后端程序员必备：书写高质量SQL的30条建议

来源 | 捡田螺的小男孩

责编 | Carol

封图 | CSDN 付费下载于视觉中国

本文将结合实例demo，阐述30条有关于优化SQL的建议，多数是实际开发中总结出来的，希望对大家有帮助。

1、查询SQL尽量不要使用select *，而是select具体字段。

反例子：

select* from employee;

正例子：

select id，name from employee;

理由：

  • 只取需要的字段，节省资源、减少网络开销。

  • select * 进行查询时，很可能就不会使用到覆盖索引了，就会造成回表查询。

2、如果知道查询结果只有一条或者只要最大/最小一条记录，建议用limit 1

假设现在有employee员工表，要找出一个名字叫jay的人.

CREATE TABLE `employee`(
`id`int(11) NOT NULL,
`name` varchar(255) DEFAULT NULL,
`age`int(11) DEFAULT NULL,
`date` datetime DEFAULT NULL,
`sex`int(1) DEFAULT NULL,PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

反例：

select id，name from employee where name='jay'

正例

select id，name from employee where name='jay' limit 1;

理由：

  • 加上limit 1后,只要找到了对应的一条记录,就不会继续向下扫描了,效率将会大大提高。

  • 当然，如果name是唯一索引的话，是不必要加上limit 1了，因为limit的存在主要就是为了防止全表扫描，从而提高性能,如果一个语句本身可以预知不用全表扫描，有没有limit ，性能的差别并不大。

3、应尽量避免在where子句中使用or来连接条件

新建一个user表，它有一个普通索引userId，表结构如下：

CREATE TABLE `user`(
`id`int(11) NOT NULL AUTO_INCREMENT,
`userId`int(11) NOT NULL,
`age`int(11) NOT NULL,
`name` varchar(255) NOT NULL,PRIMARY KEY (`id`),KEY `idx_userId`(`userId`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

假设现在需要查询userid为1或者年龄为18岁的用户，很容易有以下SQL

反例:

select* from user where userid=1or age =18

正例：

//使用union all
select* from user where userid=1
union all
select* from user where age = 18
//或者分开两条sql写：
select* from user where userid=1
select* from user where age = 18

理由：

  • 使用or可能会使索引失效，从而全表扫描。

对于or+没有索引的age这种情况，假设它走了userId的索引，但是走到age查询条件时，它还得全表扫描，也就是需要三步过程：全表扫描+索引扫描+合并 如果它一开始就走全表扫描，直接一遍扫描就完事。mysql是有优化器的，处于效率与成本考虑，遇到or条件，索引可能失效，看起来也合情合理。

4、优化limit分页

我们日常做分页需求时，一般会用 limit 实现，但是当偏移量特别大的时候，查询效率就变得低下。

反例：

select id，name，age from employee limit 10000，10

正例：

//方案一 ：返回上次查询的最大记录(偏移量)
select id，name from employee where id>10000 limit 10.
//方案二：order by + 索引
select id，name from employee order by id  limit 10000，10
//方案三：在业务允许的情况下限制页数：

理由：

  • 当偏移量最大的时候，查询效率就会越低，因为Mysql并非是跳过偏移量直接去取后面的数据，而是先把偏移量+要取的条数，然后再把前面偏移量这一段的数据抛弃掉再返回的。

  • 如果使用优化方案一，返回上次最大查询记录（偏移量），这样可以跳过偏移量，效率提升不少。

  • 方案二使用order by+索引，也是可以提高查询效率的。

  • 方案三的话，建议跟业务讨论，有没有必要查这么后的分页啦。因为绝大多数用户都不会往后翻太多页。

5、优化你的like语句

日常开发中，如果用到模糊关键字查询，很容易想到like，但是like很可能让你的索引失效。

反例：

select userId，name from user where userId like '%123';

正例：

select userId，name from user where userId like '123%';

理由：

  • 把%放前面，并不走索引，如下： 

  • 把% 放关键字后面，还是会走索引的。如下： 

6、使用where条件限定要查询的数据，避免返回多余的行

假设业务场景是这样：查询某个用户是否是会员。曾经看过老的实现代码是这样。。。

反例：

List<Long> userIds = sqlMap.queryList("select userId from user where isVip=1");
boolean isVip = userIds.contains(userId);

正例：

Long userId = sqlMap.queryObject("select userId from user where userId='userId' and isVip='1' ")
boolean isVip = userId！=null;

理由：

  • 需要什么数据，就去查什么数据，避免返回不必要的数据，节省开销。

7、尽量避免在索引列上使用mysql的内置函数

业务需求：查询最近七天内登陆过的用户(假设loginTime加了索引)

反例：

select userId,loginTime from loginuser whereDate_ADD(loginTime,Interval7 DAY) >=now();

正例：

explain  select userId,loginTime from loginuser where  loginTime >= Date_ADD(NOW(),INTERVAL - 7 DAY);

理由：

  • 索引列上使用mysql的内置函数，索引失效

  • 如果索引列不加内置函数，索引还是会走的。 

8、应尽量避免在where子句中对字段进行表达式操作，这将导致系统放弃使用索引而进行全表扫

反例：

select* from user where age-1=10；

正例：

select* from user where age =11；

理由：

  • 虽然age加了索引，但是因为对它进行运算，索引直接迷路了。。。 

9、Inner join 、left join、right join，优先使用Inner join，如果是left join，左边表结果尽量小

  • Inner join 内连接，在两张表进行连接查询时，只保留两张表中完全匹配的结果集

  • left join 在两张表进行连接查询时，会返回左表所有的行，即使在右表中没有匹配的记录。

  • right join 在两张表进行连接查询时，会返回右表所有的行，即使在左表中没有匹配的记录。

都满足SQL需求的前提下，推荐优先使用Inner join（内连接），如果要使用left join，左边表数据结果尽量小，如果有条件的尽量放到左边处理。

反例:

select* from tab1 t1 left join tab2 t2  on t1.size = t2.size where t1.id>2;

正例：

select* from(select* from tab1 where id >2) t1 left join tab2 t2 on t1.size = t2.size;

理由：

  • 如果inner join是等值连接，或许返回的行数比较少，所以性能相对会好一点。

  • 同理，使用了左连接，左边表数据结果尽量小，条件尽量放到左边处理，意味着返回的行数可能比较少。

10、应尽量避免在where子句中使用!=或<>操作符，否则将引擎放弃使用索引而进行全表扫描。

反例：

select age,name  from user where age <>18;

正例：

//可以考虑分开两条sql写
select age,name  from user where age <18;
select age,name  from user where age >18;

理由：

  • 使用!=和<>很可能会让索引失效

11、使用联合索引时，注意索引列的顺序，一般遵循最左匹配原则。

表结构：（有一个联合索引idxuseridage，userId在前，age在后）

CREATE TABLE `user`(
`id`int(11) NOT NULL AUTO_INCREMENT,
`userId`int(11) NOT NULL,
`age`int(11) DEFAULT NULL,
`name` varchar(255) NOT NULL,PRIMARY KEY (`id`),KEY `idx_userid_age`(`userId`,`age`) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=2 DEFAULT CHARSET=utf8;

反例：

select* from user where age = 10;

正例：

//符合最左匹配原则
select* from user where userid=10and age =10；
//符合最左匹配原则
select* from user where userid =10;

理由：

  • 当我们创建一个联合索引的时候，如(k1,k2,k3)，相当于创建了（k1）、(k1,k2)和(k1,k2,k3)三个索引，这就是最左匹配原则。

  • 联合索引不满足最左原则，索引一般会失效，但是这个还跟Mysql优化器有关的。

12、对查询进行优化，应考虑在where及order by涉及的列上建立索引，尽量避免全表扫描。

反例：

select* from user where address ='深圳' order by age ;

正例：

添加索引
alter table user add index idx_address_age (address,age)

13、如果插入数据过多，考虑批量插入。

反例：

for(User u :list){INSERT into user(name,age) values(#name#,#age#)
}

正例：

//一次500批量插入，分批进行
insert into user(name,age) values
<foreach collection="list" item="item" index="index" separator=",">
(#{item.name},#{item.age})
</foreach>

理由：

  • 批量插入性能好，更加省时间

打个比喻:假如你需要搬一万块砖到楼顶,你有一个电梯,电梯一次可以放适量的砖（最多放500）,你可以选择一次运送一块砖,也可以一次运送500块砖,你觉得哪个时间消耗大?

14、在适当的时候，使用覆盖索引。

覆盖索引能够使得你的SQL语句不需要回表，仅仅访问索引就能够得到所有需要的数据，大大提高了查询效率。

反例：

// like模糊查询，不走索引了
select* from user where userid like '%123%'

正例：

//id为主键，那么为普通索引，即覆盖索引登场了。
select id,name from user where userid like '%123%';

15、慎用distinct关键字

distinct 关键字一般用来过滤重复记录，以返回不重复的记录。在查询一个字段或者很少字段的情况下使用时，给查询带来优化效果。但是在字段很多的时候使用，却会大大降低查询效率。

反例：

SELECT DISTINCT * from  user;

正例：

select DISTINCT name from user;

理由：

  • 带distinct的语句cpu时间和占用时间都高于不带distinct的语句。因为当查询很多字段时，如果使用distinct，数据库引擎就会对数据进行比较，过滤掉重复数据，然而这个比较、过滤的过程会占用系统资源，cpu时间。

16、删除冗余和重复索引

反例：

  KEY `idx_userId`(`userId`)  KEY `idx_userId_age`(`userId`,`age`)

正例:

//删除userId索引，因为组合索引（A，B）相当于创建了（A）和（A，B）索引KEY `idx_userId_age`(`userId`,`age`)

理由：

  • 重复的索引需要维护，并且优化器在优化查询的时候也需要逐个地进行考虑，这会影响性能的。

17、如果数据量较大，优化你的修改/删除语句。

避免同时修改或删除过多数据，因为会造成cpu利用率过高，从而影响别人对数据库的访问。

反例：

//一次删除10万或者100万+？
deletefrom user where id <100000;
//或者采用单一循环操作，效率低，时间漫长
for（User user：list）{
deletefrom user； 
}

正例：

//分批进行删除,如每次500
delete user where id<500
delete product where id>=500and id<1000；

理由：

  • 一次性删除太多数据，可能会有lock wait timeout exceed的错误，所以建议分批操作。

18、where子句中考虑使用默认值代替null。

反例：

select* from user where age isnotnull;

正例：

//设置0为默认值
select* from user where age>0;

理由：

  • 并不是说使用了is null 或者 is not null 就会不走索引了，这个跟mysql版本以及查询成本都有关。

如果mysql优化器发现，走索引比不走索引成本还要高，肯定会放弃索引，这些条件 ！=，>isnull，isnotnull经常被认为让索引失效，其实是因为一般情况下，查询的成本高，优化器自动放弃索引的。

  • 如果把null值，换成默认值，很多时候让走索引成为可能，同时，表达意思会相对清晰一点。

19、不要有超过5个以上的表连接

  • 连表越多，编译的时间和开销也就越大。

  • 把连接表拆开成较小的几个执行，可读性更高。

  • 如果一定需要连接很多表才能得到数据，那么意味着糟糕的设计了。

20、exist&in的合理利用

假设表A表示某企业的员工表，表B表示部门表，查询所有部门的所有员工，很容易有以下SQL:

select* from A where deptId in(select deptId from B);

这样写等价于：

先查询部门表B

select deptId from B

再由部门deptId，查询A的员工

select * from A where A.deptId = B.deptId

可以抽象成这样的一个循环：

List<> resultSet ;
for(int i=0;i<B.length;i++) {
for(int j=0;j<A.length;j++) {
if(A[i].id==B[j].id) {resultSet.add(A[i]);
break;
}
}
}

显然，除了使用in，我们也可以用exists实现一样的查询功能，如下：

select* from A where exists (select1from B where A.deptId = B.deptId);

因为exists查询的理解就是，先执行主查询，获得数据后，再放到子查询中做条件验证，根据验证结果（true或者false），来决定主查询的数据结果是否得意保留。

那么，这样写就等价于：

select * from A,先从A表做循环

select * from B where A.deptId = B.deptId,再从B表做循环.

同理，可以抽象成这样一个循环：

List<> resultSet ;
for(int i=0;i<A.length;i++) {
for(int j=0;j<B.length;j++) {
if(A[i].deptId==B[j].deptId) {resultSet.add(A[i]);
break;
}
}
}

数据库最费劲的就是跟程序链接释放。假设链接了两次，每次做上百万次的数据集查询，查完就走，这样就只做了两次；相反建立了上百万次链接，申请链接释放反复重复，这样系统就受不了了。即mysql优化原则，就是小表驱动大表，小的数据集驱动大的数据集，从而让性能更优。

因此，我们要选择最外层循环小的，也就是，如果B的数据量小于A，适合使用in，如果B的数据量大于A，即适合选择exist。

21、尽量用union all替换 union

如果检索结果中不会有重复的记录，推荐union all 替换 union。

反例：

select* from user where userid=1
union
select* from user where age = 10

正例：

select* from user where userid=1
union all
select* from user where age = 10

理由：

  • 如果使用union，不管检索结果有没有重复，都会尝试进行合并，然后在输出最终结果前进行排序。如果已知检索结果没有重复记录，使用union all 代替union，这样会提高效率。

22、索引不宜太多，一般5个以内。

  • 索引并不是越多越好，索引虽然提高了查询的效率，但是也降低了插入和更新的效率。

  • insert或update时有可能会重建索引，所以建索引需要慎重考虑，视具体情况来定。

  • 一个表的索引数最好不要超过5个，若太多需要考虑一些索引是否没有存在的必要。

23、尽量使用数字型字段，若只含数值信息的字段尽量不要设计为字符型

反例：

`king_id` varchar（20） NOT NULL COMMENT '守护者Id'

正例：

 `king_id`int(11) NOT NULL COMMENT '守护者Id'

理由：

  • 相对于数字型字段，字符型会降低查询和连接的性能，并会增加存储开销。

24、索引不适合建在有大量重复数据的字段上，如性别这类型数据库字段。

因为SQL优化器是根据表中数据量来进行查询优化的，如果索引列有大量重复数据，Mysql查询优化器推算发现不走索引的成本更低，很可能就放弃索引了。

25、尽量避免向客户端返回过多数据量。

假设业务需求是，用户请求查看自己最近一年观看过的直播数据。

反例：

//一次性查询所有数据回来
select* fromLivingInfowhere watchId =useId and watchTime >= Date_sub(now(),Interval1 Y)

正例：

//分页查询
select* fromLivingInfowhere watchId =useId and watchTime>= Date_sub(now(),Interval1 Y) limit offset，pageSize
//如果是前端分页，可以先查询前两百条记录，因为一般用户应该也不会往下翻太多页，
select* fromLivingInfowhere watchId =useId and watchTime>= Date_sub(now(),Interval1 Y) limit 200;

26、当在SQL语句中连接多个表时,请使用表的别名，并把别名前缀于每一列上，这样语义更加清晰。

反例：

select* from A inner
join B on A.deptId = B.deptId;

正例：

select  memeber.name,deptment.deptName from A member inner
join B deptment on member.deptId = deptment.deptId;

27、尽可能使用varchar/nvarchar 代替 char/nchar。

反例：

`deptName`char(100) DEFAULT NULL COMMENT '部门名称'

正例：

`deptName` varchar(100) DEFAULT NULL COMMENT '部门名称'

理由：

  • 因为首先变长字段存储空间小，可以节省存储空间。

  • 其次对于查询来说，在一个相对较小的字段内搜索，效率更高。

28、为了提高group by 语句的效率，可以在执行到该语句前，把不需要的记录过滤掉。

反例：

select job，avg（salary） from employee  groupby job having job ='president'
or job = 'managent'

正例：

select job，avg（salary） from employee where job ='president'
or job = 'managent'groupby job；

29、如果字段类型是字符串，where时一定用引号括起来，否则索引失效

反例：

select* from user where userid =123;

正例：

select* from user where userid ='123';

理由：

  • 为什么第一条语句未加单引号就不走索引了呢？这是因为不加单引号时，是字符串跟数字的比较，它们类型不匹配，MySQL会做隐式的类型转换，把它们转换为浮点数再做比较。

30、使用explain 分析你SQL的计划

日常开发写SQL的时候，尽量养成一个习惯吧。用explain分析一下你写的SQL，尤其是走不走索引这一块。

explain select* from user where userid =10086or age =18;

 

推荐阅读

  • 蚂蚁金服高要求的领域建模能力，对研发来说到底指什么？

  • Redis 6.0 新特性：多线程连环 13 问！

  • 为你整理了一份 Mysql 的学习笔记，建议收藏学习！

  • 阿里技术专家告诉你，如何画出优秀的架构图？

  • 我画了35张图，就是为了让你深入 AQS！

  • 中国 App 出海“变形记”

  • 加拿大API平台如何做到30%为中国明星项目？创业老兵这样说……

真香，朕在看了！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/517994.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

PL/SQL Developer 13.0设置中文

PL/SQL Developer 13.0设置中文

PL/SQL Developer 13.0设置中文 PL/SQL Developer 13.0和之前的版本有些不一样Tools下找不到preferences,因为位置改变了&#xff0c;不在Toos下,它在最上面 然后就是User Interface -> Appearance -> Language 选择 Chinese.lang->Apply->ok就好了
阅读更多...
ETL异构数据源Datax_数据准备_03

ETL异构数据源Datax_数据准备_03

文章目录一、Oracle数据库准备1. 初始化表结构2. 生成测试数据二、使用docker创建mysql2.1. 构建mysql容器2.1. 创建datax数据库2.3. 初始化表结构一、Oracle数据库准备 1. 初始化表结构 --删除otbs1 drop table otbs1;--创建otbs1表 CREATE TABLE otbs1 ( IDNO NUMBER, COL1…
阅读更多...
红点中国、红杉中国联合领投，WakeData惟客数据完成1000万美元B轮融资

红点中国、红杉中国联合领投，WakeData惟客数据完成1000万美元B轮融资

日前&#xff0c;企业数字化升级服务商WakeData惟客数据宣布完成由红点中国和红杉中国联合领投&#xff0c;IDG资本跟投的1000万美元B轮融资。 据了解&#xff0c;本轮融资由奇迹资本担任独家财务顾问。这是WakeData成立以来的第三次融资&#xff0c;此前两轮分别是由IDG资本领…
阅读更多...
用大白话彻底搞懂 HBase RowKey 详细设计

用大白话彻底搞懂 HBase RowKey 详细设计

来源 | 且听_风吟来源 | CSDN 博客&#xff0c;责编 | Carol封图 | CSDN 付费下载于东方 IC前言RowKey作为HBase的核心知识点&#xff0c;RowKey设计会影响到数据在HBase中的分布&#xff0c;还会影响我们查询效率&#xff0c;所以RowKey的设计质量决定了HBase的质量。是咱们大…
阅读更多...
关于Spring AOP，除了动态代理、CGLIB，你还知道什么？

关于Spring AOP，除了动态代理、CGLIB，你还知道什么？

来源 | 草捏子责编 | Carol封图 | CSDN 付费下载于视觉中国Spring 作为 Java 中最流行的框架&#xff0c;主要归功于其提供的 IOC 和 AOP 功能。本文将讨论 Spring AOP 的实现。第一节将介绍 AOP 的相关概念&#xff0c;若熟悉可跳过&#xff0c;第二节中结合源码介绍 Spring 是…
阅读更多...
ETL异构数据源Datax_Oracle同步MySQL(全量)_04

ETL异构数据源Datax_Oracle同步MySQL(全量)_04

文章目录一、Oracle同步Mysql1. 构建json2. 执行数据同步3. 查看同步数据4. 同步数据正确性和准确性5. 同步日志分析一、Oracle同步Mysql 1. 构建json vim oracle2mysql.json{"job": {"setting": {"speed": {"channel": 3},"er…
阅读更多...
# 学习使用计算机

# 学习使用计算机

冯.诺依曼体系结构 计算机软件 快捷键的使用 CtrlC 复制Ctrlv 粘贴CtrlA 全选CtrlZ 撤销CtrlS保存CtrlShiftEsc 打开任务管理器wlndows 打开菜单AltTab 切换页面AltF4 关闭窗口ShiftDelete 永久删除wlndowsR 打开运行窗口wlndowsE 打开文件资源管理器wlndowsTab 管理页面 Dos…
阅读更多...
ETL异构数据源Datax_使用数据分片提升同步速度_05

ETL异构数据源Datax_使用数据分片提升同步速度_05

文章目录1. 构建json&#xff0c;添加数据分片2. Mysql数据清除3. 数据分片前后对比1. 构建json&#xff0c;添加数据分片 {"job": {"setting": {"speed": {"channel": 3},"errorLimit": {"record": 0,"perc…
阅读更多...
Flink 1.9 实战：使用 SQL 读取 Kafka 并写入 MySQL

Flink 1.9 实战：使用 SQL 读取 Kafka 并写入 MySQL

上周六在深圳分享了《Flink SQL 1.9.0 技术内幕和最佳实践》&#xff0c;会后许多小伙伴对最后演示环节的 Demo 代码非常感兴趣&#xff0c;迫不及待地想尝试下&#xff0c;所以写了这篇文章分享下这份代码。希望对于 Flink SQL 的初学者能有所帮助。完整分享可以观看 Meetup 视…
阅读更多...
java的基础语法和数据类型，IDEA

java的基础语法和数据类型，IDEA

IDEA的用法 快捷方法 主函数&#xff1a;psvm输出语句&#xff1a;sout java基础语法注释 注释&#xff1a;必须要写注释 单行注释&#xff1a;//多行注释&#xff1a;/**/文档注释javaDoc&#xff1a;/***/ 平时写代码要注意规范 标识符和关键字 所有标识符应该都以字母&…
阅读更多...
手把手教你配置VS Code 远程开发工具，工作效率提升N倍

手把手教你配置VS Code 远程开发工具，工作效率提升N倍

来源 | 后端技术学堂责编 | Carol封图 | CSDN 付费下载于视觉中国今天和大家分享一个远程开发解决方案&#xff0c;聊一聊我平常是如何用 VS Code 进行远程开发工作的&#xff0c;以及一步步教你搭建远程开发环境&#xff0c;拥有比德芙还丝滑的远程开发体验。我们厂里为了最大…
阅读更多...
蚂蚁金服隗华：十五年时间见证分布式数据库的崛起

蚂蚁金服隗华：十五年时间见证分布式数据库的崛起

北大计算所启蒙 “做中国人自己的技术” 如果用一句话来评价读书时的隗华&#xff08;花名&#xff1a;风羿&#xff09;&#xff0c;那一定是“德智体美劳全面发展的好学生”。本科在北航读的计算机专业&#xff0c;硕士则就读于北大的计算机研究所。 北大&#xff0c;中国高…
阅读更多...
用户数从 0 到亿，我的 K8s 踩坑血泪史

用户数从 0 到亿，我的 K8s 踩坑血泪史

导读&#xff1a;容器服务 Kubernetes 是目前炙手可热的云原生基础设施&#xff0c;作者过去一年上线了一个用户数极速增长的应用&#xff1a;该应用一个月内日活用户从零至四千万&#xff0c;用户数从零到一亿的裂变式增长&#xff0c;充分享受了容器服务快速简便的扩容操作和…
阅读更多...
行，Python玩大了！​取代Excel，程序员：太牛！你怎么看？

行，Python玩大了！​取代Excel，程序员：太牛！你怎么看？

Python真的玩大了吗&#xff1f;2020年&#xff0c;Python程序员究竟怎么样&#xff1f;A与B程序员与远方近日日本最大的证券公司之一野村证券首席数字官马修汉普森&#xff0c;在Quant Conference上发表讲话&#xff1a;“用Excel的人越来越少&#xff0c;大家都在用Python。”…
阅读更多...
云原生计算重塑企业IT架构 - 分布式应用架构

云原生计算重塑企业IT架构 - 分布式应用架构

进入21世纪以来&#xff0c;我们见证了企业分布式应用架构从SOA(Service-oriented Architecture)&#xff0c;到微服务架构&#xff0c;再到云原生应用架构的演化。 为了说明企业架构演化背后的思考&#xff0c;我们先谈一些玄学。 第一&#xff0c;企业IT系统的复杂性&#…
阅读更多...
首发！《长安十二时辰背后的技术秘籍》正式公开，速来下载

首发！《长安十二时辰背后的技术秘籍》正式公开，速来下载

一名死囚如何在十二时辰内利用“唐代黑科技”&#xff0c;拯救长安百姓于水火中&#xff1f; 这就是《长安十二时辰》的故事&#xff0c;剧中有恢弘的长安美景、让人流口水的水晶柿子/水盆羊肉&#xff0c;还有张小敬和檀棋“在一起”呼声……然而&#xff0c;最让人刮目相看的…
阅读更多...
ETL异构数据源Datax_MySQL同步Oracle(全量)_07

ETL异构数据源Datax_MySQL同步Oracle(全量)_07

文章目录1. 清除Oracle数据库中OTBS1表的数据2. 构建json3. 执行脚本4. 同步验证5. 同步分析7. 同步结果1. 清除Oracle数据库中OTBS1表的数据 Truncate TABLE OTBS1;2. 构建json {"core": {"transport": {"channel": {"speed": {&qu…
阅读更多...
左手代码右手滑板 支付宝这个程序员有些酷

左手代码右手滑板 支付宝这个程序员有些酷

走在杭州支付宝z空间的园区&#xff0c;常常可以看到一个脚踩滑板&#xff0c;脑后扎个发髻的男青年。 他叫边柳。来蚂蚁金服三年&#xff0c;除了是一名前端码农&#xff0c;也是一位斜杠青年。捧着程序员的“饭碗”&#xff0c;兼顾着滑板和摇滚的爱好&#xff0c;可以说他过…
阅读更多...
2019阿里云910会员节大促主会场全攻略

2019阿里云910会员节大促主会场全攻略

2019阿里云910会员大促活动已经于8月28日正式开启&#xff0c;从已开放的活动页面来看&#xff0c;整场大促活动由阿里云10年有礼时光机、爆款产品推荐、七大分会场组成。 在910这个秋季大幅度优惠促销日&#xff0c;怎样才能花最少的钱配置最特惠的云服务&#xff1f;云栖社区…
阅读更多...
浪潮商用机器与腾讯TDSQL完成互认证 共同拓展Power行业生态

浪潮商用机器与腾讯TDSQL完成互认证 共同拓展Power行业生态

日前&#xff0c;浪潮商用机器有限公司宣布&#xff0c;旗下K1 Power服务器系列产品经过几十项基础功能和高可用功能用例的专业测试&#xff0c;与腾讯新兴国产分布式数据库TDSQL完美兼容&#xff0c;且性能优异&#xff0c;可进行顺利的部署、平稳的运行及对外提供服务。此次互…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023