sql

川石课堂软件测试

学习软件测试需掌握的一些知识软件测试是软件开发过程中至关重要的一个环节，其核心目标是通过系统化的方法评估软件的质量，发现并修复潜在缺陷，确保软件满足用户需求、功能正确且稳定可靠。那么，学习软件测试需要掌握一系列基础知识，涵盖理论、技术、工具和流程等多个方面。以下是系统化的知识框架，适合初学者快速建立软件测试领域认知。

自建 SQL 数据库定时备份踩坑复盘与落地思路在企业运维场景里，SQL Server、MySQL 这类关系型数据库承载着业务核心数据，财务系统、ERP、进销存等业务都依赖数据库稳定运行。不少中小团队习惯用 SQL Server 代理作业、Shell 脚本、批处理脚本完成定时备份，初期配置简单，很容易让运维人员觉得灾备方案已经落地。但在多次故障排查中，我发现脚本化备份存在不少隐性问题，很多故障发生之后才发现备份文件无效、任务静默失败，RPO 和 RTO 达不到预期。本文结合日常运维经验，聊聊自建 SQL 定时备份的痛点，以及一套更稳定的落地方式。

DeepSeek总结的ALTER FUNCTION SET work_mem：无需全局更改即可修复 PostgreSQL 磁盘溢出ALTER FUNCTION SET work_mem：无需全局更改即可修复 PostgreSQL 磁盘溢出

第六篇：《SQL 优化的艺术：从慢查询到毫秒级响应》在上一篇文章中，我们学会了用 EXPLAIN ANALYZE 读懂执行计划。但“读懂”只是诊断的开始，真正的挑战在于改——为什么这条 SQL 明明有索引却不走？为什么 OFFSET 100000 越翻越慢？为什么加了窗口函数之后查询耗时从秒级变成分钟级？SQL 优化的本质，是理解数据库的执行模型，然后顺着它的规则去写查询，而不是和它对抗。本文将系统讲解索引失效的典型场景、深度分页的正确解法、子查询与 JOIN 的取舍、以及窗口函数的性能边界，最后通过一个“5 秒到 50 毫秒”的完整优化实战，帮你建立从

王仕宇分享：把 MySQL 排障做成 AI Agent，慢 SQL、锁等待、连接数和主从异常都能自动查我是王仕宇，平时用 JavaPub 这个名字分享后端、Linux、Docker、Kubernetes、MySQL 和 AI Agent 相关内容。

SQL 效率天花板！开源 CloudDM，自带一站式 AI SQL 助手如今，用 AI 辅助编写 SQL 已经不是什么新鲜事。只要描述一下查询需求，就能快速得到一段 SQL。

第七篇：《事务与并发：MVCC、隔离级别与锁机制》在上一篇文章中，我们通过 SQL 改写和索引设计把查询从秒级压到了毫秒级。但 SQL 优化解决的是“单个查询跑得快不快”的问题，而事务与并发解决的是“多个事务同时跑时，数据还对不对、系统会不会卡死”的问题。一个没有索引的查询只是慢；一个隔离级别用错的事务，可能在并发下读到不存在的数据、丢失更新、甚至让两个事务互相锁死。本文将深入 PostgreSQL 的 MVCC 实现——每一行元组都携带 xmin 和 xmax，可见性由读者快照决定；拆解四种隔离级别在 PostgreSQL 中的真实行为（Read U

附-01 · MySQL 压测与容量规划 —— sysbench 基准测试、容量评估与参数基线系列定位：《MySQL 数据库全栈运维实战系列》第附-01 篇（番外），与《Oracle 数据库全栈运维实战系列（VMware 版）》同构对标。适用版本：MySQL 8.0（5.7 差异随文标注）。官方文档：MySQL 8.0 Reference Manual、sysbench 官方文档（github.com/akopytov/sysbench）。

DeepSeek总结的PostgreSQL 中的 SQL 与 PL/pgSQL：计划缓存PostgreSQL 中的 SQL 与 PL/pgSQL：计划缓存在 PostgreSQL 16 上，一个由 PL/pgSQL 循环逐行调用的 SQL 函数每次调用都会被重新规划，而 PL/pgSQL 会缓存其计划。

# 深度解析JQuick-SQL Join重排序与哈希连接执行机制Meta 描述：本文从jquick-sql架构原理分析Join Reorder、Hash Join与Nested Loop Join的分工，说明JQuickPhysicalPlanGenerator如何依据等值条件选择物理节点，以及物理优化器如何以统计行数决定连接分布，串联Java分布式SQL引擎架构、SQL查询优化原理与gRPC分布式数据交换。

华为云 GaussDB(DWS) 和 PG 的谓词下推有何差异在华为云 GaussDB(DWS) 中，谓词下推的语义比原生 PostgreSQL 多了一层——除了 PG 继承下来的"把 WHERE 条件尽可能下沉到扫描节点"之外，更关键的是分布式层面的"语句下推"（把整个查询从 CN 推到各 DN 并行执行）

深度解析JQuick-SQL 谓词下推与投影下推优化机制Meta 描述：本文基于jquick-sql架构原理解读Predicate Pushdown、Projection Pushdown与Limit Pushdown在逻辑计划中的作用，说明过滤、列选择和行数限制如何靠近数据扫描，并关联Java分布式SQL引擎架构、SQL查询优化原理与gRPC分布式数据交换中的传输成本控制。

【计算基础｜MySQL18】Buffer Pool 与内存管理上一篇讲了三大日志，知道了 redo 先写内存再异步刷盘。那"内存里那块缓存数据的地方"到底是什么？就是 Buffer Pool。你以为 MySQL 每次查询都去读磁盘，其实 99% 的请求命中的是内存里的缓存页。Buffer Pool 命中率差一个百分点，QPS 可能腰斩；一次忘了带 WHERE 的全表 UPDATE，能把你辛苦缓存的热点页全挤出去——这就是缓存污染。

Pivoting and Unpivoting Data in SQL using postgreSQL 18

达梦 DM8 + openGauss：RuoYi Office 的 MySQL 数据转换与导入实践🌐 文档地址：https://ruoyioffice.com 👇 文章底部获取源码和演示地址 👇 💬 ：17156169080（获取产品咨询）

喵了几个咪

GoWind ShortPlay 拆解：Ent privacy/viewer 多租户隔离——从中间件到 SQL 的零信任链本文回答一个问题：一条 SQL 都没手写的情况下，租户 A 的用户为什么绝不可能查到租户 B 的视频——连"漏一次"的机会都没有？

SelectDB技术团队

ClickHouse SQL 好学吗？从 MySQL 迁移 Doris 的完整兼容验证ClickHouse 的 SQL 接近标准 SQL，会写 SQL 的人单表查询上手快，这点不绕。但"好学"在迁移评估里是最容易误导人的指标——很多团队上线后才发现，真正烧钱的是换引擎之后 MySQL 客户端、JDBC、BI 报表、权限审计、慢查询监控那一整套要不要重建。这篇不争论"哪个更学得会"，而是给你一套从 MySQL 迁到 Apache Doris 的可执行验证步骤，每一步都带命令和核对清单，跑完你就能直接算出适配成本。结论先放这：如果你的存量系统深度依赖 MySQL 协议生态，Doris 的 My

redis--IO 多路复用（select + poll）文件描述符 FD：Linux 中一切皆文件，FD 是标识文件 /socket 的递增整数。 IO 多路复用：单线程监听多个 FD，当任意 FD 可读 / 可写时收到通知，避免阻塞 IO 卡死、非阻塞 IO 空转，提升 CPU 利用率。