1.數據記錄數多,數據記錄小
查詢現象: 檢索速度低、內存佔用大(存儲數據的索引),硬盤讀取壓力大,硬盤尋址壓力大,條件檢索和聚合檢索(效果不明顯)
優化思路:對數據進行格式化處理,實時將統計信息進行存儲,進行數據分表以避免對不必要數據的檢索,硬件上要購買尋址能力強的存儲設備和部署方案
2.數據記錄數少,數據文件大
查詢現象:I/O壓力大,寫操作難度比較大,條件檢索的效果明顯,全表檢索難度大,硬盤的I/O壓力大於寫操作的壓力。
1.數據記錄數多,數據記錄小
查詢現象: 檢索速度低、內存佔用大(存儲數據的索引),硬盤讀取壓力大,硬盤尋址壓力大,條件檢索和聚合檢索(效果不明顯)
優化思路:對數據進行格式化處理,實時將統計信息進行存儲,進行數據分表以避免對不必要數據的檢索,硬件上要購買尋址能力強的存儲設備和部署方案
2.數據記錄數少,數據文件大
查詢現象:I/O壓力大,寫操作難度比較大,條件檢索的效果明顯,全表檢索難度大,硬盤的I/O壓力大於寫操作的壓力。
ThreadLocal的使用,,,實際上相當於維護了一個Map,其中以鍵值對的形式,存儲了某一個數據被多個線程訪問所對應的值。當然這個數據只能有
JSONArray序列化日期最初用到, 這個是全局設置,會有風險。 String[] dateFormats = new String[] {"yyyyMMdd"}; JSONUtils.getM