数据库

首页 标签 数据库
# 数据库 #
关注
178961内容
MongoShake——基于MongoDB的跨数据中心的数据复制平台
MongoShake是基于MongoDB的通用型平台服务,作为数据连通的桥梁,打通各个闭环节点的通道。通过MongoShake的订阅消费,可以灵活对接以适应不同场景,例如日志订阅、数据中心同步、监控审计等。其中,集群数据同步作为核心应用场景,能够灵活实现灾备和多活的业务场景。
hibernate5(1)新特性展示
<div class="markdown_views"> <p>在hibernate5中,有了一些新的变动:</p> <ul> <li>新引导 API</li> <li>Spatial/GIS 支持</li> <li>Java 8 支持</li> <li>扩展 AUTO id 生成支持</li> <li>命名策略分离</li> <li>属性转换器支持</li> <li>更好的
| |
来自: 云存储
海量结构化数据存储技术揭秘:Tablestore存储和索引引擎详解
前言 表格存储Tablestore是阿里云自研的面向海量结构化数据存储的Serverless NoSQL多模型数据库。Tablestore在阿里云官网上有各种文档介绍,也发布了很多场景案例文章,这些文章收录在这个合集中《表格存储Tablestore权威指南》。
【云栖精选】当AI来敲门,一刊尽览人工智能
《云栖精选》将以月刊的形式推出,集结社区前瞻趋势类、应用实践类、在线峰会内容整理及回顾等精华文章,定期刊出,欢迎大家阅读下载。本期《云栖精选-2017年6月刊》以人工智能为封面选题,特综合性选取13篇人工智能领域的文章,从国际学界专家视点到国内应用落地,均有收录。
【redis】redis应用场景,缓存的各种问题
redis有一个重要的应用领域——缓存 引用来自网友的图解释缓存在架构中的位置 默认情况下,我们的服务架构如下图,客户端请求service,然后service去读取mysql数据库 问题存在于,数据库性能不够用,数据库是整个架构中最重要的一个环节,它在高并发,高写入频次的时候非常容易崩掉,这是一般的数据库本身的特性所决定的,它们的架构模式注定了不可以承受较大的并发量,所以就有了缓存: service与高速的缓存进行交互,如果缓存中有数据直接返回客户端,如果没有才会从MySql中去查询。
关于MongoDB Sharding,你应该知道的
MongoDB Sharded Cluster 原理 如果你还不了解 MongoDB Sharded cluster,可以先看文档认识一下 中文简介:MongoDB Sharded cluster架构原理 英文汇总:https://docs.mongodb.com/manual/shard
免费试用