社区
C#
帖子详情
多大的数据量才用到数据库
lzmdcsdn
2016-02-06 09:02:20
我要保存最多500条ip地址 使用的时候会用到查询功能 需要用数据库吗
...全文
664
11
打赏
收藏
多大的数据量才用到数据库
我要保存最多500条ip地址 使用的时候会用到查询功能 需要用数据库吗
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
11 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
qq_32109115
2016-02-13
打赏
举报
回复
看你软件最终要处理多大的数据量
以专业开发人员为伍
2016-02-07
打赏
举报
回复
当你重构了2次之后,如果你需要设计通用的接口层,这个时候对你的影响才真的是比较大的,此时你才真正需要集中精力去考虑不同的数据层实现怎样来维持同一套数据接口的问题。 而纠结最底层用什么现成东西(而自己不需要设计抽象接口)时,其实还在进行不太重要的程序设计,此时讲求的是迅速“经过、体验过”这种阶段,就行了。
以专业开发人员为伍
2016-02-07
打赏
举报
回复
基本上来说,你可以认为不管多少数据都以最原始的方式(放到内存里)来设计接口,然后逐步学会扩展架构中保持数据层DAL接口不变,对应用层隐藏数据操作的底层实现。 数据最终保存在哪儿,取决于变动的因素,例如数量的大小、数据块的大小、存取性能代价、内存消耗、索引技术技术、索引方式、实体结构能否模式化,等等。这些都是变化的。 你要学会的就是变化,而不是永远用一成不变的方式来处理。
娃都会打酱油了
2016-02-07
打赏
举报
回复
500ip这种就是基础数据的等级,随便什么方式存储好了,用的时候先加载到内存,然后在内存中进行各种操作
以专业开发人员为伍
2016-02-07
打赏
举报
回复
通常,程序会重构(对部分架构底层进行重写),以便完成更多的需求目标。重构了多次之后你才发现自己对于“接口、抽象、设计”有了一些概念。当你认为编程中什么样的重大改进都是“推倒了重来”时,其实你的所谓选择往往是纠结“失败以后怎么办”的,而不是成熟地扩展一个软件的。 软件数据集合首先是纯粹内存里的设计概念,然后才是文件的概念,然后才是(关系)数据库的概念,然后是分布式(甚至非关系)数据库的概念,然后是SOA数据服务概念......每一次重构都维持着第一步就建立起来的接口和设计。学会这个过程比你纠结文件还是数据库更重要。我们那些第一步、第二步做得很好的初学者,总是在第三步也做得很好。反之有些人纠结于第三步,其实并不是因为他觉得第一步太简单了,而是就是不太想练习基础。
秋的红果实
2016-02-07
打赏
举报
回复
500条,可以用文件,操作方便,复杂查询可以一次性读出到内存,用linq,执行效率也高
threenewbee
2016-02-06
打赏
举报
回复
就好比多大计算量用计算机?哪怕算很简单的问题也可以用,而不是用算盘。
threenewbee
2016-02-06
打赏
举报
回复
从编程的角度来说1条数据也可以用数据库
gxmark
2016-02-06
打赏
举报
回复
可以使用xml文件,通过linq to xml完成读写
Ki1381
2016-02-06
打赏
举报
回复
只要你愿意,txt就可以当数据库用
以专业开发人员为伍
2016-02-06
打赏
举报
回复
你随意,不必纠结这个。最不变的真理,就是程序都会重构的,你在选择时完全不必考虑3个月以后用不用数据库的问题。
浅析
数据库
(DB)、操作数据存储(ODS)和数据仓库(DW)的区别与联系
本文对比分析了
数据库
(DB)、数据仓库(DW)与操作数据存储(ODS)的概念、应用场景及区别联系,帮助读者更好地理解这三者在数据处理中的角色。
数据仓库和
数据库
的区别
本文探讨了数据仓库与
数据库
的主要区别,包括用途(事务处理 vs. 数据分析)、特性(读写优化 vs. 读优化、
数据量
处理)及ETL过程。数据仓库用于OLAP,侧重读优化,数据来源多样,而
数据库
适用于OLTP,处理事务性操作。未来趋势是融合OLTP和OLAP,如HTAP系统。
什么是DB的索引,
多大
的
数据量
下建索引会有性能的差别,什么样的情况下该对字段建索引?
本文介绍了
数据库
索引的概念,如书的目录,用于加速数据检索。主要探讨了不同类型的索引(主键、唯一、普通、全文索引)以及索引的工作原理。通常在
数据量
超过300行的表、频繁查询或连接的字段上建立索引。然而,索引会影响写操作的性能,因为更新会导致索引维护。建议避免在区分度低的字段和使用like操作符时创建索引。
数据库
与数据仓库
本文探讨了
数据库
和数据仓库的区别与特点。
数据库
适合事务处理,优化读写,而数据仓库用于数据分析,强调读优化和数据冗余。数据仓库通过Denormalization存储大量历史数据,提供高效的大数据查询,但小量数据读取和写操作效率可能较低。此外,数据仓库的多实例分布式系统在大数据场景下展现出优越性能。
亿级
数据量
系统 db
数据库
性能优化方案
本文探讨了
数据库
性能瓶颈的主要原因,包括
数据库
连接、表
数据量
大和硬件资源限制。针对这些问题,提出了读写分离、垂直拆分、水平拆分、优化查询和多线程查询等解决方案。通过读写分离缓解连接瓶颈,垂直拆分和水平拆分解决
数据量
大带来的性能问题,优化查询如加索引和切分条件提高查询效率,多线程查询进一步提升性能。
C#
111,131
社区成员
642,542
社区内容
发帖
与我相关
我的任务
C#
.NET技术 C#
复制链接
扫一扫
分享
社区描述
.NET技术 C#
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
让您成为最强悍的C#开发者
试试用AI创作助手写篇文章吧
+ 用AI写文章