cache table使用指导 问题 cache table的作用是什么？cache table时需要注意哪些方面？ 回答 Spark SQL可以将表cache到内存中，并且使用压缩存储来尽量减少内存压力。通过将表cache，查询可以直接从内存中读取数据，从而减少读取磁盘带来的内存开销。

查看更多 →

存算分离支持将集群新写入的数据存储在SSD来达到最佳的查询检索性能，将历史数据存储到OBS中降低数据的存储成本。 场景描述 存算分离是通过冻结索引将历史数据转储到OBS，以此降低数据的存储成本。 对于有海量数据写入和存储的场景，数据有明显的冷热区分，新写入的数据一般属于热数据，存储在SSD中

查看更多 →

写入操作配置 本章节介绍Hudi重要配置的详细信息，更多配置请参考hudi官网：http://hudi.apache.org/cn/docs/configurations.html。 表1 写入操作重要配置项 参数 描述 默认值 hoodie.datasource.write.table

查看更多 →

写入/更新命令 用户做了大量写入/更新操作后，实际数据量可能没有多大变化，但磁盘空间使用量增加了。是因为无论是写入、更新还是删除，以及索引插入和删除等操作，在后台实际上都会转成写入。因为底层的存储引擎（WiredTiger和RocksDB）采用都是appendOnly机制。只有当

查看更多 →

写入OpenTSDB数据 功能简介 使用OpenTSDB的接口(/api/put)写入数据。 函数genWeatherData()模拟生成的气象数据，函数putData()发送气象数据到OpenTSDB服务端。 样例代码 以下代码片段在com.huawei.bigdata.opentsdb

查看更多 →

并刷新日志文件的数据到分布式存储上。 当设为0时，InnoDB每秒钟将log buffer中的数据写入日志文件，并刷新到分布式存储上。 当设为2时，InnoDB在每次事务提交时将log buffer中的数据更新到文件系统缓存中，每秒钟并刷新到分布式存储上。 影响：参数设置为非默认

查看更多 →

并刷新日志文件的数据到分布式存储上。 当设为0时，InnoDB每秒钟将log buffer中的数据写入日志文件，并刷新到分布式存储上。 当设为2时，InnoDB在每次事务提交时将log buffer中的数据更新到文件系统缓存中，每秒钟并刷新到分布式存储上。 影响：参数设置为非默认

查看更多 →

访问disk cache的总次数。 local_read bigint disk cache读本地磁盘的总次数。 remote_read bigint disk cache读远端存储的总次数。 hit_rate numeric(5,2) disk cache的命中率。 cache_size

查看更多 →

Global Plsql Cache特性函数 invalidate_plsql_object()，invalidate_plsql_object(schema, objname, objtype); 描述：将Global Plsql Cache全局缓存中的对象失效掉，仅在enab

查看更多 →

Global Plsql Cache特性函数 invalidate_plsql_object()，invalidate_plsql_object(schema, objname, objtype); 描述：失效Global Plsql Cache全局缓存中的对象，仅在enable_global_plsqlcache

查看更多 →

指标名称：选择“全量指标”，搜索需要监控的cache指标名称然后选中。例如：ma_container_notebook_cache_dir_size_bytes（cache目录的总大小）、ma_container_notebook_cache_dir_util（cache目录的利用率） 指标维度：

查看更多 →

流式写入Hudi表 本章节仅适用于 MRS 3.3.1-LTS及之前版本。 HoodieDeltaStreamer流式写入 Hudi自带HoodieDeltaStreamer工具支持流式写入，也可以使用SparkStreaming以微批的方式写入。HoodieDeltaStreamer提供以下功能：

查看更多 →

Upsert数据写入 本章节主要介绍ClickHouse数据写入时数据去重写入功能的SQL基本语法和使用说明。 本章节仅适用于MRS 3.3.0及之后版本。 基本语法 方法一：使用INSERT VALUES方式进行数据写入。 UPSERT INTO [database_name.]table

查看更多 →

批量写入Hudi表 引入Hudi包生成测试数据，参考使用Spark Shell创建Hudi表章节的2到4。 写入Hudi表，写入命令中加入参数：option("hoodie.datasource.write.operation", "bulk_insert")，指定写入方式为b

查看更多 →

PGXC_DISK_CACHE_PATH_INFO PGXC_DISK_CACHE_PATH_INFO视图记录了文件缓存所在的硬盘的信息。该系统视图仅9.1.0及以上集群版本支持。 表1 PGXC_DISK_CACHE_PATH_INFO字段 名称 类型 描述 path_name

查看更多 →

bigint 访问disk cache的总次数。 local_read bigint disk cache访问本地磁盘的总次数。 remote_read bigint disk cache访问远端存储的总次数。 hit_rate numeric(5,2) disk cache的命中率。 cache_size

查看更多 →

使用kv-cache-int8量化 kv-cache-int8是实验特性，在部分场景下性能可能会劣于非量化。当前支持per-tensor静态量化，支持kv-cache-int8量化和FP16、BF16、AWQ、smoothquant的组合。 kv-cache-int8量化支持的模型请参见表3。

查看更多 →

使用kv-cache-int8量化 kv-cache-int8是实验特性，在部分场景下性能可能会劣于非量化。当前支持per-tensor静态量化，支持kv-cache-int8量化和FP16、BF16、AWQ、smoothquant的组合。 kv-cache-int8量化支持的模型请参见支持的模型列表和权重文件。

查看更多 →

使用kv-cache-int8量化 kv-cache-int8是实验特性，在部分场景下性能可能会劣于非量化。当前支持per-tensor静态量化、per-tensor+per-head静态量化以及per-token，支持kv-cache-int8量化和FP16、BF16、AWQ、smoothquant的组合。

查看更多 →

使用kv-cache-int8量化 kv-cache-int8是实验特性，在部分场景下性能可能会劣于非量化。当前支持per-tensor静态量化，支持kv-cache-int8量化和FP16、BF16、AWQ、smoothquant的组合。 kv-cache-int8量化支持的模型请参见表1。

查看更多 →

使用kv-cache-int8量化 kv-cache-int8是实验特性，在部分场景下性能可能会劣于非量化。当前支持per-tensor静态量化，支持kv-cache-int8量化和FP16、BF16、AWQ、smoothquant的组合。 kv-cache-int8量化支持的模型请参见表3。

查看更多 →