- 综合排序
- 最热优先
- 最新优先
- 来自专栏OSChina
数据库模型分析
数据库模型分析的思路，主要点 例如 ： 注意 ：1 分析 一定要建立在一定的业务逻辑基础之上 2 注意 非空字段 和 外键 字段
75221发布于 2019-07-31 - 来自专栏码农沉思录
数据库死锁怎么分析？
创建死锁情景 我们先创建一个发生死锁的情景，在Session A和Session B中分别执行两个事务，具体情况如下： 我们分析一下： 从第③步中可以看出，Session A中的事务先对hero表聚簇索引的 40001): Deadlock found when trying to get lock; try restarting transaction 以上是我们从语句加了什么锁的角度出发来进行死锁情况分析的 BACK TRANSACTION (2) ------------ ...省略了好多其他信息 我们只关心最近发生的死锁信息，所以就把以LATEST DETECTED DEADLOCK这一部分给单独提出来分析一下 思索分析的思路 查看死锁日志时，首先看一下发生死锁的事务等待获取锁的语句都是啥。 找到发生死锁的事务中所有的语句之后，对照着事务获取到的锁和正在等待的锁的信息来分析死锁发生过程。
1.1K30发布于 2019-08-13 - 来自专栏医学数据库百科
miRNA富集分析数据库
富集分析操作 2.1 数据输入 对于数据库的操作。我们只需要点击: Run MiEAA即可进行分析。剩下的，基本上就是按照数据库指引选择合适的数据和合适的分析即可。具体操作步骤包括： ? 1。 选择富集分析的方式。之前在关于富集分析算法的介绍，我们之前提到过，目前主要还是分ORA以及GSEA(基因富集分析算法介绍)。同样的这个数据库也可以做ORA以及GSEA两种。 ? 选择物种以及输入想要分析的miRNA。这个数据库一个支持包括人类在内的10个物种的分析 ? 4。选择想要分析的数据库以及关于差异结果的定义。 ? 在以上的全部选择完成后，就可以获得结果了。 2.2. 数据库其他功能 这个数据库，除了基本的可以做富集分析之外。还可以对于miRNAID转换的功能。 所以这个数据库提供了不同版本ID转换 ? 3.2 成熟体和前体转换 前面也提到过，miRNA分为前体和成熟体。有时候我们在进行前体分析的时候，想要知道其成熟体是什么。
2K31发布于 2020-09-01 - 来自专栏生物信息云
TCGA数据库：生存分析
本文介绍生存分析，其实，在R中，生存分析很简单，大家在网上能找到无数的文章。利用survival包就可以。就是按照下列公式就可以完成简单的生存分析。 fit <- survfit(Surv(生存时间, 生存状态) ~ 分组, data=数据框) 我们这里就结合基因的表达量，来进行分析。 首先加载我们的数据。 得到上面这样的数据后，我们就可以按照刚刚的公式进行生存分析了： ######################### 生存分析 library(survival) library(survminer) 如果我们要一次批量分析很多基因的高低表达与生存的关系，写一个循环，批量绘图了。 尽管本文是介绍基因表达量的生存分析，但其他的也是一样，就看你怎么分组，比如我们前面介绍SNP的数据处理后，能否做某基因突变与野生型的生存分析呢？其实都是一样的道理，其他的也是一样。
5.3K42发布于 2020-06-04 - 来自专栏程序通事
数据库相关异常分析
起因 最近一段时间，生产系统持续碰到一些数据库异常，导致 sql 执行失败。 这种驱动采用 Socket 用来与数据库通信。若没有设置，一但发生网络故障，SCOKET 读取就会直接阻塞。 若没有设置，一旦如果数据库相关地址参数错误错误，将会长时间阻塞在建立数据库连接上。 使用网上一张图可以清晰的解析前三者关系。 ? 数据库相关异常分析 实际上还存在操作系统层面上 Socket 超时。 此时我们查看 executor.insert ,正常来说该方法应该会执行sql 语句，然后插入数据库。 数据库相关异常分析 查看时序图可知，在真正执行 SqlMapClientCallback 回调方法逻辑时，这个时候会首先从 DataSource 获取 Connection， 然后后面开始执行 SqlMapClientCallback
4.2K10发布于 2019-09-10 - 来自专栏上云服务专题
ApacheDoris分析型数据库
Apache Doris 是一个现代化的 MPP（Massively Parallel Processing，即大规模并行处理）分析型数据库产品。 仅需亚秒级响应时间即可获得查询结果，有效地支持实时数据分析。Apache Doris 的分布式架构非常简洁，易于运维，并且可以支持 10PB 以上的超大数据集。 Apache Doris 可以满足多种数据分析需求，例如固定历史报表，实时数据分析，交互式数据分析和探索式数据分析等。
1.1K10编辑于 2022-12-01 - 来自专栏医学数据库百科
TCGA蛋白分析数据库
该网站结合了反向蛋白质阵列（RPPA）和TCGA的蛋白质组数据库，可以后续结合TCGA的临床数据进行分析。 ? 每个体系都包括4个方面，基本操作一致，我们这里以肿瘤样本为例简要介绍一下该数据库的使用。 点击View details。 ? 进入，可以发现具体包含4个在线分析工具： ? Analysis 包括在单个癌症分析和泛癌分析 ? （1）Individual Cancer Analysis 主要包括蛋白的相关性分析，差异表达及生存分析 ? 1）相关性分析 选择欲要查看的数据集后，底部输入目标蛋白，即可进行查看。 ? 2）差异分析 可以对某个具体肿瘤的不同亚型进行分析，也可以对不同肿瘤进行分析。 ? ? 3）生存分析 具体操作同上，选择数据集，输入目标蛋白即可。 ?
4.7K30发布于 2021-07-28 YashanDB数据库与其他数据库比较分析
本文将围绕数据库架构、存储引擎设计、事务机制、分布式执行能力、高可用方案及安全管理等多个关键技术维度，深入分析YashanDB与主流数据库的异同及其技术优势，为开发者和DBA提供全面的技术参考和实践指导 ）针对海量冷数据的高效分析优化。 相比传统数据库单一的行式或列式存储，YashanDB的多样存储技术实现了更优的事务处理能力及分析查询性能平衡。同时，区/段/表空间三级逻辑存储结构与细粒度空间管理机制提供高效空间利用和灵活管理。 技术建议和最佳实践结合业务场景选择合适的部署形态，单机适用中小型业务，分布式方案满足海量分析需求，共享集群服务高性能核心业务。 结论本文围绕数据库架构、存储设计、SQL执行优化、事务管理、高可用架构和安全体系等关键技术维度，对YashanDB数据库与其他数据库进行了全面对比分析。
26710编辑于 2025-09-02- 来自专栏云计算linux
微软数据库之微软自带数据库分析
考虑所有部门维护和共享大量信息，管理层决定在Bothell维护一个公共数据库。 数据库分析组研究了Adventure Works的每个部门使用的信息并且为名为Adventure Works的数据库创建了一个设计。 数据库设计包括五个架构：销售、产品、人力资源、人和购买。每个架构包含特定的运营部门的数据库对象。 为了支持未来的共同目标，IT部门创建了下面的目标: ² 使数据库对全球不同地点的各种办公室可用。 ² 提供高可用性的数据库服务器 ² 维护日常备份并且对任何数据损失提供支持 ² 提供数据库服务器的安全以便在公司的不同等级的用户有不同服务数据的等级。
58210编辑于 2024-12-17 - 来自专栏生信喵实验柴
下载新冠分析数据库
背景 一些分析需要与数据库进行比对，例如 blast 比对，物种分类鉴定等，这里我们下载两个数据库，一个是 NCBI 提供的一个用于 blast 比对的新冠病毒库，另外是利用 centrifuge 一、blast 比对数据库 wget ftp://ftp.ncbi.nlm.nih.gov/blast/db/Betacoronavirus.00.tar.gz wget ftp://ftp.ncbi.nlm.nih.gov 解压使用 tar -zxvf Betacoronavirus.00.tar.gz 循环解压 for i in *.tar.gz;do tar -zxvf $i;done; 二、物种分类数据库 该数据库包含人类全基因组，病毒基因组以及 106 个新冠病毒基因组，不包含细菌基因组序列，这样比对速度更快，结果更加简单。 download=1 tar -zxvf h+v+c.tar.gz 这样的话，我们前面的准备工作就做好了，下载了参考序列基因组和测序数据，用了数据库，软件也安装完毕。
1.1K20编辑于 2022-04-07 - 来自专栏腾讯数据库技术
分析型数据库之MonetDB
MonetDB起源于二十世纪90年代，一个数据挖掘项目需要一个分析型数据库，CWI开发了一叫Data Distilleries，该产品成为了MonetDB的早期产品。 腾讯数据库技术团队对内支持QQ空间、微信红包、腾讯广告、腾讯音乐、腾讯新闻等公司自研业务，对外在腾讯云上支持TencentDB相关产品，如CynosDB、CDB、CTSDB、CMongo等。 腾讯数据库技术团队专注于持续优化数据库内核和架构能力，提升数据库性能和稳定性，为腾讯自研业务和腾讯云客户提供“省心、放心”的数据库服务。 此公众号和广大数据库技术爱好者一起，推广和分享数据库领域专业知识，希望对大家有所帮助。
4K62发布于 2019-11-08 Oracle数据库RAC原理分析
Oracle Real Application Clusters（RAC）是Oracle数据库的一种高可用性解决方案，它允许多个数据库实例在一组共享存储上并行运行，从而提供更高的性能和容错能力。 本文将详细分析Oracle RAC的工作原理。一、RAC的基本概念1. Cluster一个Cluster是由两个或多个独立的、通过网络连接的服务器（Servers）组成的。 Oracle RACRAC是Oracle的一个软件结构，将数据库文件存放在物理或逻辑上连接每个节点的磁盘上。 实例和服务实例（Instance）：实例是Oracle数据库的运行实体，包括内存结构和后台进程。服务（Service）：服务是用户和客户端连接的接口，它可以包含一个或多个实例。6. 三、RAC的关键进程RAC实例比普通实例多一些后台进程，这些进程主要用于管理全局资源，维持数据库在每个实例中的一致性。
1.8K00编辑于 2024-10-02数据库锁等待分析工具
常用的数据库锁等待分析工具需结合不同数据库（如MySQL、Oracle、PostgreSQL、SQL Server）的锁机制设计，核心分为数据库自带工具（无需额外安装，适合快速排查）和第三方专业工具（功能更全面 以下按数据库类型分类，详细说明工具的适用场景、核心功能及关键操作：一、MySQL 锁等待分析工具（InnoDB 引擎为主）MySQL 锁等待主要集中在 InnoDB 行锁/表锁、死锁，常用工具覆盖“实时排查 AWR/ASH 报告（历史分析）适用场景：分析历史锁等待趋势、高频锁等待SQL，适合排查非实时但反复出现的锁问题。 AWR 报告（Automatic Workload Repository）：核心功能：记录数据库每小时的性能数据，包含锁等待的“等待次数”“等待时长”，适合长期趋势分析。 五、工具选择总结数据库临时排查工具（快速定位）长期监控工具（企业级）复杂问题分析工具（历史/深度）MySQLshow engine innodb status、information_schemaPercona
42510编辑于 2025-11-04- 来自专栏水击三千
数据库设计(一) 需求分析
目前，大多数的应用系统都属于数据库应用程序，都离不开数据库的支持。数据库设计方案的优劣对于应用程序的运行至关重要。 数据库设计过程就是针对具体的应用环境，设计优化的逻辑模式，并根据所采用的数据库系统设计物理结构，最后建立应用程序的数据库。 数据库设计过程可以理解为提出问题、分析问题、解决问题的过程，具体包含6个步骤：需求分析、概念结构设计、逻辑结构设计、物理结构设计、数据库实施、数据库运行和维护。下图是数据库的总体设计过程。 ? 需求分析的的主要任务是熟悉系统的业务，明确用户的需求。终点是调查与分析用户在信息管理中的数据要求、处理要求、安全性与完整性的要求。 需求分析一般采用自上而下的需求分析方式，用数据流图和数据字典维护系统。 数据流图用来描述系统的逻辑模型，它描述数据流在系统中的流动情况和处理情况，是逻辑系统图形表示。
2.2K111发布于 2018-02-27 YashanDB数据库与其他数据库的比较分析
如何优化数据库的查询效率与系统的高可用性始终是数据库设计与选型中的核心问题。针对海量数据处理、高并发访问及在线事务与分析混合（HTAP）等场景，选用合适的数据库系统直接影响业务性能和系统稳定性。 为数据库选型和架构优化提供技术参考。 分布式部署采用Shared-Nothing架构，配合多类别节点服务（管理、协调、数据节点），实现计算资源的线性扩展，适配海量数据分析和复杂查询。 HEAP适合OLTP场景，强调快速随机写入；MCOL作为可变列式存储支持原位更新，兼顾在线事务与在线分析（HTAP）；SCOL面向海量稳态数据，支持高压缩和稀疏索引，优化OLAP查询性能。 针对不同应用场景合理设计存储结构，OLTP业务优先采用HEAP行存表，实时分析可考虑MCOL列存，海量离线分析推荐使用SCOL列存格式以提升性能。
25710编辑于 2025-09-02- 来自专栏爱可生开源社区
故障分析 | 数据库主机负载高一例分析
2故障分析 通过监控图看不出什么问题，从 DB 层观察也无明显异常，登录机器，执行 top 命令，没有消耗资源特别高的进程，但是发现了以下异常： 系统 CPU 使用率较高 系统 CPU 使用率达到约 20% 3总结 从系统负载高还意外收获了 SYS CPU 使用率高，本次负载高跟以往的情况不同，是一点一点慢慢的上去的，同时 CPU/MEMORY/IO 并无明显波动趋势，需要结合各种监控工具仔细观察及分析。
35110编辑于 2023-12-14 - 来自专栏爱可生开源社区
故障分析 | 数据库主机负载高一例分析
2故障分析 通过监控图看不出什么问题，从 DB 层观察也无明显异常，登录机器，执行 top 命令，没有消耗资源特别高的进程，但是发现了以下异常： 系统 CPU 使用率较高 系统 CPU 使用率达到约 20% 3总结 从系统负载高还意外收获了 SYS CPU 使用率高，本次负载高跟以往的情况不同，是一点一点慢慢的上去的，同时 CPU/MEMORY/IO 并无明显波动趋势，需要结合各种监控工具仔细观察及分析。
33510编辑于 2023-12-14 - 来自专栏振兴的Android修炼手册
Android数据库开源框架GreenDao分析
前段时间写Demo的时候遇到了数据库的并发问题 Android数据库多线程并发操作异常 ，然后研究了一下 Android中的数据库连接池 。 GreenDao框架分析 GreenDao3.0官网介绍 GreenDao文档 GreenDao的Github仓库 GreenDao 的使用在这里就不介绍了，上面的文档链接或者网络上的各种使用教程讲的都很详细 这里主要分析、对比一下GreenDao框架 在原生的基础之上进行了怎么样的封装。 在进行源码分析之前我们先说一下GreenDao 的优缺点，然后在下面的阅读过程中自己进行体会。 数据库框架设计 文章前面简单的用代码进行数据库操作，我们可以从中看到一般在Android中操作数据库所需要的对象有： SQLiteOpenHelper：数据库的创建、更新的操作对象； SQLiteDatabase 数据库多线程并发操作 Android数据库多线程并发操作异常
1.7K30发布于 2020-05-29 - 来自专栏生信菜鸟团
玩转 TCGA 数据库 - 生存分析（三）
生存分析：事件的结果和出现这一结果所经历的事件结合起来分析的一种方法。 比较分析：对不同组生存率进行比较分析（log-Rank 检验和 Breslow 检验）。 TCGA 数据库有多种类型的癌症数据，我们可以直接下载临床数据和基因表达谱数据，做生存分析。 nrow(meta) length(unique(meta$sample)) meta <- distinct(meta,sample,.keep_all = T) 样本处理 样本处理 这一步在不同的数据库中整理的临床信息字段是不一样的 我们常说的生存分析其实是生存分析比较分析 library(survival) library(survminer) 分类变量生存分析 # 根据性别分组 sfit <- survfit(Surv(overall_survival
1.3K11编辑于 2025-05-21 - 来自专栏北亚数据恢复中心
SQL server数据库恢复案例分析
北亚工程师进行详细分析，获取到5台节点服务器上的所有硬盘的底层镜像。经过分析，发现底层部分索引位图被破坏。 对全部镜像文件进行分析，根据底层数据重组raid，并提取每组raid中的map，对数据map进行分析，根据位图手工索引数据，排除部分损坏位图。 客户主要数据为SQL server数据库，经初步检测，索引位图有部分损坏，因此若提取数据卷后数据有损坏，可针对数据库进行修复。 5.数据库修复 数据文件提取完成，尝试进行附加，由于索引位图有部分损坏，导致SQL server数据库无法直接附加，根据SQL server数据也结构和数据记录存储规则对数据库进行一系列的修复操作。 修复完成后，安装相同版本数据库，将修复完成后的数据插入至新库。 6.数据验证 由客户主导对数据进行验证，经过验证，数据正常可用。此次恢复率在100%。
1.1K20发布于 2021-11-08
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号