oltp

tpc-h是决策支持数据库的基准测试，它包含了一整套面向商业的ad-hoc查询和并发数据修改，强调测试的是数据库、平台和I/O性能，关注查询能力。 tpc-h通过检查大量数据，执行复杂的查询操作，以及应答商业问题来展示决策支持系统的性能。tpc-h中的数据库查询要比典型的OLTP查询更加复杂

在 QCon 旧金山 2016 会议上，Neha Narkhede 做了“ETL 已死，而实时流长存”的演讲，并讨论了企业级数据处理领域所面临的挑战。该演讲的核心前提是开源的 Apache Kafka 流处理平台能够提供灵活且统一的框架，支持数据转换和处理的现代需求。 Narkhede 是 Confluent 的联合创始人和 CTO，在演讲中，他首先阐述了在过去的十年间，数据和数据系统的重要变化

MySQL 得益于开放的可插拔设计，允许替换不同的底层存储引擎，InnoDB 就是其中的代表，最初由第三方公司开发后被 Oracle 收购，是 OLTP 场景下核心表的首选存储引擎，自 5.5 以来已经成为 MySQL 的默认存储引擎。 InnoDB 是一个健壮的事务型存储引擎，这种存储引擎已经被很多互联网公司使用，为用户操作非常大的数据存储提供了一个强大的解决方案。MySQL 5.5 之后，InnoDB 就是作为默认的存储引擎

已经上了两节课了，老师讲的很理论~至今觉得和数据库没啥不一样的！ 对这方面有很感兴趣，请问应该怎么学习啊？ 说通俗一点 业务系统的普通数据库是将一个业务流程(事件) 零散地以数据的形式存放在数据库表里 以便某一个业务可以延续。 数据仓库是将上面的数据进行事件还原，并对事件各个属性按照规则进行定义，使得多维分析成为可能。 同时由于信息还原， 使得事件间、事件对象属性间能关联、序列等分析成为可能，为后来数据挖掘更为方便

文章前面先提到分散式系统的复杂度会导致 RDBMS 上的一些假设失效，所以如果可以用单台机器暴力解，就尽量用单台机器来解 (scale up 的情境)，里面就提到了一些“暴力可以解决很多问题”的说明，差不多就是前几天提到的“Let's Encrypt 升级数据库服务器 (AMD YES？)”。 后面提到如果真的要放进分散式的 RDBMS (scale out 的情境)，怎么设计资料结构会比较好。 这边刚好也可以提一下，量够大的时候要把 OLTP 与 OLAP 的应用分开，现在有很多 OLAP 数据库可以选择，同步的工具也很成熟了，通常效能会比在 OLTP 上面硬跑来的好

Kyligence 端到端准实时数据分析方案，可以实施捕获 OLTP 数据库中的数据变更，经过计算和存储至数据湖，并自动载入多维数据库（OLAP）平台 Kyligence Enterprise，实现端到端的准实时多维分析。该方案不仅能够完整落地从一整套数据库（如 Oracle）到 Kyligence Enterprise 的低延时多维分析场景，也支持将方案中的部分过程融入企业现有数据平台，以提升数据开发和分析效率。 《端到端准实时多维分析方案》亮点内容： 第一部分：端到端准实时多维分析方案介绍

首先是数据保密性问题，企业会有非常机密的数据，个人也许会有些十分隐私的东西，如果存放在网络空间，用户容易会产生一些不安全的感觉。虽然存放在 本地硬盘里也一样会有泄漏的可能(比如电脑送修什么的)，但即使提供商给出的安全性保证再多也难以完全消除用户疑虑。联想到前不久国内爆发的用户信息 大量泄漏问题，会进一步增加这部分用户的担心

“ 浪潮 AS2000，整体是采用8Gb全光纤存储体系架构，可提供超群的性能，并具备领先的可靠性、可扩展性、易管理和易维护特性。支持诸如Oracle数据库、OLTP等事务型应用程序，支持高性能计算和多媒体应用的吞吐量密集型应用程序，以及整合和虚拟化的并发工作等应用。业界领先的8Gb光纤通道技术，全面提升系统处理能力;独有的专用 ASIC硬件 RAID 处理器、内部PCI-e总线互联以及系统、数据和控制的三级缓存体系设计，系统的IOPS可达百万

可以说华为云超大内存型弹性云服务器可以对内存要求高，数据量大并且数据访问量大，同时要求快速的数据交换和处理以及低延迟的存储资源。提供超大内存，且有很高的计算、存储、网络能力。 提供超大内存，搭载第三代英特尔至强可扩展处理器，计算性能强劲稳定，配套25GE智能高速网卡，提供超高网络带宽和PPS收发包能力

该公司首席技术总监 Larry Ellison 指出，传统要靠人手处理、排程关闭系统才能做系统更新或更新修补档的数据库已不合时宜，亦无法回应网络攻击。 “今天的网络攻击已有自动侦测及即时修补的技术，数据库都要在技术上跟上步伐及突破，要有全自动功能，借此可预防网络攻击。透过人工智能、机械学习，从所有基建包括网络、服务器、储存器、VM 及操作平台，收集所有日志（Logs）数据，然后学习正常及异常的行为，一旦有异常就会自己修复，完全不牵涉人手在内