能瓶颈。 原理解释： 一个操作能够并行执行是有条件的，需要逻辑上能够并行，比如做汇总（SUM），可以各个节点（DN）并行汇总后，最后的汇总一定是不能并行，要在某一个节点（CN）上执行，由于大部分的汇总工作已经在DN节点完成，CN端的工作是比较轻量的。 某些场景必须要集中执行，比如

查看更多 →

话务汇总报表 操作步骤 以租户管理员角色或者质检员角色登录客户服务云，选择“报表 > 话务汇总报表”，可查询话务汇总报表信息。 图1 话务汇总报表 报表类型：包括日报、周报、月报。 报表时间：选择需要查询的报表时间。 日报：只能查询31天的数据。 周报：选择年份和周数。 月报：选择年份和月份。

查看更多 →

座席汇总报表 操作步骤 以租户管理员角色或者质检员角色登录客户服务云，选择“报表 > 座席汇总报表”，可查询座席汇总报表信息。 图1 座席汇总报表 报表类型：包括日报、周报、月报。 报表时间：选择需要查询的报表时间。 日报：只能查询31天的数据。 周报：选择年份和周数。 月报：选择年份和月份。

查看更多 →

CCE最佳实践汇总 本文汇总了云容器引擎（CCE）服务的常见应用场景，并为每个场景提供详细的方案描述和操作指南，以帮助您在CCE集群中轻松搭建业务。 CCE最佳实践 开发者社区精选最佳实践 Solution as Code一键式部署类最佳实践 表1 CCE最佳实践 分类 相关文档

查看更多 →

应用（凭据）问题汇总 Q：最多支持创建多少个应用（凭据）？ 每个用户最多创建50个应用（凭据）。包括您自行创建的凭据和在云商店购买API生成的APP。 Q：APP认证的API，怎样实现不同的第三方之间无法知道对方调用情况？ 创建多个应用（凭据），并绑定同一个API，分发给不同的第三方不一样的应用（凭据）。

查看更多 →

数据仓库 规格 GaussDB (DWS)的规格按照产品类型分为标准数仓、实时数仓和IoT数仓。其中实时数仓还包含单机版模式。各产品类型的不同差异，详情请参见数据仓库类型。 标准数仓（DWS 2.0）规格 标准数仓（DWS 2.0）云盘规格，该规格弹性伸缩，无限算力、无限容量，规格详情请参见表1。

查看更多 →

数据仓库类型 产品类型概述 标准数仓（DWS 2.0）：面向数据分析场景，为用户提供高性能、高扩展、高可靠、高安全、易运维的企业级数仓服务，支持2048节点、20PB级超大规模数据分析能力。支持冷热数据分析，存储、计算弹性伸缩，并按需、按量计价，为用户提供弹性灵活、极致性价比的体

查看更多 →

数仓规划：新建SDI层和DWI层两个模型 在数仓规划中，分别新建SDI层和DWI层两个关系模型，并通过逆向数据库导入原始数据表到SDI层的关系模型中，在DWI层模型中新建一个“标准出行数据”的标准化的业务表。 在数据架构控制台，单击左侧导航树中的“数仓规划”。 选择SDI层，单击“添加模

查看更多 →

数仓规划：新建SDI层和DWI层两个模型 在数仓规划中，分别新建SDI层和DWI层两个关系模型，并通过逆向数据库导入原始数据表到SDI层的关系模型中，在DWI层模型中新建一个“标准出行数据”的标准化的业务表。 在数据架构控制台，单击左侧导航树中的“数仓规划”。 选择SDI层，单击“添加模

查看更多 →

任务和数据连接。 资源迁移 数据架构 DataArts Studio 数据架构践行 数据治理 方法论，将数据治理行为可视化，打通数据基础层到汇总层、集市层的数据处理链路，落地数据标准和数据目录，通过关系建模、维度建模实现数据标准化，通过统一指标平台建设，实现规范化指标体系，消除歧义、统

查看更多 →

图1 流程设计1 单击导入，单击下载流程模板。 图2 流程设计2 下载模板如下 表1 模板 上级流程 *名称 *责任人 描述 - - - - - - - - 模板参数说明如下： 表2 模板参数说明 参数名 说明 上级流程 第一层的流程，其上级流程为空，不用填。 非第一层的流程，其上级

查看更多 →

设计中心 解决方案工作台提供设计引擎，用户可在线进行解决方案技术架构设计（含集成架构、部署架构）、信息架构设计。 技术架构设计 信息架构设计 父主题： 标准空间

查看更多 →

VN设计 通过对不同的业务划分为不同的VN，实现生产业务、办公业务、多媒体业务的同类型业务正常互通，不同类型业务隔离不互通。 同时为生产、办公、多媒体、等不同业务分配不同比例带宽，保障网络拥塞时各业务流量都能得到调度。 父主题： 用户业务设计

查看更多 →

表设计 GaussDB是分布式架构。数据分布在各个DN上。总体上讲，良好的表设计需要遵循以下原则： 【关注】将表数据均匀分布在各个DN上。数据均匀分布，可以防止数据在部分DN上集中分布，从而导致因存储倾斜造成集群有效容量下降。通过选择合适的分布列，可以避免数据倾斜。 【关注】将表

查看更多 →

表设计 总体上讲，良好的表设计需要遵循以下原则： 减少需要扫描的数据量。通过分区表的剪枝机制可以大幅减少数据的扫描量。 尽量减少随机I/O。通过聚簇可以实现热数据的连续存储，将随机I/O转换为连续I/O，从而减少扫描的I/O代价。 选择分区方案 当表中的数据量很大时，应当对表进行分区，一般需要遵循以下原则：

查看更多 →

约束设计 DEFAULT和NULL约束 如果能够从业务层面补全字段值，那么，不建议使用DEFAULT约束，避免数据加载时产生不符合预期的结果。 给明确不存在NULL值的字段加上NOT NULL约束，优化器会在特定场景下对其进行自动优化。 给可以显式命名的约束显式命名。除了NOT

查看更多 →

设计原则 以下是常用的性能优化指导原则： 中心化原则：识别支配性工作量负载功能，并使其处理过程最小化，把注意力集中在对性能影响最大的部分进行提升。 本地化原则：选择靠近的活动、功能和结果的资源；避免通过间接的方式去达到目的，导致通信量或者处理量大辐增加，性能大辐下降。 共享资源：

查看更多 →

设计原则 国际标准化组织（ISO）对计算机系统安全的定义为：确保信息资产（包括硬件、软件、网络、数据等）受到保护，以确保其机密性、完整性和可用性。计算机系统安全的目标是保护信息系统免受未经授权的访问、使用、披露、破坏、修改、中断或不可用的威胁，同时确保信息系统能够持续地提供服务。

查看更多 →

故障对系统造成的影响，并持续稳定地运行，建议遵循以下设计原则。 高可用设计 单点故障会导致整个系统崩溃、主要功能受到影响、任务延误的系统轻度损坏或存在较大的故障隐患，因此系统的高可用设计非常关键。 高可用设计的主要手段是冗余，甚至是多级冗余的组合，包括异地容灾方式保证灾难情况下无单点：

查看更多 →

设计优化 PERF05-01 设计优化 父主题： PERF05 性能优化

查看更多 →

表设计 总体上讲，良好的表设计需要遵循以下原则： 减少需要扫描的数据量。通过分区表的剪枝机制可以大幅减少数据的扫描量。 尽量减少随机I/O。通过聚簇可以实现热数据的连续存储，将随机I/O转换为连续I/O，从而减少扫描的I/O代价。 选择分区方案 当表中的数据量很大时，应当对表进行分区，一般需要遵循以下原则：

查看更多 →