ITPub博客

虽然MySQL很早就添加了Json类型，但是在业务开发过程中还是很少设计带这种类型的表。少不代表没有，当真正要对Json类型进行特定查询，修改，插入和优化等操作时，却感觉一下子想不起那些函数怎么使用。比如把json里的某个键和值作为SQL条件，修改某个键下的子键的值，其中可能会遇到数组形式的Json或者键名是字符串的数字修改异常等问题。那么，以下是小北在业务中常遇到的Json类型操作汇总了。

MySQL从5.7的版本开始支持Json后，我时常在设计表格时习惯性地添加一个Json类型字段，用做列的冗余。毕竟Json的非结构性，存储数据更灵活，比如接口请求记录用于存储请求参数，因为每个接口入参不一致，也有不传和空传的等等。

前言        前面的文章已经介绍了 neo4j 服务的本地安装，以及数据的增删改查操作方法。那么这里就要进入 python 项目，来完成医疗知识的构建，问答机器人的代码实现。但篇幅较长，本文就主要介绍知识图谱的构建吧。环境Anaconda3Python3.8Py2neo (新版) 数据来源 (结构) 编码1. 引入依赖import&

前言        说到问答机器人，就不得不说一下 ChatGPT 啦。一个预训练的大预言模型，只要是人类范畴内的知识，似乎他回答得都井井有条，从写文章到写代码，再到解决零散琐碎的问题，不光震撼到我们普通人，就百度和阿里也因此紧追其后分别推出了文心一言和通义千问。        所以好像我们也可以通过 GPT，并训练特

Neo4j 是一个高性能的、NOSQL 图形数据库，它将结构化数据存储在网络上而不是表中。基于磁盘的、具备完全的事务特性的 Java 持久化引擎，这里就不把他和常用关系型数据库做对比了

上一篇实践了通过Logstash同步MySQL的几张关联表到Elasticsearch中。为了实现同一种业务需求，嵌套文档在资源开销和查询速度上要优于父子文档（针对少量数据的情况）。所以以下就实践一下嵌套文档的基本使用和，以及Logstash如何同步一对多关系表到ElasticSearch的嵌套文档中。

目前大部分业务开发中，ElasticSearch主要还是用来做搜索。而支撑搜索功能的数据结构比较单一，不会有数据嵌套或者多种关联之类的。尽管没有，但是有些小众需求可能还会有一对多查询的场景。为了实现和MySQL的Join类似的查询方式，以下以ES的父子文档方式储存，并详细演示Logstash如何将MySQL的多张有关联的表同步到ES的父子文档

上一篇文章也简单的介绍了Logstash同步MySQL到ElasticSearch。批量同步虽说就配置文件不一样，但是实际操作的时候，也还会遇到不少的问题，比如reader不允许特殊字符(0x0)等等。下面也主要以几个问题来演示批量同步的过程，以及启动命令时如何排查报错的方法。

最近又重新在看ElasticSearch的文档，发现那些DSL语法全都忘记了，所以准备写一个用ES做储存的demo小项目。其实是用DSL代替之前项目的SQL，但是数据以及一些字段还是需要，所以就需要将以前的MySQL数据导入到ElasticSearch中。

在涉及商品类的项目时，为了给同一类商品定位，往往会分等级或者成色。而等级/成色有时是用类似A，A+，A+1，K，L1，L2等英文与数字的组合进行表述。既然是等级，自然就会区分高等级，低等级。有高有低，又给商品定了等级，所以到了商品列表展示，等级排序自然少不了。

本文章是在同处局域网内的两台windows电脑，且MySQL是5.5以上版本下进行的一主多从同步配置，并且使用的是集成环境工具PHPStudy为例。最后就是ThinkPHP5的分布式的连接，读写分离配置，以后会用代码简单测试读写分离的效果。

在一些系统中有时某张表会出现百万或者千万的数据量，尽管其中使用了索引，查询速度也不一定会很快。这时候可能就需要通过分库，分表，分区来解决这些性能瓶颈。