开发指南—元数据库和数据字典

简介: 云原生分布式数据库PolarDB-X的元数据库为information_schema库,兼容MySQL的元数据库。查询元数据库可以直接在JDBC连接中使用SQL语句进行查询。

Information_schema视图

兼容情况

SCHEMATA

兼容

TABLES

兼容

COLUMNS

兼容

STATISTICS

兼容

COLUMN_STATISTICS

直方图信息为PolarDB-X格式

ENGINES

兼容

KEYWORDS

兼容

COLLATIONS

兼容

TABLE_CONSTRAINTS

兼容

PROCESSLIST

兼容

SESSION_VARIABLES

兼容

GLOBAL_VARIABLES

兼容

INNODB_LOCKS

兼容

INNODB_TRX

兼容

INNODB_BUFFER_PAGE

兼容

INNODB_BUFFER_POOL_STATS

兼容

INNODB_BUFFER_PAGE_LRU

兼容

INNODB_LOCK_WAITS

兼容

USER_PRIVILEGES

兼容

PARTITIONS

仅支持PolarDB-X分区表

WORKLOAD

PolarDB-X HTAP负载信息

GLOBAL_INDEXES

PolarDB-X全局二级索引

METADATA_LOCK

PolarDB-X MDL锁信息

TABLE_GROUP

PolarDB-X表组信息

TABLE_DETAIL

PolarDB-X分区表各分区存储信息

LOCALITY_INFO

PolarDB-X Locality信息

PHYSICAL_PROCESSLIST

PolarDB-X CN到DN的Processlist信息

PLAN_CACHE

PolarDB-X计划缓存信息

STATISTIC_TASK

PolarDB-X统计信息任务信息

CCL_RULE

PolarDB-X CCL规则信息

CCL_TRIGGER

PolarDB-X CCL触发信息

SCHEMA_PRIVILEGES

未兼容

TABLE_PRIVILEGES

未兼容

INNODB_TEMP_TABLE_INFO

未兼容

INNODB_SYS_INDEXES

未兼容

INNODB_SYS_FIELDS

未兼容

INNODB_CMP_PER_INDEX_RESET

未兼容

INNODB_FT_DEFAULT_STOPWORD

未兼容

INNODB_FT_INDEX_TABLE

未兼容

INNODB_FT_INDEX_CACHE

未兼容

INNODB_SYS_TABLESPACES

未兼容

INNODB_METRICS

未兼容

INNODB_SYS_FOREIGN_COLS

未兼容

INNODB_CMPMEM

未兼容

INNODB_SYS_COLUMNS

未兼容

INNODB_SYS_FOREIGN

未兼容

INNODB_SYS_TABLESTATS

未兼容

INNODB_FT_CONFIG

未兼容

INNODB_SYS_VIRTUAL

未兼容

INNODB_CMP

未兼容

INNODB_FT_BEING_DELETED

未兼容

INNODB_CMP_PER_INDEX

未兼容

INNODB_CMPMEM_RESET

未兼容

INNODB_CMP_RESET

未兼容

INNODB_FT_DELETED

未兼容

INNODB_SYS_TABLES

未兼容

INNODB_SYS_DATAFILES

未兼容

PROFILING

未兼容

REFERENTIAL_CONSTRAINTS

未兼容

SESSION_STATUS

未兼容

TABLESPACES

未兼容

EVENTS

未兼容

TRIGGERS

未兼容

ROUTINES

未兼容

COLUMN_PRIVILEGES

未兼容

FILES

未兼容

KEY_COLUMN_USAGE

未兼容

OPTIMIZER_TRACE

未兼容

PARAMETERS

未兼容

CHARACTER_SETS

未兼容

COLLATION_CHARACTER_SET_APPLICABILITY

未兼容

PLUGINS

未兼容

SCHEMATA

SCHEMATA表提供了关于数据库的信息。包含如下列:

  • CATALOG_NAME:库所属的catalog名,值固定为def.
  • SCHEMA_NAME:库名字
  • DEFAULT_CHARACTER_SET_NAME:库默认character set名字
  • DEFAULT_COLLATION_NAME:库默认collation名字
  • SQL_PATH:值固定为NULL

TABLES

TABLES表提供关于数据库表的信息。包含如下列:

  • TABLE_CATALOG:表所属的catalog名,值固定为def.
  • TABLE_SCHEMA:表所属的库名
  • TABLE_NAME:表名
  • TABLE_TYPEBASE:表类型,普通表为TABLE,视图为VIEW,INFORMATION_SCHEMA表为SYSTEM VIEW
  • ENGINE:数据库存储引擎
  • VERSION:版本
  • ROW_FORMAT:行格式
  • TABLE_ROWS:表行数估算值
  • AVG_ROW_LENGTH:平均行长度
  • DATA_LENGTH:主表空间估算值
  • MAX_DATA_LENGTH:最大表空间值,默认为NULL
  • INDEX_LENGTH:表索引空间估算值
  • DATA_FREE:表空间空闲值
  • AUTO_INCREMENT:下一个AUTO_INCREMENT值
  • CREATE_TIME:表创建时间
  • UPDATE_TIME:表更新时间
  • CHECK_TIME:表校验时间,值固定为NULL
  • TABLE_COLLATION:表默认collation值
  • CHECKSUM:表CHECKSUM
  • CREATE_OPTIONS:建表语句可选项
  • TABLE_COMMENT:表注释

COLUMNS

COLUMNS表提供关于数据库列的信息。包含如下列:

  • TABLE_CATALOG:列所属表所属的catalog名,值固定为def.
  • TABLE_SCHEMA:列所属表所属的库名
  • TABLE_NAME:列所属表名
  • COLUMN_NAME:列名
  • ORDINAL_POSITION:列在表中的顺序
  • COLUMN_DEFAULT:列默认值
  • IS_NULLABLE:列是否可以为Null
  • DATA_TYPE:列类型(无精度)
  • CHARACTER_MAXIMUM_LENGTH:列最大长度(单位字符)
  • CHARACTER_OCTET_LENGTH:列最大长度(单位字节)
  • NUMERIC_PRECISION:列数字精度
  • NUMERIC_SCALE:列数字scale
  • DATETIME_PRECISION:列datetime精度
  • CHARACTER_SET_NAME:列character set名
  • COLLATION_NAME:列collation名
  • COLUMN_TYPE:列类型(包含精度)
  • COLUMN_KEY:列索引信息
  • EXTRA:列额外信息
  • PRIVILEGES:列权限信息
  • COLUMN_COMMENT:列注释
  • GENERATION_EXPRESSION:生成列

STATISTICS

STATISTICS表提供关于数据库索引的信息。包含如下列:

  • TABLE_CATALOG:索引所属表所属的catalog名,值固定为def.
  • TABLE_SCHEMA:索引所属表所属的schema名
  • TABLE_NAME:索引所属表所属的表名.
  • NON_UNIQUE:索引是否唯一
  • INDEX_SCHEMA:索引所属表所属的schema名
  • INDEX_NAME:索引名
  • SEQ_IN_INDEX:列所属索引序号
  • COLUMN_NAME:列名
  • COLLATION:列名collation信息
  • CARDINALITY:列Cardinality值
  • SUB_PART:索引前缀
  • PACKED:索引PACKED信息
  • NULLABLE:列是否可以为NULL
  • INDEX_TYPE:索引类型
  • COMMENT:索引注释(非列维度)
  • INDEX_COMMENT:索引注释

有关Information_schema的更多信息,请参见Mysql官网

相关文章
|
存储 关系型数据库 数据库
postgresql|数据库|提升查询性能的物化视图解析
postgresql|数据库|提升查询性能的物化视图解析
1630 0
|
10月前
|
SQL 存储 关系型数据库
PolarDB 开源基础教程系列 4 日常运维
PolarDB日常运维指南涵盖了多个关键操作,包括读写节点故障切换、增加只读节点、配置WAL日志归档、备份与恢复、创建容灾实例以及排查CPU负载高等。通过详细的步骤和代码示例,本文档帮助用户在本地环境中体验和学习PolarDB的高级功能,如共享存储架构下的集群管理。特别地,文档提供了如何使用`polar_basebackup`工具进行备份和恢复,确保数据安全;并通过`pg_stat_statements`插件定位慢查询,优化数据库性能。此外,还介绍了常见问题的排查方法,如业务量上涨或长时间执行的SQL语句导致的CPU高负载。更多内容和进阶课程可参考提供的GitHub链接和官方文档。
592 2
|
6天前
|
数据采集 人工智能 安全
|
16天前
|
云安全 监控 安全
|
2天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
263 155
|
3天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
200 105