ITPub博客

本文将从实际业务需求、技术挑战、各种算法的尝试等方面，逐一探讨我们是如何解决这类问题的。

如何有效开展数据分类分级工作是互联网医疗企业需要直面的一道必答题，本文将好大夫开展数据分类分级工作的实践经验进行总结，希望对此领域感兴趣的同学能够起到一定借鉴作用。

删除大量数据，无论是在哪种数据库中，都是一个普遍性的需求。

​接下来介绍一个非常重要、也非常实用的算法：一致性哈希算法。通过介绍一致性哈希算法的原理并给出了一种实现和实际运用的案例，带大家真正理解一致性哈希算法。

数字化时代，成为数据驱动的组织仍然是许多公司的首要战略目标。

华为数据治理为华为数字化转型的成功提供了重要基础和保障，华为数据治理的成功也成为了业界学习的标杆。

这个话题备受争议，今天就来聊一聊。 OLAP系统和OLTP系统分别叫事务系统和分析系统，业务中台一般属于OLTP，数据中台一般属于OLAP，传统业务中台和数据中台无论在组织上、系统上都是泾渭分明的，除了数据中台需要从业务中台采集数据，两者甚至可以做到老死不相往来。

随着互联网行业的飞速发展，云服务也变得尤为重要，几乎每个企业都需要使用云计算服务，来管理大量敏感和机密数据，因此，在任何类型的企业中使用云服务都是不可避免的。

在数字化转型的道路上，认知、流程和执行路径，稍有不慎，激情澎湃的转型变革，就可能变味成一出搞垮公司的“伪数字化”大戏。

我们在平时工作中，使用最多的数据库就是 MySQL 了，随着业务的增加，如果单单靠一台服务器的话，负载过重，就容易造成宕机。 这样我们保存在 MySQL 数据库的数据就会丢失，那么该怎么解决呢？

Redis是一个开源的使用ANSI C语言编写、支持网络、可基于内存亦可持久化的日志型、Key-Value数据库，并提供多种语言的API。从2010年3月15日起，Reids的开发工作由VMware主持。Redis能运行在大多数POSIX(Linux，*BSD，OS X和Solaris等)系统上。

Redis 的读写都是在内存中进行的，所以它的性能高。而当我们的服务器断开或者重启的时候，数据就会消失，那么我们该怎么解决这个问题呢？

现在数据开放成了数据治理的热点，但数据开放是没法一步到位的，每个企业都要基于实际需要走出自己的路，下面就讲讲我所经历的数据开放演化史，整个过程长达近20年，大致经历了五个阶段。

今天给大家分享一下我们在公司里，面向多个业务团队设计的数据中心架构，他是如何一步一步的从多业务团队数据现状分析开始，然后逐步的演化设计出一个数据中心架构来的，希望能帮助大家对现在很流行的数据中心这个概念构建起来系统化的认知。

大家背八股文的时候，都知道 MySQL 里 InnoDB 存储引擎是采用 B+ 树来组织数据的。 这点没错，但是大家知道 B+ 树里的节点里存放的是什么呢？查询数据的过程又是怎样的？ 这次，我们从数据页的角度看 B+ 树，看看每个节点长啥样。

数据库的数据是客户第二次更新操作的数据，而缓存确还是第一次更新操作的数据，也就是出现了数据库和缓存的数据不一致的问题。

是不是很多人都对 MySQL 加行级锁的规则搞的迷迷糊糊，对记录一会加的是 next-key 锁，一会加是间隙锁，一会又是记录锁。

分库分表是在海量数据下，由于单库、表数据量过大，导致数据库性能持续下降的问题，演变出的技术方案。

使用索引的目的就是**通过减少表中需要检查的记录/行的数量来加速搜索查询。**说的再简单点：「索引就是用来加速查询的」。

谈到大数据传输都会想到 Kafka，Kafka 号称大数据的杀手锏，在业界有很多成熟的应用场景并且被主流公司认可。这款为大数据而生的消息中间件，以其百万级TPS的吞吐量名声大噪，迅速成为大数据领域的宠儿，在数据采集、传输、存储的过程中发挥着举足轻重的作用。