partition

一.rank over(order by 列名) 1、 按age升序给运动员排名 select pid,name,age,rank() over(order by age) as rank_num from players; 可以看到有好几个age相同的运动员，他们并列排在第2。 2、查询排名为第10的学生的姓名，年龄 select name,age from (select pid,name,age,rank() over(order by age) as rank_num from players) where rank_num= 10; 整个结果集为一个分组，下面我们可以指定通过partition by 给结果集进行分组， rank在每个分组内进行排名。 二：rank over(partition by 列名,order by 列名) partition by用于给结果集分组。 rank在每个分组内进行排名。 1、按年龄分组，组内按分数降序排名 select name,age,score,rank() over(partition by age order by score desc) as rank_num from players; 来源： CSDN 作者： 那一抹阳光爱发呆 链接： https://blog.csdn.net/m0_37914467/article

导读：随着大数据的进一步发展，NoSQL 数据库系统迅速发展并得到了广泛的应用。其中，Apache Cassandra 是最广泛使用的数据库之一。对于 Cassandra 的优化是大家研究的热点，而 ScyllaDB 则为其提供了一个新的思路。ScyllaDB 是一个基于 C 的开源的高性能的 Cassandra 的实现，较之 Cassandra 在性能上有了很大的提升。Nodetool repair 是 Cassandra 日常维护的重要一环，今天主要和大家分享一下 ScyllaDB 在这方面的优化。 今天的介绍会围绕下面五点展开： ScyllaDB 介绍 Row level repair 介绍 Row level repair 实现 实验结果 总结 ▌ScyllaDB 介绍 首先给大家简单介绍一下 ScyllaDB： ScyllaDB 的产生背景 我们公司是一家具有较多的底层软件开发经验的公司，团队创始人是 KVM 和 OSv 的作者。对于 Cassandra 数据库的优化，我们进行了一系列尝试。最开始是从操作系统的角度，通过提高操作系统的性能来提高 Cassandra 应用的性能，其效果是提高了 Cassandra 约20%的性能而无法再获得更高的性能提升。为了更好地优化 Cassandra，团队开始思考是否可以重新实现 Cassandra。我们首先开发了一个非常高性能的 C

生产者详解 发送类型 同步发送 //通过send()发送完消息后返回一个Future对象,然后调用Future对象的get方法等待kafka响应 //如果kafka正常响应,返回一个RecordMetadate对象,该对象存储消息的偏移量 //如果kafka发生错误,无法正常响应,就会抛出异常,我们便可以进行异常处理 producer.send(recore).get(); 异步发送 producer.send(record,new Callback(){ public void onCompletion(RecordMetadate metadata,Exception exception){ if(exception == null){ System.out.println(metadata.partition()+":"+ metadata.offset()); } } }) 序列化器 消息要到网络上进行传输,必须进行序列化,而序列化器的作用就在此 kafka提供了默认的字符串序列化器(org.apache.kafka.common.serialization.StringSerializer), 还有整型(IntegerSerializer)和字节数组(BytesSerializer)序列化器. 这些序列化器都实现了接口(org.apache.kafka.common

topic有好多partition（存储内容不同），均匀分布在每个broker上 每个partition都有好多replica（存储内容相同），原partition称为leader，replica称为follower 来源： CSDN 作者： wsx_iot 链接： https://blog.csdn.net/qq_29630271/article/details/103810161

因客户现场有一张表数据流量巨大，达到50G，查询起来较慢，遂决定进行分区表改造，测试环境进行测试，此次方法才用在线重定义方法 1.创建测试表 create table elan(id int primary key,name varchar2(32)); --表中需要定义主键，如果没有主键可以在后期添加 2.批量向表中插入数据 begin for i in 1..100000 loop insert into elan.elan values(i,'x'); end loop; commit; end; / 查看表中的数据是否插入 SQL> select count(1) from elan; COUNT(1) ---------- 100000 3.创建中间表 --此次分区才用hash分区的方式 CREATE TABLE elan_new (ID NUMBER PRIMARY KEY, name varchar2(32)) PARTITION BY hash (id) ( PARTITION PART01 TABLESPACE elan, PARTITION PART02 TABLESPACE elan, PARTITION PART03 TABLESPACE elan); 4.检测表是否可以执行在线重定义 QL> BEGIN DBMS_REDEFINITION.CAN