摘要: 1、源码包下载 2、编译安装 3、安装成功如下 4、创建配置文件 5、创建MySQL库 6、启动数据库 7、登录数据库 8、官方文档 阅读全文
posted @ 2018-09-04 15:17 杜先生的博客 阅读(540) 评论(0) 推荐(0)
摘要: 二、优化数据库对象 1、优化表的数据类型 应用设计的时候需要考虑字段的长度留有一定的冗余,但不推荐很多字段都留有大量的冗余,这样既浪费磁盘空间,也在应用操作时浪费物理内存。 在MySQL中,可以使用函数PROCEDURE ANALYSE()对表进行分析,给出优化建议。(16, 256)是指不为包含的 阅读全文
posted @ 2018-08-27 14:55 杜先生的博客 阅读(1309) 评论(0) 推荐(2)
摘要: 一、SQL优化 1、优化SQL一般步骤 1.1 查看SQL执行频率 SHOW STATUS LIKE 'Com_%'; Com_select:执行SELECT操作的次数,一次查询累加1。其他类似 以下参数只针对InnoDB存储引擎,累加算法略有不同 Innodb_rows_read:SELECT查询 阅读全文
posted @ 2018-08-22 11:42 杜先生的博客 阅读(23709) 评论(0) 推荐(4)
摘要: 1、添加硬盘 2、刷新服务器文件系统 新添加的硬盘需要刷新文件系统,要不然不能识别新添加的硬盘。 对scsi_host进行重新扫描,查找 scsi 驱动器的号 驱动号为scsi后面的数字,即为2,此时看不懂新添加的硬盘 执行刷新: echo "- - -" > /sys/class/scsi_hos 阅读全文
posted @ 2018-08-22 10:20 杜先生的博客 阅读(3760) 评论(0) 推荐(0)
摘要: 1、问题描述 MySQL服务器卡死,CPU飚到300%多,命令执行缓慢。 2、问题定位 踩了狗屎运,直接找到了问题缘由 发现了一条SQL写的模糊匹配,将%写在了关键字的前面,这样会造成查询不使用索引,全表扫描 使用EXPLAIN发现这个SQL扫描了两千多万行。。。 3、问题解决 最终确认是应用写错了 阅读全文
posted @ 2018-08-21 11:58 杜先生的博客 阅读(871) 评论(0) 推荐(0)
摘要: 一、分库分表种类 1、垂直拆分 在考虑数据拆分的时候,一般情况下,应该先考虑垂直拆分。垂直可以理解为分出来的库表结构是互相独立各不相同的、 - 如果有多个业务,每个业务直接关联性不大,那么就可以把每个业务拆分为独立的实例、库或表。 - 如果在一个库里面有多张表,那么可以把每张表拆分到不同的实例上。 阅读全文
posted @ 2018-08-15 11:55 杜先生的博客 阅读(3480) 评论(0) 推荐(1)
摘要: 1、字符串使用场景 a) 缓存功能 典型使用场景:Redis作为缓存层,MySQL作为存储层,绝大部分请求的数据都是从Redis中获取,由于Redis具有支撑高并发的特性,所以缓存通常能起到加速读写和降低后端压力的作用。 开发提示:与MySQL等关系型数据库不同的是,Redis没有命令空间,而且也没 阅读全文
posted @ 2018-06-04 11:48 杜先生的博客 阅读(12135) 评论(1) 推荐(3)
摘要: 1、基础镜像制作 由于公司的程序是Java开发,上线发布使用的是maven,如果使用openshift自带的S2I,每次都会全量拉取代码(代码比较多,每次全量拉太慢),然后每次打包都会再一次下载maven插件,官方也有save-artifacts的方法,貌似是保存编译的产物,但是我没有研究成功,所以 阅读全文
posted @ 2018-05-03 19:04 杜先生的博客 阅读(5135) 评论(0) 推荐(0)
摘要: 1、镜像下载 为了防止安装过程中由于镜像下载缓慢导致自动部署失败,所以首先提前下载好EFK镜像。 2、创建持久化PV 由于日志需要保存方便查询历史数据,故创建PV保存Elasticsearch的数据。 3、修改ansible hosts 基于上节的hosts,添加的内容为红色字体部分。 4、执行安装 阅读全文
posted @ 2018-04-20 14:41 杜先生的博客 阅读(2416) 评论(0) 推荐(0)
摘要: 1、创建持久化metric pv卷 PS:不做持久化存储无需创建PV 2、更改ansible hosts ansible文件与之前的教程同步。只是累加了metrics的一些参数。 3、执行安装 如果上述未指定pv,也就是不做持久化存储,设置openshift_metrics_cassandra_st 阅读全文
posted @ 2018-04-18 18:37 杜先生的博客 阅读(2102) 评论(0) 推荐(0)