openGauss使用BenchmarkSQL进行性能测试（上）

news2024/12/24 22:01:49

一、前言

本文提供openGauss使用BenchmarkSQL进行性能测试的方法和测试数据报告。

BenchmarkSQL，一个JDBC基准测试工具，内嵌了TPC-C测试脚本，支持很多数据库，如PostgreSQL、Oracle和Mysql等。

TPC-C是专门针对联机交易处理系统（OLTP系统）的规范，一般情况下我们也把这类系统称为业务处理系统。几乎所有在OLTP市场提供软硬平台的国外主流厂商都发布了相应的TPC-C测试结果，随着计算机技术的不断发展，这些测试结果也在不断刷新。

二、TPC-C 标准测试概述

1.模拟 5 种事务处理

1）新订单（New-Order）：事务内容：对于任意一个客户端,从固定的仓库随机选取 5-15 件商品,创建新订单.其中 1%的订单要由假想的用户操作失败而回滚。（主要特点：中量级、读写频繁、要求响应快）

2）支付操作(Payment)：事务内容：对于任意一个客户端,从固定的仓库随机选取一个辖区及其内用户,采用随机的金额支付一笔订单,并作相应历史纪录。（主要特点：轻量级，读写频繁，要求响应快）

3）订单状态查询(Order-Status)：事务内容：对于任意一个客户端,从固定的仓库随机选取一个辖区及其内用户,读取其最后一条订单,显示订单内每件商品的状态。（主要特点：中量级，只读频率低，要求响应快）

4）发货(Delivery): 事务内容：对于任意一个客户端,随机选取一个发货包,更新被处理订单的用户余额,并把该订单从新订单中删除。(主要特点：1-10 个批量，读写频率低，较宽松的响应时间)

5）库存状态查询(Stock-Level):事务内容：对于任意一个客户端,从固定的仓库和辖区随机选取最后 20 条订单,查看订单中所有的货物的库存,计算并显示所有库存低于随机生成域值的商品数量。（主要特点：重量级,只读频率低,较宽松的响应时间）

 

每个Warehouse数据量约为：76823.04KB

2.TPC-C 测试指标

TPC-C测试的结果主要有两个指标，即流量指标（Throughput,简称tpmC)和性价比（Price/Performance,简称Price/tpmC)。

1）流量指标(Throughput,简称tpmC)： 按照TPC组织的定义，流量指标描述了系统在执行支付操作、订单状态查询、发货和库存状态查询这4种交易的同时，每分钟可以处理多少个新订单交易。所有交易的响应时间必须满 足TPC-C测试规范的要求，且各种交易数量所占的比例也应该满足TPC-C测试规范的要求。在这种情况下，流量指标值越大说明系统的联机事务处理能力越高。

2）性价比（Price/Performance,简称Price/tpmc)： 即测试系统的整体价格与流量指标的比值，在获得相同的tpmC值的情况下，价格越低越好。

做TPC-C测试的目的主要有两点：

1）贴近生产环境进行实际操作（TPC-C可以提供类似这样的环境）。

2）通过TPC-C测试结果可以清晰的了解数据库的性能等信息。

三、环境介绍

1.服务器信息

主机IP

配置

操作系统

描述

192.168.52.3

1c/4GB/30GB

CentOS Linux release 7.6.1810 (Core)

DB服务器

192.168.52.4

1c/2GB/20GB

CentOS Linux release 7.9.2009 (Core)

BenchmarkSQL服务器

2.软件信息

软件名称

版本

描述

openGauss

3.1.1

关系型(开源)数据库

BenchmarkSQL

5.0

一个JDBC基准测试工具，内嵌了TPC-C测试脚本，支持很多数据库，如PostgreSQL、Oracle和Mysql等。

TPC-C是专门针对联机交易处理系统（OLTP系统）的规范，一般情况下我们也把这类系统称为业务处理系统。

几乎所有在OLTP市场提供软硬平台的国外主流厂商都发布了相应的TPC-C测试结果，

随着计算机技术的不断发展，这些测试结果也在不断刷新。

JDK

java-1.8.0-openjdk

Java开发工具包，它包含了Java开发所需的所有核心组件和工具。JDK是构建Java应用程序、Java平台和Java Web服务的基础。

R语言

3.6.3

R语言(generateReport.sh脚本需要) ，支持png报告图片生成

htop

3.3.0

htop 是一个交互式的进程监控工具，主要用于查看和管理运行中的进程。

它以用户友好的方式显示进程列表，包括进程的 CPU、内存和交换空间使用情况，以及进程树结构。

htop 允许你通过键盘快捷键来进行排序、搜索、终止进程等操作。

htop 提供了颜色和动态更新的界面，更直观地显示资源使用情况。

htop 适合实时查看和管理运行中的进程，特别是在终端环境中。

ant

Apache Ant(TM) version 1.9.4

一个用于自动化构建过程的工具。它主要用于Java应用程序，但也可以用于其他类型的项目。Ant使用XML文件（通常称为build.xml）来描述构建过程，包括编译源代码、运行测试、打包应用程序等任务。

python

2.7.5

数据库服务器，BenchmarkSQL对应的python版本不能过高，否则存在兼容性报错

四、配置BenchmarkSQL主机

1. 根据官方文档，安装必要的软件包

  • 配置YUM源

(若仅使用华为云内网的YUM源(http://mirrors.myhuaweicloud.com/repo/CentOS-Base-7.repo)，会造成软件版本依赖问题)

## 配置华为YUM源
mkdir -p /etc/yum.repos.d/repo_bak/
mv /etc/yum.repos.d/*.repo /etc/yum.repos.d/repo_bak/
wget -O /etc/yum.repos.d/CentOS-Base.repo https://repo.huaweicloud.com/repository/conf/CentOS-7-reg.repo

## 配置Epel源
yum remove  -y  epel-release
yum install -y  https://repo.huaweicloud.com/epel/epel-release-latest-7.noarch.rpm
cd /etc/yum.repos.d/
rm -rf epel-testing.repo

sed -i "s/#baseurl/baseurl/g" /etc/yum.repos.d/epel.repo
sed -i "s/mirrorlist/#mirrorlist/g" /etc/yum.repos.d/epel.repo
sed -i "s@http://download.fedoraproject.org/pub@https://repo.huaweicloud.com@g" /etc/yum.repos.d/epel.repo

## 顺刷新缓存
yum clean all
yum makecache
yum repolist all

  • 安装依赖软件包

yum install gcc glibc-headers gcc-c++ gcc-gfortran readline-devel  libXt-devel pcre-devel libcurl libcurl-devel -y
yum install ncurses ncurses-devel autoconf automake zlib zlib-devel bzip2 bzip2-devel xz-devel -y
yum install java-1.8.0-openjdk  ant  -y

  • 安装R语言（generateReport.sh脚本需要）

yum install pango-devel pango libpng-devel cairo cairo-devel  ## 使R语言支持png图片，否则报告生成有问题
wget https://mirror.bjtu.edu.cn/cran/src/base/R-3/R-3.6.3.tar.gz
tar -zxf R-3.6.3.tar.gz
cd R-3.6.3
./configure && make && make install

## 如果需要重新安装，请参考以下步骤 ##
make uninstall
./configure
make
make install

  • 编译安装htop(服务器端和客户端都安装)

xz –d htop-3.3.0.tar.xz
tar xvf htop-3.3.0.tar
cd htop-3.0.5
./autogen.sh && ./configure && make && make install

  • 检查安装情况（java/ant/htop）

[root@localhost ~]# ant -version
Apache Ant(TM) version 1.9.4 compiled on November 5 2018

[root@localhost ~]# java -version
openjdk version "1.8.0_402"
OpenJDK Runtime Environment (build 1.8.0_402-b06)
OpenJDK 64-Bit Server VM (build 25.402-b06, mixed mode)

[root@localhost ~]# htop --version
htop 3.3.0

[root@localhost ~]# R --version
R version 3.6.0 (2019-04-26) -- "Planting of a Tree"
Copyright (C) 2019 The R Foundation for Statistical Computing
Platform: x86_64-redhat-linux-gnu (64-bit)

2. 准备软件

  • 解压软件及JDBC驱动（解压对应的软件包）

unzip benchmarksql-5.0.zip
tar -zxvf openGauss-1.1.0-JDBC.tar.gz

  • 替换默认的postgresql驱动

cd /root/soft/benchmarksql-5.0/lib/postgres/
mv postgresql-9.3-1102.jdbc41.jar postgresql-9.3-1102.jdbc41.jar.bak
mv /soft/postgresql.jar  .

  • 使用ant编译

cd /root/soft/benchmarksql-5.0/
[root@localhost benchmarksql-5.0]# ant
Buildfile: /root/soft/benchmarksql-5.0/build.xml

init:
    [mkdir] Created dir: /root/soft/benchmarksql-5.0/build

compile:
    [javac] Compiling 11 source files to /root/soft/benchmarksql-5.0/build

dist:
    [mkdir] Created dir: /root/soft/benchmarksql-5.0/dist
      [jar] Building jar: /root/soft/benchmarksql-5.0/dist/BenchmarkSQL-5.0.jar

BUILD SUCCESSFUL
Total time: 2 seconds

3. 配置软件

  • 配置props文件(配置文件切忌多余空格，否则会出现各种错误)

说明：进入run目录，会看到多个不同后缀名的props文件，不同的文件配置不同的数据库，由于我们需要压测postgresql和openGauss，openGauss兼容postgresql，需要配置props.pg文件。cp props.pg props.opengauss在配置文件中需要修改的包括conn,user, password(这三项用于连接指定的数据库，因此需要提前在postgresql中创建好对应的DB以及用户) 

cd /root/soft/benchmarksql-5.0/run
[root@localhost run]# cp props.pg props.openGauss
[root@localhost run]# vi props.openGauss
db=postgres
driver=org.postgresql.Driver
conn=jdbc:postgresql://192.168.52.3:26000/tpcc
user=benchmarksql
password=P@ssw0rdabc
warehouses=2
loadWorkers=4
terminals=2
runTxnsPerTerminal=0
runMins=5
limitTxnsPerMin=0
terminalWarehouseFixed=false
newOrderWeight=45
paymentWeight=43
orderStatusWeight=4
deliveryWeight=4
stockLevelWeight=4
resultDirectory=my_result_%tY-%tm-%td_%tH%tM%tS
osCollectorScript=./misc/os_collector_linux.py
osCollectorInterval=1
osCollectorSSHAddr=root@192.168.52.3
osCollectorDevices=net_ens33 blk_sda

注释：
db=postgres 指定数据库类型，当前类型为postgres
driver=org.postgresql.Driver postgres数据库的JDBC驱动
conn=jdbc:postgresql://192.168.1.71:5496/benchmarksql postgres的连接字符串，格式为：conn=jdbc:postgresql://IP:端口/库名
user=benchmarksql 连接postgres的用户名
password=PostgreSQL5432 连接postgres的用户名的密码
warehouses=1 仓库数量，每个warehouse数据量大概在100MB左右，那么数据库大小为1000MB左右，默认1个仓库
loadWorkers=4 数据库初始化数据时候的进程数，默认4个load加载进程
terminals=1 指定终端数量，默认1个终端
runTxnsPerTerminal=10 指定压测每个终端执行的事务数量。如果该参数配置为非0时，下面的runMins参数必须设置为0
runMins=0  指定压测的时长（单位：分钟）。如果该值设置为非0值时，runTxnsPerTerminal参数必须设置为0。
limitTxnsPerMin=300 每分钟事务总数限制，该参数主要控制每分钟处理的事务数，事务数受terminals参数的影响，limitTxnsPerMin/terminals的值必须是正整数。
terminalWarehouseFixed=true 终端和仓库的绑定模式，设置为true时可以运行4.x兼容模式，意思为每个终端都有一个固定的仓库。设置为false时可以均匀的使用数据库整体配置。TPCC规定每个终端都必须有一个绑定的仓库，所以一般使用默认值true。
下面五个值的总和必须等于100，默认值为：45, 43, 4, 4，4 ，与TPC-C测试定义的比例一致，实际操作过程中，可以调整比重来适应各种场景。
newOrderWeight=45  新订单事务占总事务的45%
paymentWeight=43    支付订单事务占总事务的43%
orderStatusWeight=4  订单状态事务占总事务的4%
deliveryWeight=4        到货日期事务占总事务的4%
stockLevelWeight=4    查看现存货品的事务占总事务的4%
 resultDirectory=my_result_%tY-%tm-%td_%tH%tM%tS 压测期间收集系统性能数据的目录（无需修改）
osCollectorScript=./misc/os_collector_linux.py 操作系统性能收集脚本（无需修改）
osCollectorInterval=1 操作系统收集操作间隔，默认为1秒
osCollectorSSHAddr=user@dbhost 需要收集系统性能的主机
osCollectorDevices=net_eth0 blk_sda 操作系统中被收集服务器的网卡名称和磁盘名称，根据个人环境进行调整

  • 配置tableCreates.sql脚本（可适当调整表的表空间分布，充分利用多块磁盘的IO)

cd /root/soft/benchmarksql-5.0/run/sql.common
[root@localhost sql.common]# cp tableCreates.sql tableCreates.sql.bak
[root@localhost sql.common]# vi tableCreates.sql
--CREATE TABLESPACE tbs1 location '/home/omm/data/tbs1';
--CREATE TABLESPACE tbs2 location '/home/omm/data/tbs2';

create table bmsql_config (
  cfg_name    varchar(30) primary key,
  cfg_value   varchar(50)
);

create table bmsql_warehouse (
  w_id        integer   not null,
  w_ytd       decimal(12,2),
  w_tax       decimal(4,4),
  w_name      varchar(10),
  w_street_1  varchar(20),
  w_street_2  varchar(20),
  w_city      varchar(20),
  w_state     char(2),
  w_zip       char(9)
);

create table bmsql_district (
  d_w_id       integer       not null,
  d_id         integer       not null,
  d_ytd        decimal(12,2),
  d_tax        decimal(4,4),
  d_next_o_id  integer,
  d_name       varchar(10),
  d_street_1   varchar(20),
  d_street_2   varchar(20),
  d_city       varchar(20),
  d_state      char(2),
  d_zip        char(9)
);

create table bmsql_customer (
  c_w_id         integer        not null,
  c_d_id         integer        not null,
  c_id           integer        not null,
  c_discount     decimal(4,4),
  c_credit       char(2),
  c_last         varchar(16),
  c_first        varchar(16),
  c_credit_lim   decimal(12,2),
  c_balance      decimal(12,2),
  c_ytd_payment  decimal(12,2),
  c_payment_cnt  integer,
  c_delivery_cnt integer,
  c_street_1     varchar(20),
  c_street_2     varchar(20),
  c_city         varchar(20),
  c_state        char(2),
  c_zip          char(9),
  c_phone        char(16),
  c_since        timestamp,
  c_middle       char(2),
  c_data         varchar(500)
);

create sequence bmsql_hist_id_seq;

create table bmsql_history (
  hist_id  integer,
  h_c_id   integer,
  h_c_d_id integer,
  h_c_w_id integer,
  h_d_id   integer,
  h_w_id   integer,
  h_date   timestamp,
  h_amount decimal(6,2),
  h_data   varchar(24)
);

create table bmsql_new_order (
  no_w_id  integer   not null,
  no_d_id  integer   not null,
  no_o_id  integer   not null
);

create table bmsql_oorder (
  o_w_id       integer      not null,
  o_d_id       integer      not null,
  o_id         integer      not null,
  o_c_id       integer,
  o_carrier_id integer,
  o_ol_cnt     integer,
  o_all_local  integer,
  o_entry_d    timestamp
);

create table bmsql_order_line (
  ol_w_id         integer   not null,
  ol_d_id         integer   not null,
  ol_o_id         integer   not null,
  ol_number       integer   not null,
  ol_i_id         integer   not null,
  ol_delivery_d   timestamp,
  ol_amount       decimal(6,2),
  ol_supply_w_id  integer,
  ol_quantity     integer,
  ol_dist_info    char(24)
);

create table bmsql_item (
  i_id     integer      not null,
  i_name   varchar(24),
  i_price  decimal(5,2),
  i_data   varchar(50),
  i_im_id  integer
);

create table bmsql_stock (
  s_w_id       integer       not null,
  s_i_id       integer       not null,
  s_quantity   integer,
  s_ytd        integer,
  s_order_cnt  integer,
  s_remote_cnt integer,
  s_data       varchar(50),
  s_dist_01    char(24),
  s_dist_02    char(24),
  s_dist_03    char(24),
  s_dist_04    char(24),
  s_dist_05    char(24),
  s_dist_06    char(24),
  s_dist_07    char(24),
  s_dist_08    char(24),
  s_dist_09    char(24),
  s_dist_10    char(24)
);

  • 配置与数据库服务器的ssh互信

执行如下命令行：

ssh-keygen -t rsa
ssh-copy-id root@192.168.52.3     #password：P@ssw0rd123

五、配置openGauss DB主机

1. 创建数据库及用户(与前面props.openGauss文件配置保持一致)

[root@node1 ~]# su omm
[omm@node1 root]$ gsql -d postgres -p 26000 -ar
openGauss=# create user benchmarksql with sysadmin identified by 'P@ssw0rdabc';
CREATE ROLE
openGauss=# create database tpcc owner =benchmarksql encoding='UTF8';
CREATE DATABASE

2. 配置pg_hba.conf

[omm@prod ~]$ gs_guc reload -N all -I all -h "host  tpcc  benchmarksql  192.168.52.4/32  sha256"

/gaussdb/data/db1/pg_hba.conf

3. 备份数据目录，测试完毕后可以快速恢复

[omm@node1 ~]$ gs_ctl stop -D /gaussdb/data/db1
[omm@node1 ~]$ cp -r /gaussdb/data/db1 /gaussdb/data/db1_bak
[omm@node1 ~]$ gs_ctl start -D /gaussdb/data/db1

下一篇我们将分享发起测试及测试结果~

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1513047.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

金融知识分享系列之：MACD指标精讲

金融知识分享系列之：MACD指标精讲

金融知识分享系列之：MACD指标精讲 一、MACD指标二、指标原理三、MACD指标参考用法四、MACD计算步骤五、MACD分析要素六、根据快线DIF位置判断趋势七、金叉死叉作为多空信号八、快线位置交叉信号九、指标背离判断行情反转十、差离值的正负十一、差离值的变化十二、指…
阅读更多...
K 近邻算法

K 近邻算法

为什么学习KNN算法 KNN是监督学习分类算法，主要解决现实生活中分类问题。 （1）首先准备数据，可以是视频、音频、文本、图片等等 （2）抽取所需要的一些列特征，形成特征向量 （3&…
阅读更多...
iPhone, Android 手机是如何收到推送通知的？

iPhone, Android 手机是如何收到推送通知的？

本文转自 公众号 ByteByteGo，如有侵权，请联系，立即删除 iPhone, Android 手机是如何收到推送通知的？ 我们的手机或电脑是如何收到推送通知的？ 通常我们可以使用消息解决方案 Firebase 来支持通知推送。下图显示了 Fi…
阅读更多...
云数据库Redis配置用户名密码连接

云数据库Redis配置用户名密码连接

一般情况，生产环境6379端口是禁止对外开放的， 所有用户名密码可以不设置。 但是如果有格鲁需求，需要开放redis公网访问，建议端口限制IP，并设置用户密码 spring中配置 阿里云数据库 云数据库 Redis_缓存数据库_高并发_读写分离-阿里云 添加白名单 申请公网访问地址 配…
阅读更多...
2024年共享WiFi项目到底怎么样？

2024年共享WiFi项目到底怎么样？

共享WiFi项目是近年来兴起的一种新型商业模式，商家通过在自己店铺升级wifi链接模式使其数字化，让用户能够方便地连接到互联网，提升到店体验，增加线上引流。这一项目的出现，为人们的生活带来了诸多便利，同时…
阅读更多...
基于SpringBoot的“实习管理系统”的设计与实现（源码+数据库+文档+PPT)

基于SpringBoot的“实习管理系统”的设计与实现（源码+数据库+文档+PPT)

基于SpringBoot的“实习管理系统”的设计与实现（源码数据库文档PPT) 开发语言：Java 数据库：MySQL 技术：SpringBoot 工具：IDEA/Ecilpse、Navicat、Maven 系统展示 系统首页界面图 学生注册界面图 后台登录界面图 …
阅读更多...
1.Python是什么？——《跟老吕学Python编程》

1.Python是什么？——《跟老吕学Python编程》

1.Python是什么？——《跟老吕学Python编程》 Python是一种什么样的语言？Python的优点Python的缺点 Python发展历史Python的起源Python版本发展史 Python的价值学Python可以做什么职业？Python可以做什么应用？ Python是一种什么样的…
阅读更多...
LoadBalancer负载均衡服务调用

LoadBalancer负载均衡服务调用

LoadBalancer负载均衡服务调用 1、Ribbon目前也进入维护 ​ Spring Cloud Ribbon是基于Netflix Ribbon实现的一套客户端 负载均衡的工具。 ​ 简单的说，Ribbon是Netflix发布的开源项目，主要功能是**提供客户端的软件负载均衡算法和服务调用。**Ribbon…
阅读更多...
自动备份文件：守护数据安全新利器

自动备份文件：守护数据安全新利器

随着信息化时代的到来，文件已经成为我们日常生活和工作中不可或缺的一部分。然而，数据丢失或损坏的风险也随之而来，因此自动备份文件的重要性愈发凸显。自动备份文件不仅可以保护我们的宝贵数据，还可以在意外发生时迅速恢复&#…
阅读更多...
Seata源码流程图

Seata源码流程图

1.第一阶段分支事务的注册 流程图地址：https://www.processon.com/view/link/6108de4be401fd6714ba761d 2.第一阶段开启全局事务 流程图地址：https://www.processon.com/view/link/6108de13e0b34d3e35b8e4ef 3.第二阶段全局事务的提交 流程图地址…
阅读更多...
Python | Logger通用日志记录器

Python | Logger通用日志记录器

一、代码 通用日志记录器，可以输出不同颜色的记录到控制台，并输出到指定文件夹下可以在不同py文件中同时使用，共用同一个记录器适用window或linux平台 #!/usr/bin/env python # -*- coding: utf-8 -*- import os import inspect import log…
阅读更多...
镭速教你如何解决大数据量串行处理的问题

镭速教你如何解决大数据量串行处理的问题

大数据的高效处理成为企业发展的关键。然而，大数据量串行处理的问题常常困扰着许多企业，尤其是在数据传输方面。本文将探讨大数据量串行处理的常见问题，并介绍企业常用的处理方式，最后重点阐述镭速如何提供创新解决方案&#xff0…
阅读更多...
Claude3发布，将取代ChatGPT4？

Claude3发布，将取代ChatGPT4？

目录标题 前言Claude简介Claude 3 的能力高级推理视觉分析代码生成多语言处理 性能比较 前言 一夜之间，全球最强 AI 模型易主。大模型行业再次经历变革。OpenAI 最大的竞争对手 Anthropic 发布了新一代 AI 大模型系列 ——Claude 3。该系列包含三个模型&#xff0c…
阅读更多...
鸿蒙开发之MPChart图表开发

鸿蒙开发之MPChart图表开发

一、简介 随着移动应用的不断发展，数据可视化成为提高用户体验和数据交流的重要手段之一，因此需要经常使用图表，如折线图、柱形图等。OpenHarmony提供了一个强大而灵活的图表库是实现这一目标的关键。 在 ohpm 中心仓（https://ohpm.openharmony.cn/）中，汇聚了众多开发者…
阅读更多...
【Python】新手入门学习：详细介绍接口分隔原则（ISP）及其作用、代码示例

【Python】新手入门学习：详细介绍接口分隔原则（ISP）及其作用、代码示例

【Python】新手入门学习：详细介绍接口分隔原则（ISP）及其作用、代码示例 🌈 个人主页：高斯小哥 🔥 高质量专栏：Matplotlib之旅：零基础精通数据可视化、Python基础【高质量合集】、Py…
阅读更多...
c++中多种类型sort()排序的用法（数组、结构体、pair、vector）

c++中多种类型sort()排序的用法（数组、结构体、pair、vector）

c中多种类型sort排序的用法 一、对数组排序1、默认排序2、自定义排序 二、对结构体进行排序三、对pair进行排序1、默认排序2、自定义排序 四、对vector进行排序1、默认排序2、去重排序3、自定义排序 一、对数组排序 1、默认排序 默认从小到大进行排序 #include <bits/std…
阅读更多...
Windows Server 各版本搭建终端服务器实现远程访问（03~19）

Windows Server 各版本搭建终端服务器实现远程访问（03~19）

一、Windows Server 2003 左下角开始➡管理工具➡管理您的服务器&#xff0c;点击添加或删除角色 点击下一步 勾选自定义&#xff0c;点击下一步 蒂埃涅吉终端服务器&#xff0c;点击下一步 点击确定 重新登录后点击确定 点击开始➡管理工具➡计算机管理&#xff0c;展开本地…
阅读更多...
Java算法总结之冒泡排序（详解）

Java算法总结之冒泡排序（详解）

程序代码园发文地址&#xff1a;Java算法总结之冒泡排序&#xff08;详解&#xff09;-程序代码园小说,Java,HTML,Java小工具,程序代码园,http://www.byqws.com/ ,Java算法总结之冒泡排序&#xff08;详解&#xff09;http://www.byqws.com/blog/3145.html?sourcecsdn 冒泡排序…
阅读更多...
网址如何转静态二维码？扫码跳转链接的制作步骤

网址如何转静态二维码？扫码跳转链接的制作步骤

一般网址想要转换成可以长期使用的二维码&#xff0c;可以通过制作静态码的方式将链接网址转二维码图片使用。这种方式只是将网址从链接的形式转换成二维码的形式&#xff0c;只要添加的网址不失效&#xff0c;那么二维码是可以长期扫码展示内容的&#xff1f;那么如何制作网址…
阅读更多...
Mybatis八股

Mybatis八股

Mybatis是什么 Mybatis是一个半ORM&#xff08;对象关系映射&#xff09;框架&#xff0c;它内部封装了JDBC&#xff0c;加载驱动、创建连接、创建statement等繁杂的过程&#xff0c;开发者开发时只需要关注如何编写SQL语句&#xff0c;可以严格控制sql执行性能&#xff0c;灵…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023