1.数据记录数多,数据记录小
查询现象: 检索速度低、内存占用大(存储数据的索引),硬盘读取压力大,硬盘寻址压力大,条件检索和聚合检索(效果不明显)
优化思路:对数据进行格式化处理,实时将统计信息进行存储,进行数据分表以避免对不必要数据的检索,硬件上要购买寻址能力强的存储设备和部署方案
2.数据记录数少,数据文件大
查询现象:I/O压力大,写操作难度比较大,条件检索的效果明显,全表检索难度大,硬盘的I/O压力大于写操作的压力。
1.数据记录数多,数据记录小
查询现象: 检索速度低、内存占用大(存储数据的索引),硬盘读取压力大,硬盘寻址压力大,条件检索和聚合检索(效果不明显)
优化思路:对数据进行格式化处理,实时将统计信息进行存储,进行数据分表以避免对不必要数据的检索,硬件上要购买寻址能力强的存储设备和部署方案
2.数据记录数少,数据文件大
查询现象:I/O压力大,写操作难度比较大,条件检索的效果明显,全表检索难度大,硬盘的I/O压力大于写操作的压力。
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