records

Ewen Cheslack-Postava March 25, 2015 时间有点久，但讲的还是很清楚的 As part of Confluent Platform 1.0 released about a month ago, we included a new Kafka REST Proxy to allow more flexibility for developers and to significantly broaden the number of systems and languages that can access Apache Kafka clusters. In this post, I’ll explain the REST Proxy’s features, how it works, and why we built it. What is the REST Proxy and why do you need one? The REST Proxy is an open source HTTP-based proxy for your Kafka cluster. The API supports many interactions with your cluster, including producing and consuming

1.卡夫卡负载测试 在这个 Apache Kafka 教程中，我们将了解如何使用Apache JMeter，如何在Apache Kafka上执行Kafka负载测试。 此外，这个Kafka负载测试教程教我们如何配置生产者和消费者，这意味着 使用JMeter 开发Apache Kafka Consumer 和Kafka Producer。 最后，我们将看到在Jmeter中构建Kafka负载测试场景。 然而，在Kafka负载测试之前，让我们学习Kafka的简要介绍，以便更好地理解其他工作。 使用JMeter进行Apache Kafka负载测试 2.什么是Apache Kafka？ 简而言之，Apache Kafka是分布式数据库和消息队列的混合体。 为了处理数TB的信息，许多大公司都在使用它。 此外，由于其功能，卡夫卡广受欢迎。 例如，像LinkedIn这样的公司使用它来传输有关用户活动的数据，而像Netflix这样的公司则使用它来为下游系统（如Elasticsearch，Amazon EMR，Mantis等）进行数据收集和缓冲。 此外，让我们了解Kafka的一些对Kafka负载测试很重要的功能： 让我们来测试你对卡夫卡的了解程度 默认情况下，长消息存储时间 - 一周。 由于顺序I / O，性能高。 此外，方便的群集。 要在群集中复制和分发队列，由于该功能，数据具有高可用性。

1.卡夫卡负载测试 在这个 Apache Kafka 教程中，我们将了解如何使用Apache JMeter，如何在Apache Kafka上执行Kafka负载测试。 此外，这个Kafka负载测试教程教我们如何配置生产者和消费者，这意味着 使用JMeter 开发Apache Kafka Consumer 和Kafka Producer。 最后，我们将看到在Jmeter中构建Kafka负载测试场景。 然而，在Kafka负载测试之前，让我们学习Kafka的简要介绍，以便更好地理解其他工作。 使用JMeter进行Apache Kafka负载测试 2.什么是Apache Kafka？ 简而言之，Apache Kafka是分布式数据库和消息队列的混合体。 为了处理数TB的信息，许多大公司都在使用它。 此外，由于其功能，卡夫卡广受欢迎。 例如，像LinkedIn这样的公司使用它来传输有关用户活动的数据，而像Netflix这样的公司则使用它来为下游系统（如Elasticsearch，Amazon EMR，Mantis等）进行数据收集和缓冲。 此外，让我们了解Kafka的一些对Kafka负载测试很重要的功能： 让我们来测试你对卡夫卡的了解程度 默认情况下，长消息存储时间 - 一周。 由于顺序I / O，性能高。 此外，方便的群集。 要在群集中复制和分发队列，由于该功能，数据具有高可用性。

1.卡夫卡负载测试 在这个 Apache Kafka 教程中，我们将了解如何使用Apache JMeter，如何在Apache Kafka上执行Kafka负载测试。 此外，这个Kafka负载测试教程教我们如何配置生产者和消费者，这意味着 使用JMeter 开发Apache Kafka Consumer 和Kafka Producer。 最后，我们将看到在Jmeter中构建Kafka负载测试场景。 然而，在Kafka负载测试之前，让我们学习Kafka的简要介绍，以便更好地理解其他工作。 使用JMeter进行Apache Kafka负载测试 2.什么是Apache Kafka？ 简而言之，Apache Kafka是分布式数据库和消息队列的混合体。 为了处理数TB的信息，许多大公司都在使用它。 此外，由于其功能，卡夫卡广受欢迎。 例如，像LinkedIn这样的公司使用它来传输有关用户活动的数据，而像Netflix这样的公司则使用它来为下游系统（如Elasticsearch，Amazon EMR，Mantis等）进行数据收集和缓冲。 此外，让我们了解Kafka的一些对Kafka负载测试很重要的功能： 让我们来测试你对卡夫卡的了解程度 默认情况下，长消息存储时间 - 一周。 由于顺序I / O，性能高。 此外，方便的群集。 要在群集中复制和分发队列，由于该功能，数据具有高可用性。

一. 视图 　　视图是一个虚拟表（非真实存在），是跑到内存中的表，真实表是硬盘上的表，怎么就得到了虚拟表，就是你查询的结果，只不过之前我们查询出来的虚拟表，从内存中取出来显示在屏幕上，内存中就没有了这些表的数据，但是下次我要是想用这个虚拟表呢，没办法，只能重新查一次，每次都要重新查。其本质是【根据SQL语句获取动态的数据集，并为其命名】，用户使用时只需使用【名称】即可获取结果集，可以将该结果集当做表来使用。如果我们想查询一些有关联的表，比如我们前面的老师学生班级什么的表，我可能需要几个表联合查询的结果，但是这几张表在硬盘上是单独存的，所以我们需要通过查询的手段，将这些表在内存中拼成一个虚拟表，然后是不是我们再基于虚拟表在进行进一步的查询，然后我们如果以后想重新再查一下这些关系数据，还需要对硬盘上这些表进行再次的重新加载到内容，联合成虚拟表，然后再筛选等等的操作，意味着咱们每次都在写重复的sql语句，那有没有好的方法啊，其实很简单，我们把重复用的这些sql逻辑封装起来，然后下次使用的时候直接调用这个封装好的操作就可以了，这个封装起来的操作就类似我们下面要说的视图 　　为什么要用视图：使用视图我们可以把查询过程中的临时表摘出来，保存下来，用视图去实现，这样以后再想操作该临时表的数据时就无需重写复杂的sql了，直接去视图中查找即可，但视图有明显地效率问题，并且视图是存放在数据库中的

本文内容： 视图 触发器 事务 存储过程 内置函数 流程控制 索引 ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- 一、视图 视图就是通过查询得到一张虚拟表，然后保存下来，下次直接使用即可。 如果要频繁使用一张虚拟表，可以不用重复查询 视图使用方法： -- 将表1与表2通过on后面的条件进行内连接，产生的新表 就是我们创建的视图表 create view 视图表名 as select * from 表1 inner join 表2 on 内连接条件 具体示例： 先建基础数据表及其记录（由于博客园暂找不到上传文件的地方，所以只能插入创建表的sql语句，将其复制粘贴到txt文档里面，最好是notpad++里面，然后存为sql文件，在Navicat里面导入就行了） /* Navicat Premium Data Transfer Source Server : sgt'mysql Source Server Type : MySQL Source Server

day34mysql-day1 1.数据库介绍 1 """""" 2 """ 数据库概念 """ 3 """ 4 经历阶段: 5 1.随意存到文件中 数据也是千差万别的 6 2.软件开发目录规范 7 规定了数据存放的位置 8 ps:数据都是保存到本地的 9 例:单机游戏 10 3.将保存数据的部分,保存到一个公共的位置 所有用户涉及到数据相关 ,都必须来这个公共地方查找 11 """ 1.数据库介绍.py 1 """""" 2 """ 数据库之MySQL """ 3 """ 4 本质就是一款基于网络通信的应用软件 5 6 任何基于网络通信的软件 底层都是socket 7 8 服务端: 9 -基于socket通信 10 -收发消息 11 -SQL语句(一个公共的标准) 12 客户端: 13 -基于socket通信 14 -收发消息 15 -SQL语句(一个公共的标准) 16 ps:MySQL不但支持MySQL的客户端来操作 也支持其他编程语言直接操作 17 python java c++ php 语法都不一样 18 """ 19 """ 20 DBMS:数据库管理系统 21 关系型数据库: 22 ( 23 1.数据和数据之间是有关联和限制的 24 2.关系型数据库,通常都是表结构. 25 也就意味着你在用关系型数据库: 26 第一步:确认表结构, 27 28 字段有特定的类型 29

本文转自： https://www.rpatraining.co.in/blue-prism-interview-questions/ What is a Visual Business Object? The role of a VBO is to act as an adapter to the user interface of a specific application. To accomplish this,each VBO has three main parts: A connector, which is a standard library provided by Blue Prism for communicating with a particular kind of application user interface. An application control interface (ACI) that uses the VBO’s connector to expose the elements of a specific application’s user interface. One or more pages, each of which implements all or part of an operation that the VBO

MySQL的自增列（AUTO_INCREMENT）和其它数据库的自增列对比，有很多特性和不同点（甚至不同存储引擎、不同版本也有一些不同的特性），让人感觉有点稍微复杂。下面我们从一些测试开始，来认识、了解一下这方面的特殊知识点： 自增列持久化问题 如果一个表拥有自增列，当前最大自增列值为9， 删除了自增列6、7、8、9的记录，重启MySQL服务后，再往表里面插入数据，自增列的值为6还是10呢？ 如果表的存储引擎为MyISAM呢，又会是什么情况？ 下面实验环境为MySQL 5.7.21 mysql> drop table if exists test; Query OK, 0 rows affected (0.08 sec) mysql> create table test(id int auto_increment primary key, name varchar(32)) ENGINE=InnoDB; Query OK, 0 rows affected (0.02 sec) mysql> insert into test(name) -> select 'kkk1' from dual union all -> select 'kkk2' from dual union all -> select 'kkk3' from dual union all -> select

参考： [1] uthash | 学步园 [2] 源码 [3] 官方文档 [4] [5] 一、哈希表的概念及作用 在一般的线性表或者树中，我们所储存的值写它的存储位置的关系是随机的。因此，在查找过程中，需要一系列的与关键字的比较。 算法的时间复杂度与比较的次数有关。 线性表查找的时间复杂度为O(n） 而 平衡二叉树的查找的时间复杂度为O(log(n)) 。无论是采用线程表或是树进行存储，都面临面随着数据量的增大，查找速度将不同程度变慢的问题。而 哈希表 正好解决了这个问题。它的主要思想是通过将值与其存储位置相关联，来实现快速的随机存储。 二、uthash的基本用法 由于C语言中，并没有对hash表这类的高级数据结构进行支持，即使在目前通用的C++中，也只支持栈、队列等几个数据结构，对于map，其实是以树结构来实现的，而不是以hash表实现。 uthash是一个C语言的hash表实现。它 以宏定义的方式实现hash表 ，不仅加快了运行的速度，而且与关键类型无关的优点。 uthash使用起来十分方便，只要将头文件 uthash.h 包含进去就可以使用。 目前，uthash的最新版本（1.9）支持如下平台： Linux Mac OS X Windows using vs2008 and vs 2010 Solaris OpenBSD 通常这足够通用了。唯一的不足是在windows下