数据库系统

【MySQL数据库学习】MySQL基本查询(下)在上一篇内容中,我们已经学习了 MySQL 基本查询中的一些常用语法,对 SELECT 查询、条件筛选以及基础的数据检索方式有了初步认识.对于数据库学习来说,查询语句是最核心、也是使用频率最高的部分,几乎所有的数据分析、业务处理和后台开发都离不开它.本篇文章将继续围绕 MySQL 基本查询展开,重点学习一些更加实用的查询操作,例如排序查询、分组查询、聚合函数、分页查询以及常见的查询组合方式.通过这些内容,我们可以更加灵活地从数据表中获取想要的结果,不再只是简单地“查出数据”,而是能够按照实际需求对数据进

【MySQL数据库学习】MySQL基本查询(上)在学习 MySQL 数据库的过程中,查询语句是最基础、也是最常用的内容之一.无论是日常的数据检索、条件筛选,还是后续的数据分析与业务开发,都离不开对基本查询语法的熟练掌握.本篇文章将围绕 MySQL 的基本查询展开讲解,主要介绍 SELECT 查询语句的基本使用方式,包括查询指定字段、设置查询条件、结果排序以及限制返回条数等内容.通过这些基础语法的学习,可以帮助我们逐步建立数据库查询思维,为后续学习多表查询、聚合函数、分组统计等进阶内容打下良好的基础.如果你和我一样刚开始接触 MySQL,或者想系统回顾

【MySQL数据库学习】MySQL表的约束(上)在MySQL 数据库的学习过程中,表结构的设计不仅仅是创建字段和指定数据类型这么简单.随着业务数据越来越复杂,我们还需要思考一个更重要的问题:如何保证数据的正确性、完整性和一致性?这时,表的约束就发挥了关键作用.约束可以理解为数据库为表中数据设置的一组规则,用来限制字段中允许存储的数据内容,避免出现无效数据、重复数据、空值异常以及表与表之间关系混乱等问题.例如,在用户表中,用户编号不能重复;在订单表中,订单必须关联到真实存在的用户;在商品表中,价格不能为负数.这些规则如果完全依赖程序代码来判断,不仅容易遗

【MySQL数据库学习】(MySQL数据类型)在学习 MySQL 数据库的过程中,数据类型是一个非常基础但又十分重要的知识点.无论是创建数据表、设计字段结构,还是后续进行数据存储、查询优化和性能调优,合理选择数据类型都会直接影响数据库的存储效率、查询速度以及数据的准确性.很多初学者在刚接触 MySQL 时,可能会简单地把数字都用 INT,文本都用 VARCHAR,时间都用DATETIME.虽然这样在一些简单场景下可以正常使用,但随着业务复杂度提升,如果数据类型选择不合理,就可能带来存储空间浪费、查询性能下降,甚至数据精度丢失等问题.本文将围绕 MyS

【人大金仓】人大金仓数据库V9函数 sys.concat()不存在的问题解决方案博主介绍：✌全网粉丝24W+，CSDN博客专家、Java领域优质创作者，掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java技术领域✌

【MySQL数据库学习】(MySQL库的操作和表的操作)在学习 MySQL 数据库的过程中,库和表的操作是最基础也是最重要的内容之一.数据库用于存储和管理数据,而表则是数据真正组织和保存的核心结构.无论是后续进行数据的增删改查,还是设计完整的数据库系统,都离不开对数据库和数据表的熟练操作.本文将围绕 MySQL 中"库的操作"和"表的操作"展开介绍,包括数据库的创建、查看、选择、删除,以及数据表的创建、查看表结构、修改表、删除表等常用操作.通过本篇内容的学习,可以帮助我们打好 MySQL 基础,为后续深入学习 SQL 语句、数据约束、索引以及数据库设计做好准备

【MySQL数据库学习】(MySQL数据库基础)在学习后端开发、数据管理或系统架构的过程中,数据库几乎是绕不开的一项核心技术.而 MySQL 作为目前应用非常广泛的关系型数据库之一,凭借开源、稳定、易上手、生态成熟等特点,被大量用于网站开发、业务系统、数据存储以及各类企业级应用中.对于初学者来说,刚接触 MySQL 时可能会遇到很多概念:数据库、数据表、字段、主键、SQL 语句、增删改查、约束、索引等.这些内容看似零散,但它们共同构成了 MySQL 数据库学习的基础框架.只有先理解这些基础概念,才能更顺利地掌握后续的数据查询优化、事务处理、表结构设计以

-To be number.wan

为什么关系数据库主要采用b+树、散列表来构建索引引言：数据库的“图书馆管理员”想象一下，你走进一个拥有10亿本书的图书馆，想找一本叫《如何优雅地秃头》的书。

基于策略模式的多数据源爬虫系统设计与实现在当今数据驱动的时代，如何高效、合规地获取和利用网络数据成为众多开发者和研究者关注的焦点。今天要为大家介绍的是一个功能强大、设计精良的毕业设计项目——基于Python的多源数据采集爬虫系统，该系统不仅功能完备，更在软件架构设计上展现了极高的专业水准，非常适合作为计算机相关专业学生的毕业设计课题。

真的能空间零增长？暴力压测 OpenTeleDB 10 万行数据后的几点真心话在数据库技术日新月异的今天，天翼云开源的 OpenTeleDB 无疑是一匹黑马。对于深受 PostgreSQL 高并发连接瓶颈和膨胀问题困扰的架构师来说，它提供了一套令人眼前一亮的解决方案。本文不谈虚的，我将直接基于 PostgreSQL 17 内核，重点剖析 OpenTeleDB 的两大核心组件：XProxy（高性能代理）与 XStore（存储引擎）。接下来，请跟随我的视角，通过实际部署与拆解，看看它是否真的如传说中那样，能成为解决数据库性能瓶颈的“银弹”。

技术性摸鱼

数据库系统-考点分布式数据库体系结构如下图所示：全局外模式：是对分布式数据库的最高层的抽象。全局概念模式：是分布式数据库的整体抽象，包含了系统中全部数据的特性和逻辑结构，描述分布式数据库全局数据的逻辑结构，是分布式数据库的全局概念视图。

项目设计与开发：智慧校园食堂系统项目演示https://www.bilibili.com/video/BV1DdBvBLEKU/?spm_id_from=333.1387.homepage.video_card.clickhttps://www.bilibili.com/video/BV1DdBvBLEKU/?spm_id_from=333.1387.homepage.video_card.click

Zoey的TM1聊天室｜#3 合并报表提速：业财一体如何实现关联方对账自动化当合并报表的提速瓶颈卡在关联方对账时该怎么解决呢？本期，TM1咨询顾问Aruis将分享如何通过设立关联方模块，解决子公司间单边账难题，以最小代价实现对账自动化。您将听到：

关系代数与关系型数据库数据模型三要素：数据结构、数据操作、数据的完整性约束条件从集合论的角度讲，关系数据结构的形式化定义，涉及到几个术语：

vastbase学习-表碎片检查导致表碎片的原因：频繁删改，自动清理autovacuum无法锁定数据表，表的死元组dead tuple比例过高导致表膨胀，查询出现缓慢的情况。检查方法： ###查询表膨胀sql语句 select relname,coalesce(round(n_dead_tup * 100 / (case when n_live_tup + n_dead_tup = 0 then null else n_live_tup + n_dead_tup end ),2),0.00) as dead_tup_ratio fro

PGADMIN4 Docker 容器化部署指南PGADMIN4是一款功能强大的开源Web管理工具，专为PostgreSQL数据库设计。它提供直观的图形界面，支持数据库建模、SQL查询、性能监控、用户权限管理等核心功能，是PostgreSQL数据库管理员和开发人员的必备工具。通过Docker容器化部署PGADMIN4，可实现环境隔离、快速部署、版本控制和跨平台一致性，有效降低运维复杂度，提升工作效率。

会洗碗的CV工程师

Ubuntu22.04下用sysbench压力测试openGauss数据库的实践记录作为一名数据库运维工程师，近期我突然心血来潮想要评估openGauss数据库在高并发场景下的性能表现，以便为业务系统迁移提供数据支撑。openGauss作为开源数据库的代表，其稳定性和性能备受关注，而sysbench作为一款经典的多线程压力测试工具，能精准模拟CPU、内存及数据库等多维度负载。本次测试我选择在Ubuntu22.04 LTS系统上开展，全程记录操作细节、遇到的问题及最终结果，确保内容真实可复现。

爱思德学术

中国计算机学会（CCF）推荐学术会议-B（数据库／数据挖掘／内容检索）：PODS 2026PODS 2026The Principles of Database Systems (PODS) symposium series, held in conjunction with the SIGMOD conference series, provides a premier annual forum for the communication of new advances in the theoretical foundations of data management, traditiona

SelectDB技术团队

Apache Doris 内部数据裁剪与过滤机制的实现原理 | Deep Dive对于分析型数据库系统来说，读取数据所需要的磁盘 IO 和网络资源耗费了大量的机器资源，尤其是存算分离模式下，远端存储的数据通过网络传输到本地进行数据处理，所以数据裁剪能力对于分析型数据库系统来说非常重要。近期的研究中也体现出这点，比如在扫描节点上使用过滤操作可以降低 50% 以上的执行时间 [1]，PowerDrill 通过应用恰当的策略可以裁剪 92.41% 的数据读取，而 Snowflake 的测试显示其在自己的消费者数据集上可以裁剪 99.4% 的数据 [2]。

爱思德学术

中国计算机学会（CCF）推荐学术会议-B（数据库／数据挖掘／内容检索）：DASFAA 2026DASFAA 2026The International Conference on Database Systems for Advanced Applications (DASFAA) is a leading international forum for discussing cutting-edge research on database systems and advanced applications. DASFAA, a prestigious and well-established