Spark從2.3版本開始引入了持續流式處理模型，可將流處理延遲降低至毫秒級別，讓 Structured Streaming 達到了一個里程碑式的高度。 下面的架構圖中，既有微批處理，還有持續流處理，兩種模

上篇文章，我們基於『資料庫』做了一個巨集觀上的介紹，你應當瞭解到資料庫是在何種背景下，為了解決什麼樣的問題而誕生的，以及在具體實現下又可以劃分哪些中型別。 非關係型資料庫的種類很多，我們會在後續的篇章中進行

SQL Server 查詢統計資訊的相關取樣資訊 有時候我們會遇到，由於統計資訊不準確導致優化器生成了一個錯誤的執行計劃（或者這樣表達：一個較差的執行計劃），從而引起了系統性能問題。那麼如果我

前言 一般來說，影響資料庫最大的效能問題有兩個，一個是對資料庫的操作，一個是資料庫中的資料太大。對於前者我們可以藉助快取來減少一部分讀操作，針對一些複雜的報表分析和搜尋可以交給 Hadoop 和 El

二話不說，先把@DynamicUpdate的官方api-doc呈出來（如下圖），參見https://docs.jboss.org/hibernate/stable/orm/javadocs/

索引： 目錄索引 一.API 列表 C# 程式碼中String.Contains("conditionStr") 生成 SQL 對應的like &#

【編者的話】DevOps 實踐火遍大江南北，從一線大廠擴充套件推行至傳統軟體企業，但涉及資料庫時都多少有些為難。顧介紹相關實踐，以供大家借鑑。 有朋友最近告訴筆者，“我們做不了 DevOps，我們使用了關係

spark從1.6開始引入，到現在2.4版本，pivot運算元有了進一步增強，這使得後續無論是交給pandas繼續做處理，還是交給R繼續分析，都簡化了不少。大家無論在使用pandas、numpy或是R的時候，首

在SQL Server中，我們能否找到索引的建立時間？最後一次索引重建（Index Rebuild)的時間？ 最後一次索引重組（INDEX REORGANIZE)的時間呢？   答案是我們無法準確的找到索引

很多時候，我們的程式出現的“效能問題”，其實是我們自己寫的那”坨”程式碼的問題，是自己Coding的問題，是Mysql的DML語句使用的問題。 以下是我總結的關於MySQL DML語句的使用中需要注意的點。

昔日庖丁解牛，未見全牛，所賴者是其對牛內部骨架結構的瞭解，對於MySQL亦是如此，只有更加全面地瞭解SQL語句執行的每個過程，才能更好的進行SQL的設計和優化。 當希望MySQL能夠

jSqlBox是一個Java持久層工層，2.0.6版釋出，主要有兩個更新： 1.添加了對以下三個JPA註解的支援： @Version 樂觀鎖註解 @Enumerated 列舉

在進行MySQL的優化之前，必須要了解的就是MySQL的查詢過程，很多查詢優化工作實際上就是遵循一些原則，讓MySQL的優化器能夠按照預想的合理方式執行而已。 一、優化的哲學 注：優

Pivot 運算元是 spark 1.6 版本開始引入的，在 spark2.4版本中功能做了增強，還是比較強大的 ，做過資料清洗ETL工作的都知道，行列轉換是一個常見的資料整理需求。spark 中的Pivot

昨天看到微信朋友圈，有人在緬懷第一份工作，看了有點感觸，所以寫了這篇文章。 2002年初，我在湖南湘潭大學讀到大四下學期了，大家都紛紛放下手中的星際爭霸與CS，開始奔波於各面試會，曾經長