数据库性能问题,老是卡帮我看看什么问题?

菜鸟多少号？ 2015-10-09 11:26:57

...全文

272 2 打赏收藏转发到动态举报

写回复

2 条回复

切换为时间正序

请发表友善的回复…

发表回复

Q315054403 2015-10-09

打赏
举报

回复

这都能看穿。。算命

道玄希言 2015-10-09

打赏
举报

回复

开启跟踪看看，是哪些语句执行时间超长了。

文章背景：相信大部分刚接触上面三个概念的同学，都多多少少会有些迷惑，现在我就给大家简单分析下这三者的关系，希望大家对这三者的概念理解有所帮助吧。本文主要从下面两类关系来叙述上面三者的关系： 数据库（DB）和数据仓库（DW）的区别与联系操作数据存储（ODS）和数据仓库（DW）的区别与联系 数据库与数据仓库的区别与联系数据库与数据仓库基础概念：数据库：传统的关系型数据库的主要应用，主要是基本的、日常的

结构化数据场景：如订单管理、用户认证等需要强事务支持的业务非结构化/半结构化场景：如物联网设备日志、社交网络数据、实时推荐系统：基于传统关系型数据库（SQL Server）的云原生服务，支持ACID事务和复杂SQL查询Cosmos DB：全球分布式NoSQL数据库，支持多模型（文档、键值、图、宽列）和弹性扩展两者的架构设计哲学有何本质区别？数据建模和查询语言的差异如何影响开发体验？一致性、可用性、吞吐量的权衡模型如何选择？典型业务场景下的选型决策依据是什么？技术原理对比。

数据库和人工智能可以相互受益。一方面，人工智能可以使数据库更加智能（AI4DB）。例如，传统的经验数据库优化技术（例如，成本估算、连接顺序选择、旋钮调整、索引和视图顾问）无法满足大规模数据库实例、各种应用程序和多样化用户的高性能要求，尤其是在云上。幸运的是，基于学习的技术可以缓解这个问题。另一方面，数据库技术可以优化人工智能模型（DB4AI）。例如，人工智能很难部署，因为它需要开发人员编写复杂的代码和训练复杂的模型。数据库技术可用于降低使用人工智能模型的复杂性，加速人工智能算法，并在数据库内提供人工智能能力

数据仓库是数据库的下一代产品形态 —— 如何对数字化转型过程中涌现的数据集合进行有效的存储、分析和利用，继而帮忙企业进行运营决策优化甚至创造出新的获客模式和商业模式形成竞争力，是企业主们亟需解决的问题。在数据价值爆发的时代背景中，数据仓库在千行百业中都有着相应的应用场景。

随着数据量不断增长和业务复杂度逐渐攀升，数据处理效率面临巨大挑战。最典型的表现是面向分析型场景的数据仓库性能问题越来越突出，压力大、性能低，查询时间长甚至查不出来，跑批跑不完造成生产事故等问题时有发生。当数据仓库出现性能问题时便不能很好服务业务了。

11,846

社区成员

33,668

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