摘要：
SQL Server 中维护了一组表用于存储 SQL Server 中所有的对象、数据类型、约束条件、配置选项、可用资源等信息，这些信息称为元数据信息（Metadata），而这些表称为系统基础表（System Base Tables）。在这些基础表中，存在于 master 数据库中的一部分基础表包含系统级范围的信息。存在于特定数据库（也包含 master db）中的基础表包含属于该特定数据库的对象和资源信息。目录视图（Catalog Views）是访问 SQL Server 元数据信息的首选接口，其次是系统函数（System Functions）。 阅读全文
摘要：
在了解 SQL Server 数据库时，可以先从数据库的体系结构来观察。SQL Server 的体系结构中包含 4 个主要组成部分：协议层（Protocols）、关系引擎（Relational Engine）、存储引擎（Storage Engine）、SQLOS。协议层用于接收请求，并把请求转换成关系引擎可以处理的形式。关系引擎通过命令解析器（Command Parser）、查询优化器（Query Optimizer）、查询执行器（Query Executor）等组件处理请求，并向存储引擎请求查询行集数据等。存储引擎提供访问方法（Access Methods）、锁管理器（Lock Manager）、事务服务（Transaction Services）等基础设施组件。SQLOS 是一个单独的应用层，位于 SQL Server 引擎的最低层，其主要功能包括：调度（Scheduling）和内存管理（Memory Management）。 阅读全文
摘要：
SQLIO 是一个用于测试存储系统能力的命令行工具。通过运行 SQLIO 可以得到 Throughput Metrics 和 Latency Metrics 等存储系统相关的性能指标，用以判断系统的 I/O 处理能力。 阅读全文
摘要：
对磁盘 I/O 活动的监控可通过 PhysicalDisk 和 LogicalDisk 中的性能计数器来度量。PhysicalDisk 相关的性能计数器主要针对物理磁盘，如果同一物理磁盘上有多个分区，则该计数器计算的是所有分区的和。LogicalDisk 相关的性能计数器主要针对逻辑分区，通过挂载点或磁盘驱动器号来指定，而不是监控整个磁盘。其中，Avg. Disk sec/Read 和 Avg. Disk sec/Write 是两个主要考量磁盘 I/O 性能的计数器，它们不需要额外的信息作为参考，可以直接判断 I/O 请求的平均延迟。 阅读全文
摘要：
当调查应用程序问题时，通常需要先确认目标机器所安装的 .NET Framework 的版本。可以通过如下方式来确认版本号：通过控制面板安装程序查询，通过查询注册表获取版本信息，通过查看安装目录获取版本信息，通过使用 WMI 命令获取版本信息。 阅读全文
摘要：
算法范式是为问题构建高效解决方案的常规方法，其可以被看做为解决一类问题的高层算法。算法范式提供的模板可适用于解决更广泛的问题，通过最高层的语言可以将范式转换成通用的组件或数据结构，对算法产生结果所需的时间和空间的需求可以做精确的分析。常见的算法范式有：暴力破解法（Brute Force Paradigm）、分治法（Divide and Conquer Paradigm）、动态规划法（Dynamic Programming Paradigm）、贪心算法（Greedy Paradigm）、回溯法（Backtracking Paradigm）、分支限界法（Branch and Bound Paradigm）等。 阅读全文
摘要：
二分查找（Binary Search）算法使用了分治法（Divide and Conquer）来不断缩小查找范围，并充分利用已知的信息将查找时间复杂度降低到 O(logn)。本文描述解决若干个数组元素定位问题，给定包含 n 个元素的已排序数组 sorted_array[]，求给定元素 x 的位置，求小于等于给定元素 x 的最近位置（Floor Value），求大于等于给定元素 x 的最近位置（Ceiling Value），求给定元素 x 重复的次数，求数组中的最小元素，查找元素位置等于元素值的位置（Fixed Point），查找某高点的值大于左右两侧的值的位置（Peak Position）。 阅读全文
摘要：
后缀数组由 Manber & Myers 在 1990 年首先提出《Suffix arrays: a new method for on-line string searches》，用以替代后缀树，并且改进了存储空间的需求。后缀数组可以通过对后缀树做深度优先遍历（DFT: Depth First Traversal）来进行构建，对所有的边（Edge）做字典序（Lexicographical Order）遍历。通过使用后缀集合和最长公共前缀数组（LCP Array: Longest Common Prefix Array）来构建后缀树，可在 O(n) 时间内完成，例如使用 Ukkonen 算法。构造后缀数组同样也可以在 O(n) 时间内完成。每个通过后缀树解决的问题，都可以通过组合使用后缀数组和额外的信息（例如：LCP Array）来解决。 阅读全文
摘要：
后缀树（Suffix Tree）是一棵 Compressed Trie，其存储的关键词为 Text 所有的后缀。后缀树的性质：存储所有 n(n-1)/2 个后缀需要 O(n) 的空间，n 为的文本（Text）的长度；构建后缀树需要 O(dn) 的时间，d 为字符集的长度（alphabet）；对模式（Pattern）的查询需要 O(dm) 时间，m 为 Pattern 的长度。在 1995 年，Esko Ukkonen 发表了论文《On-line construction of suffix trees》，描述了在线性时间内构建后缀树的方法。本文中尝试描述 Ukkonen 算法的基本实现原理，从简单的字符串开始描述，然后扩展到更复杂的情形。 阅读全文
摘要：
字典树（Trie）是一种很特别的树状信息检索数据结构，如同其名，它的构成就像一本字典，可以让你快速的进行字符插入、字符串搜索等。字典树设计的核心思想是空间换时间，所以数据结构本身比较消耗空间。但它利用了字符串的共同前缀（Common Prefix）作为存储依据，以此来节省存储空间，并加速搜索时间。Trie 的字符串搜索时间复杂度为 O(m)，m 为最长的字符串的长度，其查询性能与集合中的字符串的数量无关。其在搜索字符串时表现出的高效，使得特别适用于构建文本搜索和词频统计等应用。 阅读全文