10 小时前 / Dr_Hydra
最近在工作中，遇到了这样一个业务场景，我们需要关注一个业务系统数据库中某几张表的数据，当数据发生新增或修改时，将它同步到另一个业务系统数据库中的表中。 一提到数据库的同步，估计大家第一时间想到的就是基于 binlog 的主从复制了，但是放在我们的场景中，还有几个问题： 第一，并不是需要复制所有表的数据，复制对象只有少量的几张表第二，也是比较麻烦的，两个业务系统数据库表结构可能不一致。例如，要同步数据库 1 的 A 表中的某些字段到数据库 2 的 B 表中，在这一过程中，A 表和 B 表的字段并不是完全相同这样的话，我们只能通过代码的方式...
2 天前 / 虞大胆
一 背景和架构 本文基于 MySQL 8.0.25 源码进行分析和总结。这里 MySQL Server 层指的是 MySQL 的优化器、执行器部分。我们对 MySQL 的理解还建立在 5.6 和 5.7 版本的理解之上，更多的是对比 PostgreSQL 或者传统数据库。然而从 MySQL 8.0 开始，持续每三个月的迭代和重构工作，使得 MySQL Server 层的整体架构有了质的飞越。下面来看下 MySQL 最新的架构。 我们可以看到最新的 MySQL 的分层架构和其他数据库并没有太大的区别，另外值得一提的是从图中可以看出 MySQL 现在更多的加强 InnoDB、NDB 集群和 RAPID(HeatWave clusters)内存集群架构的演进。
10 天前 / flyer0126
▲点击上方“架构精进之路”关注公众号 回复“01”领取「程序员进阶大礼包」 这是「架构精进之路」公众号的第 73 篇原创文章 MySQL 中多版本并发控制（MVCC），是现代数据库引擎实现中常用的处理读写冲突的手段，MVCC 作为 MySQL 高级应用特性，目的在于提高数据库高并发场景下的吞吐性能。一、MVCC 出现背景是什么？事务的 4 个隔离级别以及对应的 3 种异常： 脏读：一个事务读取到了另外一个事务没有提交的数据； 不可重复读：在同一事务中，两次读取同一数据，得到内容不同； 幻读：同一事务中，用同样的操作读取两次，得到的记录数不相同。
17 天前 / marketing-upyun
写文章 MySQL 中存储时间的最佳实践又拍云已认证的官方帐号 4 人赞同了该文章平时开发中经常需要记录时间，比如用于记录某条记录的创建时间以及修改时间。在数据库中存储时间的方式有很多种，比如 MySQL 本身就提供了日期类型，比如 DATETIME，TIMESTAMEP 等，我们也可以直接存储时间戳为 INT 类型，也有人直接将时间存储为字符串类型。 那么到底哪种存储时间的方式更好呢？ 不要使用字符串存储时间类型这是初学者很容易犯的错误，容易直接将字段设置为 VARCHAR 类型，存储"2021-01-01 00:00:00"这样的字符串。当然这样做的优点是比较简单，上手快。
24 天前 / 开发者头条
MySQL 作为互联网中非常热门的数据库，现在大厂面试题横竖绕不开 MySQL，其中 MySQL 索引是大厂必考面试题。今天带来了 MySQL 索引的常考面试题，看看你能答对多少~ 这是本期的 MySQL 索引面试题目录，不会的快快查漏补缺~ 1. 索引是什么？索引是一种特殊的文件 (InnoDB 数据表上的索引是表空间的一个组成部分)，它们包含着对数据表里所有记录的引用指针。 索引是一种数据结构。数据库索引，是数据库管理系统中一个排序的数据结构，以协助快速查询、更新数据库表中数据。索引的实现通常使用 B 树及其变种 B+ 树。更通俗的说，索引就相当于目录。
28 天前 / 全菜工程师小辉
数据库在业务体系不大的情况，一般都是单库出现，通过增加主从复制提高 SLA。但当业务体量不断扩大，就需要考虑进行数据拆分来解决性能瓶颈问题。 下面讨论的技术方案主要是从 MySQL 角度考虑的，其他类型数据库仅作参考。 拆分策略水平拆分把单表表分割 N 个结构相同的表，然后把数据按照策略分散到不同的表中，这是表层面的水平拆分；如果把表在分散在不同的数据库中，这是数据库层面的水平拆分。 比如：订单表每个月有百万条数据累计，每个月都可以进行水平拆分，将上个月的数据放到另外一个数据库。 水平拆分带来的问题： 跨库的关联查询性能差。
30 天前 / 开发者头条
Spring 10P1：Spring 框架 Spring 是分层的企业级应用轻量级开源框架，以 IoC 和 AOP 为内核。Spring 可以降低企业级应用开发的复杂性，对此主要采取了四个关键策略：基于 POJO 的轻量级和最小侵入性编程、通过依赖注入和面向接口实现松耦合、基于切面和惯性进行声明式编程、通过切面和模板减少样板式代码。 好处 降低代码耦合度、简化开发。通过 Spring 提供的 IoC 容器可以将对象间的依赖关系交由 Spring 进行控制，避免硬编码所造成的过度程序耦合。用户也不必再为单例模式类、属性文件解析等这些底层的需求编写代码，可以更专注于上层的应用。
35 天前 / BloomingRose
作者介绍 猿辅导数据库平台团队，承载猿辅导在线教育全公司的数据库产品研发、运维及服务需求。团队始终致力于新技术的探索实践，结合业务场景不断打磨并提升高可用、可扩展、高可靠的基础设施能力，作为核心基础设施建设者，支持业务快速发展。( 猿辅导技术公众号 ID:gh_cb5c83bb3ee0） 赵晓杰，猿辅导数据库平台团队成员，主要从事数据库存储、中间件等方向研发工作。 一、背景 MySQL 中使用 kill 命令去杀死连接时，如果使用 show processlist 会发现线程会处于 killed 状态一段时间，而不是立即杀掉。
36 天前 / 全菜工程师小辉
事务是一组不可分组的操作集合，这些操作要么都成功执行，要么都取消执行。最典型的需要事务的场景是银行账户间的转账：假如 A 账户要给 B 账户转账 100 元，那么 A 账户要扣减 100 元，B 账户要增加 100 元，这两个账户的数据变更都成功才可算作转账成功。 本文涉及到 MySQL 锁机制的很多知识，对这方面不了解的可以先看博客《快速理解 MySQL 的锁机制与死锁排查》 ACID 原则事务具有四个原则：原子性（Atomicity）、一致性（Consistency）、隔离性（Isolation）和持久性（Durability）。这四个特性简称为 ACID 原则。
37 天前 / flyer0126
▲点击上方“架构精进之路”关注公众号 回复“01”领取「程序员进阶大礼包」 这是「架构精进之路」公众号的第 70 篇原创文章 关于 MySQL 主从复制主要同步的是 binlog 日志，涉及到三个线程，一个运行在主节点（log dump thread），其余两个 (I/O thread, SQL thread)运行在从节点，如下图所示： 1、如何实现主从一致（1）主节点 binary log dump 线程当从节点连接主节点时，主节点会创建一个 log dump 线程，用于发送 binlog 的内容。在读取 binlog 中的操作时，此线程会对主节点上的 binlog 加锁，当读取完成，在发送给从节点之前，锁会被释放。
37 天前 / 全菜工程师小辉
MySQL 的并发控制是在数据安全性和并发处理能力之间的权衡，通过不同的锁策略来决定对系统开销和性能的影响。 基础知识为了后续的解释更加容易理解，这里列举一些基本概念的解释。 悲观锁悲观锁指的是对数据被外界（包括本系统当前的其他事务，以及来自外部系统的事务处理）修改持保守态度，因此，在整个数据处理过程中，将数据处于锁定状态。 select...for update 是 MySQL 提供的实现悲观锁的方式。在悲观锁的情况下，为了保证事务的隔离性，其它事务无法修改这些数据。 现在互联网高并发的架构中，受到 fail-fast 思路的影响，悲观锁已经比较少见了。
43 天前 / 微观技术
大家好，我是 Tom 哥~ 今日寄语：努力的阶段，往往是最不养生的阶段！ 一张千万级的数据表，删除了一半的数据，你觉得 B+ 树索引文件会不会变小？ （答案在文章中！！） 我们先来做个实验，看看表的大小是如何变化的？？ 做个实验，让数据说话 1、首先，在 mysql 中创建一张用户表，表结构如下： CREATETABLE`user`( `id`bigint(20)NOTNULLAUTO_INCREMENT, `user_name`varchar(128)NOTNULLDEFAULT''COMMENT'用户名', `age`int(11)NOTNULLCOMMENT'年龄', `address`varchar(128)COMMENT'地址', PRIMARYKEY(`id`) )ENGINE=InnoDBDEFAULTCHARSET=utf8mb4COMMEN...
45 天前 / KevinYan
之前给大家介绍过， 我自己用的开发环境都是容器化的，只不过前两年不会用 K8，大部分都是用的 Docker 或者 Docker-Compose。随着这一年多对 K8 的学习和工作中的使用，一直有想法用 K8 做一套便携式开发环境，以后换电脑就不用再愁数据库、缓存、队列这些基础软件的安装了。正好下个月我就能换新的办公电脑啦，也不能拿『能用就行』的理由再拖延下去了。 如果问你 “ 平时开发程序依赖最多的基础软件时啥？”，我猜大部分人会回答：“MySQL 和 Redis”，毕竟万物皆是增删改查，整天做 CURD 的我们怎么能离开它们呢。
50 天前 / yes的练级攻略
大家好，我是 yes。 MySQL 面试题又更新啦！ 请继续接招。 说说分库分表？随着用户量的激增和时间的堆砌，存在数据库里面的数据越来越多，此时的数据库就会产生瓶颈，出现资源报警、查询慢等场景。 首先单机数据库所能承载的连接数、I/O 及网络的吞吐等都是有限的，所以当并发量上来了之后，数据库就渐渐顶不住了。 再则，如果单表的数据量过大，查询的性能也会下降。因为数据越多 B+ 树就越高，树越高则查询 I/O 的次数就越多，那么性能也就越差。 因为上述的原因，不得已就得上分库分表了。