之后，点击下方的分别表示“添加数据，删除数据，保存，撤销，刷新”等操作。 相关推荐： navicat for mysql 注册码 和 mysql数据库管理工具 Navicat for MySQL定时备份数据库及数据恢复操作 如何利用Navicat for MySQL数据库进行数据传输 MySQL数据库如何利用用navicat新建用户？ 以上就是 navicat for mysql下载安装以及简单的使用的详细内容，更多请关注学派吧其它相关文章！
本篇文章给大家带来的内容是关于Redis与Memcached有何区别 ？redis和Memcached的区别比较，有一定的参考价值，有需要的朋友可以参考一下， memcached和redis，作为近些年最常用的缓存服务器，相信大家对它们再熟悉不过了。前两年还在学校时，我曾经读过它们的主要源码，如今写篇笔记从个人角度简单对比一下它们的实现方式，权当做复习，有理解错误之处，欢迎指正。 文中使用的架构类的图片大多来自于网络，有部分图与最新实现有出入，文中已经指出。 一. 综述 读一个软件的源码，首先要弄懂软件是用作干什么的，那memcached和redis是干啥的？众所周知，数据一般会放在数据库中，但是查询数据会相对比较慢，特别是用户很多时，频繁的查询，需要耗费大量的时间。怎么办呢？数据放在哪里查询快？那肯定是内存中。memcached和redis就是将数据存储在内存中，按照key-value的方式查询，可以大幅度提高效率。所以一般它们都用做缓存服务器，缓存常用的数据，需要查询的时候，直接从它们那儿获取，减少查询数据库的次数，提高查询效率。 二. 服务方式 memcached和redis怎么提供服务呢？它们是独立的进程，需要的话，还可以让他们变成daemon进程，所以我们的用户进程要使用memcached和redis的服务的话，就需要进程间通信了。考虑到用户进程和memcached和redis不一定在同一台机器上，所以还需要支持网络间通信。因此，memcached和redis自己本身就是网络服务器，用户进程通过与他们通过网络来传输数据，显然最简单和最常用的就是使用tcp连接了。另外，memcached和redis都支持udp协议。而且当用户进程和memcached和redis在同一机器时，还可以使用unix域套接字通信。 三. 事件模型 下面开始讲他们具体是怎么实现的了。首先来看一下它们的事件模型。 自从epoll出来以后，几乎所有的网络服务器全都抛弃select和poll，换成了epoll。redis也一样，只不多它还提供对select和poll的支持，可以自己配置使用哪一个，但是一般都是用epoll。另外针对BSD，还支持使用kqueue。而memcached是基于libevent的，不过libevent底层也是使用epoll的，所以可以认为它们都是使用epoll。epoll的特性这里就不介绍了，网上介绍文章很多。 它们都使用epoll来做事件循环，不过redis是单线程的服务器（redis也是多线程的，只不过除了主线程以外，其他线程没有event loop，只是会进行一些后台存储工作），而memcached是多线程的。 redis的事件模型很简单，只有一个event loop，是简单的reactor实现。不过redis事件模型中有一个亮点，我们知道epoll是针对fd的，它返回的就绪事件也是只有fd，redis里面的fd就是服务器与客户端连接的socket的fd，但是处理的时候，需要根据这个fd找到具体的客户端的信息，怎么找呢？通常的处理方式就是用红黑树将fd与客户端信息保存起来，通过fd查找，效率是lgn。不过redis比较特殊，redis的客户端的数量上限可以设置，即可以知道同一时刻，redis所打开的fd的上限，而我们知道，进程的fd在同一时刻是不会重复的（fd只有关闭后才能复用），所以redis使用一个数组，将fd作为数组的下标，数组的元素就是客户端的信息，这样，直接通过fd就能定位客户端信息，查找效率是O(1)，还省去了复杂的红黑树的实现（我曾经用c写一个网络服务器，就因为要保持fd和connect对应关系，不想自己写红黑树，然后用了STL里面的set，导致项目变成了c++的，最后项目使用g++编译，这事我不说谁知道？）。显然这种方式只能针对connection数量上限已确定，并且不是太大的网络服务器，像nginx这种http服务器就不适用，nginx就是自己写了红黑树。 而memcached是多线程的，使用master-worker的方式，主线程监听端口，建立连接，然后顺序分配给各个工作线程。每一个从线程都有一个event loop，它们服务不同的客户端。master线程和worker线程之间使用管道通信，每一个工作线程都会创建一个管道，然后保存写端和读端，并且将读端加入event loop，监听可读事件。同时，每个从线程都有一个就绪连接队列，主线程连接连接后，将连接的item放入这个队列，然后往该线程的管道的写端写入一个connect命令，这样event loop中加入的管道读端就会就绪，从线程读取命令，解析命令发现是有连接，然后就会去自己的就绪队列中获取连接，并进行处理。多线程的优势就是可以充分发挥多核的优势，不过编写程序麻烦一点，memcached里面就有各种锁和条件变量来进行线程同步。 四. 内存分配 memcached和redis的核心任务都是在内存中操作数据，内存管理自然是核心的内容。 首先看看他们的内存分配方式。memcached是有自己得内存池的，即预先分配一大块内存，然后接下来分配内存就从内存池中分配，这样可以减少内存分配的次数，提高效率，这也是大部分网络服务器的实现方式，只不过各个内存池的管理方式根据具体情况而不同。而redis没有自己得内存池，而是直接使用时分配，即什么时候需要什么时候分配，内存管理的事交给内核，自己只负责取和释放（redis既是单线程，又没有自己的内存池，是不是感觉实现的太简单了？那是因为它的重点都放在数据库模块了）。不过redis支持使用tcmalloc来替换glibc的malloc，前者是google的产品，比glibc的malloc快。 由于redis没有自己的内存池，所以内存申请和释放的管理就简单很多，直接malloc和free即可，十分方便。而memcached是支持内存池的，所以内存申请是从内存池中获取，而free也是还给内存池，所以需要很多额外的管理操作，实现起来麻烦很多，具体的会在后面memcached的slab机制讲解中分析。 五. 数据库实现 接下来看看他们的最核心内容，各自数据库的实现。 1. memcached数据库实现 memcached只支持key-value，即只能一个key对于一个value。它的数据在内存中也是这样以key-value对的方式存储，它使用slab机制。 首先看memcached是如何存储数据的，即存储key-value对。如下图，每一个key-value对都存储在一个item结构中，包含了相关的属性和key和value的值。 item是保存key-value对的，当item多的时候，怎么查找特定的item是个问题。所以memcached维护了一个hash表，它用于快速查找item。hash表适用开链法（与redis一样）解决键的冲突，每一个hash表的桶里面存储了一个链表，链表节点就是item的指针，如上图中的h_next就是指桶里面的链表的下一个节点。 hash表支持扩容（item的数量是桶的数量的1.5以上时扩容），有一个primary_hashtable，还有一个old_hashtable，其中正常适用primary_hashtable，但是扩容的时候，将old_hashtable = primary_hashtable，然后primary_hashtable设置为新申请的hash表（桶的数量乘以2），然后依次将old_hashtable 里面的数据往新的hash表里面移动，并用一个变量expand_bucket记录以及移动了多少个桶，移动完成后，再free原来的old_hashtable 即可（redis也是有两个hash表，也是移动，不过不是后台线程完成，而是每次移动一个桶）。扩容的操作，专门有一个后台扩容的线程来完成，需要扩容的时候，使用条件变量通知它，完成扩容后，它又考试阻塞等待扩容的条件变量。这样在扩容的时候，查找一个item可能会在primary_hashtable和old_hashtable的任意一个中，需要根据比较它的桶的位置和expand_bucket的大小来比较确定它在哪个表里。 item是从哪里分配的呢？从slab中。如下图，memcached有很多slabclass，它们管理slab，每一个slab其实是trunk的集合，真正的item是在trunk中分配的，一个trunk分配一个item。一个slab中的trunk的大小一样，不同的slab，trunk的大小按比例递增，需要新申请一个item的时候，根据它的大小来选择trunk，规则是比它大的最小的那个trunk。这样，不同大小的item就分配在不同的slab中，归不同的slabclass管理。 这样的缺点是会有部分内存浪费，因为一个trunk可能比item大，如图2，分配100B的item的时候，选择112的trunk，但是会有12B的浪费，这部分内存资源没有使用。 如上图，整个构造就是这样，slabclass管理slab，一个slabclass有一个slab_list，可以管理多个slab，同一个slabclass中的slab的trunk大小都一样。slabclass有一个指针slot，保存了未分配的item已经被free掉的item（不是真的free内存，只是不用了而已），有item不用的时候，就放入slot的头部，这样每次需要在当前slab中分配item的时候，直接取slot取即可，不用管item是未分配过的还是被释放掉的。 然后，每一个slabclass对应一个链表，有head数组和tail数组，它们分别保存了链表的头节点和尾节点。链表中的节点就是改slabclass所分配的item，新分配的放在头部，链表越往后的item，表示它已经很久没有被使用了。当slabclass的内存不足，需要删除一些过期item的时候，就可以从链表的尾部开始删除，没错，这个链表就是为了实现LRU。光靠它还不行，因为链表的查询是O（n）的，所以定位item的时候，使用hash表，这已经有了，所有分配的item已经在hash表中了，所以，hash用于查找item，然后链表有用存储item的最近使用顺序，这也是lru的标准实现方法。 每次需要新分配item的时候，找到slabclass对于的链表，从尾部往前找，看item是否已经过期，过期的话，直接就用这个过期的item当做新的item。没有过期的，则需要从slab中分配trunk，如果slab用完了，则需要往slabclass中添加slab了。 memcached支持设置过期时间，即expire time，但是内部并不定期检查数据是否过期，而是客户进程使用该数据的时候，memcached会检查expire time，如果过期，直接返回错误。这样的优点是，不需要额外的cpu来进行expire time的检查，缺点是有可能过期数据很久不被使用，则一直没有被释放，占用内存。 memcached是多线程的，而且只维护了一个数据库，所以可能有多个客户进程操作同一个数据，这就有可能产生问题。比如，A已经把数据更改了，然后B也更改了改数据，那么A的操作就被覆盖了，而可能A不知道，A任务数据现在的状态时他改完后的那个值，这样就可能产生问题。为了解决这个问题，memcached使用了CAS协议，简单说就是item保存一个64位的unsigned int值，标记数据的版本，每更新一次（数据值有修改），版本号增加，然后每次对数据进行更改操作，需要比对客户进程传来的版本号和服务器这边item的版本号是否一致，一致则可进行更改操作，否则提示脏数据。 以上就是memcached如何实现一个key-value的数据库的介绍。 2. redis数据库实现 首先redis数据库的功能强大一些，因为不像memcached只支持保存字符串，redis支持string， list， set，sorted set，hash table 5种数据结构。例如存储一个人的信息就可以使用hash table，用人的名字做key，然后name super， age 24， 通过key 和 name，就可以取到名字super，或者通过key和age，就可以取到年龄24。这样，当只需要取得age的时候，不需要把人的整个信息取回来，然后从里面找age，直接获取age即可，高效方便。 为了实现这些数据结构，redis定义了抽象的对象redis object，如下图。每一个对象有类型，一共5种：字符串，链表，集合，有序集合，哈希表。 同时，为了提高效率，redis为每种类型准备了多种实现方式，根据特定的场景来选择合适的实现方式，encoding就是表示对象的实现方式的。然后还有记录了对象的lru，即上次被访问的时间，同时在redis 服务器中会记录一个当前的时间（近似值，因为这个时间只是每隔一定时间，服务器进行自动维护的时候才更新），它们两个只差就可以计算出对象多久没有被访问了。 然后redis object中还有引用计数，这是为了共享对象，然后确定对象的删除时间用的。最后使用一个void*指针来指向对象的真正内容。正式由于使用了抽象redis object，使得数据库操作数据时方便很多，全部统一使用redis object对象即可，需要区分对象类型的时候，再根据type来判断。而且正式由于采用了这种面向对象的方法，让redis的代码看起来很像c++代码，其实全是用c写的。 //#define REDIS_STRING 0 // 字符串类型 //#define REDIS_LIST 1 // 链表类型 //#define REDIS_SET 2 // 集合类型(无序的)，可以求差集，并集等 //#define REDIS_ZSET 3 // 有序的集合类型 //#define REDIS_HASH 4 // 哈希类型 //#define REDIS_ENCODING_RAW 0 /* Raw representation */ //raw 未加工 //#define REDIS_ENCODING_INT 1 /* Encoded as integer */ //#define REDIS_ENCODING_HT 2...
本篇文章给大家带来的内容是关于MongoDB提升性能的方法总结，有一定的参考价值，有需要的朋友可以参考一下，希望对你有所帮助。 MongoDB 是高性能数据，但是在使用的过程中，大家偶尔还会碰到一些性能问题。MongoDB和其它关系型数据库相比，例如 SQL Server 、MySQL 、Oracle 相比来说，相对较新，很多人对其不是很熟悉，所以很多开发、DBA往往是注重功能的实现，而忽视了性能的要求。其实，MongoDB和 SQL Server 、MySQL 、Oracle 一样，一个 数据库对象的设计调整、索引的创建、语句的优化，都会对性能产生巨大的影响。 为了充分挖掘MongoDB性能，现简单总计了以下18条，欢迎大家一起来持续总结完善。 （1）文档中的_id键推荐使用默认值，禁止向_id中保存自定义的值。 解读： MongoDB文档中都会有一个“_id”键，默认是个ObjectID对象（标识符中包含时间戳、机器ID、进程ID和计数器）。MongoDB在指定_id与不指定_id插入时 速度相差很大，指定_id会减慢插入的速率。 （2）推荐使用短字段名。 解读：与关系型数据库不同，MongoDB集合中的每一个文档都需要存储字段名，长字段名会需要更多的存储空间。 （3）MongoDB索引可以提高文档的查询、更新、删除、排序操作，所以结合业务需求，适当创建索引。 （4）每个索引都会占用一些空间，并且导致插入操作的资源消耗，因此，建议每个集合的索引数尽量控制在5个以内。 （5）对于包含多个键的查询，创建包含这些键的复合索引是个不错的解决方案。复合索引的键值顺序很重要，理解索引最左前缀原则。 解读：例如在test集合上创建组合索引{a:1,b:1,c:1}。执行以下7个查询语句： db.test.find({a:”hello”}) // 1 db.test.find({b:”sogo”, a:”hello”}) // 2 db.test.find({a:”hello”,b:”sogo”, c:”666”}) // 3 db.test.find({c:”666”, a:”hello”}) // 4 db.test.find({b:”sogo”, c:”666”}) // 5 db.test.find({b:”sogo” }) // 6 db.test.find({c:”666”}) // 7 以上查询语句可能走索引的是1、2、3、4 查询应包含最左索引字段，以索引创建顺序为准，与查询字段顺序无关。 最少索引覆盖最多查询。 （6）TTL 索引（time-to-live index，具有生命周期的索引），使用TTL索引可以将超时时间的文档老化，一个文档到达老化的程度之后就会被删除。 解读：创建TTL的索引必须是日期类型。TTL索引是一种单字段索引，不能是复合索引。TTL删除文档后台线程每60s移除失效文档。不支持定长集合。 （7）需要在集合中某字段创建索引，但集合中大量的文档不包含此键值时，建议创建稀疏索引。 解读：索引默认是密集型的，这意味着，即使文档的索引字段缺失，在索引中也存在着一个对应关系。在稀疏索引中，只有包含了索引键值的文档才会出现。 （8）创建文本索引时字段指定text，而不是1或者-1。每个集合只有一个文本索引，但是它可以为任意多个字段建立索引。 解读：文本搜索速度快很多，推荐使用文本索引替代对集合文档的多字段的低效查询。 （9）使用findOne在数据库中查询匹配多个项目，它就会在自然排序文件集合中返回第一个项目。如果需要返回多个文档，则使用find方法。 （10）如果查询无需返回整个文档或只是用来判断键值是否存在，可以通过投影（映射）来限制返回字段，减少网络流量和客户端的内存使用。 解读：既可以通过设置{key:1}来显式指定返回的字段，也可以设置{key:0}指定需要排除的字段。 （11）除了前缀样式查询，正则表达式查询不能使用索引，执行的时间比大多数选择器更长，应节制性地使用它们。 （12）在聚合运算中，$要在match要在$group前面，通过$前置，可以减少match前置，可以减少$ group 操作符要处理的文档数量。 （13）通过操作符对文档进行修改，通常可以获得更好的性能，因为，不需要往返服务器来获取并修改文档数据，可以在序列化和传输数据上花费更少的时间。 （14）批量插入（batchInsert）可以减少数据向服务器的提交次数，提高性能。但是批量提交的BSON Size不超过48MB。 （15）禁止一次取出太多的数据进行排序，MongoDB目前支持对32M以内的结果集进行排序。如果需要排序，请尽量限制结果集中的数据量。 （16）查询中的某些$操作符可能会导致性能低下，如操作符可能会导致性能低下，如$ne，$，not，$exists，$nin，$or尽量在业务中不要使用。 a) $exist:因为松散的文档结构导致查询必须遍历每一个文档； b) $ne:如果当取反的值为大多数，则会扫描整个索引； c) $not:可能会导致查询优化器不知道应当使用哪个索引，所以会经常退化为全表扫描； d) $nin:全表扫描； e) \$有多个条件就会查询多少次，最后合并结果集，应该考虑装换为or:有多个条件就会查询多少次，最后合并结果集，应该考虑装换为$in。 （17）固定集合可以用于记录日志，其插入数据更快，可以实现在插入数据时，淘汰最早的数据。需求分析和设计时，可考虑此特性，即提高了性能，有省去了删除动作。 解读：固定集合需要显式创建，指定Size的大小，还能够指定文档的数量。集合不管先达到哪一个限制，之后插入的新文档都会把最老的文档移出。 （18）集合中文档的数据量会影响查询性能，为保持适量，需要定期归档。 以上就是MongoDB提升性能的方法总结的详细内容，更多请关注学派吧其它相关文章！
本篇文章给大家带来的内容是关于CPU资源和可用内存大小对数据库性能有何影响？有一定的参考价值，有需要的朋友可以参考一下，希望对你有所帮助 前言 可能影响到数据库性能的几个点，其一就是服务器硬件，也是本节要说的CPU与可用内存。 引入 当热数据超过可用内存大小，MemCache存储引擎缓存层容易失效（当缓存大量失效时，容易产生大量的网络传输），从而影响服务器的性能。 当出现这类I/O系统瓶颈时，我们就需要升级I/O子系统，来增加更多的内存，网络与I/O资源就是对我们数据库性能影响的第二个硬件因素。 CPU选型 采购人员经常性会向我们请教需要买什么参数的CPU硬件等等。 我到时想什么都买最好的！可是成本这种东西，只能让你选其一 那么，我们的CPU是要频率还是数量呢？ 首先我们应该知道我们的应用是否是CPU密集型？ 其实大多数时候我们要选择更好的而不是更多的 对于目前版本的MYSQL，不支持多CPU对同一SQL并发处理 当然，我们也要看看系统的并发量如何？（并发是纳秒级别的） 衡量数据库处理能力的指标 QPS：同时处理SQL的数量（这里是每秒） MYSQL目前被大量应用于Web类的应用中，这类应用的并发量也是非常大的，则其CPU核心数量就比频率重要 同时也要考虑所使用的MYSQL的版本（高版本对多核CPU的支持较好、起码你可以放心使用16核或者32核的CPU） 当然，如果你想要使用多核CPU的话，还需要使用MYSQL最新版本，这样才能做到最好的性能。 关于内存 MYSQL本身是单线程的 内存的大小直接影响MYSQL的性能 把数据存储到缓存中，可以大大提高数据的性能 常用的MYSQL存储引擎 MyISAM 将索引存储到内存中，数据则放在操作系统中 InnoDB 则是同时在内存存储索引和数据，进而提高数据库运行效率 内存配置的提示 1、内存虽然越多越好，但是对性能的影响是有限的，并不能无限的增加性能 2、当然，多余的内存，可以增加操作系统等其他服务的性能 缓存对读有益处，同时对写操作也有益处 CPU -》 内存 -》 磁盘 缓存可以对写操作进行延缓，将多次写入变成一次写入（Eg：浏览量计数器 以上就是CPU资源和可用内存大小对数据库性能有何影响？的详细内容，更多请关注学派吧其它相关文章！
本篇文章给大家带来的内容是mysql数据库中影响性能因素的讲解（附数据库架构案例），有一定的参考价值，有需要的朋友可以参考一下，希望对你有所帮助。 关于数据库性能的故事 面试时多多少少会讲到数据库上的事情，“你对数据库的掌握如何？”，什么时候最考验数据库的性能，答应主要方面上讲就是大数据量的读写时，而电商类的大促活动就是考验各自的数据库性能的时候啦。 对于web服务器而言，数据量大时，我们可以简单的通过横向扩展来减少单个服务器的负担，但是对于数据库服务器来说就没有那么简单了，他们不可能做到轻易的横向扩展，这样也违背了数据库的完整性与一致性的原则，那么我们的数据库架构该如何搭建呢？ 对于大促类活动而言，不管是产品多好、策划多成功，如果没有稳定的数据库及服务器环境，则这所谓的一切都将是一场空呀。 数据库架构案例 如图所示，主从服务器之间没有任何主从复制组件，即当主服务器出现了故障，很难进行主服务器的切换，这需要DBA在从服务器中选择数据最新的从服务器将其提升为主服务器并同步其他从服务器，这个过程的时间成本也是非常沉重的。 且过多的从服务器，当业务量大时对主服务器的网卡也是一定的挑战。 我们可以通过对集群的监控信息来了解是什么影响了数据库性能。 答应其实是肯定的，一般情况下主要是QPS与TPS、并发量（同一时间处理的请求的数量，避免和同时连接数混淆）、磁盘IO、读操作过于高 这里有个建议：最好不要在主库上数据备份，起码在大型活动前要取消这类计划、 影响数据库的因素 sql查询速度 服务器硬件 网卡流量 磁盘IO 超高的QPS和TPS 风险：效率底下的SQL(QPS：每秒钟处理的查询量) 大量的并发和超高的CPU使用率 风险：大量的并发（数据库连接数被占满（max_connections默认100）） 风险：超高的CPU使用率（因CPU资源耗尽而出现宕机） 磁盘IO 风险：磁盘IO性能突然下降（使用更快的磁盘设备） 风险：其他大量消耗磁盘性能的计划任务（调整计划任务） 网卡流量 风险：网卡IO被占满（1000Mb/8=100MB） 如何避免无法连接数据库的情况： 1、减少从服务器的数量 2、进行分级缓存 3、避免使用“select * ”进行查询 4、分离业务网络和服务器网络 以上就是mysql数据库中影响性能因素的讲解（附数据库架构案例）的详细内容，更多请关注学派吧其它相关文章！
本篇文章给大家带来的内容是关于python中进程池的简单实现代码，有一定的参考价值，有需要的朋友可以参考一下，希望对你有所帮助 1. 在所有用于where,order by和group by的列上添加索引 索引除了能够确保唯一的标记一条记录，还能是MySQL服务器更快的从数据库中获取结果。索引在排序中的作用也非常大。 Mysql的索引可能会占据额外的空间，并且会一定程度上降低插入，删除和更新的性能。但是，如果你的表格有超过10行数据，那么索引就能极大的降低查找的执行时间。 强烈建议使用“最坏情况的数据样本”来测试MySql查询，从而更清晰的了解查询在生产中的行为方式。 假设你正在一个超过500行的数据库表中执行如下的查询语句： mysql>select customer_id, customer_name from customers where customer_id='345546' 上述查询会迫使Mysql服务器执行一个全表扫描来获得所查找的数据。 型号，Mysql提供了一个特别的Explain语句，用来分析你的查询语句的性能。当你将查询语句添加到该关键词后面时，MySql会显示优化器对该语句的所有信息。 如果我们用explain语句分析一下上面的查询，会得到如下的分析结果： mysql> explain select customer_id, customer_name from customers where customer_id='140385'; +----+-------------+-----------+------------+------+---------------+------+---------+------+------+----------+-------------+ | id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra | +----+-------------+-----------+------------+------+---------------+------+---------+------+------+----------+-------------+ | 1 | SIMPLE | customers | NULL | ALL | NULL | NULL | NULL | NULL | 500 | 10.00 | Using where | +----+-------------+-----------+------------+------+---------------+------+---------+------+------+----------+-------------+ 可以看到，优化器展示出了非常重要的信息，这些信息可以帮助我们微调数据库表。首先，MySql会执行一个全表扫描，因为key列为Null。其次，MySql服务器已经明确表示它将要扫描500行的数据来完成这次查询。 为了优化上述查询，我们只需要在customer_id这一列上添加一个索引m即可： mysql> Create index customer_id ON customers (customer_Id); Query OK, 0 rows affected (0.02 sec) Records: 0 Duplicates: 0 Warnings: 0 如果我们再次执行explain语句，会得到如下结果： mysql> Explain select customer_id, customer_name from customers where customer_id='140385'; +----+-------------+-----------+------------+------+---------------+-------------+---------+-------+------+----------+-------+ | id | select_type |...
本篇文章给大家带来的内容是关于mysql的优化总结，有一定的参考价值，有需要的朋友可以参考一下，希望对你有所帮助。 前言 现如今，数据库的操作越来越成为整个应用的性能瓶颈了，这点对于Web应用尤其明显。所以，我整理了MySQL优化的几点建议，希望这些优化技巧对您有用，总结不到的，欢迎大家补充。 SQL执行慢的原因 网络速度慢，内存不足，I/O吞吐量小，磁盘空间满了等硬件问题 没有索引或者索引失效 数据表里的数据记录过多 服务器调优及各个参数设置也可能会影响 开发者编写的SQL效率 其他 1、EXPLAIN分析你的SELECT查询 很多情况下，使用EXPLAIN关键字可以让你知道MySQL是如何处理你的SQL语句的，这可以帮你分析你的查询语句，从而或许能尽快的找到优化方法以及潜在的性能问题。具体EXPLAIN的使用以及各个参数的含义，请查阅相关文档即可。 2、SELECT查询必须指明字段名 SELECT * 的查询会加很多不必要的消耗（例如CPU、I/O等），同时，也有可能增加了使用覆盖索引。所以SELECT查询时，要求直接在后面指明需要查询的对应字段名。 3、查询一条数据的时候，使用 LIMIT 1 减少多余的查询，因为指定limit 1后，查询到一条数据就不再继续查询了，使得EXPLAIN中type列达到const类型，查询语句更优。 4、为搜索的WHERE字段建立索引 一般，每个表我们都会设置一个主键，而索引并不一定就是给主键。如果在你的表中，有某个字段你总要会经常用来做WHERE查询搜索，而且是读大于写的，那么，请为其建立索引吧，有兴趣了解更多建立索引的的原则，可以查阅相关资料。 5、千万不要使用 ORDER BY RAND() 如果你想随机取数据，也许第一个直接会告诉你，用随机数取，切记，这个时候你必须控制你的大脑在这个方向继续想下去，赶紧停止这种可怕的想法。因为这种查询，对数据库的性能毫无益处（消耗CPU）。更好的方案之一是先找到数据所在的条数N，然后再用LIMIT N, 1这样查询。 6、保证每张表都有一个主键ID 我们应该养成一种习惯，每设计新建一张表的时候，都应该为其设计一个ID字段，并让其成为主键，而且最好是INT型（也有使用UUID的），同时设置这个ID字段为自增（AUTO_INCREMENT）的标志。 8、尽可能的使用 NOT NULL 不要以为NULL不需要空间，事实是NULL也需要额外的空间，也许，很多有没注意但是遇到过，NULL字段在进行查询比较的时候，是比较麻烦的。当然了，如果你实在是必须需要NULL的话，那没辙，就使用吧，否则的话，就建议使用NOT NULL吧。 8、选择合适的存储引擎 在MySQL中有MyISAM和InnoDB两种存储引擎，两者各有利弊，所以我们需要了解两者的差异然后来做出最合适的选择，例如InnoDB支持事务而MyISAM不支持，MyISAM查询比InnoDB快等等；总之，如果你不知道选择什么的话，那就用InnoDB吧。 9、把IP地址存为UNSIGNED INT 在遇到需要存储IP地址的时候，很多人的第一想法都会是存储VARCHAR(15)字符串类型的，而不会想到要用INT整型来存储；如果你用整型来存储，只需要4个字节，并且你可以有定长的字段，而且这会为你带来查询上的优势。 10、尽量不要在WHERE查询时对字段进行null值判断 我们都知道，档我们对一个字段进行null的判断时候，会比较慢的，这是因为这个判断会导致引擎放弃使用所有已有的索引而进行全表扫描搜索。 11、尽量不要使用%前缀的LIKE模糊查询 模糊查询，在日常开发中，我们都会经常遇到，但是我相信很多人都是直接 LIKE '%key_word%' 或者 LIKE '%key_word' 这样搜索的，这两种搜索方式，都会导致索引失效从而进行全表扫描搜索。如果解决上面的这种模糊查询呢，答案就是使用“使用全文索引”，具体的用法有兴趣的可以自己查资料一波。 12、避免在WHERE查询时对字段进行表达式操作 例如查询语句SELECT id FROM table WHERE num * 2 = 50;，这样的查询，对字段num做了一个乘2的算数操作，就会导致索引失效。 14、减少不必要的排序 排序操作会消耗较多的CPU资源，所以减少不必要的排序可以在缓存命中率高等I/O足够的情况下，会降低SQL的响应时间。 14、建议用JOIN代替子查询 有的人会说，JOIN的性能其实也并不是很好呀，但是和子查询比起来还是有很大的性能优势的。具体的，可以了解一下子查询的执行计划相关的问题。 15、避免发生隐式类型转换 类型转换主要是指在WHERE子句中出现字段的类型和传入的参数类型不一致的时候发生的类型转换；这是因为如果我们传入的数据类型和字段类型不一致，MySQL可能会对我们传的数据进行类型转换操作，也可能不进行处理而直接交由存储引擎去处理，这样一来，就可能会出现索引无法使用的情况而造成执行计划问题。 16、避免多表查询字段类型不一致 在遇到需要多表联合查询的时候，我们设计表结构的时候，尽量保持表与表的关联字段一致，并且都要设置索引。同时，多表连接查询时，尽量把结果集小的表作为驱动表。 17、建议开启查询缓存 大多数的MySQL服务器都开启了查询缓存，这是提高性能最有效的方法之一，因为查询缓存由MySQL数据库引擎自动处理，当有很多相同的查询被执行了多次的时候，这些查询结果会被放到一个缓存中，这样，后续的相同的查询就不用操作表，而直接访问缓存结果了。 18、使用UNION代替临时表 UNION查询可以把两条或更多的SELECT查询结果合并到一个查询中，从而不再需要创建临时表来完成。需要注意的是，使用UNION的所有SELECT语句中的字段数目要相同。 19、慎用IN查询 IN以及NOT IN查询都要慎重，因为可能会导致全表扫描，而对于连续的数值，能用BETWEEN就不要用IN了。 20、欢迎补充 结束语 这主要是从查询角度去考虑优化，还有一些分表、分区技术以及读写分离等；以上优化之处，如果说的不到位的地方，请大家谅解，MySQL优化的地方可以有很多处，欢迎提出其他优化建议，谢谢。 以上就是mysql的20条优化总结的详细内容，更多请关注学派吧其它相关文章！
本篇文章给大家带来的内容是关于Redis是什么？有哪些应用场景？有一定的参考价值，有需要的朋友可以参考一下，希望对你有所帮助。 一丶Redis介绍 1 Redis是一个开源的 key—value型 单线程 数据库，支持string、list、set、zset和hash类型数据。 默认端口:6379 默认数据库数量:16 二、优点： 1.nosql数据库没有关联关系，数据结构简单，拓展表比较容易 2.nosql读取速度快，对较大数据处理快 三、适用场景： 1.数据高并发的读写 2.海量数据的读写 对扩展性要求高的数据 四、不适场景： 1.需要事务支持（非关系型数据库） 2.基于sql结构化查询储存，关系复杂 五、应用场景 下面这些作者是Redis作者@antirez，他描述了Redis比较适合的一些应用场景，NoSQLFan简单列举在这里，供大家一览： 1.取最新N个数据的操作 比如典型的取你网站的最新文章，通过下面方式，我们可以将最新的5000条评论的ID放在Redis的List集合中，并将超出集合部分从数据库获取 使用LPUSH latest.comments<ID>命令，向list集合中插入数据 插入完成后再用LTRIM latest.comments 0 5000命令使其永远只保存最近5000个ID 然后我们在客户端获取某一页评论时可以用下面的逻辑（伪代码） FUNCTION get_latest_comments(start,num_items): id_list = redis.lrange("latest.comments",start,start+num_items-1) IF id_list.length < num_items id_list = SQL_DB("SELECT ... ORDER BY time LIMIT ...") END RETURN id_list END 如果你还有不同的筛选维度，比如某个分类的最新N条，那么你可以再建一个按此分类的List，只存ID的话，Redis是非常高效的。 2.排行榜应用，取TOP N操作 这个需求与上面需求的不同之处在于，前面操作以时间为权重，这个是以某个条件为权重，比如按顶的次数排序，这时候就需要我们的sorted set出马了，将你要排序的值设置成sorted set的score，将具体的数据设置成相应的value，每次只需要执行一条ZADD命令即可。 3.需要精准设定过期时间的应用 比如你可以把上面说到的sorted set的score值设置成过期时间的时间戳，那么就可以简单地通过过期时间排序，定时清除过期数据了，不仅是清除Redis中的过期数据，你完全可以把Redis里这个过期时间当成是对数据库中数据的索引，用Redis来找出哪些数据需要过期删除，然后再精准地从数据库中删除相应的记录。 4.计数器应用 Redis的命令都是原子性的，你可以轻松地利用INCR，DECR命令来构建计数器系统。 5.Uniq操作，获取某段时间所有数据排重值 这个使用Redis的set数据结构最合适了，只需要不断地将数据往set中扔就行了，set意为集合，所以会自动排重。 6.实时系统，反垃圾系统 通过上面说到的set功能，你可以知道一个终端用户是否进行了某个操作，可以找到其操作的集合并进行分析统计对比等。没有做不到，只有想不到。 7.Pub/Sub构建实时消息系统 Redis的Pub/Sub系统可以构建实时的消息系统，比如很多用Pub/Sub构建的实时聊天系统的例子。 8.构建队列系统 使用list可以构建队列系统，使用sorted set甚至可以构建有优先级的队列系统。 以上就是Redis是什么？有哪些应用场景？的详细内容，更多请关注学派吧其它相关文章！
本篇文章给大家带来的内容是关于Redis的事务操作的命令与执行操作（代码），有一定的参考价值，有需要的朋友可以参考一下，希望对你有所帮助。 序1 本文主要研究一下redis的事务操作 命令 multi与exec 命令行 127.0.0.1:6379> multi OK 127.0.0.1:6379> incr total QUEUED 127.0.0.1:6379> incr len QUEUED 127.0.0.1:6379> exec 1) (integer) 2 2) (integer) 2 127.0.0.1:6379> get total "2" 127.0.0.1:6379> get len "2" lettuce实例 @Test public void testMultiExec(){ RedisClient client = RedisClient.create("redis://192.168.99.100:6379/0"); StatefulRedisConnection<String, String> connection = client.connect(); RedisCommands<String, String> syncCommands = connection.sync(); syncCommands.set("hello","1"); syncCommands.set("world","2"); syncCommands.multi(); syncCommands.incr("hello"); syncCommands.incr("world"); //DefaultTransactionResult[wasRolledBack=false,result=[1, 2, 1, 3, 1]] TransactionResult transactionResult = syncCommands.exec(); System.out.println(transactionResult); System.out.println(syncCommands.get("hello")); System.out.println(syncCommands.get("world")); } 部分执行 命令行 127.0.0.1:6379> multi OK 127.0.0.1:6379> set a hello QUEUED 127.0.0.1:6379> set b world QUEUED 127.0.0.1:6379> incr a QUEUED 127.0.0.1:6379> set c part QUEUED 127.0.0.1:6379> exec 1) OK 2) OK 3) (error) ERR value is not an integer or out of range 4) OK 127.0.0.1:6379> get a "hello" 127.0.0.1:6379> get...
本篇文章给大家带来的内容是关于Docker 私有镜像库与阿里云对象存储 OSS，有一定的参考价值，有需要的朋友可以参考一下，希望对你有所帮助。 Docker私有镜像库 Docker 私有镜像库与阿里云对象存储 OSS 镜像管理是 Docker 的核心，为了满足企业或组织内部分享镜像，Docker 官方在 Github上 建立了一个开源项目 docker-registry，专门用于自建 Docker 的私有镜像库。 快速启动支持阿里云对象存储 OSS 的 docker-registry 您可以从 https://github.com/docker/docker-registry 下载并安装 docker-registry，通过 pip 安装 OSS driver: pip install docker-registry-driver-alioss 运行 docker registry docker run -e OSS_BUCKET=-e STORAGE_PATH=/docker/ -e OSS_KEY=-e OSS_SECRET=-p 5000:5000 -d chrisjin/registry:ali_oss 配置 config.yml： ```local: &local <<: *common storage: alioss storage_path: _env:STORAGE_PATH:/devregistry/ oss_bucket: _env:OSS_BUCKET[:default_value] oss_accessid: _env:OSS_KEY[:your_access_id] oss_accesskey: _env:OSS_SECRET[:your_access_key]``` 启动 docker-registry： DOCKER_REGISTRY_CONFIG=［your_config_path］ gunicorn -k gevent -b 0.0.0.0:5000 -w 1 docker_registry.wi:application 以上就是关于Docker 私有镜像库与阿里云对象存储 OSS的详细内容，更多请关注学派吧其它相关文章！
本篇文章给大家带来的内容是关于如何通过API配置定时自定义快照，有一定的参考价值，有需要的朋友可以参考一下，希望对你有所帮助。 如何通过API配置定时自定义快照 SSD云盘无法开启自动快照，那么就需要自己调用API来设定计划任务完成快照自动化 1、安装配置AliyunCli环境 参考官方文档：AliyunCli配置 2、将如下内容保存为脚本/home/creare.sh ### 本脚本仅测试并执行于Linux下 #!/bin/bash #source /etc/profile #保留几份快照(无自定义快照情况下不能大于24) num=3 num=$[$num - 1] #检查AliyunCli执行路径 path=`which aliyuncli` #检查AliyunCli和ECS SDK安装情况 check=`$path --help |wc -l` check_sdk=`$path ecs |wc -l` start_snapshot(){ for instance in `cat /home/instance.txt`; do disk=`$path ecs DescribeDisks --InstanceId $instance --output json --filter Disks.Disk[*].DiskId |awk -F "\"" '{print $2}'` region=`$path ecs DescribeDisks --InstanceId $instance --output json --filter Disks.Disk[0].RegionId |awk -F "\"" '{print $2}'` for disk in $disk do id=`$path ecs DescribeSnapshots --RegionId $region --DiskId $disk --Status accomplished --SnapshotName ScriptsCreate --output json --filter Snapshots.Snapshot[$num].SnapshotId |awk -F "\"" '{print $2}'` if [[ "$id" != "" ]]; then $path ecs DeleteSnapshot --SnapshotId $id sleep 2 snapshot=ScriptsCreate $path ecs CreateSnapshot --DiskId $disk --SnapshotName $snapshot else snapshot=ScriptsCreate $path ecs CreateSnapshot --DiskId $disk --SnapshotName $snapshot...
