检测到您已登录华为云国际站账号,为了您更好的体验,建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
OF的触发器。对于MERGE INTO语句,视图和基础表上都不能有触发器。 视图定义不能包含子链接。 视图定义不能包含属性为VOLATILE的函数(函数值可以在一次表扫描内改变的函数) 视图定义不能对表的分布键所在列起别名,或将普通列起别名为分布键列名。 视图更新操作中包含RETURNING子句时,视图定义中的列只能来自于基础表。
OF的触发器。对于MERGE INTO语句,视图和基础表上都不能有触发器。 视图定义不能包含子链接。 视图定义不能包含属性为VOLATILE的函数(函数值可以在一次表扫描内改变的函数) 视图定义不能对表的分布键所在列起别名,或将普通列起别名为分布键列名。 视图更新操作中包含RETURNING子句时,视图定义中的列只能来自于基础表。
Processing)主要进行基本的、日常的事务处理,例如银行交易等场景。 什么是数据仓库? 随着数据库的大规模应用,以及信息行业的数据爆炸式的增长。为了研究数据之间的关系,挖掘数据隐藏的价值,人们越来越多需要使用联机分析处理OLAP(On-Line Analytical Processing)
禁止针对行存大表的频繁COUNT 磁盘能力强的场景(如SSD),本规则可适当放宽,但仍需关注I/O消耗情况。 违反规范的影响: 行存表的COUNT需要扫描全表,大表场景频繁COUNT会消耗大量I/O,如触发I/O瓶颈会导致整体性能问题。 方案建议: 建议降低COUNT频率、使用结果缓存、分区
务能力,提高应用程序的容错能力。 使用JDBC负载均衡连接集群: 开启JDBC负载均衡,URL需要配置至少一个CN节点内网IP,之后会自动扫描所有的CN节点IP,JDBC负载均衡可以使连接随机到其中一个CN,从而实现类似ELB的效果。 使用multi-host方式连接集群:使用J
禁止针对行存大表的频繁COUNT 磁盘能力强的场景(如SSD),本规则可适当放宽,但仍需关注I/O消耗情况。 违反规范的影响: 行存表的COUNT需要扫描全表,大表场景频繁COUNT会消耗大量I/O,如触发I/O瓶颈会导致整体性能问题。 方案建议: 建议降低COUNT频率、使用结果缓存、分区
i表示“不可变的”(immutable)函数,对于相同的输入总是输出相同的结果。 s表示“稳定的”(stable)函数,对于固定输入其结果在一次扫描里不变。 v表示“易变”(volatile)函数,其结果可能在任何时候都变化。 pronargs smallint 参数个数。 pronargdefaults
ending_list_limit的值(默认为4MB) INVISIBLE 控制优化器是否生成索引扫描相关计划。 取值范围: ON表示不生成索引扫描相关计划。 OFF表示生成索引扫描相关计划。 默认值:OFF WHERE predicate 创建一个部分索引。部分索引是一个只包含
描述:如果参数是一个表,则顺序扫描读取的行数目。 如果参数是一个索引,则返回的索引行的数目。 返回值类型:bigint pg_stat_get_tuples_fetched(oid) 描述:如果参数是一个表,则位图扫描抓取的行数目。 如果参数是一个索引,则用简单索引扫描抓取的行数目。 返回值类型:bigint
全量备份的模式: 0 :一阶段的备份 1 :两阶段的备份 0 cbm-parse-mode 备份参数 增量备份的模式: 0 :一次扫描cbm(内存占用大,性能快) 1 :多次扫描cbm(内存占用稳定,性能差) 0 parallel-process 恢复参数 指定Roach备份时每个节点的并发进程,默认当前节点主DN数
通常,数据库系统需要逐行扫描整个tpcds.customer_address_bak表以寻找所有匹配的元组。如果表tpcds.customer_address_bak的规模很大,但满足WHERE条件的只有少数几个(可能是零个或一个),则这种顺序扫描的性能就比较差。如果让数据库
通常,数据库系统需要逐行扫描整个tpcds.customer_address_bak表以寻找所有匹配的元组。如果表tpcds.customer_address_bak的规模很大,但满足WHERE条件的只有少数几个(可能是零个或一个),则这种顺序扫描的性能就比较差。如果让数据库
buffers_clean bigint 后端写进程写的缓冲区数量。 maxwritten_clean bigint 由于写入缓冲区太多,后端写进程停止清理扫描的次数。 buffers_backend bigint 后端直接写入的缓冲区数量。 buffers_backend_fsync bigint
buffers_clean bigint 后端写进程写的缓冲区数量。 maxwritten_clean bigint 由于写入缓冲区太多,后端写进程停止清理扫描的次数。 buffers_backend bigint 后端直接写入的缓冲区数量。 buffers_backend_fsync bigint
ALL子查询。 当constraint_exclusion为on,优化器用查询条件和表的CHECK约束比较,并且在查询条件和约束冲突的时候忽略对表的扫描。 默认值:partition 目前, constraint_exclusion缺省被打开,通常用来实现表分区。为所有的表打开它时,对于简
buffers_clean bigint 后端写进程写的缓冲区数量。 maxwritten_clean bigint 由于写入缓冲区太多,后端写进程停止清理扫描的次数。 buffers_backend bigint 后端直接写入的缓冲区数量。 buffers_backend_fsync bigint
表Scan压力均匀分散在各个DN上,以避免单DN的Scan压力过大,形成Scan的单节点瓶颈。分布列不选择基表上等值filter中的列可以实现该点。 减少扫描数据量。通过分区的剪枝机制可以实现该点。 尽量减少随机IO。通过聚簇/局部聚簇可以实现该点。 尽量避免数据shuffle,减小网络压力。通
表Scan压力均匀分散在各个DN上,以避免单DN的Scan压力过大,形成Scan的单节点瓶颈。分布列不选择基表上等值filter中的列可以实现该点。 减少扫描数据量。通过分区的剪枝机制可以实现该点。 尽量减少随机IO。通过聚簇/局部聚簇可以实现该点。 尽量避免数据shuffle,减小网络压力。通
buffers_clean bigint 后端写进程写的缓冲区数量。 maxwritten_clean bigint 由于写入缓冲区太多,后端写进程停止清理扫描的次数。 buffers_backend bigint 后端直接写入的缓冲区数量。 buffers_backend_fsync bigint
范围查询性能要求高的场景,可以创建Partial Cluster Key(局部聚簇,简称PCK)通过min/max稀疏索引实现事实表快速过滤扫描。PCK的选取遵循以下原则: 【关注】一张表上只能建立一个PCK,一个PCK可以包含多列,但是一般不建议超过2列。 【建议】针对表达式过滤条件列创建PCK(形如col