【SequoiaDB教程】SequoiaDB分布式存储教程

于 2017-09-01 13:37:28 发布
阅读量2.4k 收藏
点赞数
文章标签： 分布式存储
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/SequoiaDB_Official/article/details/77771858
版权
本文详细介绍了SequoiaDB的四种数据分布方式：Hash、Range、Partition和多维分区，包括其适用场景和操作步骤。Hash适用于数据量大且字段随机的场景，Range和Partition适合数据量大且有明确范围的字段，多维分区结合了两者的优点。文中通过实例演示了如何在SequoiaDB中创建和管理这些分布方式。
摘要由CSDN通过智能技术生成

　　1.各模式适用场景介绍

　　由于SequoiaDB对比其他的NoSQL有更多的方式将数据分布到多台服务器上，所以下面笔者为阅读者一一介绍每种分布式方式适合于哪种场景。

　　1.1Hash方式分布数据

　　在Hash分布方式中，由于是对集合中某个字段的Hash值进行数据均匀，所以用户未来在使用Hash分布时，ShardingKey 一定要选择集合中字段值比较随机，并且Hash值比较均匀的字段，这样才能够保证集合中的数据被均匀的分布在各个数据分区组上。

　　Hash分布式方式主要适合数据量比较大，并且集合中包含一个Hash值比较随机的字段。如果集合中并没有Hash值比较随机的字段，但是集合的数据量又非常的巨大，用户可以考虑使用SequoiaDB中的主键-“_id”作为ShardingKey。

　　1.2Range方式分布数据

　　Range 分布方式，主要适用用于集合数据量大，并且集合包含某个具有比较明确的数值范围的字段，例如时间字段或者是业务类型字段，来帮助用户做集合的范围切分。

　　1.3Partition方式分布数据

　　Partition 分布方式，和Range 分布方式的适用场景非常类似，都是要求集合数据量大，并且集合包含某个具有比较明确的数值范围的字段。

　　Partition分布方式，实际上并不能够做到数据自动均匀分布到多个数据分区组，而是需要用户在建立子表时，人工显式指定此子表是被分配到哪个数据分区组上，然后再通过主表的attach 命令将子表按照某个字段的范围值挂载到主表上。

　　而Partition 分布方式与Range 分布方式最大的不同点，在于对数据的删除上。

　　在Range 分布方式中，如果用户需要对集合中某个过旧的时间范围数据进行删除，用户需要调用remove 命令，真实地从数据库磁盘中删除这部分数据，这个耗时会比较久。

　　而在Partition 分布方式中，用户同样希望删除某个过旧的时间范围数据，用户只需要调用dettach命令，将符合时间范围的子表从主表中卸载下来，即可完成数据从集合中清除的目的，dettach命令的效率非常高，基本是秒级完成。然后用户可以对过旧的子表执行truncate 命令，回收磁盘空间。

　　注意，集合truncate 命令的执行效率比集合remove 命令的执行效率要高出几个量级。

　　1.4多维分区

　　SequoiaDB的多维分区方式，它很好地结合了Hash分布方式和Partition 分布方式的优点，能够让集合中的数据以更小的颗粒度分布到数据库多个数据分区组上。

　　多维分区分布方式，主要适合的场景是集合数据量特别巨大，集合中同时包含两个关键的ShardingKey，一般为time和id两个字段，time字段给主子表使用，id字段给Hash 分布使用，并且用户在使用在集合过程中，还可能会定期对部分数据进行空间回收。

　　在真实的客户环境中，多维分区主要使用的场景为：银行的历史数据流水表，业务系统历史日志表等。

　　2.操作指南

　　作者在为下面各种数据分布方式做操作前，需要先在数据库中一些准备操作。

　　连接到数据库中

var db = new Sdb("localhost", 11810);

　　查看当前数据库有多少数据分区组

var cursor = db.listReplicaGroups();while (cursor.next()){var obj = cursor.current().toObj();if (obj["GroupName"] != "SYSCoord" && obj["GroupName"]

　　返回的结果为

group1
group2
group3
group4

　　为了做Hash 切分方便，用户可以先给数据库建立Domain

db.createDomain ("domain1", ["group1", "group2"], {AutoSplit:true});
db.createDomain ("domain2", ["group3", "group4"], {AutoSplit:true});

　　2.1Hash方式分布数据

　　建立一个集合空间，名为testcs_domain1，并且指定此集合空间是建立在domain1 上的

db.createCS("testcs_domain1", {Domain:"domain1"});

　　在testcs_domain1 集合空间上建立一个集合,名为testcl_hash，设置ShardingType = hash，ShardingKey = id

var CS = db.getCS("testcs_domain1");
CS.createCL("testcl_hash", {ShardingType:"hash", ShardingKey:{id:1}});

　　检查testcl_hash 集合在数据库中的分布情况

db.snapshot(8, {Name:"testcs_domain1.testcl_hash"});
{
  "AutoSplit": true,
  "CataInfo": [
    {
      "ID": 0,
      "GroupID": 1001,
      "GroupName": "group2",
      "LowBound": {
        "": 0
      },
      "UpBound": {
        "": 2048
      }
    },
    {
      "ID": 1,
      "GroupID": 1000,
      "GroupName": "group1",
      "LowBound": {
        "": 2048
      },
      "UpBound": {
        "": 4096
      }
    }
  ],
  "EnsureShardingIndex": true,
  "InternalV": 3,
  "Name": "testcs_domain1.testcl_hash",
  "Partition": 4096,
  "ShardingKey": {
    "id": 1
  },
  "ShardingType": "hash",
  "Version": 2,
  "_id": {
    "$oid": "57c73fe8ed44740501b46dee"
  }
}

　　用户可以从snapshot 的输出中看到，testcs_domain1.testcl_hash 被切分到group1 和group2 上，并且Hash桶是均匀分配的。

　　2.2Range方式分布数据

　　用户在做Range 切分时,Domain 的功能就不能帮上忙了。为了让本文档的阅读者更加清晰地了解Range 切分，作者在数据库中新建一个集合空间，名为testcs_range

db.createCS("testcs_range");

　　建立一个名为testcl_range 的集合，ShardingKey = time, ShardingType = range，并且指定此集合在初始化时建立在group1 数据分区组上。

var CS = db.getCS("testcs_range");
CS.createCL("testcl_range", {ShardingType:"range", ShardingKey:{time:1}, Group:"group1"});

　　对testcl_range 做范围切分

CS.testcl_range.split ("group1", "group2", {time:"20160401"}, {time:"20160701"});
CS.testcl_range.split ("group1", "group3", {time:"20160701"}, {time:"20161001"});
CS.testcl_range.split ("group1", "group4", {time:"20161001"}, {time:"20170101"});

　　查看testcs_range.testcl_range 的切分情况

db.snapshot (8, {Name:"testcs_range.testcl_range"});
{
  "CataInfo": [
    {
      "ID": 0,
      "GroupID": 1000,
      "GroupName": "group1",
      "LowBound": {
        "time": {
          "$minKey": 1
        }
      },
      "UpBound": {
        "time": "20160401"
      }
    },
    {
      "ID": 1,
      "GroupID": 1001,
      "GroupName": "group2",
      "LowBound": {
        "time": "20160401"
      },
      "UpBound": {
        "time": "20160701"
      }
    },
    {
      "ID": 3,
      "GroupID": 1002,
      "GroupName": "group3",
      "LowBound": {
        "time": "20160701"
      },
      "UpBound": {
        "time": "20161001"
      }
    },
    {
      "ID": 4,
      "GroupID": 1003,
      "GroupName": "group4",
      "LowBound": {
        "time": "20161001"
      },
      "UpBound": {
        "time": "20170101"
      }
    },
    {
      "ID": 2,
      "GroupID": 1000,
      "GroupName": "group1",
      "LowBound": {
        "time": "20170101"
      },
      "UpBound": {
        "time": {
          "$maxKey": 1
        }
      }
    }
  ],
  "EnsureShardingIndex": true,
  "Name": "testcs_range.testcl_range",
  "ShardingKey": {
    "time": 1
  },
  "ShardingType": "range",
  "Version": 4,
  "_id": {
    "$oid": "57c754b6ed44740501b46e0e"
  }
}

　　testcs_range.testcl_range 集合数据切分情况如下：

　　group2 负责 time 范围为 "20160401" ~ "20160701"

　　group3 负责 time 范围为 "20160701" ~ "20161001"

　　group4 负责 time 范围为 "20161001" ~ "20170101"

　　group1 负责 time 范围为除 group2、group3、group4 范围外的所有数据，用户可以写入两条记录去验证一下

CS.testcl_range.insert({name:"test", id:1, time:"20160425"});
CS.testcl_range.insert({name:"haha", id:2, time:"20160101"});

　　用户可以通过快照查看每个数据分区组的记录数

db.snapshot(4, {Name:"testcs_range.testcl_range"}, {"Details.Group.TotalRecords":null,"Details.GroupName":null});
{
  "Details": [
    {
      "GroupName": "group1",
      "Group": [
        {
          "TotalRecords": 1
        },
        {
          "TotalRecords": 1
        },
        {
          "TotalRecords": 1
        }
      ]
    },
    {
      "GroupName": "group2",
      "Group": [
        {
          "TotalRecords": 1
        },
        {
          "TotalRecords": 1
        },
        {
          "TotalRecords": 1
        }
      ]
    },
    {
      "GroupName": "group3",
      "Group": [
        {
          "TotalRecords": 0
        },
        {
          "TotalRecords": 0
        },
        {
          "TotalRecords": 0
        }
      ]
    },
    {
      "GroupName": "group4",
      "Group": [
        {
          "TotalRecords": 0
        },
        {
          "TotalRecords": 0
        },
        {
          "TotalRecords": 0
        }
      ]
    }
  ]
}

　　由于本集群是一个数据分区组，包含3个数据副本，所以在快照信息中，一个group 会显示3条记录。

　　并且用户从快照信息中，group1 包含1 条记录，group2 包含1 条记录，符合作者对testcs_range.testcl_range 的切分情况。

　　2.3Parttion方式分布数据

　　为了验证使用主子表来做数据切分，作者在数据库中新建一个名为 testcs_mainsub 的集合空间

db.createCS("testcs_mainsub");
var CS = db.getCS("testcs_mainsub");

　　在 testcs_mainsub 集合空间上建立一个主表，ShardingType = range, ShardingKey = time, isMainCL = true

CS.createCL("testcl_main", {ShardingType:"range", ShardingKey:{time:1}, IsMainCL:true});

　　建立子表，并且在建立子表时，显式指定每个子表被分配到哪个数据分区组上。

CS.createCL("testcl_sub1", {Group:"group1"});
CS.createCL("testcl_sub2", {Group:"group2"});
CS.createCL("testcl_sub3", {Group:"group3"});
CS.createCL("testcl_sub4", {Group:"group4"});

　　将各个子表挂载到主表上　　

CS.testcl_main.attachCL ("testcs_mainsub.testcl_sub1", {LowBound:{time:"20160101"}, UpBound:{time:"20160401"}});
CS.testcl_main.attachCL ("testcs_mainsub.testcl_sub2", {LowBound:{time:"20160401"}, UpBound:{time:"20160701"}});
CS.testcl_main.attachCL ("testcs_mainsub.testcl_sub3", {LowBound:{time:"20160701"}, UpBound:{time:"20161001"}});
CS.testcl_main.attachCL ("testcs_mainsub.testcl_sub4", {LowBound:{time:"20161001"}, UpBound:{time:"20170101"}});

　　用户可以通过快照了解主表数据的切分情况

db.snapshot (8, {Name:"testcs_mainsub.testcl_main"});
{
  "CataInfo": [
    {
      "ID": 1,
      "SubCLName": "testcs_mainsub.testcl_sub1",
      "LowBound": {
        "time": "20160101"
      },
      "UpBound": {
        "time": "20160401"
      }
    },
    {
      "ID": 2,
      "SubCLName": "testcs_mainsub.testcl_sub2",
      "LowBound": {
        "time": "20160401"
      },
      "UpBound": {
        "time": "20160701"
      }
    },
    {
      "ID": 3,
      "SubCLName": "testcs_mainsub.testcl_sub3",
      "LowBound": {
        "time": "20160701"
      },
      "UpBound": {
        "time": "20161001"
      }
    },
    {
      "ID": 4,
      "SubCLName": "testcs_mainsub.testcl_sub4",
      "LowBound": {
        "time": "20161001"
      },
      "UpBound": {
        "time": "20170101"
      }
    }
  ],
  "EnsureShardingIndex": true,
  "IsMainCL": true,
  "Name": "testcs_mainsub.testcl_main",
  "ShardingKey": {
    "time": 1
  },
  "ShardingType": "range",
  "Version": 5,
  "_id": {
    "$oid": "57c75d35ed44740501b46e28"
  }
}

　　目前 testcs_mainsub.testcl_main 的数据切分情况如下:

　　testcl_sub1 属于 group1，它负责的数据范围为 20160101 ~ 20160401

　　testcl_sub2 属于 group2，它负责的数据范围为 20160401 ~ 20160701

　　testcl_sub3 属于 group3，它负责的数据范围为 20160701 ~ 20161001

　　testcl_sub4 属于 group4，它负责的数据范围为 20161001 ~ 20170101

　　用户可以写入两条记录来验证一下数据的分布情况

CS.testcl_main.insert ({name:"test", id:1, time:"20160123"});
CS.testcl_main.insert ({name:"haha", id:2, time:"20161207"});

　　用户可以查看一下每个子表的数据情况

CS.testcl_sub1.count();
CS.testcl_sub2.count();
CS.testcl_sub3.count();
CS.testcl_sub4.count();

图片6.png

　　图6

　　数据分布情况符合主子表的切分范围。

　2.4多维分区

　　为了验证SequoiaDB 的多维分区功能，并且为了给阅读者更好了解在多维分区和Domain功能的结合，作者在数据库中新建两个集合空间，分别为 testcs_doublepartition_domain1 和 testcs_doublepartition_domain2

db.createCS ("testcs_doublepartition_domain1", {Domain:"domain1"});
var CS1 = db.getCS ("testcs_doublepartition_domain1");
db.createCS ("testcs_doublepartition_domain2", {Domain:"domain2"});
var CS2 = db.getCS ("testcs_doublepartition_domain2");

　　刚才作者已经在数据库多维分区的技术原理也介绍了，SequoiaDB的多维分区，实际上就是在一个集合中，同时运用主子表和Hash分区两个数据分区功能，从而使得集合能够以更小的颗粒度做数据均衡。

　　在 testcs_mainsub 集合空间上建立一个主表，ShardingType = range, ShardingKey = time, isMainCL = true

var CS = db.getCS("testcs_mainsub");
CS.createCL("testcl_main_doublepartition", {ShardingType:"range", ShardingKey:{time:1}, IsMainCL:true});

　　建立子表，并且在建立子表时，注意选择集合空间，并且显式指定ShardingType = hash 和 ShardingKey = id。

CS1.createCL("testcl_sub1", {ShardingType:"hash", ShardingKey:{id:1}});
CS1.createCL("testcl_sub2", {ShardingType:"hash", ShardingKey:{id:1}});
CS2.createCL("testcl_sub3", {ShardingType:"hash", ShardingKey:{id:1}});
CS2.createCL("testcl_sub4", {ShardingType:"hash", ShardingKey:{id:1}});

　　将各个子表挂载到主表上

CS.testcl_main_doublepartition.attachCL ("testcs_doublepartition_domain1.testcl_sub1", {LowBound:{time:"20160101"}, UpBound:{time:"20160401"}});
CS.testcl_main_doublepartition.attachCL ("testcs_doublepartition_domain1.testcl_sub2", {LowBound:{time:"20160401"}, UpBound:{time:"20160701"}});
CS.testcl_main_doublepartition.attachCL ("testcs_doublepartition_domain2.testcl_sub3", {LowBound:{time:"20160701"}, UpBound:{time:"20161001"}});
CS.testcl_main_doublepartition.attachCL ("testcs_doublepartition_domain2.testcl_sub4", {LowBound:{time:"20161001"}, UpBound:{time:"20170101"}});

　　用户可以通过快照信息核对数据的切分情况

db.snapshot (8, {Name:"testcs_mainsub.testcl_main_doublepartition"});
{
  "CataInfo": [
    {
      "ID": 1,
      "SubCLName": "testcs_doublepartition_domain1.testcl_sub1",
      "LowBound": {
        "time": "20160101"
      },
      "UpBound": {
        "time": "20160401"
      }
    },
    {
      "ID": 2,
      "SubCLName": "testcs_doublepartition_domain1.testcl_sub2",
      "LowBound": {
        "time": "20160401"
      },
      "UpBound": {
        "time": "20160701"
      }
    },
    {
      "ID": 3,
      "SubCLName": "testcs_doublepartition_domain2.testcl_sub3",
      "LowBound": {
        "time": "20160701"
      },
      "UpBound": {
        "time": "20161001"
      }
    },
    {
      "ID": 4,
      "SubCLName": "testcs_doublepartition_domain2.testcl_sub4",
      "LowBound": {
        "time": "20161001"
      },
      "UpBound": {
        "time": "20170101"
      }
    }
  ],
  "EnsureShardingIndex": true,
  "IsMainCL": true,
  "Name": "testcs_mainsub.testcl_main_doublepartition",
  "ShardingKey": {
    "time": 1
  },
  "ShardingType": "range",
  "Version": 5,
  "_id": {
    "$oid": "57c80046ed44740501b46e43"
  }
}
testcs_doublepartition_domain1.testcl_sub1 属于 group1，它负责的数据范围为 20160101 ~ 20160401
testcs_doublepartition_domain1.testcl_sub2 属于 group2，它负责的数据范围为 20160401 ~ 20160701
testcs_doublepartition_domain2.testcl_sub3 属于 group3，它负责的数据范围为 20160701 ~ 20161001
testcs_doublepartition_domain2.testcl_sub4 属于 group4，它负责的数据范围为 20161001 ~ 20170101

　　用户也可以使用快照来确认一下各个子表是否被正确切分，例如查看集合 testcs_doublepartition_domain1.testcl_sub1 是否被分布到 domain1 上

db.snapshot (8, {Name:"testcs_doublepartition_domain1.testcl_sub1"});
{
  "AutoSplit": true,
  "CataInfo": [
    {
      "ID": 0,
      "GroupID": 1000,
      "GroupName": "group1",
      "LowBound": {
        "": 0
      },
      "UpBound": {
        "": 2048
      }
    },
    {
      "ID": 1,
      "GroupID": 1001,
      "GroupName": "group2",
      "LowBound": {
        "": 2048
      },
      "UpBound": {
        "": 4096
      }
    }
  ],
  "EnsureShardingIndex": true,
  "InternalV": 3,
  "MainCLName": "testcs_mainsub.testcl_main_doublepartition",
  "Name": "testcs_doublepartition_domain1.testcl_sub1",
  "Partition": 4096,
  "ShardingKey": {
    "id": 1
  },
  "ShardingType": "hash",
  "Version": 3,
  "_id": {
    "$oid": "57c8004eed44740501b46e46"
  }
}

　　用户从快照信息中了解到，testcs_doublepartition_domain1.testcl_sub1 集合被切分到group1 和 group2 上，满足domain1 的数据分区组列表。

　　产品特性

　　解决方案与案例

　　数据库下载

　　技术文档

　　微信客服：

　　sequoiadb111

　　

%$(LAXO}X%1H2{JOLG640GP.jpg
巨杉数据库SequoiaDB
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
博客
首批入选，金融信创解决方案评选结果公布
07-12 395
巨杉数据库凭借硬核的技术实力，与信雅达联合打造的“基于巨杉分布式数据库的新一代数字化影像解决方案”，在近600份方案中脱颖而出，成功入选第一批金融信创解决方案名单。在进一步促进和保障金融信创工作高效、有序实施的大背景下，该名单为行业提供了可复制，可参考的案例示范。...
博客
巨杉数据库完成数亿元D轮融资，引领金融级分布式数据库发展
10-13 8207
金融级分布式数据库领导者巨杉数据库，于近期完成数亿元人民币D轮融资，本轮融资由中金资本领投，元禾重元与越秀产业基金跟投。巨杉数据库是国内最早布局分布式数据库产品的公司，自2011年成立起，9年来一直坚持以原生分布式数据库作为核心产品，聚焦于金融业。2017年，巨杉数据库成为首批入选Gartner数据库榜单的国产分布式数据库。目前，巨杉数据库已被大规模应用于超百家金融企业，特别是银行的核心系统，累计为数百个应用提供高并发零宕机在线数据服务。对此，本轮领投方，中金资本董事总经理王雷表示：“分布式数据..
博客
巨杉数据库助力民生银行、广发银行前台智慧化业务
12-17 2万+
巨杉数据库目前已经在超过50家大型商业银行的核心业务上线使用，本文为银行金融科技转型应用系列文章第一篇，此后巨杉还将陆续推出银行业应用和科技创新文章，数据库快速入门教程，事务控制教程等，大家敬请期待。
博客
巨杉数据库携手广发证券入选2023大数据“星河”案例
01-26 292
近期，中国信息通信研究院、中国通信标准化协会大数据技术标准推进委员会(CCSA TC601)共同组织的大数据“星河（Galaxy）”案例征集活动发布公示。巨杉数据库与广发证券联合申报的“广发证券消息中心基于分布式文档型数据库的改造研究”入选数据库优秀案例。
博客
深耕文档型数据库12载，SequoiaDB再开源
01-19 1062
1月15日，巨杉数据库举行SequoiaDB新特性及开源项目发布活动。本次活动回顾了巨杉数据库深耕JSON文档型数据库12年的发展历程与技术演进，全面解读了SequoiaDB包括在高可用、安全、实时、易用性四个方向的技术特性，宣布了2024年面向技术社区的开源计划。
博客
巨杉数据库荣登2023胡润全球猎豹企业榜
01-04 411
胡润研究院与广州南沙联合发布《2023胡润全球猎豹企业榜》，这是胡润研究院首次发布“全球猎豹企业”。榜单列出了全球成立于2000年后，五年内最有可能达到独角兽级十亿美金估值的高成长性企业。巨杉数据库凭借在分布式文档型数据库领域的创新突破，成功入围《2023胡润全球猎豹企业榜》，本次入围是对巨杉数据库的行业领导力、创新力、发展潜力与投资价值的认可。
博客
巨杉数据库入选“2023信创独角兽企业100强”
12-16 434
通过提供多方位的技术支持，助力信创企业构建基于巨杉数据库的业务，实现产品、业务与服务能力的创新与升级，为企业级客户打造丰富的上下游生态。截至目前，巨杉数据库已在超过100家大型银行及金融机构的核心生产业务规模应用，各行业企业用户总数超过1000家，应用场景包括各类面向对象灵活编程的系统，比如非结构化数据管理平台、实时数据查询平台、基金研究平台、底稿系统，已全面覆盖国有银行、股份制银行、省级农信、城商行、保险、证券等金融客户，同时还包括政府、汽车、新能源等多个行业客户。
博客
巨杉数据库荣登2023粤港澳大湾区金融科技甪端企业20榜单
12-06 512
其产品SequoiaDB提供SQL接口用于处理结构化数据，JSON接口用于半结构化的文档型JSON数据，以及S3接口用于非结构化的对象数据，使其在处理多样数据类型时表现出极大的灵活性和高效性。目前已在超过100家大型银行及金融机构的核心生产业务规模应用，各行业企业用户总数超过1000家，应用场景包括各类面向对象灵活编程的系统，比如非结构化数据管理平台、实时数据查询平台、基金研究平台、底稿系统，已全面覆盖国有银行、股份制银行、省级农信、城商行、保险、证券等金融客户。
博客
巨杉数据库荣获新睿之星，赋能大湾区技术与产业升级
05-10 662
巨杉数据库凭借多年深耕分布式数据库的技术积累和创新能力，于广州投资年会上荣获新睿之星奖项，该奖项不仅是对巨杉数据库的肯定，也充分肯定广州培育本土高新企业的发展成果。
博客
SequoiaDB分布式数据库2023.4月刊
05-10 668
SequoiaDB分布式数据库2023.4月刊
博客
技术解读丨多模数据湖：助力AI技术，推动内容管理平台智能化升级
04-24 586
随着数字化时代的到来，数据已经成为企业的重要资产之一。因此，构建高效的内容管理平台变得至关重要。本文重点介绍SequoiaDB多模数据湖技术在内容管理平台中的应用和成效，以及其对企业非结构化数据管理和AI的推动作用。
博客
SequoiaDB分布式数据库2023.3月刊
04-24 308
SequoiaDB分布式数据库2023.3月刊
博客
SequoiaDB分布式数据库2023.2月刊
03-08 495
SequoiaDB分布式数据库2023.2月刊
博客
巨杉数据库与深圳大学设立专项奖学金，共建数据库人才生态
03-08 205
巨杉数据库作为新一代国产分布式数据库的领军者，长期致力于高校人才培养，近期在深圳大学举办奖学金颁奖仪式，持续为培育国产数据库人才发力。
博客
巨杉数据库入选互联网周刊“2022中国数据库产业排行榜”
02-17 268
巨杉数据库凭借在分布式数据库以及湖仓一体领域的技术创新成果和行业实践，成功入选由互联网周刊、中国社会科学院信息化研究中心等联合发起的“2022中国数据库产业排行榜”。
博客
十年聚焦，巨杉数据库再获毕马威2022领先金融科技50企业殊荣
01-28 612
巨杉数据库凭借在金融科技与分布式数据库领域出色的市场表现与过硬的技术实力，成功入选“2022中国领先金融科技50企业”，成为本次榜单唯一入选的分布式数据库厂商。
博客
2022中国金融科技年会成功举办，巨杉数据库携手金融客户获评多项大奖
01-11 257
《金融电子化》主办的“2022中国金融科技年会暨第十三届金融科技应用创新奖颁奖典礼”成功举办。巨杉数据库凭借硬核的技术实力与丰富的客户案例，荣获“2022科技赋能金融业数字化转型突出贡献奖”。
博客
聚焦技术，2022巨杉荣获国内外多家权威机构认可
01-11 366
聚焦技术，2022巨杉荣获国内外多家权威机构认可
博客
聚焦行业，2022巨杉客户案例及产品荣获多项殊荣
01-11 576
聚焦行业，2022巨杉客户案例及产品荣获多项殊荣
博客
SequoiaDB分布式数据库2022.11月刊
12-01 1520
SequoiaDB湖仓一体分布式数据库2022.11月刊
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值