当需要从数据库查询的表有上万条记录的时候，一次性查询所有结果会变得很慢，特别是随着数据量的增加特别明显，这时就需要使用分页查询。对于数据库分页查询，也有很多种方法和优化的点。谈优化前的准备工作为了对下面列举的一些优化进行测试，需要使用已有的一张表作为实际例子。表名：order\_history。描述：某个业务的订单历史表。主要字段

SQL注入，就是通过把SQL命令插入到Web表单提交或输入域名或页面请求的查询字符串，最终达到欺骗服务器执行恶意的SQL命令。具体来说，它是利用现有应用程序，将（恶意的）SQL命令注入到后台数据库引擎执行的能力，它可以通过在Web表单中输入（恶意）SQL语句得到一个存在安全漏洞的网站上的数据库，而不是按照设计者意图去执行SQL语句。比如先前的很多影视网站泄

        最近接手了一个旧的系统，各种陈旧的问题比较多，其中最棘手的就是操作数据库的部分，具体如下：　　1、核心库是一个最后修改时间为2008年的库，先不说有多陈旧，现在这个库只是一个DLL文件，没有源码，也已经没人知道里面都实现了些啥功能，就算你怀疑数据库读写有问题，也无法验证和调试，反编译出来的源码也没法用。2、这个库用的是S

“新建智能映射”：新建填报操作填报操作名称：设置这个填报操作的名称数据源：设置这个填报操作映射的数据源点击“下一步”，选择数据库表Schema：选择这个数据库的Schema。表名筛选：查找需要选择的数据表，不区分大小写。勾选需要填报的数据表，点击“下一步”，设置填报字段填报单元格：选择填报操作时，这个字段对应报表中的哪个字段的值。勾选主键：当数据进行填报时

1.数据切分概念数据的切分根据其切分规则的类型，可以分为两种切分模式。一种是按照不同的表（或者Schema）来切分到不同的数据库（主机）(https://jq.qq.com/?wv1027&k0IsBuUb0)之上，这种切可以称之为数据的垂直（纵向）切分；另外一则是根据表中的数据的逻辑关系，将同一个表中的数据按照某种条件拆分到多台数据库（主机）上面，这种切

中大概阐述了一下我们之前碰到过的一些应用开发中的痛点：现有的云数据库起步使用成本较高应用开发对团队的起步要求较高现有云数据库配置复杂这些痛点当然不是我们先发现的，也不是我们先要尝试解决的。Google早在2014年就收购了firebase，或许是对这些痛点认可的最佳佐证。就在前两天，InfoQ上发布了一篇翻译文章：，这其实是作者的副标题，原标题是，文章

简介过去几年来，出现了一种称为NoSQL的新型数据库管理系统。设计这些数据存储是为了克服在扩展传统关系数据库来处理一些应用程序时必须处理的数据负载类型的难题，比如说Amazon。这种可伸缩性的实现需要一定的代价：NoSQL系统通常不符合ACID（原子性、一致性、隔离和耐久性）；它们最终一致地表明，只要给定一定量的时间，所有数据更新最终都会

背景不知道是否你还在为下面的问题而困扰：当你使用了redis或者其他中间件做缓存的时候，经常发现缓存和数据库的数据不一致，只能通过定时任务或者缓存过期的方式去做一些限制。当你使用了ES做搜索工具，使用双写的那一套方法，还在为ES和数据库不是一个事务而担忧。当你需要迁移数据的时候，也还在使用双写的方法，如果是同一个数据

Kafka连接器是Kafka的一部分，是在Kafka和其它技术之间构建流式管道的一个强有力的框架。它可用于将数据从多个地方（包括数据库、消息队列和文本文件）流式注入到Kafka，以及从Kafka将数据流式传输到目标端（如文档存储、NoSQL、数据库、对象存储等）中。现实世界并不完美，出错是难免的，因此在出错时Kafka的管道能尽可能优雅地处理是最好的。一

上周在工作中遇到了一个问题场景，即查询商品的配件信息时（商品：配件为1：N的关系），如若商品并未配置配件信息，则查数据库为空，且不会加入缓存，这就会导致，下次在查询同样商品的配件时，由于缓存未命中，则仍旧会查底层数据库，所以缓存就一直未起到应有的作用，当并发流量大时，会很容易把DB打垮。缓存穿透问题缓存穿透是指查询一个根本不存在的数