MySQL的DDL维护技巧
mysql在做表的ddl维护时(如添加字段),是要锁表的,不像oracle那样只更新字典表、巨快,这是因为mysql采用中间表的方式来实现,在
mysql的ddl维护技巧
mysql在做表的ddl维护时(如添加字段),是要锁表的,不像Oracle那样只更新字典表、巨快,这是因为mysql采用中间表的方式来实现
ddl操作流程:
A.对表加锁(表此时只读)
B.复制原表物理结构
C.修改表的物理结构
D.把原表数据导入中间表中,数据同步完后,锁定中间表,并删除原表
E.rename中间表为原表
F.刷新数据字典,并释放锁
通过上面的过程可以了解到,表的数据量越大,这个ddl维护过程越耗时间(锁表时间越长)。
表ddl维护方法
1.直接alter table操作
eg:
alter table tt4 add column age2 tinyint unsigned not null default 0 ;
alter table tt4 modify column age2 tinyint unsigned not null default 0 ;
alter table tt4 drop column age2;
但是这种方法只适合表的比较下,业务不忙的环境,为ddl操作更快,可以更改session的环境变量
增加SESSION级别的 sort_buffer_size 值,以加速DDL过程需要做的排序操作;
增加SESSION级别的 read_buffer_size 值,增加顺序读的速度;
增加SESSION级别的 tmp_table_size 和 max_heap_table_size值,增加内存缓存数据的能力;
若是存在InnoDB引擎转MyISAM的操作,建议在线增加key_buffer_size的值,增加索引数据的缓存能力;
添加字段
1).增加字段必须要有默认值,非NULL且有默认值的字段属性,有利于提高数据检索的性能,更加有利于索引结构的优化
2).增加的字段不能指定字段顺序,必须在尾部增加;否则会需要更多时间用于数据重整,并且在复制时也可能造成数据错乱
例如:
alter table tt4 add column age2 tinyint unsigned not null default 0 ;
绝对禁止:alter table tt4 add column age2 tinyint unsigned not null default 0 first;
同一表增加多个字段,不分多条语句,而应只用一条变更语句(在创建多条索引时,也采用这种方式)
alter table tt4
add column age1 tinyint unsigned not null default 0,
add column age2 tinyint unsigned not null default 0;
2.新增维度表用于添加字段
不修改原表,把增加的字段放入维度表中,可以通过修改业务逻辑或表关联来读取数据,但这种方式对于性能和日维护是有有影响的。在设计之初,表上增加几个保留字段也是不错的想法,但毕竟有限。
3.通过中间表+触发器的方式实现
比如更新表a
1).lock表a,创建触发器,把更新数据(insert,update,delete)放进中间表
2).释放锁
3).然后复制表a的物理结构a_bak,并修改ddl,然后copy数据
4).数据复制完后,再锁表a。然后把中间表的数据同步到a_bak中,然后锁住a_bak
5).然后重命名a_bak为原表a
6).检查无误后删除原表a
4.因应用而维护表的ddl操作注意事项
1).在优化索引时,要优先程序发布,而且待测试后,再删除多余索引
2).增加字段或扩大字段值域,必须优先程序发布
3).在更改字段的数据类型时,和程序同时发布因为这是是一个需要停机维护操作的。
4).在有停机条件,就停机维护;没停机条件要选择业务空闲维护ddl
5.drop table原理分析与操作技巧
在InnoDB缓冲池很大且充满页面时,在drop table时,,会使整个系统hang住,这是因为这期间mysql要两次遍历buffer pool LRU链表,遍历的时候会加锁导致系统hang住,而且buffer pool越大,hang的时间越长。

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

DDREASE是一種用於從檔案或區塊裝置(如硬碟、SSD、RAM磁碟、CD、DVD和USB儲存裝置)復原資料的工具。它將資料從一個區塊設備複製到另一個區塊設備,留下損壞的資料區塊,只移動好的資料區塊。 ddreasue是一種強大的恢復工具,完全自動化,因為它在恢復操作期間不需要任何干擾。此外,由於有了ddasue地圖文件,它可以隨時停止和恢復。 DDREASE的其他主要功能如下:它不會覆寫恢復的數據,但會在迭代恢復的情況下填補空白。但是,如果指示工具明確執行此操作,則可以將其截斷。將資料從多個檔案或區塊還原到單

0.這篇文章乾了啥?提出了DepthFM:一個多功能且快速的最先進的生成式單目深度估計模型。除了傳統的深度估計任務外,DepthFM還展示了在深度修復等下游任務中的最先進能力。 DepthFM效率高,可以在少數推理步驟內合成深度圖。以下一起來閱讀這項工作~1.論文資訊標題:DepthFM:FastMonocularDepthEstimationwithFlowMatching作者:MingGui,JohannesS.Fischer,UlrichPrestel,PingchuanMa,Dmytr

如果您需要了解如何在Excel中使用具有多個條件的篩選功能,以下教學將引導您完成對應步驟,確保您可以有效地篩選資料和排序資料。 Excel的篩選功能是非常強大的,能夠幫助您從大量資料中提取所需的資訊。這個功能可以根據您設定的條件,過濾資料並只顯示符合條件的部分,讓資料的管理變得更有效率。透過使用篩選功能,您可以快速找到目標數據,節省了尋找和整理數據的時間。這個功能不僅可以應用在簡單的資料清單上,還可以根據多個條件進行篩選,幫助您更精準地定位所需資訊。總的來說,Excel的篩選功能是一個非常實用的

谷歌力推的JAX在最近的基準測試中表現已經超過Pytorch和TensorFlow,7項指標排名第一。而且測試並不是JAX性能表現最好的TPU上完成的。雖然現在在開發者中,Pytorch依然比Tensorflow更受歡迎。但未來,也許有更多的大型模型會基於JAX平台進行訓練和運行。模型最近,Keras團隊為三個後端(TensorFlow、JAX、PyTorch)與原生PyTorch實作以及搭配TensorFlow的Keras2進行了基準測試。首先,他們為生成式和非生成式人工智慧任務選擇了一組主流

在iPhone上面臨滯後,緩慢的行動數據連線?通常,手機上蜂窩互聯網的強度取決於幾個因素,例如區域、蜂窩網絡類型、漫遊類型等。您可以採取一些措施來獲得更快、更可靠的蜂窩網路連線。修復1–強制重啟iPhone有時,強制重啟設備只會重置許多內容,包括蜂窩網路連線。步驟1–只需按一次音量調高鍵並放開即可。接下來,按降低音量鍵並再次釋放它。步驟2–過程的下一部分是按住右側的按鈕。讓iPhone完成重啟。啟用蜂窩數據並檢查網路速度。再次檢查修復2–更改資料模式雖然5G提供了更好的網路速度,但在訊號較弱

特斯拉機器人Optimus最新影片出爐,已經可以在工廠裡打工了。正常速度下,它分揀電池(特斯拉的4680電池)是這樣的:官方還放出了20倍速下的樣子——在小小的「工位」上,揀啊揀啊揀:這次放出的影片亮點之一在於Optimus在廠子裡完成這項工作,是完全自主的,全程沒有人為的干預。而且在Optimus的視角之下,它還可以把放歪了的電池重新撿起來放置,主打一個自動糾錯:對於Optimus的手,英偉達科學家JimFan給出了高度的評價:Optimus的手是全球五指機器人裡最靈巧的之一。它的手不僅有觸覺

多模態文件理解能力新SOTA!阿里mPLUG團隊發布最新開源工作mPLUG-DocOwl1.5,針對高解析度圖片文字辨識、通用文件結構理解、指令遵循、外部知識引入四大挑戰,提出了一系列解決方案。話不多說,先來看效果。複雜結構的圖表一鍵識別轉換為Markdown格式:不同樣式的圖表都可以:更細節的文字識別和定位也能輕鬆搞定:還能對文檔理解給出詳細解釋:要知道,“文檔理解”目前是大語言模型實現落地的一個重要場景,市面上有許多輔助文檔閱讀的產品,有的主要透過OCR系統進行文字識別,配合LLM進行文字理

哭死啊,全球狂煉大模型,一網路的資料不夠用,根本不夠用。訓練模型搞得跟《飢餓遊戲》似的,全球AI研究者,都在苦惱怎麼才能餵飽這群資料大胃王。尤其在多模態任務中,這問題尤其突出。一籌莫展之際,來自人大系的初創團隊,用自家的新模型,率先在國內把「模型生成數據自己餵自己」變成了現實。而且還是理解側和生成側雙管齊下,兩側都能產生高品質、多模態的新數據,對模型本身進行數據反哺。模型是啥?中關村論壇上剛露面的多模態大模型Awaker1.0。團隊是誰?智子引擎。由人大高瓴人工智慧學院博士生高一鑷創立,高
