MySQL的技术架构介绍_MySQL
金璞:各位网友大家好!我是赛迪网技术应用编辑金璞,今天本来要来的David Axmark先生和周总现在正在路上,预计可能和迟一点跟网友们见面现在我们请陈慧女士做一个自我介绍。
陈慧:我是万里开源的系统工程师陈慧,很高兴作客赛迪网。
金璞:因为David Axmark和周总还没有来,前天的时候MySQL在中国研发中心成立的时候,我当时听到您做了一个演讲,也讲了MySQL技术上的架构包括以后的发展方向之类的。今天先跟网友们讲一讲吧。
陈慧:我们万里开源是MySQL在中国唯一的代理,我们是基于Linux的平台进行发展,基于Linux开源软件的提供商。大家比较熟悉的是TurboLinux,我们这次跟MySQL的合作希望一方面向先进国家比较先进的开源软件学习一些先进经验,希望通过跟他们的合作建立一个更完善的企业级的服务器平台。
下面我给大家介绍一下MySQL的主要技术特点。MySQL作为一个开源的数据库,开源是它最大的特色,因为它所有的原代码都是公布于众的。每天在MySQL网站上有超过5万次的下载,有那么多用户用MySQL,而且大家在使用过程如果发现BUG或者有一些需要改进的地方可以很快的反馈到MySQL公司,使得能够帮助产品有一个进一步的优化。
另外,MySQL一直在三个方面不断的努力,首先是它的性能。MySQL是一个非常快的数据库系统。第二个就是它的可靠性,因为它是开源的,希望借助开源的方式增强可靠性。第三个就是MySQL的易用性,MySQL能够保证任何没有接触过数据库的人在15分钟之内就学会用MySQL,就是非常简单易用。
从MySQL的架构上还有一个比较特殊的地方,存储是以可插取的存储引擎存在的。大家知道要做成一个大而全的数据库系统不是那么容易的,因为每一个用户需求可能不太一样,看重数据库的性能和其他的方面也不太一样看重数据库特色地方也不一样。MySQL可插取的存储引擎就有这样的特性。比如说像商业版中支持比较好的Myizm,还有inodb,Ndb,不同的存储引擎特点是不一样的,比如 Myizm速度比较快,用户可以根据不同的需求选取不同的存储引擎,配置可以非常灵活。
金璞:我上次在发布会上听说MySQL在中国现在有三个版本,可不可以介绍一下这三个版本在技术层面上、应用层面上有哪些区别吗?
陈慧:现在在中国有三个产品,一个是PRO,它是一个企业级的数据库,带有复制功能、数据处理功能,就是基本上的数据库完整的功能都有,它是单机的。第二个是集群版是CLUSTER,CLUSTER是当单机版的数据库满足不了企业级应用需求的时候我们需要通过多台服务器均衡负载提高并发性和性能,这是集群的。第三个Maxdb,它是和SAP合作的数据库,主要应用在SAP上是一个比较特殊的应用。它的开发团队、维护团队不仅在Maxdb有,在SAP也有。
金璞:这三个是不是都是商业版还是个人版呢?
陈慧:Maxdb是一个开源的数据库,开源社区有单独的版本,但是功能上跟商业是完全一样的,只不过在社区版没有分这个产品那个产品,可以下载有。商业版是分了CLUSTER和PRO的。
金璞:三个版本上有不同的侧重面,我是一个用户有一个比较天真的想法,能不能把这三个数据库的特色集合到最强大的完整版上?
陈慧:Maxdb和PRO和CLUSTER是没有问题的,因为下载的社区版,如果买了CLUSTER已经包含了PRO的功能,这样商业角度区分来说,Maxdb最开始是由SUN开发的数据库系统,后来跟Maxdb合作,SUN是提供跟应用结合的技术,Maxdb主要提供在数据库支持方面的一些技术。其实它跟Maxdb是不同的数据库。金璞:SAP和MySQL的合作,是不是有想跟Orocle争夺市场的意义呢?
陈慧:我觉得各有各的市场。
金璞:比如您提到的存储系统可能会降低数据库的速度,这样的话MySQL在开发的过程中是怎样确保自己以前开发的理念呢?
陈慧:你希望数据库做的越来越可靠,可能某些方面是需要降低一些性能的。比如 MySQL中间有一个引擎叫Myzim(音)是不支持数据处理的。不仅仅是数据库,操作的其他软件也是一样,在性能、可靠性、安全性等等方面都是有一个平衡的。MySQL希望尽量在添加新的功能以后还能够保持快速的性能。因为它在数据库中有一个优化器进行优化。关于集群,应该说集群是能够提高MySQL的性能的,包括我们做的测试,在中国的用户通过合理的配置集群的速度比单机版要快一些。
金璞:性能在增加,包括支持的东西会使数据库变得非常复杂,如果结构越复杂稳定性就会受到一定的影响,这点怎么平衡呢?
陈慧:现在来看MySQL的架构是比较稳定,比较简洁的。MySQL是90年代出来的数据库,整个架构上是吸取了前面的一些优良的特性,也驱除了不好的地方,整个架构来看还是比较好的。而且插壳的方式也是为了避免你提到的情况,就是灵活的,不是说固定了就一个结构。以后我开发出新的引擎可能有又面前可用性,又有很成熟的性能,那完全可以替代原来的,而不影响现有的架构,这就是它的灵活之处。

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)

StableDiffusion3的论文终于来了!这个模型于两周前发布,采用了与Sora相同的DiT(DiffusionTransformer)架构,一经发布就引起了不小的轰动。与之前版本相比,StableDiffusion3生成的图质量有了显著提升,现在支持多主题提示,并且文字书写效果也得到了改善,不再出现乱码情况。StabilityAI指出,StableDiffusion3是一个系列模型,其参数量从800M到8B不等。这一参数范围意味着该模型可以在许多便携设备上直接运行,从而显著降低了使用AI

一先導與重點文章主要介紹自動駕駛技術中幾種常用的座標系統,以及他們之間如何完成關聯與轉換,最終建構出統一的環境模型。這裡重點理解自車到相機剛體轉換(外參),相機到影像轉換(內參),影像到像素有單位轉換。 3d向2d轉換會有對應的畸變,平移等。重點:自車座標系相機機體座標系需要被重寫的是:平面座標系像素座標系難點:要考慮影像畸變,去畸變和加畸變都是在像平面上去補償二簡介視覺系統一共有四個座標系:像素平面座標系(u,v)、影像座標系(x,y)、相機座標系()與世界座標系()。每種座標系之間均有聯繫,

這篇論文探討了在自動駕駛中,從不同視角(如透視圖和鳥瞰圖)準確檢測物體的問題,特別是如何有效地從透視圖(PV)到鳥瞰圖(BEV)空間轉換特徵,這一轉換是透過視覺轉換(VT)模組實施的。現有的方法大致分為兩種策略:2D到3D和3D到2D轉換。 2D到3D的方法透過預測深度機率來提升密集的2D特徵,但深度預測的固有不確定性,尤其是在遠處區域,可能會引入不準確性。而3D到2D的方法通常使用3D查詢來採樣2D特徵,並透過Transformer學習3D和2D特徵之間對應關係的注意力權重,這增加了計算和部署的

軌跡預測在自動駕駛中承擔著重要的角色,自動駕駛軌跡預測是指透過分析車輛行駛過程中的各種數據,預測車輛未來的行駛軌跡。作為自動駕駛的核心模組,軌跡預測的品質對於下游的規劃控制至關重要。軌跡預測任務技術堆疊豐富,需熟悉自動駕駛動/靜態感知、高精地圖、車道線、神經網路架構(CNN&GNN&Transformer)技能等,入門難度很高!許多粉絲期望能夠盡快上手軌跡預測,少踩坑,今天就為大家盤點下軌跡預測常見的一些問題和入門學習方法!入門相關知識1.預習的論文有沒有切入順序? A:先看survey,p

突然發現了一篇19年的論文GSLAM:AGeneralSLAMFrameworkandBenchmark開源程式碼:https://github.com/zdzhaoyong/GSLAM直接上全文,感受這項工作的品質吧~1摘要SLAM技術最近取得了許多成功,並吸引了高科技公司的關注。然而,如何同一現有或新興演算法的介面,一級有效地進行關於速度、穩健性和可移植性的基準測試仍然是問題。本文,提出了一個名為GSLAM的新型SLAM平台,它不僅提供評估功能,還為研究人員提供了快速開發自己的SLAM系統的有用

作者的一些個人思考在自動駕駛領域,隨著BEV-based子任務/端到端方案的發展,高品質的多視圖訓練資料和相應的模擬場景建立愈發重要。針對當下任務的痛點,「高品質」可以解耦成三個面向:不同維度上的長尾場景:如障礙物資料中近距離的車輛以及切車過程中精準的朝向角,以及車道線資料中不同曲率的彎道或較難收集的匝道/匯入/合流等場景。這些往往靠大量的資料收集和複雜的資料探勘策略,成本高昂。 3D真值-影像的高度一致:當下的BEV資料取得往往受到感測器安裝/標定,高精地圖以及重建演算法本身的誤差影響。這導致了我

23年9月國防科大、京東和北理工的論文「DeepModelFusion:ASurvey」。深度模型整合/合併是一種新興技術,它將多個深度學習模型的參數或預測合併為一個模型。它結合了不同模型的能力來彌補單一模型的偏差和錯誤,以獲得更好的性能。而大規模深度學習模型(例如LLM和基礎模型)上的深度模型整合面臨一些挑戰,包括高運算成本、高維度參數空間、不同異質模型之間的干擾等。本文將現有的深度模型融合方法分為四類:(1)“模式連接”,透過一條損失減少的路徑將權重空間中的解連接起來,以獲得更好的模型融合初

請留意,這個方塊人正在緊鎖眉頭,思考著面前幾位「不速之客」的身份。原來她陷入了危險境地,意識到這一點後,她迅速展開腦力搜索,尋找解決問題的策略。最終,她決定先逃離現場,然後儘快尋求幫助,並立即採取行動。同時,對面的人也在進行著與她相同的思考……在《我的世界》中出現了這樣一個場景,所有的角色都由人工智慧控制。他們每個人都有著獨特的身份設定,例如之前提到的女孩就是一個年僅17歲但聰明又勇敢的快遞員。他們擁有記憶和思考能力,在這個以《我的世界》為背景的小鎮中像人類一樣生活。驅動他們的,是一款全新的、
