當前位置：首頁 > 科技 > 軟件

Oracle 數據量 150T，PostgreSQL 能搞定嗎？

來源：責編：時間：2024-05-16 17:45:15 134觀看

導讀此版本的 parquet_s3_fdw 適用于 PostgreSQL 13、14、15 和 16。只讀模式下的 Apache Parquet 外部數據包裝器，支持 PostgreSQL 訪問 S3 存儲。用法加載擴展CREATE EXTENSION parquet_s3_fdw;創建服務器CREATE SERVER

此版本的 parquet_s3_fdw 適用于 PostgreSQL 13、14、15 和 16。

只讀模式下的 Apache Parquet 外部數據包裝器，支持 PostgreSQL 訪問 S3 存儲。

用法

加載擴展

CREATE EXTENSION parquet_s3_fdw;

創建服務器

CREATE SERVER parquet_s3_srv FOREIGN DATA WRAPPER parquet_s3_fdw;

如果要使用 MinIO 而不是 AWS S3，請使用 use_minio 選項創建服務器。

CREATE SERVER parquet_s3_srv FOREIGN DATA WRAPPER parquet_s3_fdw OPTIONS (use_minio 'true');

創建用戶映射

如果要訪問 Amazon S3，則必須指定用戶名和密碼。

CREATE USER MAPPING FOR public SERVER parquet_s3_srv OPTIONS (user 's3user', password 's3password');

創建外表

現在你應該能夠從 Parquet 文件創建外表了。目前parquet_s3_fdw支持下面這些數據列類型（還將會增加）：

Arrow 類型	SQL 類型
INT8	INT2
INT16	INT2
INT32	INT4
INT64	INT8
FLOAT	FLOAT4
DOUBLE	FLOAT8
TIMESTAMP	TIMESTAMP
DATE32	DATE
STRING	TEXT
BINARY	BYTEA
LIST	ARRAY
MAP	JSONB

目前parquet_s3_fdw不支持結構體和嵌套列表。

支持以下選項：

? filename - 要讀取的 Parquet 文件的路徑列表，以空格分隔。您可以用s3://開始來指定 AWS S3 上的路徑。不支持混合使用本地路徑和 S3 路徑；

? dirname - 具有要讀取的 Parquet 文件的目錄路徑；

? sorted - 用來預排序 Parquet 文件的，空格分隔的列列表；當使用ORDER BY子句運行查詢，或在其他情況下帶有預排序的列集會有用（Group Aggregate，Merge Join）時，這將有助于 postgres 避免冗余的排序；

? files_in_order - 要求以filename指定或由files_func返回的文件，根據sorted選項進行排序，并且在范圍上沒有交叉；這允許在并行多文件掃描節點上使用Gather Merge節點（默認值為false）；

? use_mmap - 是否使用內存映射操作，而不是文件讀取操作（默認值為false）；

? use_threads - 啟用 Apache Arrow 的并行列解碼/解壓（默認值為false）；

? files_func - 用戶定義的函數，由 parquet_s3_fdw 在每次查詢時用于檢索 parquet 文件列表；函數必須接受一個JSONB參數，并返回 parquet 文件完整路徑的文本數組；

? files_func_arg - 由 files_func 指定的函數的參數。

? max_open_files - 同時打開的 Parquet 文件的數量限制。

? region - 用于連接到的 AWS 區域的值（默認值為ap-northeast-1）。

? endpoint - 用于連接的地址和端口（默認值為127.0.0.1:9000）。

可以為單個和一組 Parquet 文件創建外部表。也可以指定一個用戶定義的函數，該函數會返回一個文件路徑列表。根據文件數量和表選項，parquet_s3_fdw可以使用以下的一種執行策略：

策略	描述
Single File	基本的單文件讀取器
Multifile	按順序逐個處理 Parquet 文件的讀取器
Multifile Merge	該讀取器會合并預排序的 Parquet 文件，以便生成的結果也是有序的；在指定了`sorted`選項，并且查詢計劃需要排序（例如包含了`ORDER BY`子句）時會使用
Caching Multifile Merge	與`Multifile Merge`相同，但會限制同時打開的文件數；當指定的 Parquet 文件數超過`max_open_files`時會使用

GUC 變量：

? parquet_fdw.use_threads - 允許用戶啟用或禁用線程的全局開關（默認值為true）；

? parquet_fdw.enable_multifile - 啟用多文件讀取器（默認值為true）。

? parquet_fdw.enable_multifile_merge - 啟用多文件合并讀取器（默認值為true）。

示例：

CREATE FOREIGN TABLE userdata (    id           int,    first_name   text,    last_name    text)SERVER parquet_s3_srvOPTIONS (    filename 's3://bucket/dir/userdata1.parquet');

訪問外表

SELECT * FROM userdata;

并行查詢

parquet_s3_fdw還支持并行查詢執行（注意不要與 Apache Arrow 的多線程解碼功能混淆）。

導入

parquet_s3_fdw還支持 IMPORT FOREIGN SCHEMA 命令，來發現文件系統上指定目錄中的 parquet 文件，并根據這些文件創建外部表。它可以像這樣使用：

IMPORT FOREIGN SCHEMA "/path/to/directory"FROM SERVER parquet_s3_srvINTO public;

重要的是，這里的remote_schema是一個本地文件系統的目錄路徑，并且用雙引號引起來。

將 parquet 文件導入到外部表的另一種方法是，使用import_parquet_s3或import_parquet_s3_explicit：

CREATE FUNCTION import_parquet_s3(    tablename   text,    schemaname  text,    servername  text,    userfunc    regproc,    args        jsonb,    options     jsonb)CREATE FUNCTION import_parquet_s3_explicit(    tablename   text,    schemaname  text,    servername  text,    attnames    text[],    atttypes    regtype[],    userfunc    regproc,    args        jsonb,    options     jsonb)

import_parquet_s3和import_parquet_s3_explicit之間的唯一區別是，后者允許指定一組要導入的屬性/列。attnames和atttypes分別是屬性名稱和屬性類型的數組（參見下面的示例）。

userfunc是一個用戶自定義函數。它必須接受一個jsonb參數，并返回一個要導入的 parquet 文件的文件系統路徑的文本數組。args是用戶指定的 jsonb 對象，以作為參數傳遞給userfunc。這種函數的簡單實現和用法，可以如下面這樣：

CREATE FUNCTION list_parquet_s3_files(args jsonb)RETURNS text[] AS$$BEGIN    RETURN array_agg(args->>'dir' || '/' || filename)           FROM pg_ls_dir(args->>'dir') AS files(filename)           WHERE filename ~~ '%.parquet';END$$LANGUAGE plpgsql;SELECT import_parquet_s3_explicit(    'abc',    'public',    'parquet_srv',    array['one', 'three', 'six'],    array['int8', 'text', 'bool']::regtype[],    'list_parquet_files',    '{"dir": "/path/to/directory"}',    '{"sorted": "one"}');

特性

? 支持在本地文件系統或 Amazon S3 上對 parquet 文件進行 SELECT 操作。

? 支持 INSERT、DELETE、UPDATE（外部修改）。

? 支持 MinIO 訪問，以替代 Amazon S3。

? 允許控制外部服務器在事務完成后是否保持連接打開狀態。這由 keep_connections 控制，默認為 on。

? 支持 parquet_s3_fdw 的 parquet_s3_fdw_get_connections() 函數，列出打開的外部服務器連接。

無結構模式

? 該功能將使用戶能夠使用無結構的能力：

?Jsonb 鍵：parquet 列名稱。

? Jsonb 值：parquet 列數據。

? 每個 parquet 文件沒有特定的外部表結構（列定義）。

? 無結構的外表只有一個 jsonb 列，用于根據以下規則表示 parquet 文件中的數據：

使用無結構模式，會有幾個好處：

? parquet 文件數據結構的靈活性：通過將所有列數據合并到一個 jsonb 列中，無結構的外表可以查詢任何 parquet 文件，文件中的所有列都能映射到 postgres 類型。

? 沒有預定義的外部表結構（列定義）。缺少結構意味著外部表會查詢 parquet 文件中的所有列，包括用戶還未使用的列。

無結構模式用法

? 無結構模式由schemaless選項來啟用：

? schemaless選項是true：啟用無結構模式。

? schemaless選項是false：禁用無結構模式（我們稱之為non-schemaless模式）。

? 如果未配置schemaless選項，則默認值為 false。

? CREATE FOREIGN TABLE、IMPORT FOREIGN SCHEMA、import_parquet_s3()和import_parquet_s3_explicit()中均支持schemaless選項。

? 無結構外表需要至少一個 jsonb 列來表示數據：

CREATE FOREIGN TABLE example_schemaless (  id int,  v jsonb) OPTIONS (filename '/path/to/parquet_file', schemaless 'true');SELECT * FROM example_schemaless;id |                                                                v----+---------------------------------------------------------------------------------------------------------------------------------    | {"one": 1, "six": "t", "two": [1, 2, 3], "five": "2018-01-01", "four": "2018-01-01 00:00:00", "seven": 0.5, "three": "foo"}    | {"one": 2, "six": "f", "two": [null, 5, 6], "five": "2018-01-02", "four": "2018-01-02 00:00:00", "seven": null, "three": "bar"}(2 rows)

? 如果有 1 個以上的 jsonb 列，則僅填充一列，所有其他列都使用 NULL 值處理。

? 如果沒有 jsonb 列，則所有列都使用 NULL 值處理。

? 示例：

? 創建外部表：使用IMPORT FOREIGN SCHEMA，import_parquet_s3()和import_parquet_s3_explicit()，外部表將以固定的列定義進行創建，如下所示：

CREATE FOREIGN TABLE example (  v jsonb) OPTIONS (filename '/path/to/parquet_file', schemaless 'true');

? 查詢數據：

-- non-schemaless modeSELECT * FROM example; one |    two     | three |        four         |    five    | six | seven-----+------------+-------+---------------------+------------+-----+-------   1 | {1,2,3}    | foo   | 2018-01-01 00:00:00 | 2018-01-01 | t   |   0.5   2 | {NULL,5,6} | bar   | 2018-01-02 00:00:00 | 2018-01-02 | f   |(2 rows)-- schemaless modeSELECT * FROM example_schemaless;                                                                  v--------------------------------------------------------------------------------------------------------------------------------- {"one": 1, "six": "t", "two": [1, 2, 3], "five": "2018-01-01", "four": "2018-01-01 00:00:00", "seven": 0.5, "three": "foo"} {"one": 2, "six": "f", "two": [null, 5, 6], "five": "2018-01-02", "four": "2018-01-02 00:00:00", "seven": null, "three": "bar"}(2 rows)

? 在 jsonb 表達式中獲取值：

? 使用 ->> jsonb 箭頭操作符，返回文本類型。用戶可以強制轉換 jsonb 表達式的類型，以獲得相應的數據表示。

? 例如，獲取col值的表達式v->>'col'，將是 parquet 文件中的列名col，我們稱之為schemaless variable或slvar。

SELECT v->>'two', sqrt((v->>'one')::int) FROM example_schemaless;  ?column?   |        sqrt--------------+--------------------[1, 2, 3]    |                  1[null, 5, 6] | 1.4142135623730951(2 rows)

? 某些功能與non-schemaless模式不同

? 在sorted選項中定義列名，與non-schemaless mode相同

? 在ORDER BY子句中使用slvar代替列名。

? 如果排序的 parquet 列不是文本列，請將此列顯式地強制轉換到映射類型。

? 例如：

CREATE FOREIGN TABLE example_sorted (v jsonb)SERVER parquet_s3_srvOPTIONS (filename '/path/to/example1.parquet /path/to/example2.parquet', sorted 'int64_col', schemaless 'true');EXPLAIN (COSTS OFF) SELECT * FROM example_sorted ORDER BY (v->>'int64_col')::int8;          QUERY PLAN--------------------------------Foreign Scan on example_sorted  Reader: Multifile Merge  Row groups:    example1.parquet: 1, 2    example2.parquet: 1(5 rows)

? slvar::type {operator} const。例如：(v->>'int64_col')::int8 = 100

? const {operator} slvar ::type。例如：100 = (v->>'int64_col')::int8

? slvar::boolean is true/false。例如：(v->>'bool_col')::boolean is false

? !(slvar::boolean)。例如：!(v->>'bool_col')::boolean

? Jsonb exist 運算符：((v->>'col')::jsonb) ? element、(v->'col') ? element和v ? 'col'

? 轉換函數必須映射 parquet 列類型，否則會跳過過濾器。

? 行組過濾器支持：在無結構模式下，parquet_s3_fdw 可以通過一些如下的WHERE條件，支持對行組進行過濾：

? 要使用 parquet 文件的預排序列，用戶必須是：

? 支持對嵌套列表和映射表使用箭頭運算符：這些類型將被視為嵌套的 jsonb 值，可以通過->操作符訪問。例如：

SELECT * FROM example_schemaless;                                  v----------------------------------------------------------------------------{"array_col": [19, 20], "jsonb_col": {"1": "foo", "2": "bar", "3": "baz"}}{"array_col": [21, 22], "jsonb_col": {"4": "test1", "5": "test2"}}(2 rows)SELECT v->'array_col'->1, v->'jsonb_col'->'1' FROM example3;?column? | ?column?----------+----------20       | "foo"22       |(2 rows)

? Postgres 計算(jsonb->>'col')::type的成本，比在non-schemaless模式下直接獲取列要大得多，在一些復雜的查詢中，schemaless模式的查詢計劃可能與non-schemaless模式不同。

? 對于其他功能，schemaless模式與non-schemaless模式工作相同。

可寫的 FDW

用戶可以對已設置鍵列的外表，執行 insert、update 和 delete 語句。

鍵列

? 在結構化模式下：可以通過使用 OPTIONS (key 'true') 創建 parquet_s3_fdw 外表對象，來設置鍵列：

CREATE FOREIGN TABLE userdata (    id1          int OPTIONS(key 'true'),    id2          int OPTIONS(key 'true'),    first_name   text,    last_name    text) SERVER parquet_s3_srvOPTIONS (    filename 's3://bucket/dir/userdata1.parquet');

? 在無結構模式下，可以在創建 parquet_s3_fdw 外部表對象時，使用key_columns選項設置鍵列：

CREATE FOREIGN TABLE userdata (    v JSONB) SERVER parquet_s3_srvOPTIONS (    filename 's3://bucket/dir/userdata1.parquet',    schemaless 'true',    key_columns 'id1 id2');

? key_columns選項可用于 IMPORT FOREIGN SCHEMA 功能：

-- in schemaless modeIMPORT FOREIGN SCHEMA 's3://data/' FROM SERVER parquet_s3_srv INTO tmp_schemaOPTIONS (sorted 'c1', schemaless 'true', key_columns 'id1 id2');-- corresponding CREATE FOREIGN TABLECREATE FOREIGN TABLE tbl1 (      v jsonb) SERVER parquet_s3_srvOPTIONS (filename 's3://data/tbl1.parquet', sorted 'c1', schemaless 'true', key_columns 'id1 id2');-- in non-schemaless modeIMPORT FOREIGN SCHEMA 's3://data/' FROM SERVER parquet_s3_srv INTO tmp_schemaOPTIONS (sorted 'c1', schemaless 'true', key_columns 'id1 id2');-- corresponding CREATE FOREIGN TABLECREATE FOREIGN TABLE tbl1 (      id1 INT OPTIONS (key 'true'),      id2 INT OPTIONS (key 'true'),      c1  TEXT,      c2  FLOAT) SERVER parquet_s3_srvOPTIONS (filename 's3://data/tbl1.parquet', sorted 'c1');

insert_file_selector 選項

parquet_s3_fdw 用來在 INSERT 查詢中檢索目標 parquet 文件的用戶定義函數簽名：

CREATE FUNCTION insert_file_selector_func(one INT8, dirname text)RETURNS TEXT AS$$    SELECT (dirname || '/example7.parquet')::TEXT;$$LANGUAGE SQL;CREATE FOREIGN TABLE example_func (one INT8 OPTIONS (key 'true'), two TEXT)SERVER parquet_s3_srvOPTIONS (    insert_file_selector 'insert_file_selector_func(one, dirname)',    dirname '/tmp/data_local/data/test',    sorted 'one');

? insert_file_selector 函數簽名規格：

? dirname arg：dirname 選項的值。

? column args：按名稱從插入槽位中獲取。

? 語法：[function name]([arg name] , [arg name] ...)

? 默認返回類型為TEXT（parquet 文件的完整路徑）

? [arg name]：必須是外部表的列名或dirname

? args 值：

排序列：

parquet_s3_fdw 支持在修改功能中保持排序列的排序狀態。

Parquet 文件結構：

基本上，parquet 文件結構是根據一組列名和相應的類型定義的，但在 parquet_s3_fdw 的掃描中，它假定所有具有相同名稱的列都具有相同的類型。因此，在修改功能中，也會使用該假設。

從 postgres 類型到 arrow 類型的映射：

? 基礎類型映射：

SQL 類型	Arrow 類型
BOOL	BOOL
INT2	INT16
INT4	INT32
INT8	INT64
FLOAT4	FLOAT
FLOAT8	DOUBLE
TIMESTAMP/TIMESTAMPTZ	TIMESTAMP
DATE	DATE32
TEXT	STRING
BYTEA	BINARY

? arrow::TIMESTAMP 的默認時間精度為 UTC 時區的微秒級。

? LIST 是由它的元素類型創建的，對于元素只支持基礎類型。

? MAP 由其 jsonb 元素的類型來創建的：

jsonb 類型	Arrow 類型
text	STRING
numeric	FLOAT8
boolean	BOOL
null	STRING
其他類型	STRING

? 在無結構模式下：

? 在結構化模式下，基礎的 jsonb 類型的映射與 MAP 相同。

? 對于無結構模式下的第一個嵌套的 jsonb：

jsonb 類型	Arrow 類型
array	LIST
object	MAP

? 在結構化模式下，LIST 和 MAP 的元素類型與 MAP 類型相同。

INSERT

-- non-schemaless modeCREATE FOREIGN TABLE example_insert (    c1 INT2 OPTIONS (key 'true'),    c2 TEXT,    c3 BOOLEAN) SERVER parquet_s3_srv OPTIONS (filename 's3://data/example_insert.parquet');INSERT INTO example_insert VALUES (1, 'text1', true), (2, DEFAULT, false), ((select 3), (select i from (values('values are fun!')) as foo (i)), true);INSERT 0 3SELECT * FROM example_insert; c1 |       c2        | c3----+-----------------+----  1 | text1           | t  2 |                 | f  3 | values are fun! | t(3 rows)-- schemaless modeCREATE FOREIGN TABLE example_insert_schemaless (    v JSONB) SERVER parquet_s3_srv OPTIONS (filename 's3://data/example_insert.parquet', schemaless 'true', key_column 'c1');INSERT INTO example_insert_schemaless VALUES ('{"c1": 1, "c2": "text1", "c3": true}'), ('{"c1": 2, "c2": null, "c3": false}'), ('{"c1": 3, "c2": "values are fun!", "c3": true}');SELECT * FROM example_insert_schemaless;                       v----------------------------------------------- {"c1": 1, "c2": "text1", "c3": "t"} {"c1": 2, "c2": null, "c3": "f"} {"c1": 3, "c2": "values are fun!", "c3": "t"}(3 rows)

? 選擇要插入的文件：

? 目標文件是第一個其結構與插入記錄匹配（插入記錄的所有列都存在于目標文件中）的文件。

? 如果沒有符合其結構的文件與插入記錄的列匹配，并且已指定dirname選項。創建新文件，文件名格式為：[foreign_table_name]_[date_time].parquet

? 否則，會引發錯誤消息。

? 如果目標文件不存在，則創建與目標文件同名的新文件。

? 如果目標文件存在，但其結構與插入記錄的列不匹配，則會引發錯誤消息。

? 如果存在選項insert_file_selector，目標文件就是該函數的結果。

? 如果選項insert_file_selector不存在：

? 新文件的結構：

? 從現有文件列表中獲取。

? 如果在任何文件中都不存在列：根據預定義的映射類型創建基礎文件。

? 在結構化模式下，新文件將所有列都存在于外部表中。

? 在無結構模式下，新文件將在 jsonb 值中帶上所有列。

? 列信息：

UPDATE/DELETE

-- non-schemaless modeCREATE FOREIGN TABLE example (    c1 INT2 OPTIONS (key 'true'),    c2 TEXT,    c3 BOOLEAN) SERVER parquet_s3_srv OPTIONS (filename 's3://data/example.parquet');SELECT * FROM example; c1 |       c2        | c3----+-----------------+----  1 | text1           | t  2 |                 | f  3 | values are fun! | t(3 rows)UPDATE example SET c3 = false WHERE c2 = 'text1';UPDATE 1SELECT * FROM example; c1 |       c2        | c3----+-----------------+----  1 | text1           | f  2 |                 | f  3 | values are fun! | t(3 rows)DELETE FROM example WHERE c1 = 2;DELETE 1SELECT * FROM example; c1 |       c2        | c3----+-----------------+----  1 | text1           | f  3 | values are fun! | t(2 rows)-- schemaless modeCREATE FOREIGN TABLE example_schemaless (    v JSONB) SERVER parquet_s3_srv OPTIONS (filename 's3://data/example.parquet', schemaless 'true', key_columns 'c1');SELECT * FROM example_schemaless;                       v----------------------------------------------- {"c1": 1, "c2": "text1", "c3": "t"} {"c1": 2, "c2": null, "c3": "f"} {"c1": 3, "c2": "values are fun!", "c3": "t"}(3 rows)UPDATE example_schemaless SET v='{"c3":false}' WHERE v->>'c2' = 'text1';UPDATE 1SELECT * FROM example_schemaless;                       v----------------------------------------------- {"c1": 1, "c2": "text1", "c3": "f"} {"c1": 2, "c2": null, "c3": "f"} {"c1": 3, "c2": "values are fun!", "c3": "t"}(3 rows)DELETE FROM example_schemaless WHERE (v->>'c1')::int = 2;DELETE 1SELECT * FROM example_schemaless;                       v----------------------------------------------- {"c1": 1, "c2": "text1", "c3": "f"} {"c1": 3, "c2": "values are fun!", "c3": "t"}(2 rows)

限制

? 不支持事務。

? 無法同時在文件系統和 Amazon S3 上使用 parquet 文件創建單個外部表。

? import_parquet_s3_explicit()函數的第 4 和第 5 個參數，在schemaless模式下沒有意義。

WARNING: parquet_s3_fdw: attnames and atttypes are expected to be NULL. They are meaningless for schemaless table.HINT: Schemaless table imported always contain "v" column with "jsonb" type.

? 這些參數應該定義為NULL值。

? 如果這些參數不是 NULL 值，則會出現下面的WARNING：

? schemaless模式不支持通過CREATE TABLE parent_tbl (v jsonb) PARTITION BY RANGE((v->>'a')::int)創建分區表。

? 在修改功能中：

? 對于大文件，性能不太好。

? 當完全相同的文件同時修改時，結果會出現不一致。

? parquet_s3_fdw修改 parquet 文件的方法是，從目標 parquet 文件創建可修改的緩存數據，并覆蓋舊文件：

? 不支持 WITH CHECK OPTION、ON CONFLICT 和 RETURNING。

? sorted列僅支持這些類型：int2、int4、int8、date、timestamp、float4、float8。

? key列僅支持這些類型：int2、int4、int8、date、timestamp、float4、float8和text。

? key列的值必須是唯一的，parquet_s3_fdw不支持檢查鍵列的唯一值，用戶必須做好檢查。

? key列僅用于 UPDATE/UPDATE。

本文鏈接：http://www.tebozhan.com/showinfo-26-88730-0.htmlOracle 數據量 150T，PostgreSQL 能搞定嗎？

聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com

上一篇：零基礎入門：使用Python pyWinAuto自動化你的Windows任務

下一篇： SpringBoot項目中這十個開發技巧，你都知道嗎？

標簽：

熱門焦點

K60至尊版狂暴引擎2.0加持：超177萬跑分斬獲性能第一

Redmi的后性能時代戰略發布會今天下午如期舉辦，在本次發布會上，Redmi公布了多項關于和聯發科的深度合作，以及新機K60 Ultra在軟件和硬件方面的特性，例如：“K60 至尊版，雙芯旗艦
7月安卓手機性價比榜：努比亞+紅魔兩款新機入榜

7月登場的新機有努比亞Z50S Pro和紅魔8S Pro，除了三星之外目前唯二的兩款搭載超頻版驍龍8Gen2處理器的產品，而且努比亞和紅魔也一貫有著不錯的性價比，所以在本次的性價比榜單
6月安卓手機性能榜：vivo/iQOO霸占旗艦排行榜前三

2023年上半年已經正式過去了，我們也迎來了安兔兔V10版本，在新的驍龍8Gen3和天璣9300發布之前，性能榜的榜單大體會以驍龍8Gen2和天璣9200+為主，至于那顆3.36GHz的驍龍8Gen2領先
三萬字盤點 Spring 九大核心基礎功能

大家好，我是三友~~今天來跟大家聊一聊Spring的9大核心基礎功能。話不多說，先上目錄：圖片友情提示，本文過長，建議收藏，嘿嘿嘿！一、資源管理資源管理是Spring的一個核心的基礎功能，不
使用LLM插件從命令行訪問Llama 2

最近的一個大新聞是Meta AI推出了新的開源授權的大型語言模型Llama 2。這是一項非常重要的進展：Llama 2可免費用于研究和商業用途。(幾小時前，swyy發現它已從LLaMA 2更名為Lla
10天營收超1億美元，《星鐵》比《原神》差在哪？

來源：伯虎財經作者：陳平安即便你沒玩過《原神》，你一定聽說過的它的大名。恨它的人把《原神》開服那天稱作是中國游戲史上最黑暗的一天，有粉絲因為索尼在PS平臺上線《原神》，怒而
蘋果公司要求三星和LG Display生產「無邊框」OLED iPhone顯示屏

據 The Elec 報道，蘋果已要求其供應商為未來的 iPhone 型號開發「無邊框」OLED 顯示面板。蘋果顯然已要求三星和 LG Display 開發新的 OLED 顯示面
2299元起！iQOO Pad明晚首銷：性能最強天璣平板

5月23日，iQOO如期舉行了新品發布會，除了首發安卓最強旗艦處理器的iQOO Neo8系列新機外，還在發布會上推出了旗下首款平板電腦——iQOO Pad，其最大的賣點
Windows 11發布，微軟一改往常對老機型開放的態度

距離 Windows 11 發布已經過去一周，在過去一周里，很多數碼愛好者圍繞其對 Android 應用的支持、對老機型的升級問題展開了激烈討論。與以往不同的是，在這次大

AVt天堂网手机版,亚洲va久久久噜噜噜久久4399,天天综合亚洲色在线精品,亚洲一级Av无码毛片久久精品

Oracle 數據量 150T，PostgreSQL 能搞定嗎？

用法

加載擴展

創建服務器

創建用戶映射

創建外表

訪問外表

并行查詢

導入

特性

無結構模式

無結構模式用法

可寫的 FDW

鍵列

insert_file_selector 選項

排序列：

Parquet 文件結構：

從 postgres 類型到 arrow 類型的映射：

INSERT

UPDATE/DELETE

限制

K60至尊版狂暴引擎2.0加持：超177萬跑分斬獲性能第一

7月安卓手機性價比榜：努比亞+紅魔兩款新機入榜

6月安卓手機性能榜：vivo/iQOO霸占旗艦排行榜前三

三萬字盤點 Spring 九大核心基礎功能

使用LLM插件從命令行訪問Llama 2

10天營收超1億美元，《星鐵》比《原神》差在哪？

蘋果公司要求三星和LG Display生產「無邊框」OLED iPhone顯示屏

2299元起！iQOO Pad明晚首銷：性能最強天璣平板

Windows 11發布，微軟一改往常對老機型開放的態度

最新推薦

猜你喜歡

熱門推薦

相關資訊

Oracle 數據量 150T，PostgreSQL 能搞定嗎？

用法

加載擴展

創建服務器

創建用戶映射

創建外表

訪問外表

并行查詢

導入

特性

無結構模式

無結構模式用法

可寫的 FDW

鍵列

insert_file_selector 選項

排序列：

Parquet 文件結構：

從 postgres 類型到 arrow 類型的映射：

INSERT

UPDATE/DELETE

限制

最新推薦

猜你喜歡

熱門推薦

相關資訊

Oracle 數據量 150T，PostgreSQL 能搞定嗎？