数据库的表、索引、视图等，在数据库中的一切都可以称为数据库对象。 对象分为以下两类 模式（SCHEMA）对象：可视为一个表的集合，可以理解为一个存储目录，包含视图、索引、数据类型、函数和操作符等。非模式对象：其他的数据库对象。如数据库、表空间、用户、权限。 查看当前用户在数据库中拥有的权限 \l 查
人脸特征计算速度优化-SIMD技术Neon介绍 JasonZhu 游走于秃头和研究的边缘 关注 15 人赞同了该文章 目录 收起 1. baseline计算 2. simd和数据重排加速 数据重排Pack simd加速 3. 循环展开 4. openmp的优化 5. openblas 6. 总
https://zhuanlan.zhihu.com/p/628017496 提到CPU性能，大部分同学想到的都是CPU利用率，这个指标确实应该首先被关注。但是除了利用率之外，还有很容易被人忽视的指标，就是指令的运行效率。如果运行效率不高，那CPU利用率再忙也都是瞎忙，产出并不高。 这就好比人，每天
# 人工智能GPT相关知识的简单总结 ## 背景 ``` 工作已经很久, 工作十几年来有过好多波新的技术浪潮. 但是每次都离技术前沿比较远. 最近发现只低头拉车是一个没有前途的行为. 人生很短, 选择很重要, 不仅要低头拉车,还要抬头看路. 感谢网上的资料. ``` ## 人工智能的起源 ``` 人
作者：山抹微云链接：https://www.zhihu.com/question/582960448/answer/2997151260来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 只针对人大金仓的集中式关系数据库kes86： 结论：kes86应该是人大金仓对pg进
【本文正在参与炫"库"行动-人大金仓有奖征文】 开发者请集结丨炫“库”行动——2021人大金仓征文大赛悬赏万元等你来！ 最近一直在研究 Oracle 的 AWR 报告，觉得它功能很强大，尤其是 DB Time 模型和等待事件能够让性问题的分析变得十分方便，再也不需要依赖大量的运维脚本去分析和定位问题
# 人大金仓学习之一_kwr的简单学习 ## 摘要 ``` 周末在家想着学习一下数据库相关的内容. 网上找了不少资料, 想着直接在本地机器上面进行一下安装与验证 理论上linux上面应该更加简单. windows 上面可能不如linux方便 主要是记录一下使用和注意事项. ``` ## ISO下载
# 人大金仓学习之二_ksh和kddm的学习 ## 摘要 ``` 承接上一篇文章 主要是这里总结一下ksh相关的文档. 这里学习了很多文档: https://help.kingbase.com.cn/v8/perfor/performance-optimization/performance-opt
# 人大金仓学习之三-表空间与跨磁盘存储和分区表 ## 背景 ``` 最近在用人大金仓的数据库. 前期学习了 kwr和ksh等工具. 今天想验证一下性能相关的情况. 因为机器正好有多个磁盘的分区. 想着能够将所有的硬盘都用上. 提高性能, 感觉总体还不错, 所以想总结一下. 注意这里只考虑 OLTP
# 人大金仓学习之四-kmonitor ## 背景 ``` kmonitor 其实时一个很好的工具和思路 开元的软件封装一下, 减轻技术复杂度,提高部署效率 并且能够更加快速的定位解决问题. 能够极大的提升客户体验. 并且界面比较好看, 比kwr 看起来高大上多了. 不仅可以解决部分实际问题, 也可
分区表 声明式创建分区 按列创建分区（PARTITION BY LIST） 将学员表student按所在城市使用partition by list创建分区 创建分区表（基表） 创建格式 create table 表名（字段名 数据类型）PARTITION BY LIST（要分区的字段名） 创建子分区
https://www.cnblogs.com/darcy-hui/p/13212108.html#:~:text=%E4%BA%BA%E5%A4%A7%E9%87%91%E4%BB%93%E4%BF%AE%E6%94%B9%E6%9C%80%E5%A4%A7%E8%BF%9E%E6%8E%A5%E
# 人大金仓数据库连接异常简单分析查看的方法 ## 背景 ``` 这边一个测试环境,人大金仓4000的连接池 最近出现多次 连接池用光的问题. 想着简单分析一下. 给研发同事进行问题定位. 这里简单记录一下 ``` ## 问题流程 ``` 研发反馈数据库无法连接. 我这边之前部署了一套 kmonit
短短六个月内关于人工智能的话题与炒作激增，究竟发生了什么事情才能引发如此大的冲击？这是否值得我们高度关注？未来我们又可以期待 AI 带来怎样的影响？今天我将和大家一同探索这几个问题的答案。
本文将为您介绍人工智能（AI）如何通过分析日志和指标来预测潜在的系统故障或性能下降，从而实现主动维护和问题解决。
人们害怕他们不理解的东西。 People are afraid of what they don't understand.
> 以下内容，均代表个人观点，欢迎交流～ ## 职业能力测试 ### 常识判断  # 内置函数 def lis(): li=[1,2,3] li.append(4) li.pop(2)
