引用:http://www.oschina.net/p/p6spy
P6Spy是一个可以用来在应用程序中拦截和修改数据操作语句的开源框架。
通过P6Spy我们可以对SQL语句进行拦截,相当于一个SQL语句的记录器,这样我们可以用它来作相关的分析,比如性能分析。
【mysql】 【SQL】 【日志】 【数据库】 【配置】 【测试】 …
本文内容遵从CC版权协议, 可以随意转载, 但必须以超链接形式标明文章原始出处和作者信息及版权声明网址: http://www.penglixun.com/tech/database/innodb_multiple_datafiles_per_single_tablespace.html
我们知道,在Oracle中,每个表空间都可以由很多文件组成,这样文件的IO就可以分散在很多存储路径上。虽然MySQL的服务器一般来说不会配置多路径存储,但是,很多老式文件系统(例如EXT3)对大文件的IO操作支持不好,性能很差,所以对MySQL/InnoDB来说,把数据文件大小控制在比较小的范围,也是有好处的。
As we know that Oracle can let one tablespace contains many datafiles, so file IO can distribute to multiple storage paths. Most of MySQL servers will not use multiple storage paths, but many old filesystems can’t support …
[获取更多]本文内容遵从CC版权协议, 可以随意转载, 但必须以超链接形式标明文章原始出处和作者信息及版权声明网址: http://www.penglixun.com/tech/database/mysql_flashback_feature.html
用过Oracle数据库的同学都知道,Oracle有一个Flash Recovery
Area,可以把变更的块写入这块区域,当数据操作错误,需要恢复的时候,可以利用闪回空间中存储的数据块覆盖回去,也可以重构回滚段,恢复到需要的一致点。
As we know, There has a Flash Recovery Area in Oracle DB, Which
allows the modified blocks been written into. So that, if there’s
any incorrect deletion of data, and need to recover, DBA can use
the data blocks which were stored in the Flash Recovery Area ,or
reconstructed rollback segments, to restore the data to the
consistent point.
…
[获取更多]在福云咖啡的大力支持下,第一期数据库内核分享的时间地点已经确认,如下: 时间:9.16日下午2:00至6:00 地点:杭州福云咖啡(西湖区西溪路628号福地创业园5楼(紫荆花路紫荆港路间)) 形式:免费(福云咖啡提供免费的柠檬水,当然,如果想喝咖啡的话,还是要自己买单的:)) 内容:InnoDB Buffer Pool与Oracle Data Cache的实现对比。介绍完整的InnoDB Buffer Pool的实现流程,以及对应的Oracle的Data Cache的相应实现,对大家更好的理解InnoDB Buffer Pool,以及优化Buffer Pool,有较好的帮助。 报名方式:目前,福云咖啡免费提供了一个50左右的会议室,我希望能够统计下最终参与的人数。准备参加的朋友,可以通过微博留言、私信、发送邮件(he.dengcheng@gmail.com),以及在本博客下发表评论的方式报名(最好不要多次报名,一种形式即可) …
[获取更多]TPCC Consistency 约束验证SQLs 以下,是按照TPCC标准,撰写的验证Consistency的12条SQL,每条SQL返回结果为Empty Sets时,说明此验证通过。 以下所有的SQL,在MySQL + TNT引擎 + TPCC-MySQL + 10-warehouses下执行成功(除了Condition 10,11,12,最终的SQL未能撰写成功)。 Consistency Conditions ————————— Consistency Condition 1 -——————————– – Entries in the WAREHOUSE and DISTRICT tables must satisfy the relationship: – W_YTD = sum(D_YTD) – for each warehouse … 继续阅读 →