ClickHouse表引擎到底怎麼選

引言

表引擎在ClickHouse中的作用十分關鍵，直接決定了資料如何存儲和讀取、是否支援并發讀寫、是否支援index、支援的query種類、是否支援主備複制等。

ClickHouse提供了大約28種表引擎，各有各的用途，比如有

Lo

系列用來做小表資料分析，

MergeTree

系列用來做大資料量分析，而

Integration

系列則多用于外表資料內建。再考慮複制表

Replicated

系列，分布式表

Distributed

等，紛繁複雜，新使用者上手選擇時常常感到迷惑。

本文嘗試對ClickHouse的表引擎進行梳理，幫忙大家快速入門ClickHouse。

ClickHouse表引擎概覽

下圖是ClickHouse提供的所有表引擎彙總。

一共分為四個系列，分别是Log、MergeTree、Integration、Special。其中包含了兩種特殊的表引擎Replicated、Distributed，功能上與其他表引擎正交，我們後續會單獨寫一篇文章來介紹。

Log系列

Log系清單引擎功能相對簡單，主要用于快速寫入小表（1百萬行左右的表），然後全部讀出的場景。

幾種Log表引擎的共性是：

資料被順序append寫到磁盤上；
不支援delete、update；
不支援index；
不支援原子性寫；
insert會阻塞select操作。

它們彼此之間的差別是：

TinyLog：不支援并發讀取資料檔案，查詢性能較差；格式簡單，适合用來暫存中間資料；
StripLog：支援并發讀取資料檔案，查詢性能比TinyLog好；将所有列存儲在同一個大檔案中，減少了檔案個數；
Log：支援并發讀取資料檔案，查詢性能比TinyLog好；每個列會單獨存儲在一個獨立檔案中。

Integration系列

該系統表引擎主要用于将外部資料導入到ClickHouse中，或者在ClickHouse中直接操作外部資料源。

Kafka：将Kafka Topic中的資料直接導入到ClickHouse；
MySQL：将Mysql作為存儲引擎，直接在ClickHouse中對MySQL表進行select等操作；
JDBC/ODBC：通過指定jdbc、odbc連接配接串讀取資料源；
HDFS：直接讀取HDFS上的特定格式的資料檔案；

Special系列

Special系列的表引擎，大多是為了特定場景而定制的。這裡也挑選幾個簡單介紹，不做詳述。

Memory：将資料存儲在記憶體中，重新開機後會導緻資料丢失。查詢性能極好，适合于對于資料持久性沒有要求的1億一下的小表。在ClickHouse中，通常用來做臨時表。
Buffer：為目标表設定一個記憶體buffer，當buffer達到了一定條件之後會flush到磁盤。
File：直接将本地檔案作為資料存儲；
Null：寫入資料被丢棄、讀取資料為空；

MergeTree系列

Log、Special、Integration主要用于特殊用途，場景相對有限。MergeTree系列才是官方主推的存儲引擎，支援幾乎所有ClickHouse核心功能。

以下重點介紹MergeTree、ReplacingMergeTree、CollapsingMergeTree、VersionedCollapsingMergeTree、SummingMergeTree、AggregatingMergeTree引擎。

MergeTree

MergeTree表引擎主要用于海量資料分析，支援資料分區、存儲有序、主鍵索引、稀疏索引、資料TTL等。MergeTree支援所有ClickHouse SQL文法，但是有些功能與MySQL并不一緻，比如在MergeTree中主鍵并不用于去重，以下通過示例說明。

如下建表DDL所示，test_tbl的主鍵為(id, create_time)，并且按照主鍵進行存儲排序，按照create_time進行資料分區，資料保留最近一個月。

CREATE TABLE test_tbl (
  id UInt16,
  create_time Date,
  comment Nullable(String)
) ENGINE = MergeTree()
   PARTITION BY create_time
     ORDER BY  (id, create_time)
     PRIMARY KEY (id, create_time)
     TTL create_time + INTERVAL 1 MONTH
     SETTINGS index_granularity=8192;

寫入資料：值得注意的是這裡我們寫入了幾條primary key相同的資料。

insert into test_tbl values(0, '2019-12-12', null);
insert into test_tbl values(0, '2019-12-12', null);
insert into test_tbl values(1, '2019-12-13', null);
insert into test_tbl values(1, '2019-12-13', null);
insert into test_tbl values(2, '2019-12-14', null);

查詢資料：可以看到雖然主鍵id、create_time相同的資料隻有3條資料，但是結果卻有5行。

select count(*) from test_tbl;
┌─count()─┐
│       5 │
└─────────┘

select * from test_tbl;
┌─id─┬─create_time─┬─comment─┐
│  2 │  2019-12-14 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘
┌─id─┬─create_time─┬─comment─┐
│  1 │  2019-12-13 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘
┌─id─┬─create_time─┬─comment─┐
│  0 │  2019-12-12 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘
┌─id─┬─create_time─┬─comment─┐
│  1 │  2019-12-13 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘
┌─id─┬─create_time─┬─comment─┐
│  0 │  2019-12-12 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘

由于MergeTree采用類似LSM tree的結構，很多存儲層處理邏輯直到Compaction期間才會發生。是以強制背景compaction執行完畢，再次查詢，發現仍舊有5條資料。

optimize table test_tbl final;


select count(*) from test_tbl;
┌─count()─┐
│       5 │
└─────────┘

select * from test_tbl;
┌─id─┬─create_time─┬─comment─┐
│  2 │  2019-12-14 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘
┌─id─┬─create_time─┬─comment─┐
│  0 │  2019-12-12 │ ᴺᵁᴸᴸ    │
│  0 │  2019-12-12 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘
┌─id─┬─create_time─┬─comment─┐
│  1 │  2019-12-13 │ ᴺᵁᴸᴸ    │
│  1 │  2019-12-13 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘

結合以上示例可以看到，MergeTree雖然有主鍵索引，但是其主要作用是加速查詢，而不是類似MySQL等資料庫用來保持記錄唯一。即便在Compaction完成後，主鍵相同的資料行也仍舊共同存在。

ReplacingMergeTree

為了解決MergeTree相同主鍵無法去重的問題，ClickHouse提供了ReplacingMergeTree引擎，用來做去重。

示例如下：

-- 建表
CREATE TABLE test_tbl_replacing (
  id UInt16,
  create_time Date,
  comment Nullable(String)
) ENGINE = ReplacingMergeTree()
   PARTITION BY create_time
     ORDER BY  (id, create_time)
     PRIMARY KEY (id, create_time)
     TTL create_time + INTERVAL 1 MONTH
     SETTINGS index_granularity=8192;

-- 寫入主鍵重複的資料
insert into test_tbl_replacing values(0, '2019-12-12', null);
insert into test_tbl_replacing values(0, '2019-12-12', null);
insert into test_tbl_replacing values(1, '2019-12-13', null);
insert into test_tbl_replacing values(1, '2019-12-13', null);
insert into test_tbl_replacing values(2, '2019-12-14', null);

-- 查詢，可以看到未compaction之前，主鍵重複的資料，仍舊存在。
select count(*) from test_tbl_replacing;
┌─count()─┐
│       5 │
└─────────┘

select * from test_tbl_replacing;
┌─id─┬─create_time─┬─comment─┐
│  0 │  2019-12-12 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘
┌─id─┬─create_time─┬─comment─┐
│  0 │  2019-12-12 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘
┌─id─┬─create_time─┬─comment─┐
│  1 │  2019-12-13 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘
┌─id─┬─create_time─┬─comment─┐
│  1 │  2019-12-13 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘
┌─id─┬─create_time─┬─comment─┐
│  2 │  2019-12-14 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘


-- 強制背景compaction：
optimize table test_tbl_replacing final;


-- 再次查詢：主鍵重複的資料已經消失。
select count(*) from test_tbl_replacing;
┌─count()─┐
│       3 │
└─────────┘

select * from test_tbl_replacing;
┌─id─┬─create_time─┬─comment─┐
│  2 │  2019-12-14 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘
┌─id─┬─create_time─┬─comment─┐
│  1 │  2019-12-13 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘
┌─id─┬─create_time─┬─comment─┐
│  0 │  2019-12-12 │ ᴺᵁᴸᴸ    │
└────┴─────────────┴─────────┘

雖然ReplacingMergeTree提供了主鍵去重的能力，但是仍舊有以下限制：

在沒有徹底optimize之前，可能無法達到主鍵去重的效果，比如部分資料已經被去重，而另外一部分資料仍舊有主鍵重複；
在分布式場景下，相同primary key的資料可能被sharding到不同節點上，不同shard間可能無法去重；
optimize是背景動作，無法預測具體執行時間點；
手動執行optimize在海量資料場景下要消耗大量時間，無法滿足業務即時查詢的需求；

是以ReplacingMergeTree更多被用于確定資料最終被去重，而無法保證查詢過程中主鍵不重複。

CollapsingMergeTree

ClickHouse實作了CollapsingMergeTree來消除ReplacingMergeTree的限制。該引擎要求在建表語句中指定一個标記列Sign，背景Compaction時會将主鍵相同、Sign相反的行進行折疊，也即删除。

CollapsingMergeTree将行按照Sign的值分為兩類：Sign=1的行稱之為狀态行，Sign=-1的行稱之為取消行。

每次需要新增狀态時，寫入一行狀态行；需要删除狀态時，則寫入一行取消行。

在背景Compaction時，狀态行與取消行會自動做折疊（删除）處理。而尚未進行Compaction的資料，狀态行與取消行同時存在。

是以為了能夠達到主鍵折疊（删除）的目的，需要業務層進行适當改造：

1）執行删除操作需要寫入取消行，而取消行中需要包含與原始狀态行一樣的資料（Sign列除外）。是以在應用層需要記錄原始狀态行的值，或者在執行删除操作前先查詢資料庫擷取原始狀态行；

2）由于背景Compaction時機無法預測，在發起查詢時，狀态行和取消行可能尚未被折疊；另外，ClickHouse無法保證primary key相同的行落在同一個節點上，不在同一節點上的資料無法折疊。是以在進行count(*)、sum(col)等聚合計算時，可能會存在資料備援的情況。為了獲得正确結果，業務層需要改寫SQL，将

count()、sum(col)

分别改寫為

sum(Sign)、sum(col * Sign)

。

以下用示例說明：

-- 建表
CREATE TABLE UAct
(
    UserID UInt64,
    PageViews UInt8,
    Duration UInt8,
    Sign Int8
)
ENGINE = CollapsingMergeTree(Sign)
ORDER BY UserID;

-- 插入狀态行，注意sign一列的值為1
INSERT INTO UAct VALUES (4324182021466249494, 5, 146, 1);

-- 插入一行取消行，用于抵消上述狀态行。注意sign一列的值為-1，其餘值與狀态行一緻；
-- 并且插入一行主鍵相同的新狀态行，用來将PageViews從5更新至6，将Duration從146更新為185.
INSERT INTO UAct VALUES (4324182021466249494, 5, 146, -1), (4324182021466249494, 6, 185, 1);

-- 查詢資料：可以看到未Compaction之前，狀态行與取消行共存。
SELECT * FROM UAct;
┌──────────────UserID─┬─PageViews─┬─Duration─┬─Sign─┐
│ 4324182021466249494 │         5 │      146 │   -1 │
│ 4324182021466249494 │         6 │      185 │    1 │
└─────────────────────┴───────────┴──────────┴──────┘
┌──────────────UserID─┬─PageViews─┬─Duration─┬─Sign─┐
│ 4324182021466249494 │         5 │      146 │    1 │
└─────────────────────┴───────────┴──────────┴──────┘

-- 為了擷取正确的sum值，需要改寫SQL： 
-- sum(PageViews) => sum(PageViews * Sign)、 
-- sum(Duration) => sum(Duration * Sign)
SELECT
    UserID,
    sum(PageViews * Sign) AS PageViews,
    sum(Duration * Sign) AS Duration
FROM UAct
GROUP BY UserID
HAVING sum(Sign) > 0;
┌──────────────UserID─┬─PageViews─┬─Duration─┐
│ 4324182021466249494 │         6 │      185 │
└─────────────────────┴───────────┴──────────┘


-- 強制背景Compaction
optimize table UAct final;

-- 再次查詢，可以看到狀态行、取消行已經被折疊，隻剩下最新的一行狀态行。
select * from UAct;
┌──────────────UserID─┬─PageViews─┬─Duration─┬─Sign─┐
│ 4324182021466249494 │         6 │      185 │    1 │
└─────────────────────┴───────────┴──────────┴──────┘

CollapsingMergeTree雖然解決了主鍵相同的資料即時删除的問題，但是狀态持續變化且多線程并行寫入情況下，狀态行與取消行位置可能亂序，導緻無法正常折疊。

如下面例子所示：

亂序插入示例。

-- 建表
CREATE TABLE UAct_order
(
    UserID UInt64,
    PageViews UInt8,
    Duration UInt8,
    Sign Int8
)
ENGINE = CollapsingMergeTree(Sign)
ORDER BY UserID;

-- 先插入取消行
INSERT INTO UAct_order VALUES (4324182021466249495, 5, 146, -1);
-- 後插入狀态行
INSERT INTO UAct_order VALUES (4324182021466249495, 5, 146, 1);

-- 強制Compaction
optimize table UAct_order final;

-- 可以看到即便Compaction之後也無法進行主鍵折疊: 2行資料仍舊都存在。
select * from UAct_order;
┌──────────────UserID─┬─PageViews─┬─Duration─┬─Sign─┐
│ 4324182021466249495 │         5 │      146 │   -1 │
│ 4324182021466249495 │         5 │      146 │    1 │
└─────────────────────┴───────────┴──────────┴──────┘

VersionedCollapsingMergeTree

為了解決CollapsingMergeTree亂序寫入情況下無法正常折疊問題，VersionedCollapsingMergeTree表引擎在建表語句中新增了一列Version，用于在亂序情況下記錄狀态行與取消行的對應關系。主鍵相同，且Version相同、Sign相反的行，在Compaction時會被删除。

與CollapsingMergeTree類似，為了獲得正确結果，業務層需要改寫SQL，将

count()、sum(col)

sum(Sign)、sum(col * Sign)

亂序插入示例。

-- 建表
CREATE TABLE UAct_version
(
    UserID UInt64,
    PageViews UInt8,
    Duration UInt8,
    Sign Int8,
    Version UInt8
)
ENGINE = VersionedCollapsingMergeTree(Sign, Version)
ORDER BY UserID;


-- 先插入一行取消行，注意Signz=-1, Version=1
INSERT INTO UAct_version VALUES (4324182021466249494, 5, 146, -1, 1);
-- 後插入一行狀态行，注意Sign=1, Version=1；及一行新的狀态行注意Sign=1, Version=2，将PageViews從5更新至6，将Duration從146更新為185。
INSERT INTO UAct_version VALUES (4324182021466249494, 5, 146, 1, 1),(4324182021466249494, 6, 185, 1, 2);


-- 查詢可以看到未compaction情況下，所有行都可見。
SELECT * FROM UAct_version;
┌──────────────UserID─┬─PageViews─┬─Duration─┬─Sign─┐
│ 4324182021466249494 │         5 │      146 │   -1 │
│ 4324182021466249494 │         6 │      185 │    1 │
└─────────────────────┴───────────┴──────────┴──────┘
┌──────────────UserID─┬─PageViews─┬─Duration─┬─Sign─┐
│ 4324182021466249494 │         5 │      146 │    1 │
└─────────────────────┴───────────┴──────────┴──────┘


-- 為了擷取正确的sum值，需要改寫SQL： 
-- sum(PageViews) => sum(PageViews * Sign)、 
-- sum(Duration) => sum(Duration * Sign)
SELECT
    UserID,
    sum(PageViews * Sign) AS PageViews,
    sum(Duration * Sign) AS Duration
FROM UAct_version
GROUP BY UserID
HAVING sum(Sign) > 0;
┌──────────────UserID─┬─PageViews─┬─Duration─┐
│ 4324182021466249494 │         6 │      185 │
└─────────────────────┴───────────┴──────────┘


-- 強制背景Compaction
optimize table UAct_version final;


-- 再次查詢，可以看到即便取消行與狀态行位置亂序，仍舊可以被正确折疊。
select * from UAct_version;
┌──────────────UserID─┬─PageViews─┬─Duration─┬─Sign─┬─Version─┐
│ 4324182021466249494 │         6 │      185 │    1 │       2 │
└─────────────────────┴───────────┴──────────┴──────┴─────────┘

SummingMergeTree

ClickHouse通過SummingMergeTree來支援對主鍵列進行預先聚合。在背景Compaction時，會将主鍵相同的多行進行sum求和，然後使用一行資料取而代之，進而大幅度降低存儲空間占用，提升聚合計算性能。

值得注意的是：

ClickHouse隻在背景Compaction時才會進行資料的預先聚合，而compaction的執行時機無法預測，是以可能存在部分資料已經被預先聚合、部分資料尚未被聚合的情況。是以，在執行聚合計算時，SQL中仍需要使用GROUP BY子句。
在預先聚合時，ClickHouse會對主鍵列之外的其他所有列進行預聚合。如果這些列是可聚合的（比如數值類型），則直接sum；如果不可聚合（比如String類型），則随機選擇一個值。
通常建議将SummingMergeTree與MergeTree配合使用，使用MergeTree來存儲具體明細，使用SummingMergeTree來存儲預先聚合的結果加速查詢。

-- 建表
CREATE TABLE summtt
(
    key UInt32,
    value UInt32
)
ENGINE = SummingMergeTree()
ORDER BY key

-- 插入資料
INSERT INTO summtt Values(1,1),(1,2),(2,1)

-- compaction前查詢，仍存在多行
select * from summtt;
┌─key─┬─value─┐
│   1 │     1 │
│   1 │     2 │
│   2 │     1 │
└─────┴───────┘

-- 通過GROUP BY進行聚合計算
SELECT key, sum(value) FROM summtt GROUP BY key
┌─key─┬─sum(value)─┐
│   2 │          1 │
│   1 │          3 │
└─────┴────────────┘

-- 強制compaction
optimize table summtt final;

-- compaction後查詢，可以看到資料已經被預先聚合
select * from summtt;
┌─key─┬─value─┐
│   1 │     3 │
│   2 │     1 │
└─────┴───────┘


-- compaction後，仍舊需要通過GROUP BY進行聚合計算
SELECT key, sum(value) FROM summtt GROUP BY key
┌─key─┬─sum(value)─┐
│   2 │          1 │
│   1 │          3 │
└─────┴────────────┘

AggregatingMergeTree

AggregatingMergeTree也是預先聚合引擎的一種，用于提升聚合計算的性能。與SummingMergeTree的差別在于：SummingMergeTree對非主鍵列進行sum聚合，而AggregatingMergeTree則可以指定各種聚合函數。

AggregatingMergeTree的文法比較複雜，需要結合物化視圖或ClickHouse的特殊資料類型AggregateFunction一起使用。在insert和select時，也有獨特的寫法和要求：寫入時需要使用-State文法，查詢時使用-Merge文法。

以下通過示例進行介紹。

示例一：配合物化視圖使用。

-- 建立明細表
CREATE TABLE visits
(
    UserID UInt64,
    CounterID UInt8,
    StartDate Date,
    Sign Int8
)
ENGINE = CollapsingMergeTree(Sign)
ORDER BY UserID;

-- 對明細表建立物化視圖，該物化視圖對明細表進行預先聚合
-- 注意：預先聚合使用的函數分别為： sumState, uniqState。對應于寫入文法<agg>-State.
CREATE MATERIALIZED VIEW visits_agg_view
ENGINE = AggregatingMergeTree() PARTITION BY toYYYYMM(StartDate) ORDER BY (CounterID, StartDate)
AS SELECT
    CounterID,
    StartDate,
    sumState(Sign)    AS Visits,
    uniqState(UserID) AS Users
FROM visits
GROUP BY CounterID, StartDate;

-- 插入明細資料
INSERT INTO visits VALUES(0, 0, '2019-11-11', 1);
INSERT INTO visits VALUES(1, 1, '2019-11-12', 1);

-- 對物化視圖進行最終的聚合操作
-- 注意：使用的聚合函數為 sumMerge， uniqMerge。對應于查詢文法<agg>-Merge.
SELECT
    StartDate,
    sumMerge(Visits) AS Visits,
    uniqMerge(Users) AS Users
FROM visits_agg_view
GROUP BY StartDate
ORDER BY StartDate;

-- 普通函數 sum, uniq不再可以使用
-- 如下SQL會報錯： Illegal type AggregateFunction(sum, Int8) of argument 
SELECT
    StartDate,
    sum(Visits),
    uniq(Users)
FROM visits_agg_view
GROUP BY StartDate
ORDER BY StartDate;

示例二：配合特殊資料類型AggregateFunction使用。

-- 建立明細表
CREATE TABLE detail_table
(   CounterID UInt8,
    StartDate Date,
    UserID UInt64
) ENGINE = MergeTree() 
PARTITION BY toYYYYMM(StartDate) 
ORDER BY (CounterID, StartDate);

-- 插入明細資料
INSERT INTO detail_table VALUES(0, '2019-11-11', 1);
INSERT INTO detail_table VALUES(1, '2019-11-12', 1);

-- 建立預先聚合表，
-- 注意：其中UserID一列的類型為：AggregateFunction(uniq, UInt64)
CREATE TABLE agg_table
(   CounterID UInt8,
    StartDate Date,
    UserID AggregateFunction(uniq, UInt64)
) ENGINE = AggregatingMergeTree() 
PARTITION BY toYYYYMM(StartDate) 
ORDER BY (CounterID, StartDate);

-- 從明細表中讀取資料，插入聚合表。
-- 注意：子查詢中使用的聚合函數為 uniqState， 對應于寫入文法<agg>-State
INSERT INTO agg_table
select CounterID, StartDate, uniqState(UserID)
from detail_table
group by CounterID, StartDate

-- 不能使用普通insert語句向AggregatingMergeTree中插入資料。
-- 本SQL會報錯：Cannot convert UInt64 to AggregateFunction(uniq, UInt64)
INSERT INTO agg_table VALUES(1, '2019-11-12', 1);

-- 從聚合表中查詢。
-- 注意：select中使用的聚合函數為uniqMerge，對應于查詢文法<agg>-Merge
SELECT uniqMerge(UserID) AS state 
FROM agg_table 
GROUP BY CounterID, StartDate;

結語

ClickHouse提供了豐富多樣的表引擎，應對不同的業務需求。本文概覽了ClickHouse的表引擎，同時對于MergeTree系清單引擎進行了詳細對比和樣例示範。

在這些表引擎之外，ClickHouse還提供了Replicated、Distributed等進階表引擎，我們會在後續進一步深度解讀。

寫在最後

阿裡雲已經率先推出了ClickHouse的雲托管産品，産品首頁位址：

雲資料庫ClickHouse

，目前正在免費公測中，歡迎大家點選連結申請免費試用。

我們也開通了阿裡雲ClickHouse釘釘交流群，通過專業的資料庫專家為客戶提供咨詢、答疑服務。歡迎大家任選如下方式入群交流，我們将會定期推送ClickHouse最佳實踐、操作指南、原了解讀等深度文章。

方式一：使用釘釘搜尋群号 23300515
方式二：使用釘釘掃描下方二維碼

ClickHouse表引擎到底怎麼選

引言

ClickHouse表引擎概覽

Log系列

Integration系列

Special系列

MergeTree系列

MergeTree

ReplacingMergeTree

CollapsingMergeTree

VersionedCollapsingMergeTree

SummingMergeTree

AggregatingMergeTree

結語

寫在最後

繼續閱讀

Ubuntu16.04安裝Apache+MySQL+PHP1. 安裝Apache2. 安裝MySQL3. 安裝PHP4. 安裝phpMyAdmin

Linxu常用指令技巧彙總

ERROR 1 (HY000): Can't create/write to file '/tmp/#sql_4188_1.MYI' (Errcode: 28)

艱難安裝LDAP,SSL認證

《Linux指令行與Shell腳本程式設計大全第2版.布盧姆》pdf

MySQL的4種隔離級别？出現問題

XX系統實施過程問題總結

無元件上傳圖檔到資料庫中，最完整解決方案

【MySQL資料庫】資料庫索引事務1.索引2.事務

neo4j之cypher使用文檔

NOSQL安全攻擊

mybatis_入門程式Mybatis入門

mysql使用source指令導入.sql檔案

登入plsql 報錯 the account is locked --使用者被鎖

sqlServer根據經緯查距離

SequoiaDB巨杉資料庫C++驅動概述