· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 4018 16.2 TiDB 版本发布时间线 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · IMPORT INTO 任务，从而充分利用 TiDB 集群的资源，大幅提 36 升这些任务的性能。此外，你还可以通过增加 TiDB 节点并为新增的节点配置tidb_service_scope 来线 性提升 ADD INDEX 和 IMPORT INTO 任务的性能。 更多信息，请参考用户文档。 2.2.1.4 安全 • 增强 TiDB 日志脱敏成为正式功能 (GA) #52364 @xhebox 与面向实时分析场景的列存储引擎TiFlash 有一 些基本了解： • HTAP 存储引擎：行存 (Row-store) 与列存 (columnar-store) 同时存在，自动同步，保持强一致性。行存为在 线事务处理 OLTP 提供优化，列存则为在线分析处理 OLAP 提供性能优化。 • HTAP 数据一致性：作为一个分布式事务型的键值数据库，TiKV 提供了满足 ACID 约束的分布式事务接口， 并通过

· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 3721 16.2 TiDB 版本发布时间线 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 与面向实时分析场景的列存储引擎TiFlash 有一 些基本了解： • HTAP 存储引擎：行存 (Row-store) 与列存 (columnar-store) 同时存在，自动同步，保持强一致性。行存为在 线事务处理 OLTP 提供优化，列存则为在线分析处理 OLAP 提供性能优化。 • HTAP 数据一致性：作为一个分布式事务型的键值数据库，TiKV 提供了满足 ACID 约束的分布式事务接口， 并通过 选择主键时应遵守的规则 • 在表内定义一个主键或唯一索引。 • 尽量选择有意义的列作为主键。 • 出于为性能考虑，尽量避免存储超宽表，表字段数不建议超过 60 个，建议单行的总数据大小不要超过 64K，数据长度过大字段最好拆到另外的表。 • 不推荐使用复杂的数据类型。 • 需要 JOIN 的字段，数据类型保障绝对一致，避免隐式转换。 • 避免在单个单调数据列上定义主键。如果你使用单个单调数据列（例如：AUTO_INCREMENT

稳定高效、安全可告、开放兼容 的新型数据基础设施，解放企业生产力，加速企业数字化转型升级。 由PingCAP 创立的分布式关系型数据库 TiDB，为企业关键业务打造，具备 分布式强一致性事务、在 线弹性水平扩展、故障自恢复的高可用、跨数据中心多活」 等企业级核心特性，帮助企业最大化发挥数 据价值，充分释放企业增长空间。 目前，PingCAP 已经向包括中国、美国、欧洲、日本、东南亚等国家和地区，超过 egag [sa 提一吕营 《刘引 殉支可 站 FE 儿召党 Ga 铅购 Haier 人@@Ozkista Oo 人。 妊名”encem晓 58同城 ms之 总哇 Onono 国as9 回克 团小k 圈#z* @父和及 uctoup 示月有旅游”eesc5h 。 资车之家 。 2 58到未”加 SByx和小红书 。 国委视 blued 图am 从9本”所总和和项 。 过提科技 “metux四全)搜狗 新架构使得运维管控层变薄, 大部分的运维功能下沉到 Operator 来实现, DBA 日常操作的运维工作让 RD 自助进行TiDB 集群的管理变得容易, 且自动容错能力非常强, 遇到 TiKV 或者 PD 节点宕机, K8S 集群自动 扩容出新的 Pod 来接蔡, 不需要 DBA 手动干预,节省大量运维成本。 一 PingCAPCOM 4

· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 3920 16.2 TiDB 版本发布时间线 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 本则会维 持原有的 配置。 TiKV gc.num- �→ threads �→ 新增 设置当 enable- �→ compaction �→ - �→ filter 为 false 时 GC 的线 程个数。 默认值为 1。 TiKV raftstore �→ . �→ periodic �→ -full- �→ compact �→ -start �→ -times 新增 设置 TiKV 与面向实时分析场景的列存储引擎TiFlash 有一 些基本了解： • HTAP 存储引擎：行存 (Row-store) 与列存 (columnar-store) 同时存在，自动同步，保持强一致性。行存为在 线事务处理 OLTP 提供优化，列存则为在线分析处理 OLAP 提供性能优化。 • HTAP 数据一致性：作为一个分布式事务型的键值数据库，TiKV 提供了满足 ACID 约束的分布式事务接口， 并通过

· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 3179 16.2 TiDB 版本发布时间线 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 格式与 接口版 本。 PD schedule �→ . �→ max �→ - �→ store �→ - �→ preparing �→ - �→ time �→ 新增 控制 store 上 线阶段 的最长 等待时 间。 TiCDC enable �→ - �→ tls �→ 新增 控制是 否使用 TLS 连接 Kafka。 51 配置 文件 配置 项 修改 类型 描述 TiCDC 与面向实时分析场景的列存储引擎TiFlash 有一 些基本了解： • HTAP 存储引擎：行存 (Row-store) 与列存 (columnar-store) 同时存在，自动同步，保持强一致性。行存为在 线事务处理 OLTP 提供优化，列存则为在线分析处理 OLAP 提供性能优化。 • HTAP 数据一致性：作为一个分布式事务型的键值数据库，TiKV 提供了满足 ACID 约束的分布式事务接口， 并通过

· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 4029 16.2 TiDB 版本发布时间线 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 与面向实时分析场景的列存储引擎TiFlash 有一 些基本了解： • HTAP 存储引擎：行存 (Row-store) 与列存 (columnar-store) 同时存在，自动同步，保持强一致性。行存为在 线事务处理 OLTP 提供优化，列存则为在线分析处理 OLAP 提供性能优化。 • HTAP 数据一致性：作为一个分布式事务型的键值数据库，TiKV 提供了满足 ACID 约束的分布式事务接口， 并通过 选择主键时应遵守的规则 • 在表内定义一个主键或唯一索引。 • 尽量选择有意义的列作为主键。 • 出于为性能考虑，尽量避免存储超宽表，表字段数不建议超过 60 个，建议单行的总数据大小不要超过 64K，数据长度过大字段最好拆到另外的表。 • 不推荐使用复杂的数据类型。 • 需要 JOIN 的字段，数据类型保障绝对一致，避免隐式转换。 • 避免在单个单调数据列上定义主键。如果你使用单个单调数据列（例如：AUTO_INCREMENT

· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 3520 21 16.2 TiDB 版本发布时间线 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · com/3AceShowHand) 在 TiDB 场景测试验证中，TiCDC 的性能得到了比较大的提升。 在同步到 Kafka 的场景中，单台 TiCDC 节点能处理的最大行变更吞吐可以达到 30K rows/s，同步延迟降低 到 10s。即使在常规的 TiKV/TiCDC 滚动升级场景，同步延迟也小于 30s。 在容灾场景测试中，打开 TiCDC redo log 和 Syncpoint 后，吞吐从 与面向实时分析场景的列存储引擎TiFlash 有一 些基本了解： • HTAP 存储引擎：行存 (Row-store) 与列存 (columnar-store) 同时存在，自动同步，保持强一致性。行存为在 线事务处理 OLTP 提供优化，列存则为在线分析处理 OLAP 提供性能优化。 • HTAP 数据一致性：作为一个分布式事务型的键值数据库，TiKV 提供了满足 ACID 约束的分布式事务接口， 并通过

· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 3865 16.2 TiDB 版本发布时间线 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 与面向实时分析场景的列存储引擎TiFlash 有一 些基本了解： • HTAP 存储引擎：行存 (Row-store) 与列存 (columnar-store) 同时存在，自动同步，保持强一致性。行存为在 线事务处理 OLTP 提供优化，列存则为在线分析处理 OLAP 提供性能优化。 • HTAP 数据一致性：作为一个分布式事务型的键值数据库，TiKV 提供了满足 ACID 约束的分布式事务接口， 并通过 选择主键时应遵守的规则 • 在表内定义一个主键或唯一索引。 • 尽量选择有意义的列作为主键。 • 出于为性能考虑，尽量避免存储超宽表，表字段数不建议超过 60 个，建议单行的总数据大小不要超过 64K，数据长度过大字段最好拆到另外的表。 • 不推荐使用复杂的数据类型。 • 需要 JOIN 的字段，数据类型保障绝对一致，避免隐式转换。 • 避免在单个单调数据列上定义主键。如果你使用单个单调数据列（例如：AUTO_INCREMENT

· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 4193 16.2 TiDB 版本发布时间线 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 与面向实时分析场景的列存储引擎TiFlash 有一 些基本了解： • HTAP 存储引擎：行存 (Row-store) 与列存 (columnar-store) 同时存在，自动同步，保持强一致性。行存为在 线事务处理 OLTP 提供优化，列存则为在线分析处理 OLAP 提供性能优化。 • HTAP 数据一致性：作为一个分布式事务型的键值数据库，TiKV 提供了满足 ACID 约束的分布式事务接口， 并通过 选择主键时应遵守的规则 • 在表内定义一个主键或唯一索引。 • 尽量选择有意义的列作为主键。 • 出于为性能考虑，尽量避免存储超宽表，表字段数不建议超过 60 个，建议单行的总数据大小不要超过 64K，数据长度过大字段最好拆到另外的表。 • 不推荐使用复杂的数据类型。 • 需要 JOIN 的字段，数据类型保障绝对一致，避免隐式转换。 • 避免在单个单调数据列上定义主键。如果你使用单个单调数据列（例如：AUTO_INCREMENT

· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 2527 14.2 TiDB 版本发布时间线 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · -size 新增 处理 Raft 数据 落盘的线程池 中线程的数量， 默认值为 4。 TiFlash raftstore. �→ store-pool �→ -size 新增 处理 Raft 的线 程池中线程的 数量，即 Raftstore 线程池 的大小，默认 值为 4。 35 配置文件 配置项 修改类型 描述 TiDB Data Migration (DM) collation_ 与面向实时分析场景的列存储引擎TiFlash 有一 些基本了解： • HTAP 存储引擎：行存 (Row-store) 与列存 (columnar-store) 同时存在，自动同步，保持强一致性。行存为在 线事务处理 OLTP 提供优化，列存则为在线分析处理 OLAP 提供性能优化。 • HTAP 数据一致性：作为一个分布式事务型的键值数据库，TiKV 提供了满足 ACID 约束的分布式事务接口， 并通过