SQL Server 分区问题征集贴2

领域专家: 数据库技术领域

2015-07-22 10:17:03

书接上一回：http://bbs.csdn.net/topics/391078881

...全文

638 5 打赏收藏转发到动态举报

写回复

5 条回复

切换为时间正序

请发表友善的回复…

发表回复

道玄希言 2015-07-29

打赏
举报

回复

也尝试了下mssql 2012 的分区表，用了差不多 700万数据，按照的年来分区，可是感觉在查询一段时间的数据时，分区之后跟沒分区时查询所消耗的时间区别不是太大，是不是跟索引会有很大的关系？表只有3个字段，一个日期时间字段，一个统计。还有个可以看作是个ID。

LongRui888 2015-07-29

打赏
举报

回复

顶 ~

以学习为目的 2015-07-28

打赏
举报

回复

支持下吉哥

hery2002 2015-07-22

打赏
举报

回复

广告位招租～占位专用

(☆随缘☆) 2015-07-22

打赏
举报

回复

友情前来占位围观

本文详解Azure Synapse Analytics作为企业级可落地数据中枢的构建方法，涵盖Serverless SQL池、Dedicated SQL池与Apache Spark池的协同架构，强调统一元数据、列级权限与资源监控；详述从ADLS Gen2配置、工作区创建到生产级SQL调优、PySpark深度分析及Power BI直连查询折叠等关键实践，并对比Synapse与Databricks在数据治理与算法开发中的定位差异。

本文系统阐述Feature Store的五大核心组件：Registry（注册中心）、Storage（离线/在线双存储）、Transformation（可复用特征转换）、Serving（低延迟特征服务）和Monitoring（特征健康监控）。重点解析其解决特征孤岛、一致性事故与协作熵增的工程本质，提供两周内基于现有技术栈（Spark+Redis+Airflow+PostgreSQL）构建最小可行Feature Store的实操路径，并涵盖时间旅行、Key设计、灰度发布等生产级避坑指南。

本文深入解析Lakehouse架构演进逻辑，聚焦Delta Lake在ACID事务、Schema强制校验、时间旅行查询和统一存储语义上的核心能力。详细阐述Bronze/Silver/Gold三层Delta表设计、Spark 3.3集成实践、12个关键生产配置参数，并覆盖流式摄入（Exactly-Once）、MERGE性能优化、Z-ordering加速及小文件/日志膨胀等典型问题排查方案，强调数据可信度与可审计性落地路径。

本文聚焦机器学习从Notebook到生产环境的系统性迁移，提出以MLflow、KServe和Prometheus为核心的MLOps架构。重点解决生产中模型服务的可观测性（业务指标埋点与PSI监控）、灰度发布（Istio流量染色与AB对比）、自愈能力（Prometheus告警触发自动重训）。涵盖特征服务规范、ML-SemVer版本管理、推理熔断降级限流、GPU资源隔离及时间泄漏等关键实操问题，强调模型生命周期的工程化治理。

本文系统阐述 Feature Store 的核心价值与生产落地路径，聚焦特征一致性、在线/离线分离架构、Transformation 层必要性、Registry 元数据治理、Serving 低延迟服务及 Storage 选型原则。通过真实风控场景案例，详解 Feast + Redis + BigQuery 技术栈的搭建流程、环境避坑、Pipeline 编排与稳定性保障方案，并提供特征不一致、Redis OOM、Registry 错误等高频问题的排查方法论。

11,847

社区成员

33,667

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章