整合测试 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 453 11.2 模块测试 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 453 11.3 性能测试 . . . 464 BenchmarkSQL 5.0 PostgreSQL 语句列表 . . . . . . . . . . . . . . . . . . . . . . 467 11.6 模块测试 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 475 11.6.1 ShardingSphere document 8.1.3 目标 尽量透明化分库分表所带来的影响，让使用方尽量像使用一个数据库一样使用水平分片之后的数据库集 群，是 Apache ShardingSphere 数据分片模块的主要设计目标。 8.1.4 应用场景 海量数据高并发的 OLTP 场景 由于关系型数据库大多采用 B+ 树类型的索引，在数据量超过阈值的情况下，索引深度的增加也将使得 磁盘访问的 IO 次数增加，进而导致查询性能的下降。通过

整合测试 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 427 11.2 模块测试 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 427 11.3 性能测试 . . . 438 BenchmarkSQL 5.0 PostgreSQL 语句列表 . . . . . . . . . . . . . . . . . . . . . . 441 11.6 模块测试 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 449 11.6.1 ShardingSphere document 8.1.3 目标 尽量透明化分库分表所带来的影响，让使用方尽量像使用一个数据库一样使用水平分片之后的数据库集 群，是 Apache ShardingSphere 数据分片模块的主要设计目标。 8.1.4 应用场景 海量数据高并发的 OLTP 场景 由于关系型数据库大多采用 B+ 树类型的索引，在数据量超过阈值的情况下，索引深度的增加也将使得 磁盘访问的 IO 次数增加，进而导致查询性能的下降。通过

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 406 viii 11.2 模块测试 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 406 11.3 性能测试 . . . 417 BenchmarkSQL 5.0 PostgreSQL 语句列表 . . . . . . . . . . . . . . . . . . . . . . 420 11.6 模块测试 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 428 11.6.1 ShardingSphere document 8.1.3 目标 尽量透明化分库分表所带来的影响，让使用方尽量像使用一个数据库一样使用水平分片之后的数据库集 群，是 Apache ShardingSphere 数据分片模块的主要设计目标。 8.1.4 应用场景 海量数据高并发的 OLTP 场景 由于关系型数据库大多采用 B+ 树类型的索引，在数据量超过阈值的情况下，索引深度的增加也将使得 磁盘访问的 IO 次数增加，进而导致查询性能的下降。通过

整合测试 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299 6.2 模块测试 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299 6.3 性能测试 . . . . 310 BenchmarkSQL 5.0 PostgreSQL 语句列表 . . . . . . . . . . . . . . . . . . . . . . 312 6.6 模块测试 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321 6.6.1 document, v5.2.0 3.1.3 目标 尽量透明化分库分表所带来的影响，让使用方尽量像使用一个数据库一样使用水平分片之后的数据库集 群，是 Apache ShardingSphere 数据分片模块的主要设计目标。 3.1.4 应用场景 海量数据高并发的 OLTP 场景 由于关系型数据库大多采用 B+ 树类型的索引，在数据量超过阈值的情况下，索引深度的增加也将使得 磁盘访问的 IO 次数增加，进而导致查询性能的下降。通过

· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 129 4.3.4 Node.js · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 857 9.6.7 Node_exporter 主机报警规则 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · "/tidb-deploy" data_dir: "/tidb-data" # # Monitored variables are applied to all the machines. monitored: node_exporter_port: 9100 blackbox_exporter_port: 9115 server_configs: tidb: instance.tidb_slow_log_threshold:

v5.0.0-beta 3.1.3 目标 尽量透明化分库分表所带来的影响，让使用方尽量像使用一个数据库一样使用水平分片之后的数据库集 群，是 Apache ShardingSphere 数据分片模块的主要设计目标。 3.1.4 核心概念 导览 本小节主要介绍数据分片的核心概念，主要包括： • SQL 核心概念 • 分片核心概念 • 配置核心概念 • 行表达式 • 分布式主键 • randomUUID() 的方式产生分布式主键。 3.1. 数据分片 18 Apache ShardingSphere document, v5.0.0-beta SNOWFLAKE 在分片规则配置模块可配置每个表的主键生成策略，默认使用雪花算法（snowflake）生成 64bit 的长整 型数据。 雪花算法是由 Twitter 公布的分布式主键生成算法，它能够保证不同进程主键的不重复性，以及相同进程 By）以及分页信息（Limit、Rownum、Top）。SQL 的一次解析过程 是不可逆的，一个个 Token 按 SQL 原本的顺序依次进行解析，性能很高。考虑到各种数据库 SQL 方言的 异同，在解析模块提供了各类数据库的 SQL 方言字典。 SQL 解析引擎 历史 SQL 解析作为分库分表类产品的核心，其性能和兼容性是最重要的衡量指标。ShardingSphere 的 SQL 解 析器经历了

· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 129 4.3.4 Node.js · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 883 9.6.7 Node_exporter 主机报警规则 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · (PD) 包含了多个确保 TiDB 集群能正常运行的关键模块。当集群的工作负载增加时， �→ PD 中各模块的资源消耗也会随之增加，造成这些模块间功能的相互干扰， �→ 进而影响整个集群的服务质量。为了解决该问题，从 v8.0.0 起，TiDB 支持将 PD 的 TSO �→ 和调度模块拆分成可独立部署的微服务，可以显著降低当集群规模扩大时模块间的互相影响。 �→ 通过这种架构，TiDB 能够支持更大规模、更高负载的集群。

· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 118 4.3.4 Node.js · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 904 9.6.7 Node_exporter 主机报警规则 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · – 修复创建带有外键的表时，TiDB 未创建对应的统计信息元信息 (stats_meta) 的问题 #53652 @hawkingrei – 修复查询中的某些过滤条件可能导致 planner 模块发生 invalid memory address or nil pointer �→ dereference 报错的问题 #53582 #53580 #53594 #53603 @YangKeao

· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 114 4.3.4 Node.js · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 867 9.6.7 Node_exporter 主机报警规则 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · "/tidb-deploy" data_dir: "/tidb-data" # # Monitored variables are applied to all the machines. monitored: node_exporter_port: 9100 blackbox_exporter_port: 9115 server_configs: tidb: instance.tidb_slow_log_threshold: