SlideShare ist ein Scribd-Unternehmen logo
1 von 34
Downloaden Sie, um offline zu lesen
MySQL运维那些事
	
  
叶金荣	
  
2015.06.06
模式设计、优化
InnoDB表主键设计
•  默认地,采用INT	
  AUTO_INCREMENT作为主键	
  
•  读多写少的从库或归档库除外	
  
•  优点	
  
•  B+Tree分裂代价小,写入效率相对高9%+	
  
•  该字段和业务无关,变更灵活	
  
•  类似分页场景中,表连接效率更高	
  
•  缺点	
  
•  基于secondary	
  key查找时,需要多一次读	
  
•  多占用一些存储空间	
  
	
  
案例: hAp://t.cn/RhJlR9n	
  	
  hAp://t.cn/RPGkTeI	
  
BIGINT/char(3)/TINYINT
•  type列:8-­‐bytes	
  vs	
  3(实际*3)-­‐bytes	
  vs	
  1-­‐byte	
  
•  1000万行记录,type列分别采用上述三种类型	
  
•  存储空间对比	
  
•  char(3)相比Rnyint大280MB	
  
•  bigint相比Rnyint大136MB	
  
BIGINT/char(3)/TINYINT
•  type列:8-­‐bytes	
  vs	
  3(实际*3)-­‐bytes	
  vs	
  1-­‐byte	
  
•  1000万行记录,type列分别采用上述三种类型	
  
•  根据PK随机读取1000万次	
  
•  char(3)相比Rnyint多691MB	
  
•  bigint相比Rnyint多3758MB	
  
BIGINT/char(3)/TINYINT
•  type列:8-­‐bytes	
  vs	
  3(实际*3)-­‐bytes	
  vs	
  1-­‐byte	
  
•  1000万行记录,type列分别采用上述三种类型	
  
•  根据type列(有索引)随机读取50万次	
  
•  char(3)相比Rnyint多423MB	
  
•  bigint相比Rnyint多446MB	
  
•  char(3)还有隐式类型转换风险	
  
•  综上,强烈建议小范围的枚举型采用Rnyint	
  
TEXT/BLOB有多糟糕
•  超长TEXT/BLOB字段off-­‐page存储	
  
•  I/O效率差,消耗磁盘空间大,读写以及搜索效率也会差很多	
  
•  SELECT	
  *	
  的时候也会完全读取大字段	
  
•  哪怕只多出来1个字节,也会独自占用一个page	
  
•  案例	
  
•  大量的TEXT字段尽量对齐重整	
  
•  原先100G的大表拆分成多个子表	
  
•  总大小也只有原来的1/4	
  
•  建议:少用TEXT,或者分离到子表上	
  
还要用TIMESTAMP代替DATETIME吗
•  5.6.5以前确实强烈建议这么做	
  
•  5.6.5以后基本可忽略这个规范了	
  
•  5-­‐bytes(之前是8-­‐bytes)	
  vs	
  4-­‐bytes	
  
•  DATETIME支持的范围更大	
  
•  DATETIME也支持初始及自动更新成CURRENT_TIMESTAMP	
  
•  综上,根据实际情况选择吧	
  
联合索引怎么用
•  哪个不能完整用到联合索引k1(c1,	
  c2,	
  c3)	
  
	
  WHERE	
  c1	
  =	
  ?	
  AND	
  c2	
  IN	
  (?,	
  ?)	
  AND	
  c3	
  =	
  ?	
  
	
  WHERE	
  c1	
  =	
  ?	
  AND	
  c2	
  =?	
  ORDER	
  BY	
  	
  c3	
  
	
  WHERE	
  c3	
  =	
  ?	
  AND	
  c1	
  =	
  ?	
  AND	
  c2	
  IN	
  (?,	
  ?)	
  
	
  
	
  WHERE	
  c1	
  =	
  ?	
  AND	
  c2	
  IN	
  (?,	
  ?)	
  ORDER	
  BY	
  	
  c3	
  
建议新增 (c1,	
  c3)	
  索引	
  
√
x
√
√
JOIN中驱动表的选择
[employees]>EXPLAIN	
  SELECT	
  b.emp_no,a.Rtle,a.from_date,a.to_date	
  
	
  	
  	
  	
  -­‐>	
  FROM	
  Rtles	
  a	
  
	
  	
  	
  	
  -­‐>	
  INNER	
  JOIN	
  employees	
  b	
  
	
  	
  	
  	
  -­‐>	
  on	
  a.emp_no	
  =	
  b.emp_no;	
  
JOIN中驱动表的选择
[employees]>EXPLAIN	
  SELECT	
  b.emp_no,a.Rtle,a.from_date,a.to_date	
  
	
  	
  	
  	
  -­‐>	
  FROM	
  Rtles	
  a	
  
	
  	
  	
  	
  -­‐>	
  LEFT	
  JOIN	
  employees	
  b	
  
	
  	
  	
  	
  -­‐>	
  on	
  a.emp_no	
  =	
  b.emp_no;	
  
JOIN中驱动表的选择
[employees]>EXPLAIN	
  SELECT	
  b.emp_no,a.Rtle,a.from_date,a.to_date	
  
	
  	
  	
  	
  -­‐>	
  FROM	
  Rtles	
  a	
  
	
  	
  	
  	
  -­‐>	
  STRAIGHT_JOIN	
  employees	
  b	
  
	
  	
  	
  	
  -­‐>	
  on	
  a.emp_no	
  =	
  b.emp_no;	
  
JOIN中驱动表的选择
	
  
	
  
	
  
	
  
	
  
•  INNER	
  JOIN驱动顺序由优化器指定,有时会选择错误,可用LEFT	
  
JOIN或STRAIGHT_JOIN指定顺序,但要注意结果的正确性	
  
•  案例:hAp://t.cn/RZV2Fya	
  
SQL怎么写不会踩坑
•  写法1:UPDATE	
  t1	
  SET	
  c3	
  =	
  ‘v3’	
  WHERE	
  
	
  	
  	
  	
  	
  	
  	
  c1	
  =	
  @c1	
  AND	
  
	
  	
  	
  	
  	
  	
  	
  c2	
  =	
  @c2;	
  
•  写法2:UPDATE	
  t1	
  SET	
  c3	
  =	
  ‘v3’	
  WHERE	
  c1	
  =	
  @c1	
  
	
  	
  	
  	
  	
  	
  	
  AND	
  c2	
  =	
  @c2;	
  
•  写法3:UPDATE	
  t1	
  SET	
  c3	
  =	
  ‘v3’	
  WHERE	
  1	
  =	
  1	
  
	
  	
  	
  	
  	
  	
  	
  AND	
  c1	
  =	
  @c1	
  
	
  	
  	
  	
  	
  	
  	
  AND	
  c2	
  =	
  @c2;	
  
模式设计总结
•  字段长度够用就好	
  
•  用好索引,尤其是联合索引	
  
•  关注新版本的变化,比如5.7里的很多新特性非常诱人	
  
•  自己多动手,不要“听说、据说”	
  
关于架构设计
分库分表真的有必要吗
•  为什么提倡分库分表	
  
•  好处,单实例压力小,单节点故障影响范围小	
  
•  坏处,架构更复杂,逻辑实现更麻烦	
  
•  那么,你想清楚了吗	
  
•  建议量力而行	
  
前端cache/nosql层重要吗
•  如果没有cache/nosql层会怎样	
  
•  数十万级tps	
  vs	
  数千级tps	
  
•  每秒数万次简单UPDATE	
  COUNT+1就能搞垮MySQL	
  
•  点击数、阅读数无需实时存盘,更新到nosql层	
  
•  不常更新但频繁读取的数据,放在cache层	
  
•  简单K-­‐V数据放在nosql层	
  
什么样的高可用方案是最合适的
•  简单的,用keepalived管理双主/主从两个节点	
  
•  略复杂的,用MHA管理1主(或双主)多从	
  
•  或者,也可以考虑PXC方案	
  
•  更大一些的,用ZK管理集群	
  
•  哪个用的最顺手,就选择哪个	
  
•  全自动还是半自动切换呢?心里没底时,就先半自动吧	
  
运维经验
单表大小建议
•  物理大小不超过10G	
  
•  行数不过亿	
  
•  平均物理行长度不超过8KB	
  
最好还是关闭query  cache吧
•  query	
  cache大多数情况下鸡肋,最好关闭	
  
•  QC锁是全局锁,每次更新QC的内存块锁代价高,很容易出现
WaiRng	
  for	
  query	
  cache	
  lock状态	
  
•  想关闭query	
  cache的话,size和type两个选项都设为0	
  
•  参考:hAp://t.cn/RAF4d7z	
  	
  hAp://t.cn/RAF4d7Z	
  
分支版本选择个人看法
•  优先选择Percona	
  
•  其次才是MariaDB	
  
•  未来更看好MariaDB,其更具核心竞争力	
  
•  但MariaDB和ORACLE	
  MySQL越离越远,兼容性是个大问题	
  
•  用Percona/MariaDB时,记得开thread	
  pool
几个案例分享
案例一
•  too	
  many	
  connecRons的处理	
  
•  常规的做法是这样:想办法杀掉多余的连接,加大连接数	
  
•  其实应该是这样:限制连接数,设定max_user_connecRons	
  
•  如果是这样呢:extra-­‐port	
  
•  建议:定时检查,干掉慢查询,避免阻塞,自我保护
案例二
•  新初始化的slave实例启动时报告InnoDB数据页损坏错误	
  
•  原因	
  
•  redo	
  log	
  file大小和my.cnf配置值不一样	
  
•  5.6.8后会判断innodb_log_file_size值,决定是否自动重建redo	
  log	
  
•  重建后,导致部分数据丢失,发生page	
  crash	
  
案例: hAp://t.cn/RAYTCbP
关于运行环境
运行环境
•  raid卡:FORCE	
  WB	
  
运行环境
•  关闭numa	
  
运行环境
•  关闭numa	
  
运行环境
•  I/O,deadline	
  
•  ext3早已渣的不行了	
  
•  I/O压力不大时也可选择ext4,高I/O时选择xfs最可靠
Directory	
  
contents
File	
  alloca1on
xfs B+	
  trees B+	
  trees
ext4 Linked	
  list,	
  
hashed	
  B-­‐tree
Extents/Bitmap
运行环境
•  内核相关参数	
  
•  内存、I/O相关	
  
•  vm.swappiness,不高于5-­‐10	
  
•  /proc/sys/vm/dirty_background_raRo,不高于10	
  
•  /proc/sys/vm/dirty_raRo,不高于30,比dirty_background_raRo大,避免I/O子系统
hang住	
  
•  /sys/block/xxx/queue/read_ahead_kb,对读为主的场景影响较大,其余可不关注	
  
•  /sys/block/xxx/queue/nr_requests,对顺序写入为主的场景影响较大,其余可不关注	
  
•  网络相关	
  
•  net.ipv4.tcp_tw_recycle	
  =	
  1
•  net.ipv4.tcp_tw_reuse	
  =	
  1	
  
值得期待的5.7
•  官方号称比5.6快2倍多	
  
•  实际OLTP测试时,比Percona-­‐5.6还要快8%,但高并发时则慢了10%	
  
•  多源复制(mulR-­‐source	
  replicaRon)	
  
•  对于分库分表的场景尤其实用	
  
•  在线扩展VARCHAR列长度	
  
•  支持多个page	
  cleaner线程	
  
•  更好支持Fusion-­‐io设备	
  
•  在线修改innodb	
  buffer	
  pool大小	
  
•  EXPLAIN	
  for	
  Running	
  Queries	
  
•  InnoDB新增只读事务模式	
  
•  InnoDB	
  Faster	
  &	
  Parallel	
  Flushing	
  
•  以及查询优化器上的各种改进	
  
•  微信号 	
  
•  微博号	
  

Weitere ähnliche Inhalte

Was ist angesagt?

Mysql调优
Mysql调优Mysql调优
Mysql调优ken shin
 
Spark性能调优分享
Spark性能调优分享Spark性能调优分享
Spark性能调优分享Wenchun Xu
 
Leveldb background
Leveldb backgroundLeveldb background
Leveldb background宗志 陈
 
Mvcc (oracle, innodb, postgres)
Mvcc (oracle, innodb, postgres)Mvcc (oracle, innodb, postgres)
Mvcc (oracle, innodb, postgres)frogd
 
Spark streaming经验介绍
Spark streaming经验介绍Spark streaming经验介绍
Spark streaming经验介绍Wenchun Xu
 
基于Spring batch的大数据量并行处理
基于Spring batch的大数据量并行处理基于Spring batch的大数据量并行处理
基于Spring batch的大数据量并行处理Jacky Chi
 
InnoDB Transaction Lock and MVCC
InnoDB Transaction Lock and MVCCInnoDB Transaction Lock and MVCC
InnoDB Transaction Lock and MVCCfrogd
 
Google LevelDB Study Discuss
Google LevelDB Study DiscussGoogle LevelDB Study Discuss
Google LevelDB Study Discusseverestsun
 
数据库内核分享——第一期
数据库内核分享——第一期数据库内核分享——第一期
数据库内核分享——第一期frogd
 

Was ist angesagt? (11)

Mysql调优
Mysql调优Mysql调优
Mysql调优
 
Spark性能调优分享
Spark性能调优分享Spark性能调优分享
Spark性能调优分享
 
Leveldb background
Leveldb backgroundLeveldb background
Leveldb background
 
Mvcc (oracle, innodb, postgres)
Mvcc (oracle, innodb, postgres)Mvcc (oracle, innodb, postgres)
Mvcc (oracle, innodb, postgres)
 
Level db
Level dbLevel db
Level db
 
Spark streaming经验介绍
Spark streaming经验介绍Spark streaming经验介绍
Spark streaming经验介绍
 
基于Spring batch的大数据量并行处理
基于Spring batch的大数据量并行处理基于Spring batch的大数据量并行处理
基于Spring batch的大数据量并行处理
 
InnoDB Transaction Lock and MVCC
InnoDB Transaction Lock and MVCCInnoDB Transaction Lock and MVCC
InnoDB Transaction Lock and MVCC
 
Google LevelDB Study Discuss
Google LevelDB Study DiscussGoogle LevelDB Study Discuss
Google LevelDB Study Discuss
 
SMACK Dev Experience
SMACK Dev ExperienceSMACK Dev Experience
SMACK Dev Experience
 
数据库内核分享——第一期
数据库内核分享——第一期数据库内核分享——第一期
数据库内核分享——第一期
 

Andere mochten auch

从学校到职场
从学校到职场从学校到职场
从学校到职场LC2009
 
Managing Complex Transformations
Managing Complex TransformationsManaging Complex Transformations
Managing Complex TransformationsNiresh Rajah
 
HGConcept-ITOM-Service Centric Operations
HGConcept-ITOM-Service Centric OperationsHGConcept-ITOM-Service Centric Operations
HGConcept-ITOM-Service Centric OperationsHGConcept Inc.
 
An approach to a Floppy infant - Dr Sujit
An approach to a Floppy infant - Dr SujitAn approach to a Floppy infant - Dr Sujit
An approach to a Floppy infant - Dr SujitSujit Shrestha
 
approach to a floppy infant
approach to a floppy infantapproach to a floppy infant
approach to a floppy infantAnil Kumar KM
 
Professional Etiquette At The Workplace
Professional Etiquette At The WorkplaceProfessional Etiquette At The Workplace
Professional Etiquette At The WorkplaceRajiv Bajaj
 
The Workforce Engages
The Workforce EngagesThe Workforce Engages
The Workforce EngagesWebtrends
 
Bridging the Gap Between Data Science & Engineer: Building High-Performance T...
Bridging the Gap Between Data Science & Engineer: Building High-Performance T...Bridging the Gap Between Data Science & Engineer: Building High-Performance T...
Bridging the Gap Between Data Science & Engineer: Building High-Performance T...ryanorban
 

Andere mochten auch (12)

从学校到职场
从学校到职场从学校到职场
从学校到职场
 
Managing Complex Transformations
Managing Complex TransformationsManaging Complex Transformations
Managing Complex Transformations
 
Dr dinakar talk
Dr dinakar talkDr dinakar talk
Dr dinakar talk
 
Evidence based neonatology
Evidence based neonatologyEvidence based neonatology
Evidence based neonatology
 
Code review
Code reviewCode review
Code review
 
HGConcept-ITOM-Service Centric Operations
HGConcept-ITOM-Service Centric OperationsHGConcept-ITOM-Service Centric Operations
HGConcept-ITOM-Service Centric Operations
 
An approach to a Floppy infant - Dr Sujit
An approach to a Floppy infant - Dr SujitAn approach to a Floppy infant - Dr Sujit
An approach to a Floppy infant - Dr Sujit
 
approach to a floppy infant
approach to a floppy infantapproach to a floppy infant
approach to a floppy infant
 
Textile research & innovation from 2005 to 2025
Textile research & innovation from 2005 to 2025Textile research & innovation from 2005 to 2025
Textile research & innovation from 2005 to 2025
 
Professional Etiquette At The Workplace
Professional Etiquette At The WorkplaceProfessional Etiquette At The Workplace
Professional Etiquette At The Workplace
 
The Workforce Engages
The Workforce EngagesThe Workforce Engages
The Workforce Engages
 
Bridging the Gap Between Data Science & Engineer: Building High-Performance T...
Bridging the Gap Between Data Science & Engineer: Building High-Performance T...Bridging the Gap Between Data Science & Engineer: Building High-Performance T...
Bridging the Gap Between Data Science & Engineer: Building High-Performance T...
 

Ähnlich wie MySQL运维那些事

Mysql数据库开发的三十六条军规 石展_完整
Mysql数据库开发的三十六条军规 石展_完整Mysql数据库开发的三十六条军规 石展_完整
Mysql数据库开发的三十六条军规 石展_完整Yousri Yan
 
My sql数据库开发的三十六条军规
My sql数据库开发的三十六条军规My sql数据库开发的三十六条军规
My sql数据库开发的三十六条军规isnull
 
MySQL数据库开发的三十六条军规
MySQL数据库开发的三十六条军规MySQL数据库开发的三十六条军规
MySQL数据库开发的三十六条军规mysqlops
 
MySQL运维那些事
MySQL运维那些事MySQL运维那些事
MySQL运维那些事Jinrong Ye
 
服务器基准测试-叶金荣@CYOU-20121130
服务器基准测试-叶金荣@CYOU-20121130服务器基准测试-叶金荣@CYOU-20121130
服务器基准测试-叶金荣@CYOU-20121130Jinrong Ye
 
诗檀软件 Oracle开发优化基础
诗檀软件 Oracle开发优化基础 诗檀软件 Oracle开发优化基础
诗檀软件 Oracle开发优化基础 maclean liu
 
Mysql fast share
Mysql fast shareMysql fast share
Mysql fast sharerfyiamcool
 
Hacking Nginx at Taobao
Hacking Nginx at TaobaoHacking Nginx at Taobao
Hacking Nginx at TaobaoJoshua Zhu
 
浅谈 My sql 性能调优
浅谈 My sql 性能调优浅谈 My sql 性能调优
浅谈 My sql 性能调优thinkinlamp
 
MySQL应用优化实践
MySQL应用优化实践MySQL应用优化实践
MySQL应用优化实践mysqlops
 
分布式Key Value Store漫谈
分布式Key Value Store漫谈分布式Key Value Store漫谈
分布式Key Value Store漫谈Tim Y
 
分布式Key-value漫谈
分布式Key-value漫谈分布式Key-value漫谈
分布式Key-value漫谈lovingprince58
 
Nosql三步曲
Nosql三步曲Nosql三步曲
Nosql三步曲84zhu
 
MySQL多机房容灾设计(with Multi-Master)
MySQL多机房容灾设计(with Multi-Master)MySQL多机房容灾设计(with Multi-Master)
MySQL多机房容灾设计(with Multi-Master)Lixun Peng
 
MySQL压力测试经验
MySQL压力测试经验MySQL压力测试经验
MySQL压力测试经验Jinrong Ye
 
How do we manage more than one thousand of Pegasus clusters - backend part
How do we manage more than one thousand of Pegasus clusters - backend partHow do we manage more than one thousand of Pegasus clusters - backend part
How do we manage more than one thousand of Pegasus clusters - backend partacelyc1112009
 
分布式存储与TDDL
分布式存储与TDDL分布式存储与TDDL
分布式存储与TDDLmysqlops
 
基于MySQL开放复制协议的同步扩展
基于MySQL开放复制协议的同步扩展基于MySQL开放复制协议的同步扩展
基于MySQL开放复制协议的同步扩展Sky Jian
 
Web请求异步处理和海量数据即时分析在淘宝开放平台的实践
Web请求异步处理和海量数据即时分析在淘宝开放平台的实践Web请求异步处理和海量数据即时分析在淘宝开放平台的实践
Web请求异步处理和海量数据即时分析在淘宝开放平台的实践mysqlops
 
李战怀 大数据环境下数据存储与管理的研究
李战怀 大数据环境下数据存储与管理的研究李战怀 大数据环境下数据存储与管理的研究
李战怀 大数据环境下数据存储与管理的研究jins0618
 

Ähnlich wie MySQL运维那些事 (20)

Mysql数据库开发的三十六条军规 石展_完整
Mysql数据库开发的三十六条军规 石展_完整Mysql数据库开发的三十六条军规 石展_完整
Mysql数据库开发的三十六条军规 石展_完整
 
My sql数据库开发的三十六条军规
My sql数据库开发的三十六条军规My sql数据库开发的三十六条军规
My sql数据库开发的三十六条军规
 
MySQL数据库开发的三十六条军规
MySQL数据库开发的三十六条军规MySQL数据库开发的三十六条军规
MySQL数据库开发的三十六条军规
 
MySQL运维那些事
MySQL运维那些事MySQL运维那些事
MySQL运维那些事
 
服务器基准测试-叶金荣@CYOU-20121130
服务器基准测试-叶金荣@CYOU-20121130服务器基准测试-叶金荣@CYOU-20121130
服务器基准测试-叶金荣@CYOU-20121130
 
诗檀软件 Oracle开发优化基础
诗檀软件 Oracle开发优化基础 诗檀软件 Oracle开发优化基础
诗檀软件 Oracle开发优化基础
 
Mysql fast share
Mysql fast shareMysql fast share
Mysql fast share
 
Hacking Nginx at Taobao
Hacking Nginx at TaobaoHacking Nginx at Taobao
Hacking Nginx at Taobao
 
浅谈 My sql 性能调优
浅谈 My sql 性能调优浅谈 My sql 性能调优
浅谈 My sql 性能调优
 
MySQL应用优化实践
MySQL应用优化实践MySQL应用优化实践
MySQL应用优化实践
 
分布式Key Value Store漫谈
分布式Key Value Store漫谈分布式Key Value Store漫谈
分布式Key Value Store漫谈
 
分布式Key-value漫谈
分布式Key-value漫谈分布式Key-value漫谈
分布式Key-value漫谈
 
Nosql三步曲
Nosql三步曲Nosql三步曲
Nosql三步曲
 
MySQL多机房容灾设计(with Multi-Master)
MySQL多机房容灾设计(with Multi-Master)MySQL多机房容灾设计(with Multi-Master)
MySQL多机房容灾设计(with Multi-Master)
 
MySQL压力测试经验
MySQL压力测试经验MySQL压力测试经验
MySQL压力测试经验
 
How do we manage more than one thousand of Pegasus clusters - backend part
How do we manage more than one thousand of Pegasus clusters - backend partHow do we manage more than one thousand of Pegasus clusters - backend part
How do we manage more than one thousand of Pegasus clusters - backend part
 
分布式存储与TDDL
分布式存储与TDDL分布式存储与TDDL
分布式存储与TDDL
 
基于MySQL开放复制协议的同步扩展
基于MySQL开放复制协议的同步扩展基于MySQL开放复制协议的同步扩展
基于MySQL开放复制协议的同步扩展
 
Web请求异步处理和海量数据即时分析在淘宝开放平台的实践
Web请求异步处理和海量数据即时分析在淘宝开放平台的实践Web请求异步处理和海量数据即时分析在淘宝开放平台的实践
Web请求异步处理和海量数据即时分析在淘宝开放平台的实践
 
李战怀 大数据环境下数据存储与管理的研究
李战怀 大数据环境下数据存储与管理的研究李战怀 大数据环境下数据存储与管理的研究
李战怀 大数据环境下数据存储与管理的研究
 

Mehr von Leo Zhou

第三名 3rd zhyict
第三名 3rd zhyict第三名 3rd zhyict
第三名 3rd zhyictLeo Zhou
 
异常检测在苏宁的实践
异常检测在苏宁的实践异常检测在苏宁的实践
异常检测在苏宁的实践Leo Zhou
 
第二名 2nd 火眼金睛
第二名 2nd 火眼金睛第二名 2nd 火眼金睛
第二名 2nd 火眼金睛Leo Zhou
 
第四名 4th H3C AI Institute
第四名 4th H3C AI Institute第四名 4th H3C AI Institute
第四名 4th H3C AI InstituteLeo Zhou
 
第一名 1st Bocoiops
第一名 1st Bocoiops第一名 1st Bocoiops
第一名 1st BocoiopsLeo Zhou
 
第六名 6th Aurora
第六名 6th Aurora第六名 6th Aurora
第六名 6th AuroraLeo Zhou
 
AI使能网络自动驾驶 AI Building Autonomous Driving Network
AI使能网络自动驾驶 AI Building Autonomous Driving NetworkAI使能网络自动驾驶 AI Building Autonomous Driving Network
AI使能网络自动驾驶 AI Building Autonomous Driving NetworkLeo Zhou
 
2.2 go在阿里云cdn系统的应用
2.2 go在阿里云cdn系统的应用2.2 go在阿里云cdn系统的应用
2.2 go在阿里云cdn系统的应用Leo Zhou
 
1.6 米嘉 gobuildweb
1.6 米嘉 gobuildweb1.6 米嘉 gobuildweb
1.6 米嘉 gobuildwebLeo Zhou
 
1.4 go在数据存储上面的应用—毛剑
1.4 go在数据存储上面的应用—毛剑1.4 go在数据存储上面的应用—毛剑
1.4 go在数据存储上面的应用—毛剑Leo Zhou
 
1.2 刘奇 go在分布式数据库中的应用
1.2 刘奇 go在分布式数据库中的应用1.2 刘奇 go在分布式数据库中的应用
1.2 刘奇 go在分布式数据库中的应用Leo Zhou
 
Protocol libraries the right way
Protocol libraries the right wayProtocol libraries the right way
Protocol libraries the right wayLeo Zhou
 
美团数据库运维平台介绍
美团数据库运维平台介绍美团数据库运维平台介绍
美团数据库运维平台介绍Leo Zhou
 
特卖场景下的大数据平台和机器学习实践
特卖场景下的大数据平台和机器学习实践特卖场景下的大数据平台和机器学习实践
特卖场景下的大数据平台和机器学习实践Leo Zhou
 
我的互联网运维理论与实践
我的互联网运维理论与实践我的互联网运维理论与实践
我的互联网运维理论与实践Leo Zhou
 
如何选择 Docker 监控方案
如何选择 Docker 监控方案如何选择 Docker 监控方案
如何选择 Docker 监控方案Leo Zhou
 
美团数据库运维平台介绍
美团数据库运维平台介绍美团数据库运维平台介绍
美团数据库运维平台介绍Leo Zhou
 
The net is dark and full of terrors - James Bennett
The net is dark and full of terrors - James BennettThe net is dark and full of terrors - James Bennett
The net is dark and full of terrors - James BennettLeo Zhou
 
Hypothesis randomised testing for django
Hypothesis randomised testing for djangoHypothesis randomised testing for django
Hypothesis randomised testing for djangoLeo Zhou
 
NoSQL@VIP — 唯品会NoSQL平台⾃动化发展及运维经验分享
NoSQL@VIP — 唯品会NoSQL平台⾃动化发展及运维经验分享NoSQL@VIP — 唯品会NoSQL平台⾃动化发展及运维经验分享
NoSQL@VIP — 唯品会NoSQL平台⾃动化发展及运维经验分享Leo Zhou
 

Mehr von Leo Zhou (20)

第三名 3rd zhyict
第三名 3rd zhyict第三名 3rd zhyict
第三名 3rd zhyict
 
异常检测在苏宁的实践
异常检测在苏宁的实践异常检测在苏宁的实践
异常检测在苏宁的实践
 
第二名 2nd 火眼金睛
第二名 2nd 火眼金睛第二名 2nd 火眼金睛
第二名 2nd 火眼金睛
 
第四名 4th H3C AI Institute
第四名 4th H3C AI Institute第四名 4th H3C AI Institute
第四名 4th H3C AI Institute
 
第一名 1st Bocoiops
第一名 1st Bocoiops第一名 1st Bocoiops
第一名 1st Bocoiops
 
第六名 6th Aurora
第六名 6th Aurora第六名 6th Aurora
第六名 6th Aurora
 
AI使能网络自动驾驶 AI Building Autonomous Driving Network
AI使能网络自动驾驶 AI Building Autonomous Driving NetworkAI使能网络自动驾驶 AI Building Autonomous Driving Network
AI使能网络自动驾驶 AI Building Autonomous Driving Network
 
2.2 go在阿里云cdn系统的应用
2.2 go在阿里云cdn系统的应用2.2 go在阿里云cdn系统的应用
2.2 go在阿里云cdn系统的应用
 
1.6 米嘉 gobuildweb
1.6 米嘉 gobuildweb1.6 米嘉 gobuildweb
1.6 米嘉 gobuildweb
 
1.4 go在数据存储上面的应用—毛剑
1.4 go在数据存储上面的应用—毛剑1.4 go在数据存储上面的应用—毛剑
1.4 go在数据存储上面的应用—毛剑
 
1.2 刘奇 go在分布式数据库中的应用
1.2 刘奇 go在分布式数据库中的应用1.2 刘奇 go在分布式数据库中的应用
1.2 刘奇 go在分布式数据库中的应用
 
Protocol libraries the right way
Protocol libraries the right wayProtocol libraries the right way
Protocol libraries the right way
 
美团数据库运维平台介绍
美团数据库运维平台介绍美团数据库运维平台介绍
美团数据库运维平台介绍
 
特卖场景下的大数据平台和机器学习实践
特卖场景下的大数据平台和机器学习实践特卖场景下的大数据平台和机器学习实践
特卖场景下的大数据平台和机器学习实践
 
我的互联网运维理论与实践
我的互联网运维理论与实践我的互联网运维理论与实践
我的互联网运维理论与实践
 
如何选择 Docker 监控方案
如何选择 Docker 监控方案如何选择 Docker 监控方案
如何选择 Docker 监控方案
 
美团数据库运维平台介绍
美团数据库运维平台介绍美团数据库运维平台介绍
美团数据库运维平台介绍
 
The net is dark and full of terrors - James Bennett
The net is dark and full of terrors - James BennettThe net is dark and full of terrors - James Bennett
The net is dark and full of terrors - James Bennett
 
Hypothesis randomised testing for django
Hypothesis randomised testing for djangoHypothesis randomised testing for django
Hypothesis randomised testing for django
 
NoSQL@VIP — 唯品会NoSQL平台⾃动化发展及运维经验分享
NoSQL@VIP — 唯品会NoSQL平台⾃动化发展及运维经验分享NoSQL@VIP — 唯品会NoSQL平台⾃动化发展及运维经验分享
NoSQL@VIP — 唯品会NoSQL平台⾃动化发展及运维经验分享
 

MySQL运维那些事