数据库

山岚的运维笔记

SQL Server笔记 -- 第72章：隔离级别与锁定设置隔离级别的示例：隔离级别说明：READ UNCOMMITTED（未提交读）当前事务中的查询无法读取其他事务尚未提交的修改，防止脏读；但可能出现不可重复读和幻读，因为其他事务仍可修改数据。

如何判断一个关键词值不值得做？很多人做SEO，第一件事就是找一个搜索量大的词，然后拼命往上冲。结果做了半年，流量依然是零，或者排上去了却没什么收入。

新缸中之脑

从零实现AI代理的长期记忆大多数开发人员认为"记忆"只是存储聊天日志。这是一个根本性的误解。如果你想构建一个能够真正了解你的 AI 代理——一个能够根据你的整个对话历史、目标、健身水平和偏好提供个性化建议的系统——那么你就需要超越简单的聊天日志存储。

清水白石008

Fixture 的力量：pytest fixture 如何重新定义测试数据管理“setUp 和 tearDown 我用了好几年，一直觉得挺好用的。直到我需要在 50 个测试用例之间共享一个数据库连接，还要按需初始化不同的测试数据……那一刻，我才明白为什么 pytest 的 fixture 会让人上瘾。”

如何保证数据库和Redis缓存一致性在现代高并发系统中，数据库（如 MySQL）和缓存（如 Redis）的双写一致性是一个经典难题。首先，我们需要明确一个核心观点：在分布式环境下，绝对的强一致性（任何时刻数据都完全一致）极难实现且代价高昂。因此，业界通常追求的是“最终一致性”，即通过一系列策略，保证数据在短暂的不一致窗口后，最终能达到一致状态。

那个松鼠很眼熟w

2.获取数据库连接这种方式在代码中指明了要获取的是Mysql数据库的驱动对象，如果后续切换其他数据库，就需要修改代码。因此在JDBC程序中，尽量不要出现第三方的API。

5 分钟搭建 CSV 数据问答系统：LangChain + LLM 实战教程在日常工作中，我们经常需要从 CSV 表格中提取信息 —— 比如 “泰坦尼克号幸存者的平均年龄是多少？”“某产品各地区销量排名如何？”。传统方式需要手动写 Pandas 代码或 Excel 公式，效率低下。本文将教你用 LangChain + 大模型快速搭建 CSV 数据问答系统，让你用自然语言直接查询 CSV 数据，无需编写一行代码。

APT vs Snap vs Flatpak 核心对比表对比 Linux 系统中 APT、Snap、Flatpak 三种主流包管理方式的核心差异简单来说：服务器优先 APT/Snap，桌面优先 Flatpak/Snap，Ubuntu 生态优先 Snap。

MySQL报错：Column count doesn‘t match value count at row 1 解决方案（超详细）报错原文： Column count doesn’t match value count at row 1

FastAPI实战（第二部分）：用户注册接口开发详解这是一个典型的 FastAPI 项目，采用分层架构，核心目录如下：toutiao_backend/├── config/ # 配置层

倔强的石头_

一卡通核心交易平台的国产数据库实践解析：架构、迁移与高可用落地@[toc]接触过城市级“一卡通”的同学多半知道，这种卡把“金融级一致性，交通级高并发，每天24小时运行”这几件事集于一身，其交易链路比较短，高峰期又特别集中；对账清算时使用的口径较多，链路就变得很长；数据保存的时间常常较长，而且还要符合监管审查以及安全合规的要求，文章联系这个平台选用金仓产品作为核心关系型数据库之后的实际操作情况，针对其架构的选择，数据模型的重点之处，高可用性和容灾能力，性能及稳定性的提升措施，还有迁移上线时的组织形式展开技术回顾，试图把“为什么要这样做，具体应该如何去做，实际效果怎样”

MySQL存储过程和触发器1. 存储过程的作用是什么？2. 如何创建一个存储过程？3. MySQL中的变量都有哪几种？4. 如何定义一个变量？

phpstudy_x64_8.1.1.3安装教程（含Apache/MySQL启动与端口修改）phpstudy_x64_8.1.1.3是 PhpStudy 8.1.1.3 64位版本的安装包，这玩意儿是个集成环境，把 PHP、Apache、MySQL 都打包在一起，装一个就能跑本地网站，做PHP开发、测试源码特别方便。

笨蛋不要掉眼泪

Sentinel 流控规则详解：三种模式与三种效果实战指南在分布式系统面临高并发冲击时，一个智能的流量控制方案是系统稳定运行的守护神。Sentinel 以其灵活的流控规则配置，为系统资源筑起了一道可调节的防护墙。

MySQL-递归查询相信大家在平时开发的时候都遇见过以下这种树形数据这种树形数据如何落库应该这里就不赘述了核心就是使用额外一个字段parent_id保存父亲节点的id，如下图所示

一个响当当的名号

lectrue15 并发控制理论引子：在多用户同时访问数据库的环境下，我们需要解决以下两个核心问题：更新丢失问题（并发控制 - Concurrency Control）：当多个用户同时更新同一条记录时，我们如何避免出现“竞态条件”（Race Conditions）？即如何确保一个用户的修改不会被另一个用户无意中覆盖。

Java8 ConcurrentHashMap 深度解析（底层数据结构详解及方法执行流程）Java 8 的 ConcurrentHashMap 摒弃了 Java 7 中的 Segment 分段锁机制，采用了与 HashMap 1.8 类似的数组 + 链表 + 红黑树的结构，但在并发控制上做了特殊设计。

Redis 分布式锁进阶：从看门狗到 Redlock 的高可用实践在 Redis 缓存和分布式锁的实践中，有两个绕不开的核心问题：过期时间失控：如果业务执行时间超过缓存或锁的过期时间，会导致缓存失效或锁被提前释放，引发数据不一致或并发冲突。

山岚的运维笔记

SQL Server笔记 -- 第69章：时态表系统行为：提示：ValidFrom/ValidTo 的值基于事务开始时间；同一事务内所有行的时间戳相同。

一只理智恩

向量数据库在AI领域的核心作用、优势与实践指南从“精确匹配”到“相似性理解”，向量数据库重新定义AI应用的数据底座近年来，AI应用从“能用”向“好用”迈进，无论是ChatGPT这样的对话系统，还是Midjourney这样的图像生成工具，背后都离不开一个关键组件——向量检索。