有助人为乐思想的大侠请帮我!大数据量引起的问题!

luxuehong 2005-01-11 10:33:20
asp + sql server 200
目前数据库中产品数据表数据量超过了1千万,现在会员登录系统后,进行删除,更新,(每次操作的数据量在1万条左右)操作往往不能成功,经常出现超时。我试过在查询分析器中执行删除产品数据表中的一万条记录,用时竟也要2分钟左右。
目前在产品数据表中分别有三个字段上建有索引,请大侠们教教我该怎样优化数据库或重新规划数据才能解决问题呀!
...全文
214 9 打赏 收藏 举报
写回复
用AI写文章
9 条回复
切换为时间正序
请发表友善的回复…
发表回复
luxuehong 2005-01-19
  • 打赏
  • 举报
回复
表的结构如下:
CREATE TABLE [purdoct] (
[id] [numeric](20, 0) IDENTITY (1, 1) NOT NULL ,
[memid] [decimal](6, 0) NOT NULL ,
[model] [nvarchar] (50) COLLATE Chinese_PRC_CI_AS NULL ,
[marker] [nvarchar] (50) COLLATE Chinese_PRC_CI_AS NULL ,
[qty] [numeric](10, 0) NULL ,
[mdate] [nvarchar] (50) COLLATE Chinese_PRC_CI_AS NULL ,
[packing] [nvarchar] (50) COLLATE Chinese_PRC_CI_AS NULL ,
[refprice] [nvarchar] (50) COLLATE Chinese_PRC_CI_AS NULL ,
[remark] [nvarchar] (60) COLLATE Chinese_PRC_CI_AS NULL ,
[pdate] [smalldatetime] NULL CONSTRAINT [DF_purvey_pdate] DEFAULT (getdate()),
[status] [int] NULL CONSTRAINT [DF_purvey_status] DEFAULT (0),
) ON [PRIMARY]
GO
具休怎样实现自动分表呢?
JafyLiu 2005-01-18
  • 打赏
  • 举报
回复
分出个日常库,汇总库
或
分出几个日常表,还用一个库
winternet 2005-01-18
  • 打赏
  • 举报
回复
將你的表結構貼出來,然後再根據情況劃分表
alipaymate 2005-01-11
  • 打赏
  • 举报
回复
up
qinyu0504 2005-01-11
  • 打赏
  • 举报
回复
索引的数量和数据更新的速度是矛盾的,想要删除速度快一点尽量减少索引数量,并且在删除条件中指定聚簇索引。
daijingjie2002 2005-01-11
  • 打赏
  • 举报
回复
按规律把一个大数据表分成多个数据表,之后在程序中控制,其他方法不能解决你的根本问题
luxuehong 2005-01-11
  • 打赏
  • 举报
回复
daijingjie2002(艰苦创业)和tigerjacky(林石--抢滩VC)大侠 ,具体怎样实现分表能不能说得更具体点,或是有什么例题给看看呀!
tigerjacky 2005-01-11
  • 打赏
  • 举报
回复
分成多个表吧
zhangyanxxxx 2005-01-11
  • 打赏
  • 举报
回复
你经常更新的列不要建立索引,因为它会降低更新的速度,因为索引只能提高查询的速度,我想应该能提高一些性能
打开链接下载源码: https://pan.quark.cn/s/4d098ab046d1 ### 基于内容推荐机制:个性化服务的关键基础 #### 阐述 在信息数字化急剧增长的时代背景下,如何从庞大的数据资源中筛选出用户真正关注的资讯,成为了一个亟待解决的挑战。推荐机制应运而生,致力于为用户提供个性化的服务,协助其有效管理信息过载的问题。依据《下一代推荐系统的方向:当前技术的综述与可能的拓展》一文,作者Gediminas Adomavicius和Alexander Tuzhilin全面地梳理了推荐系统领域,详尽介绍了当前推荐技术的三大主要类别:内容驱动、协同过滤以及混合推荐策略。 #### 内容驱动推荐机制深入解析 内容驱动推荐机制是一种通过审视用户的历史行为和偏好,结合项目(例如书籍、电影)的内容特征进行推荐的技术。这种方法的核心在于构建一个模型,该模型能够把握用户的兴趣并预测用户对未接触项目的可能偏好。具体而言,内容驱动推荐机制会采集用户的历史行为数据,诸如购买记录、浏览历史等,同时收集项目本身的属性信息,例如书籍的作者、主题、关键词,电影的导演、演员、类型等。通过比较用户已知喜好和项目属性之间的相似程度,系统可以向用户推荐与其过往兴趣相契合的新项目。 #### 技术要点与操作流程 内容驱动推荐机制通常包含以下几个环节: 1. **特征抽取**:从用户历史行为和项目特征中提取关键信息,构建特征向量。 2. **相似度评估**:运用余弦相似度、皮尔逊相关系数等方法计算用户与项目之间的相似程度。 3. **推荐产生**:根据相似度得分,为用户生成推荐清单。 4. **响应收集**:获取用户对推荐结果的反馈,持续优化模型参数,以提升推荐的精确度。 #### 优点与不...

27,579

社区成员

发帖
与我相关
我的任务
社区描述
MS-SQL Server 应用实例
社区管理员
  • 应用实例社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧