https://www.jianshu.com/p/6f9e6743a1dc 需求：有一个目录存放了数十万个文件，现在需要将这个目录上传，如果整个目录上传，中间因为某些故障断开连接了，可能又要从头开始 这时就需要将目录切割成多个小目录，分批次上传，一个简单的 shell 脚本即可实现 思路很简单：遍
https://www.cnblogs.com/yuxiaole/p/9809294.html 前言：工作中有一张表一年会增长100多万的数据，量虽然不大，可是表字段多，所以一年下来也会达到 1G，而且只增不改，故考虑使用分区表来提高查询性能，提高维护性。 oracle 11g 支持自动分区，不过得
https://www.modb.pro/db/44701 1. 内容介绍 Oracle数据库create table时使用INITRANS参数设置数据块ITL事务槽的数量，确保该数据块上 并发事务数量。参数内容总结如下， 1. Oracle 8K blocksize 数据块初始 2个itl,8K
RMAN备份分为全备和增量备份两部分 增量备份:分为0 1 2级 ORACLE官方解释： A level 1 incremental backup can be either of the following types: Adifferential backup, which backs up a
针对于优化器在索引存在时依然使⽤全表扫描的情况下，使⽤缓存表和分区表是提升查询性能的有效⼿段。 缓存表 缓存表是将表的内容完全缓存到 TiDB Server 的内存中表的数据量不⼤,⼏乎不更改读取很频繁缓存控制: ALTER TABLE table_name CACHE|NOCACHE; # 使用t
fdisk 命令 创建分区 实现扩容 Linux fdisk命令简介 Linux fdisk 是一个创建和维护分区表的程序，它兼容 DOS 类型的分区表、BSD 或者 SUN 类型的磁盘列表。 # fdisk --help fdisk：无效选项 -- - 用法： fdisk [选项] <磁盘> 更改
简介 之前笔者有连续 2 篇文章： Prometheus 性能调优 - 什么是高基数问题以及如何解决？ 如何精简 Prometheus 的指标和存储占用 陆续介绍了一些 Prometheus 的性能调优技巧，包括高基数问题的解决以及精简 Prometheus 的指标和存储占用。 今天再介绍一个新的调
起因 有同事分享webpack的代码分割，其中提到了SplitChunksPlugin，对于文档上的描述大家有着不一样的理解，所以打算探究一下。 Q：什么是 SplitChunksPlugin？SplitChunksPlugin 是用来干嘛的？ A: 最初，chunks（以及内部导入的模块）是通过内
> 作者｜Sumeet Ninawe > 翻译｜Seal软件 > 链接｜https://spacelift.io/blog/terraform-environments 通常我们使用 Terraform 将我们的基础设施定义为代码，然后用 Terraform CLI 在我们选择的云平台中创建制定的基
有一个IList()对象列表， 示例数据为[{id:'1',fieldName:'field1',value:'1'},{id:'1',fieldName:'field2',value:'2'},{id:'2',fieldName:'field1',value:'1'},{id:'2',f
一、问题 在处理接口返回的数据，赋值给store中的数组时，报类型错误 data:{ cateList: [] } const getCateList = async () => { const res = await fetchCateList() as any if (res.code == 2
上次我们分享了利用powerquery来合并文件进行数据分析，但是Pq有一部分局限性，在现实工作中，我们往往需要合并多个文件去处理数据， 如果面对20个甚至更多的文件，pq中的每一步的步骤都会去读取每个文件，运行速度会十分慢，那么有没有简单的解决方法吗？ 答案是：可以考虑合并成一个文件后来处理。 我
前面我们分享了，利用python进行数据合并和连接，但是工作中，我们往往需要对数据进一步的聚合或者运算，以求最后的数据结果。 今天我们就来学习一下利用pandas模块，对数据集进行数据透视分析。 pivot_table释义 1.1 pivot_table参数列表： pandas.pivot_tabl
一：概述 Power Query中的分组依据，类似于Excel中的分类汇总功能，可以按照某一分类对某列数据或某几列数据进行去重操作和聚合计算(求和、计数、求平均、非重复行计数等)，并在去重的过程中将其他数据列按照用户指定的方式， 对其进行聚合以便生成与依据列相对应的数据。在实际工作中，当我们遇到原始
MQ系列1：消息中间件执行原理 MQ系列2：消息中间件的技术选型 MQ系列3：RocketMQ 架构分析 MQ系列4：NameServer 原理解析 MQ系列5：RocketMQ消息的发送模式 MQ系列6：消息的消费 MQ系列7：消息通信，追求极致性能 MQ系列8：数据存储，消息队列的高可用保障 1
1 背景 我们的业务服务随着功能规模扩大，用户量扩增，流量的不断的增长，经常会遇到一个问题，就是数据存储服务响应变慢。 导致数据库服务变慢的诱因很多，而RD最重要的工作之一就是找到问题并解决问题。 下面以MySQL为例子，我们从几个角度分析可能产生原因，并讨论解决的方案。 2 定位慢查询的原因并优化
[Redis系列1：深刻理解高性能Redis的本质](https://www.cnblogs.com/wzh2010/p/15886787.html "Redis系列1：深刻理解高性能Redis的本质") [Redis系列2：数据持久化提高可用性](https://www.cnblogs.com/w
## 前言： 上一篇分分享了[基于阿里云实现的短信验证码](https://www.cnblogs.com/wml-it/p/17613232.html)文章，考虑到为了防止登录时，非人工操作，频繁获取验证码，趁热打铁，现在添加了图片验证码服务功能。借鉴网上传统的做法，把实现这两个验证的功能做成有个
## 前言 上一篇文章分享了授权过滤器实现JWT进行鉴权，文章链接：[授权过滤器—MVC中使用授权过滤器实现JWT权限认证](https://www.cnblogs.com/wml-it/p/17612434.html)，接下来将用操作过滤器实现昨天的JWT鉴权。 ## 一、什么是操作过滤器？
