精华内容
下载资源
问答
  • 连续三个交易日上证指数缩量收阳,扭扭捏捏,简单通过这五六个交易日上证和创业板的量价走势来,近日如果不能放量上攻,还会有中阴线下杀探底,所以不应该急着乐观...一、大盘分时量与后市预判大盘的时候,想要...
    连续三个交易日上证指数缩量收阳,扭扭捏捏,简单通过这五六个交易日上证和创业板的量价走势来看,近日如果不能放量上攻,还会有中阴线下杀探底,所以不应该急着乐观。倘若接下来有放量的阳线,则值得乐观。今天讲讲如何通过分时成交量判断后市涨跌。虽然讲的是分时量,但分时与K线的其实是一回事。只不过分时为即时走势,K线为事后走势,将K线周期无限降低,即为分时图。5697fd9e8f1ab85764cab1082ef4719c.png一、大盘分时量与后市预判看大盘的时候,想要预测接下来的涨跌,有一个比较简单的办法,总结一下就是:涨缩量,跌放量,看跌;涨放量,跌缩量,看涨。涨缩量,就是说大盘上涨的时候交易量减少,在大盘上看到的红柱越来越短(如下图)。eed3a10e59180630ac9a2620f5f96fbb.png有些分时量没有颜色,你可以设置出来。也可以看分时图上的红绿柱。下图是今天的上证分时图。2543c873e197a10899c5e3f3e192023c.png当出现涨缩量这种情况的时候,说明并不是因为成交量导致价格上涨,极有可能是单笔高价交易导致的。2812cdbf9ddccd396dfa45390deac30c.png这种上涨往往是虚涨。跌放量是说大盘下跌的时候交易量增加,在大盘分时图上看到的绿柱越来越长。说明大家在纷纷卖出手里的股票。这种下跌往往是实跌,如果涨缩量遇见跌放量,脚底油,趁早溜之大吉,因为后面大概率还有更大的跌幅。f506da38f1190919c81bae73bde7abff.png反之,涨放量(下图)就是大盘上涨的时候交易量增加,在大盘上看到红柱越来越长。同理,交易量带来的价格上涨往往是实涨。跌缩量则是在大盘下降的时候交易量减少,在大盘上看到绿柱越来越短,或许说明持有股票的人没有因为价格下就抛售,而是继续持有或持观望态度。c6fb8bc262b9d7aceca08f680ee3101c.png当涨放量遇到了跌缩量,这种下跌往往是虚跌。也就是实涨之后是虚跌,在两者差别较大的情况下,基本后市大涨的概率很高。如果早盘有看好的股票,可以择机杀入,当天吃肉的概率大。不过大盘的起起伏伏情况太多,也有不少消息面的爆发和跳水。所以看的时候也要动动脑子哦。如果出现很长的绿柱,后市也不乐观,所以,不管是大盘还是个股,记住:涨放量,跌缩量,后市大概率是涨,相反后市大概率是跌!

    db1e6449280457948147209626631417.png

    还有就是,反弹时的成交量我们也称作为底量,有底量也就会有顶量。如果反弹时底量远远大于顶量,那反弹的高度一般都会比前高度高不少(见下图)

    e8cdbe892c6212315924c4a70fb4be69.png二、个股分时与后市预判这个方法也同样适合个股。以今天早盘的汉邦高科为例。10点钟开始的下跌是典型的放量下跌,而紧接着的反弹是无量反弹,是上不去的,最终受均价线压制,到收盘跌14个点。b37c8e05822d75d244dd794b29a83451.png个股分时量还可以用两句话来概括:反弹有量,会继续冲高;反弹无量,会冲高回落。也就是说,当某只股票价格反弹的时候,如果交易量也配合上涨,那么这只股票后期仍然还有上涨空间。如果交易量没有配合上涨,那么这只股票很有可能要下跌。举个例子:今天早上这只票量价配合很好,竞价也很完美,我在今天早盘推荐,下午拉板,后市看高一线。3efebb871f8548ad0c818542a594fde5.png02ccb5264dd9ef09aa862d921f796eae.pngc21bd0b241af7b435c8ff3dddc030b7a.png

    ceb9bfda551a4e5255ec7cfdc6e54b09.png

    de8042e478f8347998e6040033dffca3.png

    展开全文
  • 背景:处理50etf和对应的认沽认购数据,想将这三者的时间-价格走势在同一张图中体现。数据源是每日的笔数据。整合后如下: ![图片说明](https://img-ask.csdn.net/upload/201906/16/1560661788_443267.png) ...
  • 详解rsync算法--如何减少同步文件的网络传输 分类: 技术分享 算法 C/C++2012-02-28 17:02 13504人阅读 评论(30) 收藏 举报 算法网络服务器server手机android 先下图中的场景,客户端A...
     

    详解rsync算法--如何减少同步文件时的网络传输量

    分类: 技术分享 算法 C/C++ 13504人阅读 评论(30) 收藏 举报

    先看下图中的场景,客户端A和B,以及服务器server都保存了同一个文件,最初,A、B和server上的文件内容都是相同的(记为File.1)。某一时刻,B修改了文件内容,上传到SERVER上(记为File.2)。客户端A这时试图向服务器SERVER更新文件到最新内容,也就是File.1更新为File.2。


    上面这个场景很常见,例如现在流行的网盘。假设我有一个文件a.txt在网盘上,上班时在公司的单位PC上更新了文件a.txt,下班后回到家里,家里PC硬盘上的a.txt就不是最新的内容,这时网盘就试图从服务器上去拿最新的a.txt了。


    那么问题来了,如果在公司电脑上我只是更新了a.txt里很少的一部分内容,例如a.txt共有20M,我只更新了10个字节,难道家里的电脑上,网盘要从服务器上下载20M大小的文件?这明显很浪费带宽。

    更有用的场景,假设我的手机android上也用了这个网盘(手机上网费贵得多),只改了几十字节的内容,就要下载20M的文件,得不偿失。或者我把这个文件共享给其他朋友,也有同样的问题:修改少量的内容,却同步完整的文件!


    rsync算法就是用来解决上述问题的。client A发送它所保存的旧文件File.1少量的rsync摘要,server拿到后对比本地的File.2内容,得到File.2相对于File.1的变化,然后通过仅发送这个变化来代替发送完整的File.2内容,这样大大减少了网络传输数据。client A收到这个变化后,更新本地的File.1到最新的File.2。就是这么简单。下面详述rsync算法的步骤。


    rsync首先需要客户端与服务器之间约定一个块大小,例如1K。然后把File.1等分成多个1K大小的字符串块,每块各计算出MD5摘要和Alder32校验和,如下图。


    这里简单介绍下MD5和校验和。MD5是种哈希算法,用于把任意长度的字符串转化为固定为128位的定长字符串,这里可以保证,相同的字符串不可能计算出不同的MD5值。MD5的碰撞率是有的,就是说,两个不同的字符串有可能计算出相同的MD5值,但是这个机率非常小,这里我们忽略不计。例如,在rsync算法里,同一个文件按1K切分成多块,每块都有一个MD5值,如果两块字符串的MD5值相同,则我们认为这两块数据完全相同。

    校验和是把上述1K块数据映射为32位大小整型数字上,我们采用Alder32算法,这里同样可以保证,相同的字符串不可能计算出不同的Alder32值。Alder32有两个优点:1、计算非常快,比MD5快多了,成本小;2、当我们有了从0-1024长度的校验和后,计算出1-1025或者2-1026等其他校验和非常方便,只要少量运算即可。当然,它的缺点也很明显,就是碰撞率比MD5高多了,所以,我们要把每个rynsc块同时计算出Alder32校验和与MD5值。Alder32算法我会在本文最后解释。


    客户端按1K大小划分File.1文件为许多块,并对每块计算出MD5、Alder32校验和。最后不满1K的数据不做计算。之后,客户端把这些MD5、Alder32校验和依序通过网络传输给服务器,最后不满1K的数据直接发给服务器。那么,服务器收到数据后怎么处理呢?看下图。


    首先重申,计算Alder32校验和非常快!

    所以,服务器先把最新文件File.2从0字节开始,按1K切分成许多块,每块计算出Alder32校验和,然后与客户端发来的File.1切分出来的Alder32校验和相比,如果alder32值都不一样,毫无疑问,文件内容是不相同的。接着,把File.2从1字节开始,按1K切分成许多块,每块计算出Alder32校验和,再与客户端的校验和比。如此循环下去,直到某个校验和相同了,那么把这段字符串再计算出MD5值,再与客户端过来的对应的MD5值相比(还记得吧?客户端对每个块既计算出Alder32又计算出MD5值),如果不同,则继续往后移1字节,继续比Alder32、MD5值。如果相同,则认为这1K数据,服务器与客户端保存的一致,忽略这块数据(例如1K字节),继续向下看。


    全部处理完后,按File.2的文件顺序,向客户端发送以下数据:对于不能够在客户端File.1数据块中找到相同块的字符串,直接列上发出;如果可以找到,则写上MD5和Alder32值,代替原来1024字节的数据块。同样,最后不足1K大小的部分直接列上发出。


    纯理论读起来会有些吃力,我再把它简化了举个例子吧。假设客户端与服务器间约定的字符块大小不是1K,而是4个字节。客户端的文件内容是:

    taohuiissoman

    而服务器的文件内容是:

    itaohuiamsoman

    现在我们来看看,rsync算法是怎么运作的。


    首先,客户端开始分块并计算出MD5和Alder32值。


    如上图,像taoh是一块,对taoh分别计算出MD5和alder32值。以此类推,最后一个n字母不足4位保留。于是,客户端把计算出的MD5和alder32按顺序发出,最后发出字符n。


    服务器收到后,先把自己保存的File.2的内容按4字节划分。


    划分出itao、huia、msom、an,当然,这些串的Alder32值肯定无法从File.1里划分出的:taoh、uiis、soma、n找出相同的。于是向后移一个字节,从t开始继续按4字节划分。


    从taoh上找到了alder32相同的块,接着再比较MD5值,也相同!于是记下来,跳过taoh这4个字符,看uiam,又找不到File.1上相同的块了。继续向后跳1个字节从i开始看。还是没有找到Alder32相同,继续向后移,以此类推。


    到了soma,又找到相同的块了。


    重复上面的步骤,直到File.2文件结束。


    那么,最终客户端与服务器间传输的数据如下图所示。


    上面这个例子很简单,可由此推导出复杂的情况,包括File.2对File.1在任意位置上做了增、改、删,都能够完成。

    如果这是个大文本文件,应用rsync算法就非常有意义,例如20M的文件,实际可能只传输1M的数据量!这样用户体验会好很多,特别是网速慢的场景。

    同时增加的消耗,就是在PC上计算的MD5值和Alder32校验和,这只消耗少量的CPU和内存而已。


    最后列下Alder32的算法:

    1. A = 1 + D1 + D2 + ... + Dn (mod 65521)  
    2. B = (1 + D1) + (1 + D1 + D2) + ... + (1 + D1 + D2 + ... + Dn) (mod 65521)  
    3.   = n×D1 + (n−1)×D2 + (n−2)×D3 + ... + Dn + n (mod 65521)  
    4.   
    5. Adler-32(D) = B × 65536 + A  

    D1到Dn就是待计算的字符串块,所有位上的ASC字符。它的C代码实现为:

    1. const int MOD_ADLER = 65521;  
    2.    
    3. unsigned long adler32(unsigned char *data, int len) /* where data is the location of the data in physical memory and  
    4.                                                        len is the length of the data in bytes */  
    5. {  
    6.     unsigned long a = 1, b = 0;  
    7.     int index;  
    8.    
    9.     /* Process each byte of the data in order */  
    10.     for (index = 0; index < len; ++index)  
    11.     {  
    12.         a = (a + data[index]) % MOD_ADLER;  
    13.         b = (b + a) % MOD_ADLER;  
    14.     }  
    15.    
    16.     return (b << 16) | a;  
    17. }  
    展开全文
  • 如何分库分表

    2020-09-24 10:52:17
    接下来就可以想象了吧(并发、吞吐、崩溃)。 1、IO瓶颈 第一种:磁盘读IO瓶颈,热点数据太多,数据库缓存放不下,每次查询会产生大量的IO,降低查询速度 ->库和垂直分表。 第二种:网络IO瓶颈,请求...

    数据库怎么分库分表,垂直?水平?

    一、数据库瓶颈

    不管是IO瓶颈,还是CPU瓶颈,最终都会导致数据库的活跃连接数增加,进而逼近甚至达到数据库可承载活跃连接数的阈值。在业务Service来看就是,可用数据库连接少甚至无连接可用。接下来就可以想象了吧(并发量、吞吐量、崩溃)。

    1、IO瓶颈

    第一种:磁盘读IO瓶颈,热点数据太多,数据库缓存放不下,每次查询时会产生大量的IO,降低查询速度 -> 分库和垂直分表

    第二种:网络IO瓶颈,请求的数据太多,网络带宽不够 -> 分库

    2、CPU瓶颈

    第一种:SQL问题,如SQL中包含join,group by,order by,非索引字段条件查询等,增加CPU运算的操作 -> SQL优化,建立合适的索引,在业务Service层进行业务计算。

    第二种:单表数据量太大,查询时扫描的行太多,SQL效率低,增加CPU运算的操作 -> 水平分表

    二、分库分表

    1、水平分库

     

    1、概念:以字段为依据,按照一定策略(hash、range等),将一个中的数据拆分到多个中。

    2、结果:

    • 每个结构都一样;

    • 每个数据都不一样,没有交集;

    • 所有并集是全量数据;

    3、场景:系统绝对并发量上来了,分表难以根本上解决问题,并且还没有明显的业务归属来垂直分库。

    4、分析:库多了,io和cpu的压力自然可以成倍缓解。

    2、水平分表

     

    1、概念:以字段为依据,按照一定策略(hash、range等),将一个中的数据拆分到多个中。

    2、结果:

    • 每个结构都一样;

    • 每个数据都不一样,没有交集;

    • 所有并集是全量数据;

       

    3、场景:系统绝对并发量并没有上来,只是单表的数据量太多,影响了SQL效率,加重了CPU负担,以至于成为瓶颈。

    4、分析:表的数据量少了,单次SQL执行效率高,自然减轻了CPU的负担。

    3、垂直分库

     

    1、概念:以为依据,按照业务归属不同,将不同的拆分到不同的中。

    2、结果:

    • 每个结构都不一样;

    • 每个数据也不一样,没有交集;

    • 所有并集是全量数据;

    3、场景:系统绝对并发量上来了,并且可以抽象出单独的业务模块。

    4、分析:到这一步,基本上就可以服务化了。例如,随着业务的发展一些公用的配置表、字典表等越来越多,这时可以将这些表拆到单独的库中,甚至可以服务化。再有,随着业务的发展孵化出了一套业务模式,这时可以将相关的表拆到单独的库中,甚至可以服务化。

    4、垂直分表

     

    1、概念:以字段为依据,按照字段的活跃性,将中字段拆到不同的(主表和扩展表)中。

    2、结果

    2.1、每个结构都不一样;

    2.2、每个数据也不一样,一般来说,每个表的字段至少有一列交集,一般是主键,用于关联数据;

    2.3、所有并集是全量数据;

    3、场景:系统绝对并发量并没有上来,表的记录并不多,但是字段多,并且热点数据和非热点数据在一起,单行数据所需的存储空间较大。以至于数据库缓存的数据行减少,查询时会去读磁盘数据产生大量的随机读IO,产生IO瓶颈。

    4、分析:可以用列表页和详情页来帮助理解。垂直分表的拆分原则是将热点数据(可能会冗余经常一起查询的数据)放在一起作为主表,非热点数据放在一起作为扩展表。这样更多的热点数据就能被缓存下来,进而减少了随机读IO。拆了之后,要想获得全部数据就需要关联两个表来取数据。

    但记住,千万别用join,因为join不仅会增加CPU负担并且会讲两个表耦合在一起(必须在一个数据库实例上)。关联数据,应该在业务Service层做文章,分别获取主表和扩展表数据然后用关联字段关联得到全部数据。

    三、分库分表工具

    1、sharding-sphere:jar,前身是sharding-jdbc;2、TDDL:jar,Taobao Distribute Data Layer;3、Mycat:中间件。

    注:工具的利弊,请自行调研,官网和社区优先。

    四、分库分表步骤

    根据容量(当前容量和增长量)评估分库或分表个数 -> 选key(均匀)-> 分表规则(hash或range等)-> 执行(一般双写)-> 扩容问题(尽量减少数据的移动)。

    五、分库分表问题

    1、非partition key的查询问题(水平分库分表,拆分策略为常用的hash法)

    1、端上除了partition key只有一个非partition key作为条件查询

     

     

    :写入时,基因法生成userid,如图。关于xbit基因,例如要分8张表,23=8,故x取3,即3bit基因。根据userid查询时可直接取模路由到对应的分库或分表。根据username查询时,先通过usernamecode生成函数生成username_code再对其取模路由到对应的分库或分表。id生成常用snowflake算法分布式ID生成器的解决方案总结,推荐看下这篇。

    2、端上除了partition key不止一个非partition key作为条件查询

     

     

    注:按照orderid或buyerid查询时路由到dbobuyer库中,按照sellerid查询时路由到dbo_seller库中。感觉有点本末倒置!有其他好的办法吗?改变技术栈呢?

    3、后台除了partition key还有各种非partition key组合条件查询

     

     

    2、非partition key跨库跨表分页查询问题(水平分库分表,拆分策略为常用的hash法)

    注:用NoSQL法解决(ES等)。

    3、扩容问题(水平分库分表,拆分策略为常用的hash法)

    1、水平扩容库(升级从库法)

     

    注:扩容是成倍的。

    2、水平扩容表(双写迁移法)

     

    第一步:(同步双写)应用配置双写,部署;

    第二步:(同步双写)将老库中的老数据复制到新库中;

    第三步:(同步双写)以老库为准校对新库中的老数据;第四步:(同步双写)应用去掉双写,部署;

    注:双写是通用方案。

    六、分库分表总结

    1、分库分表,首先得知道瓶颈在哪里,然后才能合理地拆分(分库还是分表?水平还是垂直?分几个?)。且不可为了分库分表而拆分。

    2、选key很重要,既要考虑到拆分均匀,也要考虑到非partition key的查询。

    3、只要能满足需求,拆分规则越简单越好。

    展开全文
  • 如何分析成交

    2009-09-04 11:06:00
    这里面又两种情况:一是淡后市,造成只有人卖,没有人买;二是看好后市,只有人买,没有人卖。缩一般发生在趋势的中期,碰到下跌缩应坚决出局,等量缩到一定程度,开始放上攻再买入。碰到上涨缩则可坚决买进,...
      1、缩量。缩量是指市场成交极为清淡,大部分人对市场后期走势十分认同。这里面又分两种情况:一是看淡后市,造成只有人卖,没有人买;二是看好后市,只有人买,没有人卖。缩量一般发生在趋势的中期,碰到下跌缩量应坚决出局,等量缩到一定程度,开始放量上攻时再买入。碰到上涨缩量则可坚决买进,等股价上冲乏力,有巨量放出的时候再卖出。
      2、放量。放量一般发生在市场趋势发生转折的转折点处,市场各方力量对后市分歧逐渐加大,一些人纷纷把家底甩出,另一部分人却在大手笔吸纳。相对于缩量来说,放量有很大的虚假成分,控盘主力利用手中的筹码大手笔对敲放出天量是非常简单的事,但我们也没有必要因噎废食,只要分析透了主力的用意,也就可以将计就计“咬他一大口”。
      3、堆量。主力意欲拉升时,常把成交量做得非常漂亮,几日或几周以来,成交量缓慢放大,股价慢慢推高,成交量在近期的K线图上形成一个状似土堆的形态,堆得越漂亮,就越可能产生大行情。相反,在高位的堆量表明主力已不想玩了,在大举出货,这种情况下我们要坚决退出,不要幻想再有巨利获取了。
      4、量不规则性放大缩小。这种情况一般是没有突发利好或大盘基本稳定的前提下的妖庄所为,风平浪静时突然放出历史巨量,随后又复归平静,一般是实力不强的庄家在吸引市场关注,以便出货。   股市资金的运动才是股价变化的本质,成交量的分析异常重要。
    展开全文
  • 我查看是晚上2点钟,也就是浏览从晚上0点算起。不过2个小时。独立IP达到600多个。是有点恐怖,因为这不是通用软件,而是行业软件。一般人在0点后都休息了,怎么可能会在0-2点产生前一天1/6的流...
  • 我查看是晚上2点钟,也就是浏览从晚上0点算起。不过2个小时。独立IP达到600多个。是有点恐怖,因为这不是通用软件,而是行业软件。一般人在0点后都休息了,怎么可能会在0-2点产生前一天1/6的流量。 3。从我...
  • 分时图绝技战法

    2014-10-16 17:46:27
    如何从第一买点寻股 -1.5--3之间涨幅的题材股 强势股特点 短线顶部 分时图识别主力震仓 共振   短线     第一节 挂单应对  超级短线之所以受到很多投资者的喜爱,就是因为一旦操作成功,...
  • CNC广告雕刻机是常见广告雕刻机的一种,下面将为大家来简单地介绍一下CNC广告雕刻机百如何使用,一起来吧……CNC广告雕刻机百表使用方法:一、在使用之前,要认真进行检查。要仔细检查CNC雕刻机外观,表蒙...
  • 数据分析是做sem非常重要的一个环节,...设备查看关键词、点击、消费、浏览(PV)、跳出率、平均访问长、转化次数如果跳出率过高,说明页面或关键词出现问题了,看看用户搜索的关键词和LP主题是否对应,如果用...
  • 为了减少电商们的下图困难,下图高手提供了批量采集的下图功能,用户使用可以批量导出一起做网店等平台的商品图片及视频,可以省去大量保存图片的时间,接下来我们一起来看看操作方法吧。 在下图高手中点“帮助”...
  • 对于新建的网站来说,不仅是排名还是权重的提升都需要优化人员进行更细心的操作,吸引更多的蜘蛛进行爬取网站才能逐渐提升网站的收录和排名,那么新站该如何吸引蜘蛛进行爬取呢?接下来就一起来看看。一、主动提交...
  • 就是把一张数据很大的表按一定的规则分解成N个具有独立存储空间的实体表。系统读写需要根据定义好的规则得到对应的字表明,然后操作它。表名可以按照某种业务hash进行映射。 库 一旦分表,一个库中的表会...
  • 在物品越来越丰富、信息越来越大的今天,做选择是不是变得越来越困难?我就经常有这样的困惑,比如从淘宝上一大堆的鞋子里选不出要买哪一双。 今天我在网易课堂里看到一篇很不错的演讲:《如何令选择变得更加...
  • 我初学 Python ,被它的简洁震惊到了,尤其是文件操作和数组操作,只需要一行代码搞定文件读入,相同功能, Java 的 IO 操作基本上是十行代码。所以,偶尔也会用 Python 做一些小事情。 今天来整理一个 Python ...
  • 当我们选购电脑,不清楚到底应该选择多大的内存,买大内存,又觉得费钱,买小了又怕以后不够用,那么买电脑到底要如何选择适合自己的内存呢?那么电脑内存容量是越大越好吗?其实并不是,此前英特尔官微就表示,...
  • 当你需要搭建一个支撑超大型企业(十万+)邮箱用户的超级邮件系统平台,该选择怎样的存储架构,如何设计存储的性能和容量需求,特别是数据如何迁移,以及数据的安全性又如何保证呢?本文通过一个邮件项目设计部署的...
  • 使用Threej搭建大场景,超大模型渲染的时候特别卡,渲染构件数量过多,顶点多,数据大,一次性渲染耗时超长,FPS小,甚至掉到5以下。这种情况直接的体验是,无法操作! 那如何让它变成优先响应鼠标操作呢,至少让...
  • 一、 视频分辨率(其实分辨率严格来还包括有图片分辨率与屏幕分辨率)分辨率是衡量图像内数据多少的一个参数,简单来说是指单位长度内的有效像素值,通常用PPI(Pixel per inch每英寸像素)表示。其数值越大,其它...
  • 如何重装系统 方法1: 首先,确定你的光驱是第一启动顺序并支持从光驱启动。 要从光盘安装,要把BIOS进行设置,使系统能够从光盘启动。其方法如下: (1)启动计算机,当屏幕上显示 Press Del to Enter BIOS Setup...
  • 当我们选购电脑,不清楚到底应该选择多大的内存,买大内存,又觉得费钱,买小了又怕以后不够用,那么买电脑到底要如何选择适合自己的内存呢?那么电脑内存容量是越大越好吗?其实并不是,此前英特尔官微就表示,...
  • 如何构建随机森林

    2020-07-31 18:13:37
    随机森林源于决策树 如果对决策树不了解的可以看看这篇: 如何构建一棵决策树 决策树的局限 决策树的构建要利用大量的数据,但是当用这个构建好的决策树来对一批新的数据进行分类,决策树并不能灵活地处理这些新...
  • jdbc大数据查询优化

    2013-05-28 23:58:03
    博客分类: Oracle ...在实际的任何一个系统中,查询都是必不可少的一个功能,而查询设计的好坏又影响到系统的响应时间和性能这两个关键指标,尤其是当数据变得越来越大,于是如何处理大数据的查询成...
  • 库分表的工具

    千次阅读 2017-09-19 11:12:01
    回来相关工具,这时候儿才明白了人家问的意思,是说在大数据已成为现实如何分库分表。记得原来我们在电力做的时候儿,几十G的库,也不分表,看来真LOW了。 不说没用的,回到正题。 1、金山的Kingshard...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 387
精华内容 154
关键字:

如何看分时量