資料庫伺服器資源使用週報

東山絮柳仔發表於2021-07-03

一.專案說明

1.1 專案目的

1.盤活伺服器資源，提高資源的使用率；資源是公司的資產，只有儘可能發揮其價值，才能創造更多的價值。所以，有必要知道，公司整體（或某業務、產品）所屬的 DB Server的資源使用情況。主要從CPU、記憶體、Disk的平均數和中位數來反映。實現更合理的資源分配和集中性的管理，節省資源成本。

2.慢查詢的次數，既可以說明程式的效能和Server的壓力，說明了待確認和優化的情況，也說明了資源的緊張性。

3.此類歷史資料的積累，可以生成一個變化趨勢圖，說明資源使用趨勢。

4.之前的監控大部分診斷具體的一個DB Server或應用，這個是針對公司整體（或某業務、產品）所屬的 DB Server；是監控體系的一個完善和補充。

即:資源盤活、充分利用、降本增效、監控補充。

1.2 部署環境及架構

現有的監控資料已收集到InfluxDB 和 elasticsearch 中，本次要實現的功能是將資料計算聚合到MySQL中，然後通過郵件傳送給相關人員。儲存到MySQL 資料庫中，一是因為此類資料有一定的價值（具有追溯性和便於歷史趨勢分析），二是 InfluxDB 、elasticsearch 資料都有過期時間，資料保留的天數不是太長。

二.表的建立

2.1 儲存DB資源使用情況的表

表名定義為weekly_dbperformance，具體的指令碼如下：

CREATE TABLE `weekly_dbperformance` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `cpu_mean` varchar(255) NOT NULL DEFAULT '',
  `cpu_median` varchar(255) NOT NULL DEFAULT '',
  `mem_mean` varchar(255) NOT NULL DEFAULT '',
  `mem_median` varchar(255) NOT NULL DEFAULT '',
  `disk_mean` varchar(255) NOT NULL DEFAULT '',
  `disk_median` varchar(255) NOT NULL DEFAULT '',
  `datetime_created` timestamp NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '資料行建立時間',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=3740 DEFAULT CHARSET=utf8mb4;

在記錄資料生成的時間欄位新增個索引

create index idx_datetime on weekly_dbperformance (datetime_created);

2.2 儲存DB 例項慢查詢情況的表

表名定義為weekly_dbslowqty，具體的指令碼如下：

CREATE TABLE `weekly_dbslowqty` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `qindex_name` varchar(50) NOT NULL DEFAULT '',
  `qstartdate` varchar(50) NOT NULL DEFAULT '',
  `qenddate` varchar(50) NOT NULL DEFAULT '',
  `slowqty` varchar(20) NOT NULL DEFAULT '',
  `datetime_created` timestamp NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '資料行建立時間',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=3740 DEFAULT CHARSET=utf8mb4;

在記錄查詢的開始時間的欄位上新增個索引

create index idx_qstartdate on weekly_dbslowqty (qstartdate);

三.主要功能程式碼

3.1 統計DB Server資源使用率

可執行檔案為collect_dbperformance.py

從InfluxDB中查詢DB Server的資源使用情況。包括CPU的平均數、CPU的中位數、記憶體使用的平均數、記憶體使用的中位數、磁碟平均使用率、磁碟使用的中位數。

拉取計算的是過去7天的資料。

#!/usr/bin/python
# -*- coding: UTF-8 -*-



from influxdb import InfluxDBClient

import pytz
import time
import dateutil.parser
import datetime

import db_monitor_conn
mysqldb = db_monitor_conn.db
# use cursor
cursor = mysqldb.cursor()

class DBApi(object):
    """
    通過infludb獲取資料
    """

    def __init__(self, ip, port):
        """
        初始化資料
        :param ip:influxdb地址
        :param port: 埠
        """
        self.db_name = 'telegraf'
        self.use_cpu_table = 'cpu' # cpu使用率表
        self.phy_mem_table = 'mem'# 實體記憶體表
        self.disk_table = 'disk'# 磁碟表
        self.client = InfluxDBClient(ip, port, '用*戶*名', '密*碼', self.db_name)  # 連線influxdb資料庫
        print ('test link influxdb')


    def get_use_dbperformance(self, s_time, e_time):
        """
        獲取磁碟io使用率
        :param host: 查詢的主機host (telegraf 配置引數中的host欄位)
        :param s_time: 開始時間
        :param e_time: 結束時間
        :return:
        """

        response = {}
        ### 時間還需轉換，否則報錯 TypeError: Tuple or struct_time argument required

        #s = time.strptime(s_time, '%Y-%m-%d %H:%M:%S')
        #e = time.strptime(e_time, '%Y-%m-%d %H:%M:%S')
        s = time.strptime(s_time, '%Y-%m-%d')
        e = time.strptime(e_time, '%Y-%m-%d')
        start_time = int(time.mktime(s)) * 1000 * 1000 * 1000
        end_time = int(time.mktime(e)) * 1000 * 1000 * 1000

        #start_time = s_time
        #end_time = e_time
        cpu_mean_list = cpu_median_list = mem_mean_list = mem_median_list = disk_mean_list = disk_median_list = ['0.0']
        ##print('開始查詢CPU使用率的平均數')
        cpu_mean_list = self.client.query(
            "select mean(usage_user) from cpu where  time>=%s and time<=%s and cpu = 'cpu-total' AND host != 'qqlog_XXX_XXX' ;" % (
                start_time, end_time))
        ##print(cpu_mean_list)
        ### cpu_mean_list的格式 ResultSet({'('cpu', None)': [{'time': '2018-06-21T16:00:00Z', 'mean': 1.7141865567279297}]})
        cpu_mean_points = list(cpu_mean_list.get_points(measurement='cpu'))
        ##print(cpu_mean_points)
        ### cpu_mean_points的格式[{'time': '2018-06-21T16:00:00Z', 'mean': 1.7141865567279297}]
        cpu_mean = cpu_mean_points[0]['mean']
        ##print(cpu_mean)
        ### cpu_mean 的格式1.7141865567279297
        ##print('查詢CPU使用率的平均數結束')
        ##print('開始查詢CPU使用率的中位數')
        cpu_median_list = self.client.query(
            "SELECT median(usage_user) from cpu  where time>=%s and time<=%s and cpu = 'cpu-total' AND host != 'qqlog_XXX_XXX';" % (
                start_time, end_time))
        ##print(cpu_median_list)
        #### cpu_median_list的格式為ResultSet({'('cpu', None)': [{'time': '2018-06-21T16:00:00Z', 'median': 0.726817042581142}]})
        cpu_median_points = list(cpu_median_list.get_points(measurement='cpu'))
        cpu_median = cpu_median_points[0]['median']
        ##print(cpu_median)
        ##print('開始查詢mem使用率的平均數')
        mem_mean_list = self.client.query(
            "SELECT  mean(used) /mean(total) from mem  where time>=%s and time<=%s and host != 'qqlog_XXX_XXX';" % (
                start_time, end_time))
        print(mem_mean_list)
        ### mem_mean_list的格式為ResultSet({'('mem', None)': [{'time': '2018-06-21T16:00:00Z', 'mean_mean': 0.729324184536873}]})
        mem_mean_points = list(mem_mean_list.get_points(measurement='mem'))
        mem_mean = mem_mean_points[0]['mean_mean']
        ##print(mem_mean)
        ##print('開始查詢mem使用率的中位數')
        mem_median_list = self.client.query(
            "SELECT  median(used) /median(total) from mem  where time>=%s and time<=%s AND host != 'qqlog_XXX_XXX' ;" % (
                start_time, end_time))
        ##print(mem_median_list)
        ###mem_median_list的格式為ResultSet({'('mem', None)': [{'time': '2018-06-21T16:00:00Z', 'median_median': 0.8698493636354012}]})
        mem_median_points = list(mem_median_list.get_points(measurement='mem'))
        mem_median = mem_median_points[0]['median_median']
        ##print('開始查詢disk使用率的平均數')
        disk_mean_list = self.client.query(
            "SELECT mean(used) /mean(total) from disk  where time>=%s and time<=%s  AND host != 'qqlog_XXX_XXX';" % (
                start_time, end_time))
        ##print (disk_mean_list)
        ###disk_mean_list的格式為esultSet({'('disk', None)': [{'time': '2018-06-21T16:00:00Z', 'mean_mean': 0.31204798557786284}]})
        disk_mean_points = list(disk_mean_list.get_points(measurement='disk'))
        disk_mean = disk_mean_points[0]['mean_mean']
        ##print(disk_mean)
        ##print('開始查詢disk使用率的中位數')
        disk_median_list = self.client.query(
            "SELECT  median(used) /median(total) from disk  where time>=%s and time<=%s and host != 'qqlog_XXX_XXX';" % (
                start_time, end_time))
        ##print (disk_median_list)
        ###disk_median_list的格式ResultSet({'('disk', None)': [{'time': '2018-06-21T16:00:00Z', 'median_median': 0.08009824336938143}]})
        disk_median_points = list(disk_median_list.get_points(measurement='disk'))
        ##print(disk_median_points)
        disk_median = disk_median_points[0]['median_median']
        ##print(disk_median)
        ### 將計算統計的結果放到MySQl中，以便彙總傳送Report
        sql_insert = "insert into weekly_dbperformance(cpu_mean,cpu_median,mem_mean,mem_median,disk_mean,disk_median) " \
                      "values('%s','%s','%s','%s','%s','%s')" % \
                      (cpu_mean,cpu_median,mem_mean,mem_median,disk_mean,disk_median)
        cursor.execute(sql_insert)
        mysqldb.commit()

    def change_time(self, params):
        """
        時間轉換
        :param params:
        :return:
        """
        item = dateutil.parser.parse(params).astimezone(pytz.timezone('Asia/Shanghai'))
        result = str(item).split("+")[0]
        response = time.strptime(result, '%Y-%m-%d %H:%M:%S')
        param = time.strftime('%Y-%m-%d %H:%M:%S', response)
        return param




# 連線 influxdb
# INFLUXDB_IP influxdb所在主機
# INFLUXDB_PROT influxdb埠
db = DBApi(ip='XXX.110.119.XXX', port='?????')

###查詢的時間範圍
### TypeError: strptime() argument 0 must be str, not <class 'datetime.datetime'>
##e_time = datetime.datetime.now()
e_time = datetime.datetime.now().strftime('%Y-%m-%d')
##s_time = e_time + datetime.timedelta(-7)
s_time = (datetime.datetime.now() + datetime.timedelta(-7)).strftime('%Y-%m-%d')

print('列印查詢範圍----時間引數如下:')
print(e_time)
print(s_time)

db.get_use_dbperformance(s_time,e_time)

#print(disk_points)

注意：此份程式碼的執行環境是Python 3.6.8；此外還要注意下influxdb的query返回值的處理；可執行檔案可以通過crontab設定定時任務，週期性抓取資料。

3.2 統計DB例項的慢查詢

可執行檔案為count_dbslow.py

從elasticsearch中讀取慢查詢的資料，主要是統計符合條件的個數。

需要說明的是某產品線下的資料庫慢查詢放到Index命名一樣。本例中mysql-slow-qqorders-*，是查詢mysql-slow-qqorders-開通的所有慢查詢的個數，qqorders是具體的產品線程式碼，*是日期的模糊匹配。

#coding:utf8
import os
import time
from datetime import date
### 匯入模組 timedelta ，否則date.today()+ timedelta(days = -2) 報錯： AttributeError: 'datetime.date' object has no attribute 'timedelta'
from datetime import timedelta
from os import walk
###匯入模組的from datetime import datetime改成import datetime;否則在day = datetime.datetime.now()報錯：AttributeError: type object 'datetime.datetime' has no attribute 'datetime'
##from datetime import datetime
import datetime
from elasticsearch import Elasticsearch
from elasticsearch.helpers import bulk

import db_monitor_conn
mysqldb = db_monitor_conn.db
# use cursor
cursor = mysqldb.cursor()

###資料收集前，清除之前收集的資料
##sql_delete = "delete from weekly_dbslowqty "
##cursor.execute(sql_delete)
##mysqldb.commit()

class ElasticObj:
    def __init__(self, index_name,index_type,ip ="ES例項所在的ServerIP"):
        '''

        :param index_name: 索引名稱
        :param index_type: 索引型別,預設為_doc
        '''
        self.index_name =index_name
        self.index_type = index_type
        # 無使用者名稱密碼狀態
        #self.es = Elasticsearch([ip])
        #使用者名稱密碼狀態
        self.es = Elasticsearch([ip],http_auth=('ES用*戶*名', 'ES用*戶*密*碼'),port=ES埠號)

    #### 獲取資料量
    def Get_SlowQty_By_Indexname(self,dstart,dend):
        doc = {
            "query": {
                "bool": {
                    "must": [
                       {"exists":{"field": "query_time"}},
                       {"range":{
                            "@timestamp": {
                                "gte": dstart.strftime('%Y-%m-%d %H:%M:%S'),
                                "lte": dend.strftime('%Y-%m-%d %H:%M:%S'),
                                "format": "yyyy-MM-dd HH:mm:SS",
                                "time_zone": "+08:00"
                            }
                        }}
                    ],
                    "must_not": [
                       ## 排除不符合條件的server,例如 排除 XXX.XXX.XXX.XXX
                       {"term": {"fields.db_host": "XXX.110.119.XXX"}}
                    ]
                }
            }
        }

        _slowqty = self.es.count(index=self.index_name, doc_type=self.index_type, body=doc)
        print(_slowqty)
        #### _slowqty 的返回格式是字典型別，如下{'count': 2374, '_shards': {'total': 16, 'successful': 16, 'skipped': 0, 'failed': 0}}
        slowqty = _slowqty['count']
        print(slowqty)
        #### 將資料儲存到mysql中，以便傳送報表
        sql_insert = "insert into weekly_dbslowqty(qindex_name,qstartdate,qenddate,slowqty) " \
                      "values('%s','%s','%s','%s')" % \
                      (self.index_name,dstart,dend,slowqty)
        cursor.execute(sql_insert)
        mysqldb.commit()


obj =ElasticObj("mysql-slow-qqorders-*","_doc",ip ="ES 所在機器的 ServerIP")
###時間引數
##day = datetime.datetime.now()
##start = datetime.datetime.strptime('20180628 00:00:00','%Y%m%d %H:%M:%S')
##end = datetime.datetime.strptime('20180629 00:00:00','%Y%m%d %H:%M:%S')

##dstart = (datetime.datetime.now() + datetime.timedelta(-2))
##dend = (datetime.datetime.now() + datetime.timedelta(-1))

today = date.today()
dstart = (date.today()+ timedelta(days = -2)).strftime('%Y-%m-%d')
dend = (date.today()+ timedelta(days = -1)).strftime('%Y-%m-%d')
####print(dstart)
####print(dend)
###新增.strftime('%Y-%m-%d')，，否則報錯TypeError: strptime() argument 1 must be str, not datetime.date
dstart = datetime.datetime.strptime(dstart,'%Y-%m-%d')
dend = datetime.datetime.strptime(dend,'%Y-%m-%d')
print(dstart)
print(dend)

obj.Get_SlowQty_By_Indexname(dstart,dend)

注意：此份程式碼的執行環境也是Python 3.6.8

3.3 傳送Server資源效能週報

可執行檔案為dbperformance_report_weekly.py

#!/usr/bin/python
# -*- coding: UTF-8 -*-

import sys
reload(sys)
sys.setdefaultencoding( "utf-8" )
import db_monitor_conn
import os
import time
import smtp_config_dbperformance
from email.mime.text import MIMEText
from email.header import Header

def send_mail(mail_msg):
    # 呼叫send_mail函式
    mail_body = """
    <style type="text/css">
    table.gridtable {
        font-family: verdana,arial,sans-serif;
        font-size:11px;
        color:#333333;
        border-width: 1px;
        border-color: #666666;
        border-collapse: collapse;
    }
    table.gridtable th {
        border-width: 1px;
        padding: 8px;
        border-style: solid;
        border-color: #666666;
        background-color: #dedede;
    }
    table.gridtable td {
        border-width: 1px;
        padding: 8px;
        border-style: solid;
        border-color: #666666;
        background-color: #ffffff;
    }
    </style>

    <!-- Table goes in the document BODY -->
    <table class="gridtable">
    <tr>
        <th>CPU平均數</th><th>CPU中位資料</th><th>記憶體平均數</th><th>記憶體中位資料</th>
        <th>Disk平均數</th><th>Disk中位數</th><th>統計時間</th>
    </tr>
        """
    mail_body = mail_body + mail_msg + "</table>"
    message = MIMEText(mail_body, 'html', 'utf-8')
    subject = 'DB伺服器效能週報[資源效能]'
    message['Subject'] = Header(subject, 'utf-8')
    smtp_config_dbperformance.send_mail(message)
    return
#定義郵件體變數
mail_msg = ""
# 獲取資料庫連線
db = db_monitor_conn.db
print(db)
# 使用cursor()方法獲取操作遊標
cursor = db.cursor()

# SQL 查詢語句
# 備份日報
sql_dbper_report = " select ROUND(cpu_mean,2) as cpu_mean,ROUND(cpu_median,2) as cpu_median ,ROUND(mem_mean *100 ,2)as mem_mean , " \
                     " ROUND(mem_median *100,2) as mem_median ,ROUND(disk_mean * 100,2) as disk_mean,ROUND(disk_median *100,2) as disk_median,date_format(datetime_created, '%Y-%m-%d') as datetime_created " \
                     " FROM weekly_dbperformance " \
                     " where 1=1" \
                     " order by datetime_created limit 1  "
try:
    # 執行SQL語句
    cursor.execute(sql_dbper_report)
    # 獲取所有記錄列表
    results = cursor.fetchall()
    for row in results:
        cpu_mean = str(row[0])
        cpu_median = str(row[1])
        mem_mean = str(row[2])
        mem_median = str(row[3])
        disk_mean = str(row[4])
        disk_median = str(row[5])
        rdatetime = str(row[6])
        # 生成郵件內容 注意郵件列數和引數的個數一直(<type 'exceptions.Exception'> not all arguments converted during string formatting)
        mail_msg_single = """
        <tr>
                <td align="center">%s</td><td>%s</td><td align="right">%s</td>
                <td>%s</td><td align="right">%s</td><td align="right">%s</td>
                <td align="right">%s</td>
        </tr> """ % \
        (cpu_mean, cpu_median, mem_mean, mem_median, disk_mean, disk_median, rdatetime)
        mail_msg = mail_msg + mail_msg_single

    # 傳送郵件
    send_mail(mail_msg)

except  Exception as e:
    print str(Exception)
    print str(e)
# 關閉遊標
cursor.close()
# 關閉資料庫連線
db.close()

注意：此份程式碼的執行環境是Python 2.7.5

2.4 傳送DB 慢查詢週報

可執行檔案為dbslowlog_report_weekly.py

#!/usr/bin/python
# -*- coding: UTF-8 -*-

import sys
reload(sys)
sys.setdefaultencoding( "utf-8" )
import db_monitor_conn
import os
import time
import smtp_config_dbperformance
from email.mime.text import MIMEText
from email.header import Header

def send_mail(mail_msg):
    # 呼叫send_mail函式
    mail_body = """
    <style type="text/css">
    table.gridtable {
        font-family: verdana,arial,sans-serif;
        font-size:11px;
        color:#333333;
        border-width: 1px;
        border-color: #666666;
        border-collapse: collapse;
    }
    table.gridtable th {
        border-width: 1px;
        padding: 8px;
        border-style: solid;
        border-color: #666666;
        background-color: #dedede;
    }
    table.gridtable td {
        border-width: 1px;
        padding: 8px;
        border-style: solid;
        border-color: #666666;
        background-color: #ffffff;
    }
    </style>

    <!-- Table goes in the document BODY -->
    <table class="gridtable">
    <tr>
        <th>統計時間開始引數</th><th>時間結束引數</th><th>DB慢查詢個數</th>
    </tr>
        """
    mail_body = mail_body + mail_msg + "</table>"
    message = MIMEText(mail_body, 'html', 'utf-8')
    subject = 'DB伺服器效能週報[DB慢查詢]'
    message['Subject'] = Header(subject, 'utf-8')
    smtp_config_dbperformance.send_mail(message)
    return
#定義郵件體變數
mail_msg = ""
# 獲取資料庫連線
db = db_monitor_conn.db
print(db)
# 使用cursor()方法獲取操作遊標
cursor = db.cursor()

# SQL 查詢語句
# 備份日報
sql_dbslow_report = " select distinct qstartdate,qenddate,slowqty " \
                     " FROM weekly_dbslowqty " \
                     " where qindex_name ='mysql-slow-qqorders-*' and qstartdate >= date_sub(curdate(),interval 8 day) and  qstartdate < date_sub(curdate(),interval 1 day) " \
                     " order by datetime_created asc  "
try:
    # 執行SQL語句
    cursor.execute(sql_dbslow_report)
    # 獲取所有記錄列表
    results = cursor.fetchall()
    for row in results:
        qstartdate = str(row[0])
        qenddate = str(row[1])
        slowqty = str(row[2])
        # 生成郵件內容 注意郵件列數和引數的個數一直(<type 'exceptions.Exception'> not all arguments converted during string formatting)
        mail_msg_single = """
        <tr>
                <td align="center">%s</td><td align="right">%s</td>
                <td align="right">%s</td>
        </tr> """ % \
        (qstartdate, qenddate, slowqty)
        mail_msg = mail_msg + mail_msg_single

    # 傳送郵件
    send_mail(mail_msg)

except  Exception as e:
    print str(Exception)
    print str(e)
# 關閉遊標
cursor.close()
# 關閉資料庫連線
db.close()

注意：此份程式碼的執行環境也是Python 2.7.5

3.5 其他模組

mysql的連線模組:db_monitor_conn

相應的程式碼可在《通過Python將監控資料由influxdb寫入到MySQL》一文中檢視，參閱db_conn.py的編寫，在此不再贅述。

簡訊傳送的模組：smtp_config_dbperformance

請參閱前面的分享《MySQL資料歸檔小工具推薦及優化--mysql_archiver》，github地址：https://github.com/dbarun/mysql_archiver 下載的程式碼，有傳送郵件的模組smtp_config.py,在此不再贅述。

四實現

4.1 DBServer資源報告示樣

下圖是通過郵件的形式傳送某業務線下面DB Server資源使用率的郵件。

4.2　慢查詢報告示樣

下圖是通過郵件的形式傳送某業務線下面所有DB 例項的一週的SQL慢查詢的個數。

這是個簡單的Demo，專案規劃是隨著DB資源的監控指標清晰、完善，資料豐富，整合到一個Dashboard上。

五題外話--DAS

阿里雲的DAS（Database Autonomy Service）是一種基於機器學習和專家經驗實現資料庫自感知、自修復、自優化、自運維及自安全的雲服務，幫助使用者消除資料庫管理的複雜性及人工操作引發的服務故障，有效保障資料庫服務的穩定、安全及高效，解決方案架構如下圖。

個人認為， DAS 要實現的目標（自感知、自修復、自優化、自運維及自安全）是我們DBA的努力的方向。

【SchemaSpy】使用SchemaSpy開源工具生成資料庫報告
2009-11-10
開源工具資料庫
資料庫資源管理的使用之一
2013-01-29
資料庫
資料庫週刊62丨央企2021年資料庫成交公告；流資料庫HStreamDB開源；MySQL資料丟失…
2021-03-22
資料庫MySql
資料來源連線資料庫
2011-12-11
資料庫
資料庫週刊31丨openGauss 正式開源；7月資料庫排行榜；浙江移動資料庫AntDB遷移……
2020-07-07
資料庫
Oracle資料庫安全資源-1
2017-11-01
Oracle資料庫
伺服器資料庫
2024-06-20
伺服器資料庫
[Hacker News 週報] JS 型別系統提案；開源遊戲引擎 Godot；資料庫索引工作原理
2022-04-04
JS型別遊戲引擎Go資料庫索引
查詢當前資料庫名、使用者名稱、資料庫伺服器IP、埠、資料庫版本資訊。
2017-11-28
資料庫伺服器
Android開源資料庫框架-LitePal的使用
2017-03-29
Android資料庫框架
匯入excel資源到資料庫
2020-12-10
Excel資料庫
[原創] Oracle資料庫資源管理
2008-09-15
Oracle資料庫
openGauss開源2週年，破解資料庫生態痛點
2022-07-19
資料庫
【Falsk 使用資料庫】---- 資料庫基本操作
2020-12-20
資料庫
SqlServer資料庫資料恢復報告
2018-05-02
SQLServer資料庫資料恢復
Django ORM 資料庫生命週期
2018-02-05
DjangoORM資料庫
資料庫第六週作業
2018-04-15
資料庫
淺談資料庫生命週期
2015-10-15
資料庫
資料庫伺服器故障
2018-01-31
資料庫伺服器
【MySQL】自定義資料庫連線池和開源資料庫連線池的使用
2021-08-19
MySql資料庫
分散式資料庫火了開源填補資料庫空白
2018-05-02
分散式資料庫
Kettle資料庫資源庫連線執行示例
2020-10-11
資料庫
使用瀚高資料庫hibernate方言報錯
2023-02-06
資料庫
【彙總】語料庫資源
2017-11-08
開源大資料週刊-第99期
2018-09-12
大資料
開源大資料週刊-第88期
2018-06-01
大資料
開源大資料週刊-第91期
2018-06-29
大資料
開源大資料週刊-第86期
2018-05-11
大資料
開源大資料週刊-第73期
2017-11-23
大資料
開源大資料週刊-第7期
2016-05-30
大資料
[開源] .Net 使用 ORM 訪問華為GaussDB資料庫
2020-11-08
ORM資料庫
RAC建立DBlink並使用impdp抽取源庫資料
2014-03-14
Oracle使用者——我渴望開源資料庫(轉)
2007-08-15
Oracle資料庫
開源資料庫流行度首次超過非開源資料庫Confluent
2022-01-29
資料庫
MongoDB資料庫報錯，資料庫檔案丟失資料恢復案例
2020-09-14
MongoDB資料庫資料恢復
Oracle中對使用者所能使用的資料庫資源進行限制
2017-07-06
Oracle資料庫
資料庫伺服器記憶體資源消耗100%問題處理案例
2010-09-05
資料庫伺服器記憶體
【北亞資料恢復】伺服器斷電導致Oracle資料庫報錯的資料恢復案例
2022-03-15
資料恢復伺服器Oracle資料庫