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(10)TiDB(10)系统运维(1)存储(1)

语言

全部中文(简体)(6)英语(5)

格式

全部PDF文档 PDF(11)
 
本次搜索耗时 1.029 秒,为您找到相关结果约 11 个.
  • 全部
  • 数据库
  • TiDB
  • 系统运维
  • 存储
  • 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 NJSD eBPF 技术文档 - 0924版本

    passthrough什么是eBPF • ebpf是不同环境下内核配置, 调试,监控⼯具 • map映射 • 验证器 • Hook • Helper api配置TCP Initial RTO • 场景 内核4.12之前 initial RTO是⼀个常数1s • 应⽤类型BPF_PROG_TYPE_SOCK_OPS • HOOK BPF_SOCK_OPS_TIMEOUT_INIT • 内核中调⽤栈
    0 码力 | 20 页 | 7.40 MB | 6 月前
    3
  • pdf文档 分布式NewSQL数据库TiDB

    ⽅案存 在以下缺点:资源利⽤率低、维护成本⾼、RTO (Recovery Time Objective) 及 RPO (Recovery Point Objective) ⽆法真实达到企业所期望的值。TiDB 采⽤多副本 + Multi-Raft 协议 的⽅式将数据调度到不同的机房、机架、机器,当部分机器出现故障时系统可⾃动进⾏切换,确保系统的 RTO <= 30s 及 RPO = 0。 对存储容
    0 码力 | 120 页 | 7.42 MB | 6 月前
    3
  • pdf文档 PingCAP TiDB&TiKV Introduction OLTP

    NewSQL | TiDB 简单配置即可保障所有的数据中心 100% 同步,真正意义上的多活 完全实现 国标(信息安全技术-信息系统灾难恢复规范GBT 20988-2007 )最高等级 第六级的要求(RTO = 0,RPO = 0) NewSQL - 大数据量下高压力实时处理的完美解决方案 随着业务增长,需要处理的数据量不断增加,系统架构师面临多种挑战: ● 传统的关系型数据库无法满足高并发写入?
    0 码力 | 21 页 | 613.54 KB | 6 月前
    3
  • pdf文档 TiDB v8.5 Documentation

    Multi-Raft protocol to schedule data to different data centers, racks, and machines, ensuring system RTO ￿ 30 seconds and RPO = 0. • Massive data and high concurrency scenarios Traditional standalone databases capabilities: • Replicating incremental data between TiDB clusters with second-level RPO and minute-level RTO. • Bidirectional replication between TiDB clusters, allowing the creation of a multi-active TiDB solution normally before the crash, and the replication lag is small. It allows data loss of 10s at most, that is, RTO <= 5 min, and P95 RPO <= 10s. TiCDC replication lag increases in the following scenarios: • The TPS
    0 码力 | 6730 页 | 111.36 MB | 10 月前
    3
  • pdf文档 TiDB v8.2 Documentation

    Multi-Raft protocol to schedule data to different data centers, racks, and machines, ensuring system RTO ￿ 30 seconds and RPO = 0. • Massive data and high concurrency scenarios Traditional standalone databases Describes the DR solutions provided by TiDB. • Compares these DR solutions. 8.5.1.1 Basic concepts • RTO (Recovery Time Objective): The time required for the system to recover from a disaster. • RPO (Recovery can tolerate in a disaster. 987 The following figure illustrates these two concepts: Figure 114: RTO and RPO • Error tolerance objective: Because a disaster can affect different regions. In this doc-
    0 码力 | 6549 页 | 108.77 MB | 10 月前
    3
  • pdf文档 TiDB v8.3 Documentation

    Multi-Raft protocol to schedule data to different data centers, racks, and machines, ensuring system RTO ￿ 30 seconds and RPO = 0. • Massive data and high concurrency scenarios Traditional standalone databases Describes the DR solutions provided by TiDB. • Compares these DR solutions. 8.5.1.1 Basic concepts • RTO (Recovery Time Objective): The time required for the system to recover from a disaster. • RPO (Recovery can tolerate in a disaster. 992 The following figure illustrates these two concepts: Figure 114: RTO and RPO • Error tolerance objective: Because a disaster can affect different regions. In this doc-
    0 码力 | 6606 页 | 109.48 MB | 10 月前
    3
  • pdf文档 TiDB v8.4 Documentation

    Multi-Raft protocol to schedule data to different data centers, racks, and machines, ensuring system RTO ￿ 30 seconds and RPO = 0. • Massive data and high concurrency scenarios Traditional standalone databases Describes the DR solutions provided by TiDB. • Compares these DR solutions. 8.5.1.1 Basic concepts • RTO (Recovery Time Objective): The time required for the system to recover from a disaster. • RPO (Recovery can tolerate in a disaster. The following figure illustrates these two concepts: 1072 Figure 115: RTO and RPO • Error tolerance objective: Because a disaster can affect different regions. In this doc-
    0 码力 | 6705 页 | 110.86 MB | 10 月前
    3
  • pdf文档 TiDB v8.1 Documentation

    Multi-Raft protocol to schedule data to different data centers, racks, and machines, ensuring system RTO ￿ 30 seconds and RPO = 0. • Massive data and high concurrency scenarios Traditional standalone databases Describes the DR solutions provided by TiDB. • Compares these DR solutions. 8.5.1.1 Basic concepts • RTO (Recovery Time Objective): The time required for the system to recover from a disaster. • RPO (Recovery can tolerate in a disaster. 984 The following figure illustrates these two concepts: Figure 114: RTO and RPO • Error tolerance objective: Because a disaster can affect different regions. In this doc-
    0 码力 | 6479 页 | 108.61 MB | 10 月前
    3
  • pdf文档 TiDB v8.4 中文手册

    金融行业对数据一致性及高可靠、系统高可用、可扩展性、容灾要求较高。传统的解决方案的资源利用 率低,维护成本高。TiDB 采用多副本 + Multi-Raft 协议的方式将数据调度到不同的机房、机架、机器,确 保系统的 RTO <= 30s 及 RPO = 0。 33 • 海量数据及高并发的 OLTP 场景 传统的单机数据库无法满足因数据爆炸性的增长对数据库的容量要求。TiDB 是一种性价比高的解决方 案,采用计算 对比不同的容灾解决方案。 8.5.1.1 基本概念 • RTO (Recovery Time Objective):是指灾难发生后,系统恢复服务所需的时间。 • RPO (Recovery Point Objective):是指灾难发生后,确保对业务不产生损失的前提下,可以丢失的最大数据 量。 下面的图形描述了这两个概念: 图 60: RTO and RPO • 错误容忍目标:由于灾难可能影响的地域范围是不同的,在本文中,使用 两个集群之间通过 TiCDC 进行数据改变的同步。这种架构,简称为 “1:1” 解决方案。 这种架构看起来非常简洁,可用性比较高,最大的错误容忍目标可以做到区域级别,写能力也能够得到扩展, RPO 在秒级别,RTO 在分钟级别,甚至更低。如果 RPO 为 0 并不是必须满足的要求,推荐在重要生产系统使用 该容灾方案。对于该方案的详细信息,请参考基于主备集群的容灾方案。 8.5.1.3.2 基于多副本的单集群容灾方案
    0 码力 | 5072 页 | 104.05 MB | 10 月前
    3
  • pdf文档 TiDB v8.2 中文手册

    金融行业对数据一致性及高可靠、系统高可用、可扩展性、容灾要求较高。传统的解决方案的资源利用 率低,维护成本高。TiDB 采用多副本 + Multi-Raft 协议的方式将数据调度到不同的机房、机架、机器,确 保系统的 RTO <= 30s 及 RPO = 0。 34 • 海量数据及高并发的 OLTP 场景 传统的单机数据库无法满足因数据爆炸性的增长对数据库的容量要求。TiDB 是一种性价比高的解决方 案,采用计算 对比不同的容灾解决方案。 8.5.1.1 基本概念 • RTO (Recovery Time Objective):是指灾难发生后,系统恢复服务所需的时间。 • RPO (Recovery Point Objective):是指灾难发生后,确保对业务不产生损失的前提下,可以丢失的最大数据 量。 下面的图形描述了这两个概念: 图 59: RTO and RPO • 错误容忍目标:由于灾难可能影响的地域范围是不同的,在本文中,使用 两个集群之间通过 TiCDC 进行数据改变的同步。这种架构,简称为 “1:1” 解决方案。 这种架构看起来非常简洁,可用性比较高,最大的错误容忍目标可以做到区域级别,写能力也能够得到扩展, RPO 在秒级别,RTO 在分钟级别,甚至更低。如果 RPO 为 0 并不是必须满足的要求,推荐在重要生产系统使用 该容灾方案。对于该方案的详细信息,请参考基于主备集群的容灾方案。 8.5.1.3.2 基于多副本的单集群容灾方案
    0 码力 | 4987 页 | 102.91 MB | 10 月前
    3
共 11 条
  • 1
  • 2
前往
页
相关搜索词
NJSDeBPF技术文档0924版本分布布式分布式NewSQL数据据库数据库TiDBPingCAPTiKVIntroductionOLTPv8Documentation中文手册
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