heqingcool的博客

数据导入方式概述GaussDB 200提供了灵活的数据入库方式：GDS、INSERT、COPY以及gsql元命令\copy。各方式具有不同的特点：GDS因其并行的特点，导入效率高，适用于大批量数据的入库；其他三种方式适用于小批量数据入库，可以考虑其特点自行选择。方式特点GDS通过GDS工具，采用多DN并行导入，导入效率高。适用于大批量数据入库。INSERT通过INSERT语句插入一行或多行数据，及从指定表插入数据。COPY通过COPY FROM STDIN语句直接向

GDS导出数据准备工作# 准备导出目录mkdir -p /output_datachown -R gds_user:gdsgrp /output_data 创建外表DROP FOREIGN TABLE IF EXISTS product_info_ext;CREATE FOREIGN TABLE product_info_ext( product_price integer not null, product_id

gaussdb200存储过程声明部分：声明PL/SQL用到的变量，类型及游标，以及局部的存储过程和函数。DECLARE执行部分：过程及SQL语句，程序的主要部分。必选。BEGIN执行异常部分：错误处理。可选。EXCEPTION结束END;/存储过程简单示例DECLARE var varchar(20); num1 integer;BEGIN var := 'xiniu'; dbms_output.put_line('hello '||var);

前言GaussDB安装需要使用fi manager，目前支持的centos最高版本为7.4，不能选择高于该版本。推荐配置内存16G，cpu核心数8C，硬盘300G。软件准备解压gaussdb.tar包，并解压至/opt目录下上传操作系统镜像CentOS-7-x86_64-DVD-1810.iso前置动作#修改主机名hostnamectl set-hostname yourhostname#修改hosts文件，增加yourip yourhostnameyourip yourhostname

设计规范选择​ 在实际生产过程中，尤其是在模型设计的过程中经常会涉及到范式化问题，我们分为范式化和逆范式化两种。模型数据冗余性能范式化数据没有冗余，更新容易。当表的数量比较多，查询设计需要很多关联模型(join)时，会导致查询性能低下。逆范式化数据冗余将带来很好的读取性能 (因为不需要join很多表，而且通常反范式模型很少做更新操作)。需要维护冗余数据，从目前NoSQL的发展可以看到，对磁盘空间的消耗是可以接受的。​ 范式化跟逆范式化所要求的正好相反，在逆范式的

字符操作函数length(string bytea, encoding name )描述：指定encoding编码格式的string的字符数。在这个编码格式中，string必须是有效的。返回值类型：intSELECT length('jose', 'UTF8');/*length -------- 4(1 row)*/substring(string [from int] [for int])描述：截取子字符串，from int表示从第几个字符开始截取，for i

数值类型整数类型名称描述存储空间范围TINYINT微整数，别名为INT1。1字节0 ~ 255SMALLINT小范围整数，别名为INT2。2字节-32,768 ~ +32,767INTEGER常用的整数，别名为INT4。4字节-2,147,483,648 ~ +2,147,483,647BINARY_INTEGER常用的整数INTEGER的别名，为兼容Oracle类型。4字节-2,147,483,648 ~ +2,147,483,64

连接gaussdb切换用户su - omm加载环境变量source ${BIGDATA_HOME}/mppdb/.mppdbgs_profile连接数据库gsql -d postgres -p 25308创建用户create user xiniu with password "xiniu_1688";创建数据库官方建议：用户自定义数据库数量不超过3个create database xiniu_db;退出gsql\q指定用户登陆，正常情况下不

gauss200简介​ MPP即大规模并行处理(Massively Parallel Processing ),在数据库非共享集群中,每个节点都有独立的磁盘存储系统和内存系统,业务数据根据数据库模型和应用特点划分到各个节点上,每台数据节点通过专用网络或者商业通用网络互相连接,彼此协同计算,作为整体提供数据 库服务,非共享数据库集群有完全的可伸缩性、高可用、高性能、优秀的性价比、资源共享等优势。​ 典型特点: * 计算靠近数据,避免大量的数据迁移,获得更高的性能 * 无共享架构,相比共享架构拥有更高