内存数据库的技术特点

内存数据库有现成的redis，高效存取键值对，键设为你的查询条件，值设为你的查询结果转为字符串查询时先从redis取，没有再查数据库，并且设置redis的过期时间，这种方式需要项目对实时性要求不高，这样你才能用缓存，而且如果你的项目没有明显的热点，即没有某些内容确定会多次被查到，那你缓存就不会命中，添加缓存反而影响你得速度redis是一种nosql的内存数据库，感兴趣你可以了解一下，优点就是性能强劲数据查询请求多就把结果缓存下来，你查数据库再快也没有直接把结果从内存读出来快同样的sql请求只有第一次查数据库，之后通通读内存或者你干脆借助这种思想，创建一个全局的map对象，然后查询条件作key结果作value，就省去了了解redis的过程，把整个数据库装内存不太科学，你有多少条数据啊

相对于磁盘，内存的数据读写速度要高出几个数量级，将数据保存在内存中相比从磁盘上访问能够极大地提高应用的性能同时，内存数据库抛弃了磁盘数据管理的传统方式，基于全部数据都在内存中重新设计了体系结构，并且在数据缓存、快速算法、并行操作方面也进行了相应的改进，所以数据处理速度比传统数据库的数据处理速度要快很多，一般都在10倍以上内存数据库的最大特点是其"主拷贝"或"工作版本" 常驻内存，即活动事务只与实时内存数据库的内存拷贝打交道显然，它要求较大的内存量，但并非任何时刻整个数据库都存放在内存，即内存数据库系统还是要处理I/O

1.应用程序构造大量的链表，树等复杂的数据结构代码很多而且容易出错调试麻烦，特别是对C/C这种语言2.不得不说关系数据库的表达能力很强，代码量少，开发迅速， 但是mysql等等在性能上比手写的数据结构慢了很多3. 我看到的内存数据库就是在这个场景下大有可为之地：有较高的性能需求，快速开发

问题一：内存数据库主流的有哪些，并给出各自特点！ 这里介绍一些大型的市场占有率比较高的内存数据库，也是业界响当当的―SAP HANA、Oracle Exalytics、Orale TimesTen、IBM SolidDB，可以说他们之间没有说是哪个最好，主要还是看使用的场景和具体的需求，各自特点如下： SAP HANA（High-Performance Analytic Appliance）是 SAP 公司于 2011 年推出的基于 内存计算技术，面向企业分析性应用的产品。左图 的系统架构示意图中可以看出， HANA 产品主要包括内存计算引擎和 HANA 建模工具两部分。它支持从 SAP 商务套件中 同步更新业务数据，或者从 SAP BW（SAP 商务智能产品）和其他第三方数据源中批量导 入数据，在 HANA 中进行运算后，提供给 SAP BI 客户端或者其他第三方展现工具进行分 析和展现。 Oracle Exalytics 内存分析一体机是面向分析的集成设计系统，可以无限制提供最佳可 视化分析和更智能的分析应用程序。 如图 所示， Oracle Exalytics 内存分析一体机的产品架构包括 3 个部分： 内容分析 硬件、内存分析软件和经过优化的 Oracle 商务智能基础套件（Oracle BI Foundation）。内存分析硬件部分是一台为基于内存计算的商务智能而特别优化的服务器，具有提供 强劲计算能力的 40 核中央处理器，高达 1TB 的内存以及快速的网络. 内存分析软件部分的核心是 Oracle TimesTen 内存数据库。它是为 Exalytics 平台而特 别优化的内存分析数据库，包括了很多 Oracle Exalytics 平台特有的功能。Oracle 商务智能基础套件部分受益于 Oracle Exalytics 内存分析一体机的大容量内存、 处理器、并发处理能力、存储、网络、操作系统、内核和系统配置等，可以提供明显优于传统软件的查询响应性、用户可用性和 TCO。 Oracle 内存数据库TimesTen 是一个基于内存计算的关系数据库， 提供了响应时间极 短且吞吐量极高的应用程序，可满足各行业应用程序的需求。 TimesTen 是一个可嵌入到应用程序中的数据库， 通过消除进程间通信和网络 开销，进一步提高数据库操作的性能。Oracle 内 存 数 据 库 TimesTen 使 用 行 级 锁 定 和 提 交 后 读 取 (mitted-read) 隔离，通过事务日志记录与数据库检查点相结合实现了基于磁盘的持久 性和可恢复性。TimesTen 通常与多用户和多线程应用程序一起部署，应用程序直接通过 JDBC、 ODBC、 Oracle 调用接口、 Pro*C/C++ 和Oracle PL/SQL 编程接口， 使用标准SQL 访问TimesTen 数据库。若运行在不同服务器上的多个应用程序共享一个数据库时，则使 用常规的客户端/服务器访问方式。 IBM solidDB 是一个内存数据库，专为获取极高的速度和可用性而进行优化。如图 所示，IBM solidDB 既可以单独部署作为独立的数据库支持应用程序，也可 以部署为其他关系型数据库的加速缓存以提高应用程序性能。solidDB Universal Cache 功能将这些数据库中存储的性能关键型数据 缓存到solidDB Universal Cache 中，加快领先关系数据库的速度。solidDB Universal Cache 功能使用检查点和事务日志将数据持久保存在 磁盘上......>> 问题二：开源的内存数据库都有哪些 1.最简单的方法： public static String reverse1(String str) { return new StringBuffer(str).reverse().toString(); } 2.最常用的方法： public static String reverse3(String s) { char[] array = s.toCharArray(); String reverse = ; 注意这是空串，不是null for (int i = array.length - 1; i >= 0; i--) reverse += array[i]; return reverse; } 问题三：开源内存数据库有几种啊？ 常见的有FastDB、SQLite、Berkeley DB、GigaBASE，H2等 问题四：几种常用的开源内存数据库性能比较 本人理解：orcal速度快但是维护不方便吗，费钱。mysql速度可以，维护方便，交orcal来说易上手。db2：大 问题五：开源的内存数据库有哪些支持SQL基准 选择数据库实例―右键属性―选择【内存】选择页―修改内存―确定 问题六：C/C++开发的开源的分布式内存数据库有哪些 1.最简单的方法： public static String reverse1(String str) { return new StringBuffer(str).reverse().toString(); } 2.最常用的方法： public static String reverse3(String s) { char[] array = s.toCharArray(); String reverse = ; 注意这是空串，不是null for (int i = array.length - 1; i >= 0; i--) reverse += array[i]; return reverse; } 问题七：哪位达人用过关系型的内存数据库而且是开源的 关系型数据库以行和列的形式存储数据，以便于用户理解。这一系列的行和列被称为表，一组表组成了数据库。表与表之间的数据记录有关系。用户用查询(Query)来检索数据库中的数据。一个Query是一个用于指定数据库中行和列的SELECT语句。关系型数据库通常包含下列组件： 　　客户端应用程序(Client) 　　数据库服务器(Server) 　　Structured Query Language(SQL)Client端和Server端的桥梁，Client用SQL来向Server端发送请求，Server返回Client端要求的结果。现在流行的大型关系型数据库有IBM DB2、Oracle、SQL Server、SyBase、Informix、access、foxpro等。 问题八：C/C++开发的开源的分布式内存数据库有哪些 1.最简单的方法：public static String reverse1(String str){ return new StringBuffer(str).reverse().toString();}2.最常用的方法：public static String reverse3(String s) { char[] array = s.toCharArray(); String reverse = ; 注意这是空串，不是null for (int i = array.length - 1; i >= 0; i--) reverse += array[i]; return reverse; } 3.常用方法的变形： public static String reverse2(String s){ int length = s.length(); String reverse = ; 注意这是空串，不是null for (int i = 0; i 问题九：要求实时数据需要存储到内存库 有开源内存数据库吗 朋友您好，很高兴为您解答问题 请把问题补充完整 大家才能给你提供完善的建议 相信您在知道这个平台 一定会有满意的收获 真诚希望能够帮助您，如果满意请采纳，祝您好运常伴。 问题十：什么情况下用内存数据库 相对于磁盘，内存的数据读写速度要高出几个数量级，将数据保存在内存中相比从磁盘 *** 问能够极大地提高应用的性能。同时，内存数据库抛弃了磁盘数据管理的传统方式，基于全部数据都在内存中重新设计了体系结构，并且在数据缓存、快速算法、并行操作方面也进行了相应的改进，所以数据处理速度比传统数据库的数据处理速度要快很多，一般都在10倍以上。内存数据库的最大特点是其主拷贝或工作版本 常驻内存，即活动事务只与实时内存数据库的内存拷贝打交道。显然，它要求较大的内存量，但并非任何时刻整个数据库都存放在内存，即内存数据库系统还是要处理I/O。 内存数据库是以牺牲内存资源为代价换取数据处理实时性的，内存数据库和磁盘数据库都是当今信息社会里每个企业所必须的关系型数据库产品，磁盘数据库解决的是大容量存储和数据分析问题，而内存数据库解决的是实时处理和高并发问题。两者的存在是相辅相成的，内存数据库的事务实时处理性能要远强于磁盘数据库。但是相对的，他的数据安全方面还没有达到磁盘数据库比肩的地步。 内存数据库将物理内存作为数据的第一存储介质，而将磁盘作为备份。随着电信业务的发展，系统对实时性的要求和对业务灵活修改的要求非常高，在此种情况下对于内存数据库的需求也越来越高。磁盘数据库的做法是将数据存入内存中进行处理，这种方式的可管理性及数据安全可靠性都没有保障。而内存数据库正是针对这一弱点进行了改进。 实际上，内存数据库并不是一项时髦技术，其出现于上世纪60年代末，但由于市场的需求原因在90年代后期才开始发展。作为新一代数据库，Altibase产品已经走向混合型数据库，其版本Altibase 4.0已经有一套自带的磁盘数据库，用户一旦购买了Altibase的内存数据库，就无须再购买磁盘数据库。它把热数据（经常被使用的、访问比较高的、经常要运算的数据）放在内存数据库里，而把历史性数据放在磁盘数据库里，可为用户进一步减少投资。 对于内存数据库而言，可以将同样数据库的部分内容存放于磁盘上，而另一部分存放于内存中。用户可以选择将数据存储在内存表中以提供即时的数据访问。若访问时间不紧急或数据存于内存中所占空间过大时，用户可将这些数据存入磁盘表中。 比如，在手机用户开始拔打电话时，如果应用基于内存数据库技术的混合数据管理引擎，就通过内存表检索其服务选项并立即验证用户身份，而将通话清单和计费清单归档到磁盘表中。从而，达到了速度与资源使用的平衡。 内存数据库的技术，一个很重要的特点，是可以对内存中的数据实现全事务处理，这是仅仅把数据以数组等形式放在内存中完全不同的。并且，内存数据库是与应用无关的，显然这种体系结构具有其合理性。内存引擎可以实现查询与存档功能使用的是完全相同的数据库，同时内存表与磁盘表也使用的是完全相同的存取方法。存储的选择，对于应用开发者而言是完全透明的。 对于内存数据库而言，实现了数据在内存中的管理，而不仅仅是作为数据库的缓存。不像其它将磁盘数据块缓存到主存中的数据库，内存数据库的内存引擎使用了为随机访问内存而特别设计的数据结构和算法，这种设计使其避免了因使用排序命令而经常破坏缓存数据库性能的问题。通过内存数据库，减少了磁盘I/O，能够达到了以磁盘I/O 为主的传统数据库无法与其相比拟的处理速度。 因此，内存数据库技术的应用，可以大大提高数据库的速度，这对于需要高速反应的数据库应用，如电信、金融等提供了有力支撑。 由于把大多数数据都放在内存中进行操作，使得内存数据库有着比磁盘数据库高得多的性能表现，这一......>>

1、打开SQL Sever 2008 R2数据库2、在打开的连接到服务器对话框中，输入相关连接信息后，点击“连接”3、右键数据库根节点，选择“属性”4、弹出服务器属性页，选择页中包含常规、内存、处理器等选项5、在选择页中我们点击“内存”，我们可以修改每次查询占用的最小内存值6、在选择页中切换到“安全性”，我们可以重新设置服务器身份验证的模式

高性能。hanbot最强缓存是一个高性能、高可用、低延迟的内存数据库，缓存（cache），原始意义是指访问速度比一般随机存取存储器（RAM）快的一种高速存储器，通常不像系统主存那样使用DRAM技术，而使用昂贵但较快速的SRAM技术。

MemSQL 原理：将不用锁的数据结构和即时编译器结合起来应对大容量的工作负载，在内存中实现了免锁的hashtable和免锁skiplists（一种层级关系的链表结构）来快速随机访问数据。 持久性：MemSQL尽管在内存中存数据，可以通过写日志和快照（类于checkpoint）对 MemSQL原理：将不用锁的数据结构和即时编译器结合起来应对大容量的工作负载，在内存中实现了免锁的hashtable和免锁skiplists（一种层级关系的链表结构）来快速随机访问数据。持久性：MemSQL尽管在内存中存数据，可以通过写日志和快照（类似于checkpoint）对数据持久化到磁盘复制：MemSQL目前支持master-slave的复制方式，它支持本地复制协议能将事务日志转运到slave上。分布式架构：基于聚合器和叶子节点的理念进行工作，一个叶子节点就是一个MemSQL的数据库，聚合器负责分解查询到相关的叶子节点上，同时将结果聚合回客户端。GemFire基于内存的分布式集群系统，分布式内存数据平台的技术原理如上图所示：通过云计算平台虚拟化技术，将若干X86服务器的内存集中起来，组成最高可达数十TB的内存资源池，将全部数据加载到内存中，进行内存计算。计算过程本身不需要读写磁盘，只是定期将数据同步或异步方式写到磁盘。GemFire在分布式集群中保存了多份数据，任何一台机器故障，其它机器上还有备份数据，因此通常不用担心数据丢失，而且有磁盘数据作为备份。GemFire支持把内存数据持久化到各种传统的关系数据库、Hadoop库和其它文件系统中,12306之前采用Unix小型机架构，采用GemFire技术改造成Linux/X86服务器集群架构，就意味着一下跨越三代。从小型机到大内存X86服务器集群，不仅让性能提升了一个数量级，而且成本也要低得多。Neo4j是一个嵌入式，基于磁盘的，支持完整事务的Java持久化引擎，它在图(网络)中而不是表中存储数据。Neo4j提供了大规模可扩展性，在一台机器上可以处理数十亿节点/关系/属性的图，可以扩展到多台机器并行运行。相对于关系数据库来说，图数据库善于处理大量复杂、互连接、低结构化的数据，这些数据变化迅速，需要频繁的查询——在关系数据库中，这些查询会导致大量的表连接，因此会产生性能上的问题。Neo4j重点解决了拥有大量连接的传统RDBMS在查询时出现的性能衰退问题。通过围绕图进行数据建模，Neo4j会以相同的速度遍历节点与边，其遍历速度与构成图的数据量没有任何关系。此外，Neo4j还提供了非常快的图算法、推荐系统和OLAP风格的分析，而这一切在目前的RDBMS系统中都是无法实现的。VOLTDB是一种开源的运行在集群上的OLTP数据库，智能快速数据的唯一内存解决方案，它提供了内存的性能，NoSQL的可扩展性，完全的流能力和传统关系型数据库的连续性，在密室和云环境下它提供了可靠和容错性。数据表被分割在集群的多个服务器上，兼容SQL和ACID，可以在线扩展，使用并行的单线程处理方式确保数据的一致性，避免传统数据库的锁和资源管理的开销，但是由于VOLTDB的数据分析是基于SNA，数据分布策略是基于哈希的，采用这种方法后，集群规模是事先确定好的，新增机器需要停止服务后重新分布数据，另外，数据哈希被分散后，数据的连续性被打乱，在这个数据结构上做范围查询需要用服务这张表的所用机器，处理范围查询效率会很低下。SAP HANA主要是用于主数据分析用的，hana可以抽取其他类型的数据，在hana上快速的分析，SAP HANA与传统分析模型的主要区别在于摒弃了任何物质化的东西，即，所有模型都是完全虚拟的，均基于基本的具体运营数据计算结果，这样，模型就能够被方便的修改。它采用数据字典的方法对数据进行压缩，最小化数据传输;把大数据量和计算量分散到不同处理器上，不同的服务器之间共享一组数据，单一的服务器的DOWN机将不影响任何计算，成本特别贵，几千万。

数据存储主要关注存储容量问题：一是存储容量的快速扩张，对存储服务器提出了更大的需求。第二是数据持续时间的增加。最后，对数据存储的管理提出了更高的要求。数据的多样化、地域的分散以及重要数据的保护都对数据管理提出了更高的要求。随着数字图书馆、电子商务和多媒体传输的不断发展，从GB、TB到Pb的海量数据正在迅速增长。存储产品不再是连接到服务器的辅助设备，而是成为互联网的主要成本。大容量存储技术已经成为继计算机浪潮和互联网浪潮之后的第三次浪潮，磁盘阵列和网络存储已经成为先行者。大数据之“大”：“大”是相对而言的概念。例如，对于像SAP HANA那样的“内存数据库”来说，2TB可能就已经是大容量了；而对于像谷歌这样的搜索引擎，EB的数据量才能称得上是大数据。“大”也是一个迅速变化的概念。HDS在2004年发布的USP存储虚拟化平台具备管理32PB内外部附加存储的能力。当时，大多数人认为，USP的存储容量大得有些离谱。但是现在，大多数企业都已经拥有PB级的数据量，一些搜索引擎公司的数据存储量甚至达到了EB级。由于许多家庭都保存了TB级的数据量，一些云计算公司正在推广其文件共享或家庭数据备份服务。

很多时候由于异常或程序错误会导致个别进程占用大量系统资源，需要结束这些进程，通常可以使用以下命令Kill进程:alter system kill session "sid,serial#";但是此命令释放资源极为缓慢，具体可以参考:Oracle中Kill session的研究.为了更快速的释放资源，通常我们使用如下步骤来Kill进程:1.首先在操作系统级kill进程2.在数据库内部kill session这样通常可以快速中止进程，释放资源。今天就遇到这样一个案例，其他朋友在数据库里kill session,可是长时间仍无效果:[oracle@danaly ~]$ sqlplus "/ as sysdba"SQL*Plus: Release 10.2.0.1.0 - Production on Thu Oct 27 11:09:50 2005Copyright (c) 1982, 2005, Oracle. All rights reserved.Connected to:Oracle Database 10g Enterprise Edition Release 10.2.0.1.0 - ProductionWith the Partitioning, Oracle Label Security, OLAP and Data Mining Scoring Engine optionsSQL> select sid,username,status from v$session; SID USERNAME STATUS---------- ------------------------------ --------.... 154 SCOTT KILLED...30 rows selected.那按照我前面提到的步骤，首先查询得到该session对应的OS进程号:SQL> select "kill -9 "||spid from v$process where addr = (select paddr from v$session where sid=&sid);Enter value for sid: 154old 1: select "kill -9 "||spid from v$process where addr = (select paddr from v$session where sid=&sid)new 1: select "kill -9 "||spid from v$process where addr = (select paddr from v$session where sid=154)"KILL-9"||SPID--------------------kill -9 22702SQL> !在操作系统级kill该进程:[oracle@danaly ~]$ ps -ef|grep 22702oracle 22702 1 0 Oct25 ? 00:00:02 oracledanaly (LOCAL=NO)oracle 12082 12063 0 11:12 pts/1 00:00:00 grep 22702[oracle@danaly ~]$ kill -9 22702[oracle@danaly ~]$ ps -ef|grep 22702oracle 12088 12063 0 11:12 pts/1 00:00:00 grep 22702[oracle@danaly ~]$ exitexitSQL> select sid,username,status from v$session; SID USERNAME STATUS---------- ------------------------------ --------... 154 SCOTT KILLED...30 rows selected.SQL> select sid,serial#,username from v$session where sid=154; SID SERIAL# USERNAME---------- ---------- ------------------------------ 154 56090 SCOTT再次在数据库中kill该session,并指定immediate选项:SQL> alter system kill session "154,56090" immediate;System altered.SQL> select sid,serial#,username from v$session where sid=154;no rows selected此时该进程被迅速清除。

柏睿数据，其拳头产品分布式内存数据库RapidsDB是完全国产自主研发、具有完整独立知识产权、基于全内存结构的分布式分析型数据库，提供金融级数据持久化、数据安全性、系统高可用性，高于传统磁盘架构数据库100倍以上的数据读写访问和分析功能，适用于数据量大、实时性要求高的应用场景，已经服务了中国移动、中国电信、国家健康医疗大数据中心、上海信息中心、国网陕西省电力等国央企客户与其他金融、能源、工业互联网等领域客户,百度有相关资讯的。

实现数据库加速的主要难点是软件与硬件耦合度极高，以硬件实现大量软件算法的技术门槛极高。业界从2010年开始密集研究通过硬件进行加速，但是由于技术的先进性和巨大的研发风险，多数还处于实验室技术验证阶段。难得的是，国产的柏睿数据“睿鲲DPU”可以说是国际首款商用数据加速安全芯片了。

传统数据库的数据是写在磁盘上的,内存数据库的数据是存在运存中的,因为运存是可以直接和CPU通信的,且读写速度远大于磁盘,所以内存数据库有着很高的访问速度和吞吐量,但是,由于运存是易失性的,一旦断电,数据就丢失了,在可靠性这点是不如传统数据库的,不过现在主流的内存数据库系统,已经有了比较完备的灾备机制了,只要不是直接断电这种事情发生,内存数据库发生数据丢失的概率是非常非常低的

内存数据库从范型上可以分为关系型内存数据库和键值型内存数据库。在实际应用中内存数据库主要是配合oracle或mysql等大型关系数据库使用，关注性能。作用类似于缓存，并不注重数据完整性和数据一致性。基于键值型的内存数据库比关系型更加易于使用，性能和可扩展性更好，因此在应用上比关系型的内存数据库使用更多。比较FastDB、Memcached和Redis主流内存数据库的功能特性。 FastDB的特点包括如下方面：1、FastDB不支持client-server架构因而所有使用FastDB的应用程序必须运行在同一主机上；2、fastdb假定整个数据库存在于RAM中，并且依据这个假定优化了查询算法和接口。3、fastdb没有数据库缓冲管理开销，不需要在数据库文件和缓冲池之间传输数据。4、整个fastdb的搜索算法和结构是建立在假定所有的数据都存在于内存中的，因此数据换出的效率不会很高。5、Fastdb支持事务、在线备份以及系统崩溃后的自动恢复。6、fastdb是一个面向应用的数据库，数据库表通过应用程序的类信息来构造。

1. offheap是指哪种内存？offheap是指直接内存，也就是在堆外分配的内存。在java中，堆是默认的内存分配区域，而offheap可以通过使用Unsafe类或者ByteBuffer类等API在堆外分配内存空间。2. offheap的优点和适用场景相较于堆内存，offheap有以下优点：1. 无GC：堆内存由于要进行垃圾回收，而offheap无需进行GC，因此可以降低GC压力，提升程序可靠性和响应性能；2. 更高的内存扩展性：堆内存扩容需要进行复制及调整，而offheap可以直接申请更多的物理内存；3. 更低的内存使用：由于没有对象头和碎片空间，offheap相较于堆内存可以更高效地使用内存。offheap适用于需要创建大量对象或者需要高性能的应用场景，比如数据缓存、数据库连接池等。3. 使用ByteBuffer类进行offheap内存操作ByteBuffer类是Java NIO中的一个关键类，它提供了对offheap内存的直接操作。下面是一个使用ByteBuffer类进行offheap内存操作的示例代码：```// 申请1GB的offheap内存空间ByteBuffer buffer = ByteBuffer.allocateDirect(1024 * 1024 * 1024);// 通过putXXX方法往offheap空间写入数据buffer.putDouble(10.0);buffer.putInt(100);// 通过getXXX方法从offheap空间读取数据double d = buffer.getDouble(0);int i = buffer.getInt(8);```4. 使用Unsafe类进行offheap内存操作Unsafe类是JDK中不公开的类，但可以使用反射来获取其中的方法。与ByteBuffer类不同，Unsafe类可以在offheap空间上进行原子操作等操作，实现更加灵活。下面是一个使用Unsafe类进行offheap内存操作的示例代码：```// 申请1GB的offheap内存空间Unsafe unsafe = getUnsafe();long address = unsafe.allocateMemory(1024 * 1024 * 1024);// 对offheap空间进行写入数据操作unsafe.putDouble(address, 10.0);unsafe.putInt(address + 8, 100);// 对offheap空间进行读取数据操作double d = unsafe.getDouble(address);int i = unsafe.getInt(address + 8);```5. offheap的缺点和需要注意的地方1. 无法进行类型检查：由于offheap的内存是直接操作字节流，因此需要程序员手动控制内存的大小和数据类型。如对于ByteBuffer类，如果写入的数据类型与读取的数据类型不一致，会导致运行时异常；2. 内存分配和释放需谨慎：由于offheap在堆外分配内存，因此需要手动释放内存，并且需要谨慎控制内存申请分配。如果频繁申请、释放内存会导致内存碎片化的问题，降低程序的性能；3. 对JVM的依赖较高：Unsafe是JDK中的不公开类，使用时需要反射获取其中的方法，而且在不同的JDK版本下会有不同的实现，对JVM的依赖较高。6. offheap的应用示例1. 数据库连接池：可以使用offheap来存储Connection对象，避免频繁的GC操作和复制，提升连接池的性能；2. 内存数据库和缓存：offheap可以用于缓存中存储大量数据、索引等，避免频繁的GC操作，提升程序的性能；3. 大规模数据分析：offheap可以用于存储大规模的数据集，来提升数据分析的性能。7. 总结offheap是指直接内存，在java中通过Buffer类和Unsafe类等API可以在堆外分配内存空间，并且相较于堆内存有无GC、高扩展性、低内存使用等优点。在使用offheap时需要注意内存分配和释放、无法进行类型检查等，同时可以应用于数据库连接池、内存数据库和缓存、大规模数据分析等领域，提升程序的性能和可靠性。

SQLite数据库通常存储在单个普通磁盘文件中。但是，在某些情况下，数据库可能存储在内存中。 强制SQLite数据库单纯的存在于内存中的最常用方法是使用特殊文件名“ ：memory： ” 打开数据库。换句话说，不是将真实磁盘文件的名称传递给sqlite3_open（），sqlite3_open16（）或 sqlite3_open_v2（）函数之一，而是传入字符串“：memory：”。例如： 调用此接口完成后，不会打开任何磁盘文件。而是在内存中创建一个新的数据库。数据库连接关闭后，数据库就不再存在。每一个memory数据库彼此不同。因此，打开两个数据库连接，每个数据库连接的文件名为“：memory：”，将创建两个独立的内存数据库。 特殊文件名“：memory：”可用于允许数据库文件名的任何位置。例如，它可以被用作 文件名 中的ATTACH命令： 请注意，为了应用特殊的“：memory：”名称并创建纯内存数据库，文件名中不能有其他文本。因此，可以通过添加路径名在文件中创建基于磁盘的数据库，如下所示： "./:memory:"。 使用URI文件名时，特殊的“：memory：”文件名也可以使用。例如： 要么， 如果使用URI文件名打开内存数据库，则允许它们使用共享缓存。如果使用未加修饰的“：memory：”名称来指定内存数据库，那么该数据库始终具有专用高速缓存，并且仅对最初打开它的数据库连接可见。但是，可以通过两个或多个数据库连接打开相同的内存数据库，如下所示： 要么， 这允许单独的数据库连接共享相同的内存数据库。当然，共享内存数据库的所有数据库连接都需要在同一个进程中。当数据库的最后一个连接关闭时，将自动删除数据库并回收内存。 如果在单个进程中需要两个或多个不同同时可共享的内存数据库，则mode = memory查询参数可与URI文件名一起使用以创建命名的内存数据库： 要么， 当以这种方式命名内存数据库时，它将仅与使用完全相同名称的另一个连接共享其缓存。 当传递给sqlite3_open（）或 ATTACH的数据库文件的名称是空字符串时，则会创建一个新的临时文件来保存数据库。 每次都会创建一个不同的临时文件，因此就像使用特殊的“：memory：”字符串一样，两个到临时数据库的数据库连接都有自己的私有数据库。创建它们的连接关闭时，将自动删除临时数据库。 即使为每个临时数据库分配了磁盘文件，实际上临时数据库通常驻留在内存中的pager缓存中，因此“：memory：”创建的纯内存数据库与临时数据库之间的差别很小。由空文件名创建。唯一的区别是“：memory：”数据库必须始终保留在内存中，而如果数据库变大或SQLite受到内存压力，临时数据库的某些部分可能会刷新到磁盘。 前面的段落描述了默认SQLite配置下临时数据库的行为。如果需要，应用程序可以使用 temp_store编译指示和SQLITE_TEMP_STORE编译时参数来强制临时数据库表现为纯内存数据库。

内存数据库系统对于嵌入式开发来说是特别有用的， IMDS 中每个保存过程缩小了覆盖区 智能连接设备的增长速度正越来越快。这种装置不管是在家庭、口 袋（pocket）或者是内置于工业通信和传送系统，都已经发展为包含了 强大的CPU和完善的嵌入式系统软件。在这种设备中日益流行的一种软 件是数据库管理系统（DBMS）。虽然对桌面电脑或者服务器来说，这种 软件已经是相当成熟了，但数据库是最新才应用到达嵌入式系统的。像 所有进入新环境的生物体一样，数据库也必须经历一个发展过程。一种 新型的DBMS，内存数据库系统（IMDS），代表了DBMS应用到嵌入式 系统的最新步伐。 为什么嵌入式系统开发人员会转向数据库呢？市场竞争使得像机顶 盒、网络开关和消费者电子产品这样的设备需要变得越来越智能。要支 持扩展功能集，应用程序通常必须管理大容量的更复杂的数据。因此， 许多设备开发人员发现他们正致力于自己开发数据管理方案。在应用需 求增长时，普通的数据管理方案维护和扩展起来是特别困难的。 另外，标准化的趋势，商用现货（ommercial off-the-shelf，COTS） 嵌入式操作系统，远离许多私有系统的不完整环境，从而增强数据库的 能力。广泛使用的操作系统的出现，比如嵌入式Linux，形成了一个用 户群体，他们轮留进行数据库和其他工具开发（包括商业的和非商业 的），以不断增强开发平台。 因此，设备开发人员开始转向商业数据库，但已有的嵌入式DBMS 软件还不理想。嵌入式数据库最初出现在10年前，当时用于支持商业系 统，带有包括复杂缓存逻辑和异常终止恢复等功能。但在一个设备上， 例如，在一个机顶盒或者下一代传真机中，这些能力通常毫无必要，并 且应用程序容易出现超出可用内存和CPU资源的现象。 另外，建立传统数据库时是将数据存储在磁盘上。作为一种机械过 程，磁盘的I/O是非常昂贵的，尤其是要取得高性能的话。对于嵌入式 系统来，因为需要实时执行，因此相对而言，传统数据库就太慢了。 内存数据库出现的目的特别针对于满足嵌入式系统的性能需求和资 源能力。正如其名字所暗示的，IMDS完全驻留在内存中，它们不会存储 到磁盘上。

一般，内存数据库对应磁盘数据库，而mysql和sqlite通常指的都是磁盘数据库的两种不同管理系统。下面分别回答一下内存数据库和磁盘数据库优劣，mysql和sqlite优劣。内存数据库：基于内存的具有高效I/O、高并发的数据库。缺点存储量有限、可恢复性差。1. 磁盘数据库：基于磁盘存储稳定、保证数据可恢复性、一致性的数据库。缺点是实时性不足。两种数据库一般来讲不会冲突，没有一个企业能够脱离磁盘数据库，固化的稳定的数据一般都是采用磁盘数据库。但是，当企业面临用户量扩大，并发性、实时性要求不断提高时，便会借助内存数据库。因此，根据你的场合选择合适的数据库存储形式非常重要。对于内存数据库，其实自己也没怎么用过，给你个传送门：http://dev.yesky.com/418/35355918.shtml2.对于mysql和sqlite，我个人觉得目前mysql非常通用，免费开源，学习成本低，应用面广泛，落地迅速，与各大主流的编程语言都有通用接口。相对较好，sqlite我只在学校时候用过，Σ( ° △ °|||)︴。一起学习一起进步！

独享内存：和家用电脑内存功能一样，这里 是针对“独立服务器或vps“ 与”虚拟主机“而言的，独立内存说明这个内存是你自己独享的，不像虚拟主机，内存是同时与多用户(其他虚拟主机)共享的；网页空间：是指放置你网页内容（包括图片，网站程序等）的空间大小，相当于家用机的硬盘空间；数据库：动态网站的多数文字内容是存储在数据库中的，所以数据库也涉及一个大小，数据库的大小决定你网站内容能存的多少，一般配的数据库空间都足够网站初期、中期使用。月流量：网民访问你的网站时，服务器会加载你网站的图片，文字内容等等，这些就会产生流量，和手机看网页流量概念差不多，只不过这里限制的是你服务器的流出流量，如果网站访问量大，访问人数较多，就要考虑流量问题。简单举个例子，日IP500，PV100左右的图文资讯站，月流量在60~110GB左右

一般，内存数据库对应磁盘数据库，而mysql和sqlite通常指的都是磁盘数据库的两种不同管理系统。下面分别回答一下内存数据库和磁盘数据库优劣，mysql和sqlite优劣。内存数据库：基于内存的具有高效I/O、高并发的数据库。缺点存储量有限、可恢复性差。1. 磁盘数据库：基于磁盘存储稳定、保证数据可恢复性、一致性的数据库。缺点是实时性不足。两种数据库一般来讲不会冲突，没有一个企业能够脱离磁盘数据库，固化的稳定的数据一般都是采用磁盘数据库。但是，当企业面临用户量扩大，并发性、实时性要求不断提高时，便会借助内存数据库。因此，根据你的场合选择合适的数据库存储形式非常重要。对于内存数据库，其实自己也没怎么用过，给你个传送门：http://dev.yesky.com/418/35355918.shtml2.对于mysql和sqlite，我个人觉得目前mysql非常通用，免费开源，学习成本低，应用面广泛，落地迅速，与各大主流的编程语言都有通用接口。相对较好，sqlite我只在学校时候用过，Σ( ° △ °|||)︴。一起学习一起进步！

内存数据库从范型上可以分为关系型内存数据库和键值型内存数据库。在实际应用中内存数据库主要是配合oracle或mysql等大型关系数据库使用，关注性能。作用类似于缓存，并不注重数据完整性和数据一致性。基于键值型的内存数据库比关系型更加易于使用，性能和可扩展性更好，因此在应用上比关系型的内存数据库使用更多。比较FastDB、Memcached和Redis主流内存数据库的功能特性。 FastDB的特点包括如下方面：1、FastDB不支持client-server架构因而所有使用FastDB的应用程序必须运行在同一主机上；2、fastdb假定整个数据库存在于RAM中，并且依据这个假定优化了查询算法和接口。3、fastdb没有数据库缓冲管理开销，不需要在数据库文件和缓冲池之间传输数据。4、整个fastdb的搜索算法和结构是建立在假定所有的数据都存在于内存中的，因此数据换出的效率不会很高。5、Fastdb支持事务、在线备份以及系统崩溃后的自动恢复。6、fastdb是一个面向应用的数据库，数据库表通过应用程序的类信息来构造。 FastDB不能支持Java API接口，这使得在本应用下不适合使用FastDB。Memcached Memcached是一种基于Key-Value开源缓存服务器系统，主要用做数据库的数据高速缓冲，并不能完全称为数据库。 memcached的API使用三十二位元的循环冗余校验（CRC-32）计算键值后，将资料分散在不同的机器上。当表格满了以后，接下来新增的资料会以LRU机制替换掉。由于 memcached通常只是当作缓存系统使用，所以使用memcached的应用程式在写回较慢的系统时（像是后端的数据库）需要额外的程序更新memcached内的资料。 memcached具有多种语言的客户端开发包，包括：Perl、PHP、JAVA、C、Python、Ruby、C#。Redis Redis是一个高性能的key-value数据库。redis的出现，很大程度补偿了memcached这类keyvalue存储的不足，在部分场合可以对关系数据库起到很好的补充作用。它提供了C++、Java、Python，Ruby，Erlang，PHP客户端。

1、redis中的每一个数据库，都由一个redisDb的结构存储。其中，redisDb.id存储着redis数据库以整数表示的号码。redisDb.dict存储着该库所有的键值对数据。redisDb.expires保存着每一个键的过期时间。2、当redis服务器初始化时，会预先分配16个数据库（该数量可以通过配置文件配置），所有数据库保存到结构redisServer的一个成员redisServer.db数组中。当我们选择数据库selectnumber时，程序直接通过redisServer.db[number]来切换数据库。有时候当程序需要知道自己是在哪个数据库时，直接读取redisDb.id即可。3、既然我们知道一个数据库的所有键值都存储在redisDb.dict中，那么我们要知道如果找到key的位置，就有必要了解一下dict的结构了：typedefstructdict{//特定于类型的处理函数dictType*type;//类型处理函数的私有数据void*privdata;//哈希表（2个）dicththt[2];//记录rehash进度的标志，值为-1表示rehash未进行intrehashidx;//当前正在运作的安全迭代器数量intiterators;}dict;由上述的结构可以看出，redis的字典使用哈希表作为其底层实现。dict类型使用的两个指向哈希表的指针，其中0号哈希表（ht[0]）主要用于存储数据库的所有键值，而1号哈希表主要用于程序对0号哈希表进行rehash时使用，rehash一般是在添加新值时会触发，这里不做过多的赘述。所以redis中查找一个key，其实就是对进行该dict结构中的ht[0]进行查找操作。4、既然是哈希，那么我们知道就会有哈希碰撞，那么当多个键哈希之后为同一个值怎么办呢？redis采取链表的方式来存储多个哈希碰撞的键。也就是说，当根据key的哈希值找到该列表后，如果列表的长度大于1，那么我们需要遍历该链表来找到我们所查找的key。当然，一般情况下链表长度都为是1，所以时间复杂度可看作o(1)。二、当redis拿到一个key时，如果找到该key的位置。了解了上述知识之后，我们就可以来分析redis如果在内存找到一个key了。1、当拿到一个key后，redis先判断当前库的0号哈希表是否为空，即：if(dict-2、判断该0号哈希表是否需要rehash，因为如果在进行rehash，那么两个表中者有可能存储该key。如果正在进行rehash，将调用一次_方法，_用于对数据库字典、以及哈希键的字典进行被动rehash，这里不作赘述。3、计算哈希表，根据当前字典与key进行哈希值的计算。4、根据哈希值与当前字典计算哈希表的索引值。5、根据索引值在哈希表中取出链表，遍历该链表找到key的位置。一般情况，该链表长度为1。6、当ht[0]查找完了之后，再进行了次rehash判断，如果未在rehashing，则直接结束，否则对ht[1]重复345步骤。到此我们就找到了key在内存中的位置了。

数据库的内存用的就是服务器的内存区别在于建数据库的时候,db的内存的大小是划好的以oracle为例,redo,undo,share,sga,pga等存储空间都属于内存范畴总的大小是小于server的内存的

日前有测试需求将MongoDB改成内存数据库。我们知道MongoDB有一个In-Memory存储引擎，但是社区版不能用。所以我们自己想办法将MongoDB改造成内存数据库，经过探索，有三种方式。 研究版本：mongo-3.4方式一：使用tmpfs作为文件系统方式二：使用ramfs作为文件系统这两种方式的思路都差不多，使用一个内存模拟文件系统，由于替换了磁盘文件系统，数据就保留在内存中。方式三：修改源码设置in_memory参数其实wiredtiger本身就支持将数据保留在内存中不刷盘，MongoDB的内存引擎估计也是利用wt的这一特性。wiredtiger.in文件中，wiredtiger_open()函数会传入配置信息config，函数前面的注释详细解释了有哪些配置项，其中就列出了in_memory配置，如下图说明。 如果修改源码传入in_memory=true编译还是会报错，提示incompatible argument in-memor。 报上述错误是因为开源版本对这个参数进行了检查，如果设置了就会传回错误码，修改方式很简单，令它不返回错误码就行了。 就这样我们将MongoDB改成了内存数据库。 由上至下的文件位置分别在： src/third_party/wiredtiger/src/include/wiredtiger.in src/mongo/db/storage/wiredtiger/wiredtiger_kv_engine.cpp src/third_party/wiredtiger/src/conn/conn_ckpt.c最近重新使用这个内存数据库，发现报出新的错误，提示in_memory与log不能同时设置，这个log的设置默认为true，如果指定nojournal，那么会置为false。不过先检查后重置，所以报错。 解决方法是在检查之前就加入log=(enabled=false)然后启动./mongod –dbpath {path} –nojournal

内存和你家里的电脑内存差不多，网页空间相当于你家里的硬盘大小。流量相当于上网消耗的流量。我可以帮忙， 有联系方式吗

（1）、Windows->Show View->Other…（2）、选择Data Management->Data Source Explorer，点击OK。创建Driver（1）、Window->Preferences（2）、选择Data Management->Driver Definitions（3）、点击Add。在Name/Type标签页中，选择Generic JDBC Driver，并修改Driver name为：JDBC Driver。在JAR List标签页中，加入h2-1.3.164.jar。在Properties选项页中，配置如下信息：Connection URL：jdbc:h2:E:DataBaseyht（路径和文件名，可以自己设置）Database Name：SAMPLEDriver Class：org.h2.DriverUser ID：yht（数据库用户名，可以自己设置）如下图所示：一路OK返回开发环境。创建Connections（1）、File->New->Other…（2）、选择Connection Profiles->Connection Profile。点击Next。（3）、选择刚创建的Generic JDBC，并修改Name为：JDBC。点击Next。（4）、输入密码。第一次输入的为密码，点击Test Connection，查看是否连接成功。（5）、最后点击Finish：运行sql脚本（1）、在环境中打开sql脚本，选择创建的数据库，如下图。（2）、右击sql文件，选择Execute All。（3）、成功运行，如下图所示：获取db格式文件在路径E:DataBase下获取文件：yht.h2.db。

现在内存便宜嘛，这些家伙就开始玩概念了。难道Oracle就不是把数据临时放在内存中吗？

右键SQL服务器属性

答案：A1.文档型数据库作为最受欢迎的NoSQL产品，文档型数据库MongoDB当仁不让地占据了第一的位置，同时它也是所有NoSQL数据库中排名最靠前的产品(总排行榜第七名)。Apache基金会的CouchDB排在第二，基于.Net的数据库RavenDB排在第三，Couchbase排在第四。2.键值(Key-value)数据库键值(Key-value)数据库是NoSQL领域中应用范围最广的，也是涉及产品最多的一种模型。从最简单的BerkeleyDB到功能丰富的分布式数据库Riak再到Amazon托管的DynamoDB不一而足。在键值数据库流行度排行中，Redis不出意外地排名第一，它是一款由Vmware支持的内存数据库，总体排名第十一。排在第二位的是Memcached，它在缓存系统中应用十分广泛。排在之后的是Riak、BerkeleyDB、SimpleDB、DynamoDB以及甲骨文的Oracle NoSQL数据库。值得注意的是，Oracle NoSQL数据库上榜不久，得分已经翻番，上升势头非常迅猛。3.　列式存储列式存储被视为NoSQL数据库中非常重要的一种模式，其中Cassandra流行度最高，它已经由Facebook转交给到Apache进行管理，同时Cassandra在全体数据库排名中排在第十位，紧随MongoDB成为第二受欢迎的NoSQL数据库。基于Hadoop的Hbase排在第二位，Hypertable排在第三。而Google的BigTable并未列入排名，原因是它并未正式公开。

　　为数据库配置比较大的内存 可以有效提高数据库性能 因为数据库在运行过程中 会在内存中划出一块区域来作为数据缓存 通常情况下 用户访问数据库时 数据先会被读取到这个数据缓存中 当下次用户还需要访问这个数据时 就会从这个数据缓存中读取 因为在数据缓存中读取数据要比在硬盘上读取数据快几百倍 所以扩大数据库服务器内存 可以有效提高数据库性能 特别是操作大型数据库时效果更加明显 　　但是 现在企业中普遍采用的数据库服务器都是 位的操作系统 而这个 位的操作系统却有最大内存的使用限制 通常情况下 标准的 位地址最多可以采用 GB的内存 若数据库管理员想让数据库系统采用更多的内存来提高数据库的性能 则就需要进行额外的配置 下面笔者就介绍两种常用的配置方式 让SQLServer数据库服务器支持大内存 让其成为数据库的加速剂 　　 一 让数据库应用程序支持 GB的内存空间 　　虽然操作系统支持 GB内存 可是 这并不会全部给数据库等应用程序使用 默认情况下 在 位操作系统中 将有 GB的内存空间是为操作系统所保留的 即使没有用完 其他应用程序也是不能够染指的 而包含SQL Server数据库在内的所有应用程序 只能过采用剩余的 GB内存空间 　　但是 在实际应用中 操作系统往往用不着多大 G的内存 根据笔者的经验 一般只要为操作系统保留 G的内存已经足够其使用 只要没有病毒等不良因素作怪 这个内存不会被完全适用 如此的话 应用程序可以采用的内存空间就会多达 G 比原先整整多出一个G来 　　要实现这个转变 其实很简单 在Windows操作系统中 有一个BOOT启动配置文件 为了让数据库服务器支持 GB的用户模式进程空间 必须在这个配置文件中 加入一个/ gb的参数 然后重新启动操作系统即可 这么设置之后 应用程序就可以寻址 GB的进程地址空间 而为操作系统保留 GB的内存空间 　　有时候 这个小小的配置可以在很大程度上提高数据库的性能 记得有一次 笔者为一家企业优化数据库性能 笔者查看了用户的数据库环境之后 就建议用户增大数据库服务器的内存 从 G增加到 G 可是 效果并没有很大的改善 正当笔者束手无措的时候 就想到了改变操作系统与应用程序的内存分配方式 为此 笔者就更改了BOOT启动配置文件 只给操作系统保留 G的内存空间 重新启动后 数据库性能得到了很大的改善 　　 二 为SQLServer启用更高的内存支持 　　如果数据库应用程序内存寻址空间达到 GB后 数据库管理员还不满足的话 则就需要通过增加物理内存的方式 来提高应用程序的性能 若需要服务器操作系统突破其默认 GB内存空间的限制 支持 GB以上的内存空间 也不是不可能的 只是需要进行额外的配置 并且 其维护的工作量也比较大 　　若想要SQLServer数据库支持 GB以上的内存寻址空间 则往往需要进行如下配置 　　第一步 锁定内存页 　　默认情况下 内存大小与操作系统的虚拟内存之间有一个正比例关系 在这里 数据库管理员只想增大服务器的物理内存 而不想对虚拟内存有什么影响 故需要锁定内存页 锁定内存页的主要作用就是确定哪些帐户可以使用进程将数据保留在物理内存中 从而阻止系统将数据分页到磁盘的虚拟内存中 默认情况下 这个选项的只为OFF 也就是说 在必要的时候 系统会将数据分页到硬盘的虚拟空间中 为了最大程度发挥内存的效用 就需要把这个选项开启 不过这数据库管理员往往需要寻求系统管理员的帮助 因为只有具有系统管理员权限的用户 才能够给更改这个选项 　　第二步 启用Awe Enable选项 　　默认情况下 即使服务器操作系统支持 GB以上的内存空间 可是数据库应用程序并不一定支持 为了让SQLServer应用程序也支持这个 就必须更改数据库的配置参数 也就是说 需要将这个选项的值设置为 然后重新启动数据库系统 这个配置比较简单 只需要利用命令sp_configure awe enabled 即可 不过在进行这个配置之前 需要注意两个细节方面的内容 一是数据库用户需要这个操作的权限 二是这里有一个BUG 即在SQL Server数据库中会有一个错误信息 数据库管理员可以忽略这个信息 　　第三步 限制文件系统缓存 　　若增加的内存给操作系统或者其他应用程序用了 那么数据库管理员不是白忙一场吗?为此 数据库管理员还需要优化数据库系统内存的使用情况 如需要限制系统用于文件缓存的内存量 如要这么处理的话 只需要简单的三个步骤即可 　　首先 数据库管理员在操作系统中 找到控制面板 并双击网络连接 然后选中本地连接 其次 双击本地连接 在弹出的对话框中 找到常规选项卡 单击属性 选中网络文件与打印机共享 并单击属性 最后 在弹出的对话框中 去掉 最大化网络应用程序数据吞吐量 复选框 一路按确认即可 这个简单的步骤 就可以优化数据库内存的使用率 　　 三 大内存维护管理几个关键点 　　在通常情况下 往往不需要启用 GB以上的内存 但是 若在服务器上 同时启用了其他的应用程序服务 如在一台服务器上同时有数据库应用程序 邮件应用程序 文件服务器等多个应用服务的话 则可能原有的 GB内存无法满足 系统管理员不得不对内存进行升级 但是 对内存升级之后 数据库管理员需要手工对内存的分配进行干预 以免SQLServer应用程序占用比较多的内存空间 而影响其他应用程序的性能 　　 配置max server memory选项 虽然说这个选项并不是必须要修改的 但是笔者仍强烈建议数据库管理员要修改这个选项 特别是数据库应用程序与其他应用程序共享同一台服务器时 因为启动SQLServer对大内存的支持后(将Awe Enabled设置为 ) 而且可用物理内存大于用户模式进程空间 则当启动数据库服务器时 运行的SQLServer实例将会占用几乎所有的可用内存(不管需不需要使用 数据库服务器程序会先锁定这些内存 这就叫占著茅坑不拉屎) 而这个max server memory选项就是用来配置其最大可以占用的内存数量 数据库管理员需要预先估算出一个合理的数值 然后进行配置 让数据库应用程序与其他应用服务能够共同改善 至少不能够对其他应用程序的性呢产生不良影响 在比较极端的情况下 可以在升级内存之前 先关闭数据库应用程序;然后启用其他应用程序服务 观测一段时间 看看他们所需要用到多少的内存 然后升级内存 并为其他应用程序至少保留以前所需要的内存空间 否则的话 就会对其他应用程序产生不良影响 牺牲其他应用程序的性能来提高数据库的性能 这是拆西墙补东墙的做法 不值得取 lishixinzhi/Article/program/SQL/201311/16351

本文主要内容是测试了不同NoSQL数据库在测试工具YCSB中的表现。我们选取了3款流行的内存(in-memory)数据库管理系统：Redis，Tarantool 以及 CouchBase，还有缓存系统Memchached。Memchached虽然不属于数据库管理系统但常作为快速存储系统使用。测试环境由4台在Microsoft Azure Cloud中的虚拟机组成的计算机组组成。这些虚拟机同属于一个数据中心。nosql-1和nosql-2用作测试Tarantool和CouchBase，nosql-3和nosql-4用作测试Redis，Azure Redis Cache 以及 Memcached。这些机器都安装和配置了相应数据库和测试项目。虚拟机的配置为4核A3 CPU，7GB RAM，120GB硬盘。数据库及设置内存数据库管理系统会存储所有在主内存中的数据并在磁碟上进行持续更新操作；透过日志记录每个数据的修改以确保连贯性。由于是以append-only方式进行日志写入，因此它很少遇到瓶颈问题；读取/写入都不会造成频繁的磁碟头移动。Redis在2009推出，目前的最新版本是3.0.5。我们这里使用的版本是3.0.4，以append-only(只附加)方式进行数据管理，与其配合使用的是Microsoft Azure Redis Cache工具。Tarantool是一款开源NoSQL数据库管理系统。我们使用的是Tarantool 1.6.7-126-gb35aff9，日志采用write-ahead(先写)模式。Memcached是一款分布式内存缓存系统，这里使用是Memcached 1.4.14-0ubuntu9。Couchbase Server是开源分布式NoSQL面向文档数据库，这里使用的版本是Couchbase 4.0.0-4047-1。YCSB测试工具Yahoo! Cloud Serving Benchmark(YCSB)是功能强大的NoSQL数据库性能测试工具，它提供了6种主要的负载工作类型，以字母A到F来区分。负载A负责更新操作，极值是50/50的读写操作，如用于进行新近操作记录。负载B负责读取操作，极值是95/5的读写操作，如用于进行图片标签管理，多进行标签读取操作。负载C负载100%的读取操作，如用于进行用户属性获取。负载D以先进先出方式进行插入操作，如用户进行最新数据读取。负载E负责小范围记录读取而不是单个记录读取，如线程会话。负载F负责记录的读取，修改和写入，如用户信息管理。我们对配置文件作了两处参数修改：数据条目recordcount设为200000，操作条目operationcount设为5000000。YCSB是多线程工具，我们将以8, 16, 32, 64, 128 及256 线程来进行测试。详细的测试脚本请点击这里进行下载。下列测试结果图以颜色进行测试对象区分，Tarantool (HASH) （蓝）Tarantool (TREE)（浅蓝）Redis （红）Azure Redis Cache （橙）Memcached （绿）CouchBase（黑）更多图片请点击［这里］查看。结论Tarantool在所有负载类型测试中皆取得了最优成绩。它创建了一个无锁内存引擎，以协同多任务方式进行操作而不是互斥或并行处理方式。根据以下性能图表现，我们的结论是Tarantool的高吞吐量处理是其最大优势之一。因此在多数场合下，Tarantool是用户的最佳选择。

电信的二次批价和实时累账是计费系统中的两个必备功能。所谓二次批价是相对于一次批价来说的。一次批价是按照国家标准资费来进行价格计算，比如: 全球通每分钟本地通话为0.4元，在一次批价完成后，会根据这个用户的套餐进行再一次的计算。以北京全球通用户接听4分钟的电话为例，一次批价完成后，这条话单的价格是1.6元，如果这个用户参加了10元包月接听套餐，那么在二次批价后，这次通话的费用就为0元。一次批价是用于各大运营商之间结算的，而二次批价是针对用户个人的。实时累账是将用户从每月1号到目前为止的所有费用累加起来，也就是用户目前可以通过10086查到截止到前一天的实时话费。累账值可以帮助用户控制高额话费或是供用户即时查询消费信息。二次批价和实时累账过程涉及用户资料、用户套餐等与用户相关的信息，电信支撑系统在开始批价时必须加载这些数据。稍大一点的省级运营商的这些数据就会超过1000万条，计费处理模型也由于套餐的组合、产品的组合以及不同的优惠规则变得相当复杂，加载这部分数据对系统而言是一笔不小的开销，这就使得现在的计费处理速度比较慢，而且很难做到对数据的实时更新。内存数据库的引入在一定程度上解决了这个问题。在计费二次批价过程中数据量最大的是详单数据，这部分数据不用放在内存数据库中，每处理完一个话单文件或达到设定的提交记录数时直接操作磁盘数据库，不会影响系统性能。最急切的是将用户资料、套餐、营业套餐和计费套餐对应关系数据、计费套餐模型数据及用户累计数据放到内存数据库中，这部分数据查询操作远比数据新增和更新操作要频繁。除了这些数据外，当然还有应用需要的其他数据也都可以加载到内存数据库。在采用内存数据库后，用户通过营业部或客户查询实时话费的时候完全可以做到实时，比目前只能提供查询到前一天的实时话费在业务上有了质的飞跃。因为系统在处理这部分数据时查询流程和以前的完全一样，但系统省去了以往内存中的数据和磁盘数据库数据同步的环节，所以就能做到了实时查询。对于信控来说也同样，以往系统在累完账后要按照一定周期刷新信控数据，这就存在一个时间差，不能够完全做到实时。而采用内存数据库后，信控可以直接取得内存数据库中的实时话费累计表中的数据，完全实现实时预警、停机。二次批价和累账中采用内存数据库后，对防欺诈、收入保障系统也有相当大的好处，这样能够充分保证运营商的切身利益。另外，在采用内存数据库后，整体提高了系统批价、累账的处理速度，大大缓解访问磁盘数据库的压力，提高数据查询、修改、删除的效率，也为后付费和预付费的融合提供了可能。

我也在为dataset并发问题苦恼1

假定在程序效率和关键过程相当且不计入缓存等措施的条件下，读写任何类型的数据都没有直接操作文件来的快，不论MSYQL过程如何，最后都要到磁盘上去读这个“文件”（记录存储区等效），所以当然这一切的前提是只读 内容，无关任何排序或查找操作。动态网站一般都是用数据库来存储信息，如果信息的及时性要求不高 可以加入缓存来减少频繁读写数据库。两种方式一般都支持，但是绕过操作系统直接操作磁盘的性能较高，而且安全性也较高，数据库系中的磁盘性能一直都是瓶颈，大型数据库一般基于unix系统，当然win下也有，不常用应为win的不可靠性，unix下，用的是裸设备raw设备，就是没有加工过的设备（unix下的磁盘分区属于特殊设备，以文件形式统一管理），由dbms直接管理，不通过操作系统，效率很高，可靠性也高，因为磁盘，cache和内存都是自己管理的，大型数据库系统db2，oracal，informix（不太流行了），mssql算不上大型数据库系统。1、直接读文件相比数据库查询效率更胜一筹，而且文中还没算上连接和断开的时间。2、一次读取的内容越大，直接读文件的优势会越明显（读文件时间都是小幅增长，这跟文件存储的连续性和簇大小等有关系），这个结果恰恰跟书生预料的相反，说明MYSQL对更大文件读取可能又附加了某些操作（两次时间增长了近30%），如果只是单纯的赋值转换应该是差异偏小才对。3、写文件和INSERT几乎不用测试就可以推测出，数据库效率只会更差。4、很小的配置文件如果不需要使用到数据库特性，更加适合放到独立文件里存取，无需单独创建数据表或记录，很大的文件比如图片、音乐等采用文件存储更为方便，只把路径或缩略图等索引信息放到数据库里更合理一些。5、PHP上如果只是读文件，file_get_contents比fopen、fclose更有效率，不包括判断存在这个函数时间会少3秒左右。6、fetch_row和fetch_object应该是从fetch_array转换而来的，书生没看过PHP的源码，单从执行上就可以说明fetch_array效率更高，这跟网上的说法似乎相反。磁盘读写与数据库的关系：一 磁盘物理结构(1) 盘片：硬盘的盘体由多个盘片叠在一起构成。在硬盘出厂时，由硬盘生产商完成了低级格式化(物理格式化)，作用是将空白的盘片(Platter)划分为一个个同圆心、不同半径的磁道(Track)，还将磁道划分为若干个扇区(Sector)，每个扇区可存储128×2的N次方（N=0.1.2.3）字节信息，默认每个扇区的大小为512字节。通常使用者无需再进行低级格式化操作。(2) 磁头：每张盘片的正反两面各有一个磁头。(3) 主轴：所有磁片都由主轴电机带动旋转。(4) 控制集成电路板：复杂！上面还有ROM（内有软件系统）、Cache等。二 磁盘如何完成单次IO操作(1) 寻道当控制器对磁盘发出一个IO操作命令的时候，磁盘的驱动臂(ActuatorArm)带动磁头(Head)离开着陆区(LandingZone，位于内圈没有数据的区域)，移动到要操作的初始数据块所在的磁道(Track)的正上方，这个过程被称为寻道(Seeking)，对应消耗的时间被称为寻道时间(Seek Time)；(2) 旋转延迟找到对应磁道还不能马上读取数据，这时候磁头要等到磁盘盘片(Platter)旋转到初始数据块所在的扇区(Sector)落在读写磁头正下方之后才能开始读取数据，在这个等待盘片旋转到可操作扇区的过程中消耗的时间称为旋转延时(Rotational Delay)；(3) 数据传送接下来就随着盘片的旋转，磁头不断的读/写相应的数据块，直到完成这次IO所需要操作的全部数据，这个过程称为数据传送(Data Transfer)，对应的时间称为传送时间(Transfer Time)。完成这三个步骤之后单次IO操作也就完成了。根据磁盘单次IO操作的过程，可以发现：单次IO时间 = 寻道时间 + 旋转延迟 + 传送时间进而推算IOPS(IO per second)的公式为：IOPS = 1000ms/单次IO时间三 磁盘IOPS计算不同磁盘，它的寻道时间，旋转延迟，数据传送所需的时间各是多少？1. 寻道时间考虑到被读写的数据可能在磁盘的任意一个磁道，既有可能在磁盘的最内圈（寻道时间最短），也可能在磁盘的最外圈（寻道时间最长），所以在计算中我们只考虑平均寻道时间。在购买磁盘时，该参数都有标明，目前的SATA/SAS磁盘，按转速不同，寻道时间不同，不过通常都在10ms以下：3. 传送时间2. 旋转延时和寻道一样，当磁头定位到磁道之后有可能正好在要读写扇区之上，这时候是不需要额外的延时就可以立刻读写到数据，但是最坏的情况确实要磁盘旋转整整一圈之后磁头才能读取到数据，所以这里也考虑的是平均旋转延时，对于15000rpm的磁盘就是(60s/15000)*(1/2) = 2ms。(1) 磁盘传输速率磁盘传输速率分两种：内部传输速率(Internal Transfer Rate)，外部传输速率(External Transfer Rate)。内部传输速率(Internal Transfer Rate)，是指磁头与硬盘缓存之间的数据传输速率，简单的说就是硬盘磁头将数据从盘片上读取出来，然后存储在缓存内的速度。理想的内部传输速率不存在寻道，旋转延时，就一直在同一个磁道上读数据并传到缓存，显然这是不可能的，因为单个磁道的存储空间是有限的；实际的内部传输速率包含了寻道和旋转延时，目前家用磁盘，稳定的内部传输速率一般在30MB/s到45MB/s之间(服务器磁盘，应该会更高)。外部传输速率(External Transfer Rate)，是指硬盘缓存和系统总线之间的数据传输速率，也就是计算机通过硬盘接口从缓存中将数据读出交给相应的硬盘控制器的速率。硬盘厂商在硬盘参数中，通常也会给出一个最大传输速率，比如现在SATA3.0的6Gbit/s，换算一下就是6*1024/8，768MB/s，通常指的是硬盘接口对外的最大传输速率，当然实际使用中是达不到这个值的。这里计算IOPS，保守选择实际内部传输速率，以40M/s为例。(2) 单次IO操作的大小有了传送速率，还要知道单次IO操作的大小(IO Chunk Size)，才可以算出单次IO的传送时间。那么磁盘单次IO的大小是多少？答案是：不确定。操作系统为了提高 IO的性能而引入了文件系统缓存(File System Cache)，系统会根据请求数据的情况将多个来自IO的请求先放在缓存里面，然后再一次性的提交给磁盘，也就是说对于数据库发出的多个8K数据块的读操作有可能放在一个磁盘读IO里就处理了。还有，有些存储系统也是提供了缓存（Cache），接收到操作系统的IO请求之后也是会将多个操作系统的 IO请求合并成一个来处理。不管是操作系统层面的缓存还是磁盘控制器层面的缓存，目的都只有一个，提高数据读写的效率。因此每次单独的IO操作大小都是不一样的，它主要取决于系统对于数据读写效率的判断。这里以SQL Server数据库的数据页大小为例：8K。(3) 传送时间传送时间 = IO Chunk Size/Internal Transfer Rate = 8k/40M/s = 0.2ms可以发现：(3.1) 如果IO Chunk Size大的话，传送时间会变大，从而导致IOPS变小；(3.2) 机械磁盘的主要读写成本，都花在了寻址时间上，即：寻道时间 + 旋转延迟，也就是磁盘臂的摆动，和磁盘的旋转延迟。(3.3) 如果粗略的计算IOPS，可以忽略传送时间，1000ms/(寻道时间 + 旋转延迟)即可。4. IOPS计算示例以15000rpm为例：(1) 单次IO时间单次IO时间 = 寻道时间 + 旋转延迟 + 传送时间 = 3ms + 2ms + 0.2 ms = 5.2 ms(2) IOPSIOPS = 1000ms/单次IO时间 = 1000ms/5.2ms = 192 (次)这里计算的是单块磁盘的随机访问IOPS。考虑一种极端的情况，如果磁盘全部为顺序访问，那么就可以忽略：寻道时间 + 旋转延迟 的时长，IOPS的计算公式就变为：IOPS = 1000ms/传送时间IOPS = 1000ms/传送时间= 1000ms/0.2ms = 5000 (次)显然这种极端的情况太过理想，毕竟每个磁道的空间是有限的，寻道时间 + 旋转延迟 时长确实可以减少，不过是无法完全避免的。四 数据库中的磁盘读写1. 随机访问和连续访问(1) 随机访问(Random Access)指的是本次IO所给出的扇区地址和上次IO给出扇区地址相差比较大，这样的话磁头在两次IO操作之间需要作比较大的移动动作才能重新开始读/写数据。(2) 连续访问(Sequential Access)相反的，如果当次IO给出的扇区地址与上次IO结束的扇区地址一致或者是接近的话，那磁头就能很快的开始这次IO操作，这样的多个IO操作称为连续访问。(3) 以SQL Server数据库为例数据文件，SQL Server统一区上的对象，是以extent(8*8k)为单位进行空间分配的，数据存放是很随机的，哪个数据页有空间，就写在哪里，除非通过文件组给每个表预分配足够大的、单独使用的文件，否则不能保证数据的连续性，通常为随机访问。另外哪怕聚集索引表，也只是逻辑上的连续，并不是物理上。日志文件，由于有VLF的存在，日志的读写理论上为连续访问，但如果日志文件设置为自动增长，且增量不大，VLF就会很多很小，那么就也并不是严格的连续访问了。2. 顺序IO和并发IO(1) 顺序IO模式(Queue Mode)磁盘控制器可能会一次对磁盘组发出一连串的IO命令，如果磁盘组一次只能执行一个IO命令，称为顺序IO；(2) 并发IO模式(Burst Mode)当磁盘组能同时执行多个IO命令时，称为并发IO。并发IO只能发生在由多个磁盘组成的磁盘组上，单块磁盘只能一次处理一个IO命令。(3) 以SQL Server数据库为例有的时候，尽管磁盘的IOPS(Disk Transfers/sec)还没有太大，但是发现数据库出现IO等待，为什么？通常是因为有了磁盘请求队列，有过多的IO请求堆积。磁盘的请求队列和繁忙程度，通过以下性能计数器查看：LogicalDisk/Avg.Disk Queue LengthLogicalDisk/Current Disk Queue LengthLogicalDisk/%Disk Time这种情况下，可以做的是：(1) 简化业务逻辑，减少IO请求数；(2) 同一个实例下，多个数据库迁移的不同实例下；(3) 同一个数据库的日志，数据文件分离到不同的存储单元；(4) 借助HA策略，做读写操作的分离。3. IOPS和吞吐量(throughput)(1) IOPSIOPS即每秒进行读写（I/O）操作的次数。在计算传送时间时，有提到，如果IO Chunk Size大的话，那么IOPS会变小，假设以100M为单位读写数据，那么IOPS就会很小。(2) 吞吐量(throughput)吞吐量指每秒可以读写的字节数。同样假设以100M为单位读写数据，尽管IOPS很小，但是每秒读写了N*100M的数据，吞吐量并不小。(3) 以SQL Server数据库为例对于OLTP的系统，经常读写小块数据，多为随机访问，用IOPS来衡量读写性能；对于数据仓库，日志文件，经常读写大块数据，多为顺序访问，用吞吐量来衡量读写性能。磁盘当前的IOPS，通过以下性能计数器查看：LogicalDisk/Disk Transfers/secLogicalDisk/Disk Reads/secLogicalDisk/Disk Writes/sec磁盘当前的吞吐量，通过以下性能计数器查看：LogicalDisk/Disk Bytes/secLogicalDisk/Disk Read Bytes/secLogicalDisk/Disk Write Bytes/sec

可以通过连接电脑进行导出，近期上市的机型连接电脑方法：1.手机与电脑连接数据线，待电脑正常识别到手机后，手机自动提示是否使用MTP连接模式，选择【允许】即可；2.如电脑无法识别手机，建议在电脑中安装【S换机助手】和【windows media player11】；3.安装后，手机直接与电脑相连即可，如手机设置了屏幕锁，例如图案锁或密码锁则需要解锁，否则无法连接。

使用SQLiteOpenHelper可以完成数据库的创建与管理。根据查询CSDN博客网显示，使用Android系统中自带的SQLiteOpenHelper可以完成内存卡中的数据库的创建与管理。

内存数据库从范型上可以分为关系型内存数据库和键值型内存数据库。在实际应用中内存数据库主要是配合oracle或mysql等大型关系数据库使用，关注性能。作用类似于缓存，并不注重数据完整性和数据一致性。基于键值型的内存数据库比关系型更加易于使用，性能和可扩展性更好，因此在应用上比关系型的内存数据库使用更多。比较FastDB、Memcached和Redis主流内存数据库的功能特性。 FastDB的特点包括如下方面：1、FastDB不支持client-server架构因而所有使用FastDB的应用程序必须运行在同一主机上；2、fastdb假定整个数据库存在于RAM中，并且依据这个假定优化了查询算法和接口。3、fastdb没有数据库缓冲管理开销，不需要在数据库文件和缓冲池之间传输数据。4、整个fastdb的搜索算法和结构是建立在假定所有的数据都存在于内存中的，因此数据换出的效率不会很高。5、Fastdb支持事务、在线备份以及系统崩溃后的自动恢复。6、fastdb是一个面向应用的数据库，数据库表通过应用程序的类信息来构造。 FastDB不能支持Java API接口，这使得在本应用下不适合使用FastDB。Memcached Memcached是一种基于Key-Value开源缓存服务器系统，主要用做数据库的数据高速缓冲，并不能完全称为数据库。 memcached的API使用三十二位元的循环冗余校验（CRC-32）计算键值后，将资料分散在不同的机器上。当表格满了以后，接下来新增的资料会以LRU机制替换掉。由于 memcached通常只是当作缓存系统使用，所以使用memcached的应用程式在写回较慢的系统时（像是后端的数据库）需要额外的程序更新memcached内的资料。 memcached具有多种语言的客户端开发包，包括：Perl、PHP、JAVA、C、Python、Ruby、C#。Redis Redis是一个高性能的key-value数据库。redis的出现，很大程度补偿了memcached这类keyvalue存储的不足，在部分场合可以对关系数据库起到很好的补充作用。它提供了C++、Java、Python，Ruby，Erlang，PHP客户端。

相对于磁盘，内存的数据读写速度要高出几个数量级，将数据保存在内存中相比从磁盘上访问能够极大地提高应用的性能。同时，内存数据库抛弃了磁盘数据管理的传统方式，基于全部数据都在内存中重新设计了体系结构，并且在数据缓存、快速算法、并行操作方面也进行了相应的改进，所以数据处理速度比传统数据库的数据处理速度要快很多，一般都在10倍以上。内存数据库的最大特点是其"主拷贝"或"工作版本" 常驻内存，即活动事务只与实时内存数据库的内存拷贝打交道。显然，它要求较大的内存量，但并非任何时刻整个数据库都存放在内存，即内存数据库系统还是要处理I/O。

最简单的方法：sql管理器-- 对象资源管理器--根节点--右键菜单--属性--内存--修改可以先在该界面按F1看帮助。代码查看SELECT * FROM sys.configurations;看到name=‘max server memory (MB)"设置 因为该项的 is_advanced=1 so 以下代码有开关部分。--开启EXEC sys.sp_configure N"show advanced options",N"1"; RECONFIGURE WITH OVERRIDE;GO--设置 如设置为 2G，注意单位，2048MBEXEC sys.sp_configure N"max server memory (MB)",N"2048";RECONFIGURE WITH OVERRIDE;GO--关闭EXEC sys.sp_configure N"show advanced options",N"0";RECONFIGURE WITH OVERRIDE;GO

1、在安装有SQLServer数据库的计算机上，使用数据库的过程中，有时候会在任务管理器里发现sqlservr.exe这个进程的内存和CPU占用率较高。2、接下来看一下，如何解决上面这个问题，需要设置SQLServer数据库的内存配置。登录数据库，这里使用的是SQLServer2008,右键点击最上方的服务器名，在弹出的菜单中，点击【属性】3、打开服务器属性窗口。默认显示的是第一项【常规】内容，点击第二项【内存】进行内存配置。4、点击【内存】后，打开服务器内存选项配置界面。这里的【使用AWE分配内存】可以对内存进行扩展支持，要做的是更改下方的最大服务器内存。这个数值根据自己服务器内存大小来做适当设置。5、建议设置本机内存的一半或稍微高一点，如机器内存为2G，那么填写1000。需要注意的是内存设置调小以后，在数据库执行较复杂SQL语句的时候，可能会比较慢，出现这种情况，再适当上调最大内存配置大小。

如果能在实例级别为同一SQL服务器上的不同实例限制其能够使用的最大和最小内存，就能降低这种情况对其他应用系统的影响。具体的操作如下：（一）实例的最大和最小内存设置右击数据库，选择属性，如图。为实例设置合适的最大和最小内存，如图。（二）为操作系统预留足够的内存假如一台8GB的服务器，我们可以限制数据库使用的内存上限不超过6GB，剩下的2GB留给操作系统使用。（三）配置lock pages in memory查看SQL进程的启动账户，如图。在组策略里设置启动SQL Server的账户拥有锁定内存页的权限。如图。在下图的添加用户或组界面，添加SQL server的服务启动账户，如图。设置完成后，需要关注的两个问题：1、因为SQL Server锁定了内存页，当Windows内存告急时，SQL Server就不能对Windows的内存告急做出响应，因为SQL Server的特性是内存有多少用多少，因此很有可能在无法做出对Windows低内存的响应时造成Windows的不稳定甚至崩溃。因此开启了”Lock Page In Memory”之后，要限制SQL Server Buffer Pool的内存使用2、还有一个问题是当Buffer Pool通过AllocateUserPhysicalPages分配内存时，我们在任务管理器中看到的sqlservr.exe占用的内存就仅仅包含Buffer Pool中非Data Cache部分和MemToLeave部分，而不包含Data Cache部分，因此看起来有可能造成sqlservr.exe只占用了几百兆内存而内存的使用是几十G。这时我们就需要在Perfmon.exe中查看SQL Server:Memory ManagerTotal Server Memory计数器去找到SQL Server真实占用的内存。（由于SQL server 2012内存管理机制的变化，所以个人认为这一条原则可能只适用于SQL server 2008R2以前的数据库版本）

答：在我们学习的数据库中，以下哪个是内存数据库？（ A）A.HBaseB.RedisC.MongoDBD.Bigtabl

什么情况下都行

在安装有SQLServer数据库的计算机上，我们在使用数据库的过程中，有时候会在任务管理器里发现sqlservr.exe这个进程的内存和CPU占用率较高。接下来我们来看一下，如何解决上面这个问题，需要设置SQLServer数据库的内存配置。登录数据库，这里使用的是SQLServer2008,右键点击最上方的服务器名，在弹出的菜单中，点击【属性】打开服务器属性窗口。默认显示的是第一项【常规】内容，点击第二项【内存】进行内存配置。点击【内存】后，打开服务器内存选项配置界面。这里的【使用AWE分配内存】可以对内存进行扩展支持，我们要做的是更改下方的最大服务器内存。这个数值根据自己服务器内存大小来做适当设置。个人建议设置本机内存的一半或稍微高一点，如机器内存为2G，那么我们这里填写1000。需要注意的是内存设置调小以后，在数据库执行较复杂SQL语句的时候，可能会比较慢，出现这种情况，我们再适当上调最大内存配置大小。

如果能在实例级别为同一SQL服务器上的不同实例限制其能够使用的最大和最小内存，就能降低这种情况对其他应用系统的影响。具体的操作如下：（一）实例的最大和最小内存设置右击数据库，选择属性，如图。为实例设置合适的最大和最小内存，如图。（二）为操作系统预留足够的内存假如一台8GB的服务器，我们可以限制数据库使用的内存上限不超过6GB，剩下的2GB留给操作系统使用。（三）配置lock pages in memory查看SQL进程的启动账户，如图。在组策略里设置启动SQL Server的账户拥有锁定内存页的权限。如图。在下图的添加用户或组界面，添加SQL server的服务启动账户，如图。设置完成后，需要关注的两个问题：1、因为SQL Server锁定了内存页，当Windows内存告急时，SQL Server就不能对Windows的内存告急做出响应，因为SQL Server的特性是内存有多少用多少，因此很有可能在无法做出对Windows低内存的响应时造成Windows的不稳定甚至崩溃。因此开启了”Lock Page In Memory”之后，要限制SQL Server Buffer Pool的内存使用

具备高可靠性及可扩展性的海量数据存储对互联网公司来说是一个巨大的挑战，传统的数据库往往很难满足该需求，并且很多时候对于特定的系统绝大部分的检索都是基于主键的的查询，在这种情况下使用关系型数据库将使得效率低下，并且扩展也将成为未来很大的难题。在这样的情况下，使用Key-value存储将会是一个很好的选择。它被广泛应用于缓存，搜索引擎等等领域。 根据以上的描述，一个好的key-value存储需要满足哪些条件呢？l Availability可用性l Scalability可扩展性l Failover故障恢复l Performance高性能简单来说，就是数据不能丢失，服务不能中断，能对故障进行感知并能自动恢复，读写性能极高。文件存储这一部分比较大，以后会另开主题写单文件还是多文件不少nosql的产品采用的是单文件存储的，数据量大以后肯定会遇到性能瓶颈，这一点无需多说，我想强调的是，采用多文件存储数据优点还是非常多的，不过也需要注意，操作系统对于能够打开的文件数目是由限制的，貌似Linux好像是1024（待确认），Only Append为了支持更快的写操作，数据文件的写操作只支持append，这个就不多说了，相信大部分的海量存储设计都是这样的。因此，更新操作等价于写操作，不过在写的时候第一步判断写到树的哪个位置时肯定会定位到树已有的节点上，这样可以使得这次写失效或者直接覆盖。这样存在一个问题，就是对于失效的数据（比如更新过的数据）如何处理，比较好的办法是启动独立线程定时或手动进行清理，请注意，这是一个非常巨大的过程，它将耗光你的CPU和I/O，因为要进行频繁计算和数据迁移。数据结构B Tree家族这一数据结构被广泛的运用于数据库索引，如Mssql的B+tree，oracle的B-tree，熟悉索引的朋友一定很清楚，这种数据结构非常适合作为我们的Key-value存储的数据结构.关于B+tree，可以参见下图：它是一个多路搜索树,数据存储在叶子节点上，非叶子节点作为叶子节点的索引，加速数据的查找，而叶子节点是一个有序的链表，每次搜索都会到达叶子节点才会结束，插入新数据可能会引起节点的分裂。

你可以试试在这里读一下redis，看看你现在的读法是否正确？

经常看见有人问，MSSQL占用了太多的内存，而且还不断的增长;或者说已经设置了使用内存，可是它没有用到那么多，这是怎么一回事儿呢? 　　首先，我们来看看MSSQL是怎样使用内存的。 　　的开销一般是用于数据缓存，如果内存足够，它会把用过的数据和觉得你会用到的数据统统扔到内存中，直到内存不足的时候，才把命中率低的数据给清掉。所以一般我们在看statistics io的时候，看到的physics read都是0。 　　其次就是查询的开销，一般地说，hash join是会带来比较大的内存开销的，而merge join和nested loop的开销比较小，还有排序和中间表、游标也是会有比较大的开销的。 　　所以用于关联和排序的列上一般需要有索引。 　　再其次就是对执行计划、系统数据的存储，这些都是比较小的。 　　我们先来看数据缓存对性能的影响，如果系统中没有其它应用程序来争夺内存，数据缓存一般是越多越好，甚至有些时候我们会强行把一些数据pin在高速缓存中。但是如果有其它应用程序，虽然在需要的时候MSSQL会释放内存，但是线程切换、IO等待这些工作也是需要时间的，所以就会造成性能的降低。这样我们就必须设置MSSQL的内存使用。可以在SQL Server 属性(内存选项卡)中找到配置使用内存的地方，或者也可以使用sp_configure来完成。如果没有其它应用程序，那么就不要限制MSSQL对内存的使用。 　　然后来看查询的开销，这个开销显然是越低越好，因为我们不能从中得到好处，相反，使用了越多的内存多半意味着查询速度的降低。所以我们一般要避免中间表和游标的使用，在经常作关联和排序的列上建立索引。

1、如果你只是开发用，要想让sqlserver释放内存，重启sqlserver的服务就行了。2、可以在SQLServer属性(内存选项卡)中找到配置使用内存的地方，或者也可以使用sp_configure来完成。如果没有其它应用程序，那么就不要限制MSSQL对内存的使用。3、数据缓存：执行个查询语句，SqlServer会将相关的数据页（SqlServer操作的数据都是以页为单位的）加载到内存中来，下一次如果再次请求此页的数据的时候，就无需读取磁盘了，大大提高了速度。

1、主要设置minservermemory和maxservermemory，如果同台服务器有多台吃内存大户服务，maxservermemory给设置一个值稍大的值出来，别让SQLserver把WINDOWS内存都吃完了也别让其他的服务把WINDOWS内存吃完了，这样才会相安无事2.设置方法可以通过命令方式的，楼上的挺好，还有就是通过SQLSERVER企业管理器进行：鼠标右键服务器属性内存可以看多最大内存和最小内存设置选项。

找个内存管理软件监控