应用性能

当数据库性能无法满足预期时，你是否考虑过进行SQL应用重构？在考虑昂贵的硬件升级之前，通过《SQL应用重构》了解如何评估和发现需要改进的代码。本书教授快速修复方法，如减少对数据库的存储函数和过程调用，优化SQL语句以提高数据访问效率，以及通过存储过程和全面SQL语句取代重复的过程性代码。学习并行重构策略，以及使用模式扩展、视图优化等技术，最终加速应用性能。

这份内训PPT详细介绍了Oracle的架构，分享了优化经验，以及执行计划和AWR的简要概述。

随着大数据技术的发展，提升Spark应用的性能成为关键挑战。探讨了采用低成本的层次化方案来加速数据处理过程的方法。通过优化算法和资源配置，实现了对Spark应用性能的显著提升。这种方法不仅降低了成本，还保持了高效率和可扩展性。

动态SQL - 应用、性能与安全性：在面对不断变化的业务需求时，迅速响应与灵活性。

索引的一个主要目的是减少I/O操作。如果一个查询使用索引后执行的I/O操作比全表扫描还多，那么使用索引的效果就大打折扣了。在Oracle中，主键约束已经自动创建了唯一性索引，因此不需要为主键列再额外建立索引。

有效的应用设计将常见的应用分为两类：联机事务处理(OLTP)和决策支持系统(DSS)。联机事务处理(OLTP)是高吞吐量的系统，主要进行插入、更新和删除操作，适用于大容量数据的处理，并支持多用户同时访问，例如订票系统、银行业务系统和订单系统。OLTP系统的关键目标是保证可用性、速度、并发性和可恢复性。在设计这类系统时，需注意确保大量并发用户不会影响系统性能，同时避免过度使用索引和集群表，因为这些结构可能导致插入和更新操作变慢。

有效的应用设计将常见的应用分为两种类型：联机事务处理（OLTP）和决策支持系统（DSS）。OLTP系统是高吞吐量、经常进行插入、更新和删除操作的系统，特点是处理大容量数据并支持数百用户同时访问，典型如订票系统、银行业务系统和订单系统。其主要关注点包括可用性、速度、并发性和可恢复性。在设计这类系统时，需确保大量并发用户不影响系统性能，并避免过多的索引和集群表，因为这些结构会拖慢插入和更新操作的速度。

Matlab在性能分析与仿真方面有着广泛的应用。利用Matlab进行数据处理和模型仿真，可以有效提升工程实践中的效率和准确性。

面向大数据的 高性能计算：方法与应用 本书探讨了面向数据密集型应用的新兴高性能架构、提升数据处理效率的新型分析策略，以及机器学习、生命科学、神经网络和神经形态工程等多个领域的前沿应用。 全书结构分为两大部分。第一部分涵盖大数据架构，包括云计算系统和异构加速器，并介绍了面向内存架构和设备的新兴 3D IC 设计原则。第二部分展示了大数据在多个领域的新兴应用案例，包括生物信息学、深度学习和神经形态工程。 主要内容包括： 涵盖 Hadoop/Spark 等分布式系统在内的各种大数据架构 面向大数据应用的基于加速器的解决方案，例如基于 GPU 的加速技术 面向内存架构和设备的新兴 3D IC 设计原则 大数据在生物信息学、深度学习和神经形态工程等领域的应用案例

有效的应用设计将最常用的应用分为两种类型：联机事务处理类型(OLTP)和决策支持系统(DSS)。联机事务处理(OLTP)是一种高吞吐量，包含大量插入、更新和删除操作的系统，这些系统通常处理不断增长的大容量数据，能够同时为数百用户提供存取服务。典型的OLTP系统包括订票系统、银行业务系统和订单系统。OLTP的主要目标是确保系统的可用性、速度、并发性和可恢复性。在设计这些系统时，必须确保大量并发用户不会影响系统性能，还需避免使用过多的索引和聚簇表，因为这些结构可能会减慢插入和更新操作的速度。