积分充值
 首页
前端开发
AngularDartElectronFlutterHTML/CSSJavaScriptReactSvelteTypeScriptVue.js构建工具
后端开发
.NetC#C++C语言DenoffmpegGoIdrisJavaJuliaKotlinLeanMakefilenimNode.jsPascalPHPPythonRISC-VRubyRustSwiftUML其它语言区块链开发测试微服务敏捷开发架构设计汇编语言
数据库
Apache DorisApache HBaseCassandraClickHouseFirebirdGreenplumMongoDBMySQLPieCloudDBPostgreSQLRedisSQLSQLiteTiDBVitess数据库中间件数据库工具数据库设计
系统运维
AndroidDevOpshttpdJenkinsLinuxPrometheusTraefikZabbix存储网络与安全
云计算&大数据
Apache APISIXApache FlinkApache KarafApache KyuubiApache OzonedaprDockerHadoopHarborIstioKubernetesOpenShiftPandasrancherRocketMQServerlessService MeshVirtualBoxVMWare云原生CNCF机器学习边缘计算
综合其他
BlenderGIMPKiCadKritaWeblate产品与服务人工智能亿图数据可视化版本控制笔试面试
文库资料
前端
AngularAnt DesignBabelBootstrapChart.jsCSS3EchartsElectronHighchartsHTML/CSSHTML5JavaScriptJerryScriptJestReactSassTypeScriptVue前端工具小程序
后端
.NETApacheC/C++C#CMakeCrystalDartDenoDjangoDubboErlangFastifyFlaskGinGoGoFrameGuzzleIrisJavaJuliaLispLLVMLuaMatplotlibMicronautnimNode.jsPerlPHPPythonQtRPCRubyRustR语言ScalaShellVlangwasmYewZephirZig算法
移动端
AndroidAPP工具FlutterFramework7HarmonyHippyIoniciOSkotlinNativeObject-CPWAReactSwiftuni-appWeex
数据库
ApacheArangoDBCassandraClickHouseCouchDBCrateDBDB2DocumentDBDorisDragonflyDBEdgeDBetcdFirebirdGaussDBGraphGreenPlumHStreamDBHugeGraphimmudbIndexedDBInfluxDBIoTDBKey-ValueKitDBLevelDBM3DBMatrixOneMilvusMongoDBMySQLNavicatNebulaNewSQLNoSQLOceanBaseOpenTSDBOracleOrientDBPostgreSQLPrestoDBQuestDBRedisRocksDBSequoiaDBServerSkytableSQLSQLiteTiDBTiKVTimescaleDBYugabyteDB关系型数据库数据库数据库ORM数据库中间件数据库工具时序数据库
云计算&大数据
ActiveMQAerakiAgentAlluxioAntreaApacheApache APISIXAPISIXBFEBitBookKeeperChaosChoerodonCiliumCloudStackConsulDaprDataEaseDC/OSDockerDrillDruidElasticJobElasticSearchEnvoyErdaFlinkFluentGrafanaHadoopHarborHelmHudiInLongKafkaKnativeKongKubeCubeKubeEdgeKubeflowKubeOperatorKubernetesKubeSphereKubeVelaKumaKylinLibcloudLinkerdLonghornMeiliSearchMeshNacosNATSOKDOpenOpenEBSOpenKruiseOpenPitrixOpenSearchOpenStackOpenTracingOzonePaddlePaddlePolicyPulsarPyTorchRainbondRancherRediSearchScikit-learnServerlessShardingSphereShenYuSparkStormSupersetXuperChainZadig云原生CNCF人工智能区块链数据挖掘机器学习深度学习算法工程边缘计算
UI&美工&设计
BlenderKritaSketchUI设计
网络&系统&运维
AnsibleApacheAWKCeleryCephCI/CDCurveDevOpsGoCDHAProxyIstioJenkinsJumpServerLinuxMacNginxOpenRestyPrometheusServertraefikTrafficUnixWindowsZabbixZipkin安全防护系统内核网络运维监控
综合其它
文章资讯
 上传文档  发布文章  登录账户
IT文库
  • 综合
  • 文档
  • 文章

无数据

分类

全部数据库(22)数据库中间件(22)

语言

全部中文(简体)(13)英语(6)

格式

全部PDF文档 PDF(22)
 
本次搜索耗时 0.105 秒,为您找到相关结果约 22 个.
  • 全部
  • 数据库
  • 数据库中间件
  • 全部
  • 中文(简体)
  • 英语
  • 全部
  • PDF文档 PDF
  • 默认排序
  • 最新排序
  • 页数排序
  • 大小排序
  • 全部时间
  • 最近一天
  • 最近一周
  • 最近一个月
  • 最近三个月
  • 最近半年
  • 最近一年
  • pdf文档 Apache ShardingSphere ElasticJob 中文文档 2023 年 11 月 01 日

    . . 52 作业统计 API . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 作业服务器状态展示 API . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 作业分片状态展示 API . . . . . . . 72 6.3.3 作业运行状态监控 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 监听作业服务器存活 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 6.3.4 运维平台 . . . . . . . . 行,每台任务服务器只运行分配给该 服务器的分片。随着服务器的增加或宕机,ElasticJob 会近乎实时的感知服务器数量的变更,从而重新为 分布式的任务服务器分配更加合理的任务分片项,使得任务可以随着资源的增加而提升效率。 任务的分布式执行,需要将一个任务拆分为多个独立的任务项,然后由分布式的服务器分别执行某一个 或几个分片项。 举例说明,如果作业分为 4 片,用两台服务器执行,则每个服务器分到
    0 码力 | 98 页 | 1.97 MB | 1 年前
    3
  • pdf文档 Mybatis 3.3.0 中文用户指南

    This PDF was generated via the PDFmyURL web conversion service! Copyright © 2010–2015 MyBatis.org. All rights reserved. This PDF was generated via the PDFmyURL web conversion service! mybatis 参考文档 参考文档 build(inputStream); 最近更新: 24 五月 2015 最近更新: 24 五月 2015 || 版本: 3.3.0 版本: 3.3.0 PDFmyURL - the best online web to pdf conversion service XML 配置文件(configuration XML)中包含了对 MyBatis 系统的核心设置,包含获取数据库连接实例的数据源(DataSource)和 environment = new Environment("development", transactionFactory, dataSource); PDFmyURL - the best online web to pdf conversion service Configuration configuration = new Configuration(environment); configuration
    0 码力 | 98 页 | 2.03 MB | 1 年前
    3
  • pdf文档 MyBatis 框架尚硅谷 java 研究院版本:V 1.0

    的提交和回滚设置,依赖于从数据源得到的连接来管理事务 范 围。 JdbcTransactionFactory MANAGED:不提交或回滚一个连接、让容器来管理事务的整个生命周期(比如 JEE 应用服务器的上下文)。 ManagedTransactionFactory 自定义:实现 TransactionFactory 接口,type=全类名/别名 6) dataSource type: UNPOOLED 自定义 UNPOOLED:不使用连接池, UnpooledDataSourceFactory POOLED:使用连接池, PooledDataSourceFactory JNDI: 在 EJB 或应用服务器这类容器中查找指定的数据源 自定义:实现 DataSourceFactory 接口,定义数据源的获取方式。 7) 实际开发中我们使用 Spring 管理数据源,并进行事务控制的配置来覆盖上述配置 创建一个动态的 WEB 工程 JAVAEE 课程系列 ————————————————————————————— 39 更多 Java –大数据 –前端 –python 人工智能资料下载,可访问百度:尚硅谷官网 导入 SSM 需要使用的 jar 包 导入整合适配包 导入其他技术的一些支持包 连接池 数据库驱动 日志.... 2) Spring + Springmvc 在 web.xml 中配置:
    0 码力 | 44 页 | 926.54 KB | 1 年前
    3
  • pdf文档 Apache ShardingSphere 中文文档 5.4.1

    410 其他异常 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 414 9.4.2 服务器错误码 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 414 10 开发者手册 415 10.1 移的主要设计目标。 8.6.4 应用场景 假如一个应用系统在使用传统单体数据库,单表数据量达到了 1 亿并且还在快速增长,单体数据库负载 持续在高位,成为系统瓶颈。一旦数据库成为瓶颈,对应用服务器扩容是无效的,需要对数据库进行扩 容。 8.6.5 相关参考 • 数据迁移的配置 • 数据迁移的实现原理 8.6. 数据迁移 40 Apache ShardingSphere document SELECT/UPDATE/DELETE 8.10 可观察性 8.10.1 背景 如何观测集群的运行状态,使运维人员可以快速掌握当前系统现状,并进行进一步的维护工作,是分布式 系统的全新挑战。登录到具体服务器的点对点运维方式,无法适用于面向大量分布式服务器的场景。通 过对可系统观察性数据的遥测是分布式系统推荐的运维方式。Tracing(链路跟踪)、Metrics(指标监控) 和 Logging (日志)是系统运行状况的可观察性数据重要的获取手段。
    0 码力 | 530 页 | 4.49 MB | 1 年前
    3
  • pdf文档 Apache ShardingSphere 中文文档 5.0.0-alpha

    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 主键的有序性。 实现原理 在同一个进程中,它首先是通过时间位保证不重复,如果时间相同则是通过序列位保证。同时由于时间 位是单调递增的,且各个服务器如果大体做了时间同步,那么生成的主键在分布式环境可以认为是总体 有序的,这就保证了对索引字段的插入的高效性。例如 MySQL 的 Innodb 存储引擎的主键。 使用雪花算法生成的主键,二进制表示形式包含 么生成器会等待到下个毫秒继续生成。 雪花算法主键的详细结构见下图。 3.1. 数据分片 19 Apache ShardingSphere document, v5.0.0-beta 时钟回拨 服务器时钟回拨会导致产生重复序列,因此默认分布式主键生成器提供了一个最大容忍的时钟回拨毫秒 数。如果时钟回拨的时间超过最大容忍的毫秒数阈值,则程序报错;如果在可容忍的范围内,默认分布 式主键生成器会等 接口实现了 XA 模型,JTA 接口中的 ResourceManager 需要数据库厂商提供 XA 驱动 实现,TransactionManager 则需要事务管理器的厂商实现,传统的事务管理器需要同应用服务器绑 定,因此使用的成本很高。而嵌入式的事务管器可以以 jar 包的形式提供服务,同 Apache ShardingSphere 集成后,可保证分片后跨库事务强一致性。 通常,只有使用了事务管理器厂商所提供的
    0 码力 | 301 页 | 3.44 MB | 1 年前
    3
  • pdf文档 Apache ShardingSphere v5.5.0 中文文档

    437 其他异常 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 440 9.4.2 服务器错误码 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 440 10 开发者手册 441 10.1 移的主要设计目标。 8.6.4 应用场景 假如一个应用系统在使用传统单体数据库,单表数据量达到了 1 亿并且还在快速增长,单体数据库负载 持续在高位,成为系统瓶颈。一旦数据库成为瓶颈,对应用服务器扩容是无效的,需要对数据库进行扩 容。 8.6.5 相关参考 • 数据迁移的配置 • 数据迁移的实现原理 8.6. 数据迁移 40 Apache ShardingSphere document SELECT/UPDATE/DELETE 8.10 可观察性 8.10.1 背景 如何观测集群的运行状态,使运维人员可以快速掌握当前系统现状,并进行进一步的维护工作,是分布式 系统的全新挑战。登录到具体服务器的点对点运维方式,无法适用于面向大量分布式服务器的场景。通 过对可系统观察性数据的遥测是分布式系统推荐的运维方式。Tracing(链路跟踪)、Metrics(指标监控) 和 Logging (日志)是系统运行状况的可观察性数据重要的获取手段。
    0 码力 | 557 页 | 4.61 MB | 1 年前
    3
  • pdf文档 Apache ShardingSphere 中文文档 5.1.1

    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 主键的有序性。 实现原理 在同一个进程中,它首先是通过时间位保证不重复,如果时间相同则是通过序列位保证。同时由于时间 位是单调递增的,且各个服务器如果大体做了时间同步,那么生成的主键在分布式环境可以认为是总体 有序的,这就保证了对索引字段的插入的高效性。例如 MySQL 的 Innodb 存储引擎的主键。 使用雪花算法生成的主键,二进制表示形式包含 次幂),那 么生成器会等待到下个毫秒继续生成。 雪花算法主键的详细结构见下图。 4.3. 数据分片 34 Apache ShardingSphere document, v5.1.1 时钟回拨 服务器时钟回拨会导致产生重复序列,因此默认分布式主键生成器提供了一个最大容忍的时钟回拨毫秒 数。如果时钟回拨的时间超过最大容忍的毫秒数阈值,则程序报错;如果在可容忍的范围内,默认分布 式主键生成器会等 接口实现了 XA 模型,JTA 接口中的 ResourceManager 需要数据库厂商提供 XA 驱动 实现,TransactionManager 则需要事务管理器的厂商实现,传统的事务管理器需要同应用服务器绑 定,因此使用的成本很高。而嵌入式的事务管器可以通过 jar 形式提供服务,同 Apache ShardingSphere 集成后,可保证分片后跨库事务强一致性。 通常,只有使用了事务管理器厂商所提供的
    0 码力 | 409 页 | 4.47 MB | 1 年前
    3
  • pdf文档 Apache ShardingSphere 中文文档 5.1.0

    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 主键的有序性。 实现原理 在同一个进程中,它首先是通过时间位保证不重复,如果时间相同则是通过序列位保证。同时由于时间 位是单调递增的,且各个服务器如果大体做了时间同步,那么生成的主键在分布式环境可以认为是总体 有序的,这就保证了对索引字段的插入的高效性。例如 MySQL 的 Innodb 存储引擎的主键。 使用雪花算法生成的主键,二进制表示形式包含 次幂),那 么生成器会等待到下个毫秒继续生成。 雪花算法主键的详细结构见下图。 4.3. 数据分片 34 Apache ShardingSphere document, v5.1.0 时钟回拨 服务器时钟回拨会导致产生重复序列,因此默认分布式主键生成器提供了一个最大容忍的时钟回拨毫秒 数。如果时钟回拨的时间超过最大容忍的毫秒数阈值,则程序报错;如果在可容忍的范围内,默认分布 式主键生成器会等 接口实现了 XA 模型,JTA 接口中的 ResourceManager 需要数据库厂商提供 XA 驱动 实现,TransactionManager 则需要事务管理器的厂商实现,传统的事务管理器需要同应用服务器绑 定,因此使用的成本很高。而嵌入式的事务管器可以通过 jar 形式提供服务,同 Apache ShardingSphere 集成后,可保证分片后跨库事务强一致性。 通常,只有使用了事务管理器厂商所提供的
    0 码力 | 406 页 | 4.40 MB | 1 年前
    3
  • pdf文档 Apache ShardingSphere 中文文档 5.1.2

    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 主键的有序性。 实现原理 在同一个进程中,它首先是通过时间位保证不重复,如果时间相同则是通过序列位保证。同时由于时间 位是单调递增的,且各个服务器如果大体做了时间同步,那么生成的主键在分布式环境可以认为是总体 有序的,这就保证了对索引字段的插入的高效性。例如 MySQL 的 Innodb 存储引擎的主键。 使用雪花算法生成的主键,二进制表示形式包含 该序列是用来在同一个毫秒内生成不同的 ID。如果在这个毫秒内生成的数量超过 4096 (2 的 12 次幂),那 么生成器会等待到下个毫秒继续生成。 雪花算法主键的详细结构见下图。 时钟回拨 服务器时钟回拨会导致产生重复序列,因此默认分布式主键生成器提供了一个最大容忍的时钟回拨毫秒 数。如果时钟回拨的时间超过最大容忍的毫秒数阈值,则程序报错;如果在可容忍的范围内,默认分布 式主键生成器会等 接口实现了 XA 模型,JTA 接口中的 ResourceManager 需要数据库厂商提供 XA 驱动 实现,TransactionManager 则需要事务管理器的厂商实现,传统的事务管理器需要同应用服务器绑 定,因此使用的成本很高。而嵌入式的事务管理器可以通过 jar 形式提供服务,同 Apache ShardingSphere 集成后,可保证分片后跨库事务强一致性。 通常,只有使用了事务管理器厂商所提供的
    0 码力 | 446 页 | 4.67 MB | 1 年前
    3
  • pdf文档 Apache ShardingSphere 中文文档 5.0.0

    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 主键的有序性。 实现原理 在同一个进程中,它首先是通过时间位保证不重复,如果时间相同则是通过序列位保证。同时由于时间 位是单调递增的,且各个服务器如果大体做了时间同步,那么生成的主键在分布式环境可以认为是总体 有序的,这就保证了对索引字段的插入的高效性。例如 MySQL 的 Innodb 存储引擎的主键。 使用雪花算法生成的主键,二进制表示形式包含 次幂),那 么生成器会等待到下个毫秒继续生成。 雪花算法主键的详细结构见下图。 4.2. 数据分片 29 Apache ShardingSphere document, v5.0.0 时钟回拨 服务器时钟回拨会导致产生重复序列,因此默认分布式主键生成器提供了一个最大容忍的时钟回拨毫秒 数。如果时钟回拨的时间超过最大容忍的毫秒数阈值,则程序报错;如果在可容忍的范围内,默认分布 式主键生成器会等 接口实现了 XA 模型,JTA 接口中的 ResourceManager 需要数据库厂商提供 XA 驱动 实现,TransactionManager 则需要事务管理器的厂商实现,传统的事务管理器需要同应用服务器绑 定,因此使用的成本很高。而嵌入式的事务管器可以通过 jar 形式提供服务,同 Apache ShardingSphere 集成后,可保证分片后跨库事务强一致性。 通常,只有使用了事务管理器厂商所提供的
    0 码力 | 385 页 | 4.26 MB | 1 年前
    3
共 22 条
  • 1
  • 2
  • 3
前往
页
相关搜索词
ApacheShardingSphereElasticJob中文文档20231101Mybatis3.3用户指南MyBatis框架硅谷java研究研究院版本1.05.45.0alphav55.1
IT文库
关于我们 文库协议 联系我们 意见反馈 免责声明
本站文档数据由用户上传或本站整理自互联网,不以营利为目的,供所有人免费下载和学习使用。如侵犯您的权益,请联系我们进行删除。
IT文库 ©1024 - 2025 | 站点地图
Powered By MOREDOC AI v3.3.0-beta.70
  • 关注我们的公众号【刻舟求荐】,给您不一样的精彩
    关注我们的公众号【刻舟求荐】,给您不一样的精彩