第1章 數(shù)據(jù)庫關(guān)鍵挑戰(zhàn) 1
1.1 數(shù)據(jù)庫發(fā)展歷程 1
1.1.1 數(shù)據(jù)庫分類 1
1.1.2 數(shù)據(jù)庫架構(gòu) 3
1.2 數(shù)據(jù)庫最新演進(jìn)趨勢 5
1.2.1 云原生數(shù)據(jù)庫 5
1.2.2 AI-Native 智能數(shù)據(jù)庫 8
1.2.3 全密態(tài)數(shù)據(jù)庫 9
1.2.4 端邊云數(shù)據(jù)管理 9
1.2.5 其他技術(shù)研究熱點(diǎn) 10

第2章 GaussDB 架構(gòu)介紹 13
2.1 GaussDB 關(guān)鍵架構(gòu)目標(biāo) 13
2.2 GaussDB 分布式架構(gòu) 14
2.2.1 GaussDB 分布式關(guān)鍵技術(shù)架構(gòu) 14
2.2.2 關(guān)鍵模塊2 層邏輯模型 17
2.3 GaussDB 分布式關(guān)鍵技術(shù)方案 20
2.3.1 數(shù)據(jù)計(jì)算路由層（Coordinator）關(guān)鍵技術(shù)方案 20
2.3.2 數(shù)據(jù)持久化存取層（Datanode）關(guān)鍵技術(shù)方案 26
2.3.3 全局事務(wù)管理層（GTM）關(guān)鍵技術(shù)方案 27
2.3.4 集群管理層（CM）關(guān)鍵技術(shù)方案 28
2.3.5 集群管理仲裁關(guān)鍵技術(shù) 30
2.3.6 故障檢查與異常發(fā)現(xiàn) 31
2.3.7 基于Paxos 協(xié)議復(fù)制實(shí)現(xiàn)DN 副本自仲裁 31
2.4 OM 運(yùn)維管理關(guān)鍵技術(shù)方案 32
2.5 安全關(guān)鍵技術(shù)方案 33
2.5.1 安全關(guān)鍵技術(shù)一：密態(tài)等值查詢 33
2.5.2 安全關(guān)鍵技術(shù)二：防篡改數(shù)據(jù)庫 34
2.6 智能關(guān)鍵技術(shù)方案 36
2.6.1 智能關(guān)鍵技術(shù)一：自治運(yùn)維系統(tǒng) 36
2.6.2 智能關(guān)鍵技術(shù)二：庫內(nèi)AI 引擎 39
2.6.3 智能關(guān)鍵技術(shù)三：智能優(yōu)化器 40
2.7 驅(qū)動接口關(guān)鍵技術(shù)方案 41
2.8 GaussDB 云原生架構(gòu) 41
2.8.1 云原生關(guān)鍵技術(shù)架構(gòu) 41
2.8.2 云原生核心技術(shù) 43

第3章 數(shù)據(jù)庫高性能關(guān)鍵技術(shù) 58
3.1 數(shù)據(jù)庫性能優(yōu)化概述 58
3.1.1 數(shù)據(jù)庫的軟件棧視角 58
3.1.2 從系統(tǒng)性工程視角理解性能優(yōu)化 59
3.1.3 性能工程復(fù)雜并充滿挑戰(zhàn) 60
3.1.4 性能相關(guān)的術(shù)語 61
3.2 查詢處理技術(shù) 62
3.2.1 查詢處理流程 62
3.2.2 查詢解析器 62
3.2.3 查詢優(yōu)化器 63
3.2.4 查詢執(zhí)行器 64
3.2.5 分布式執(zhí)行 67
3.2.6 存儲引擎數(shù)據(jù)讀取 68
3.3 高性能關(guān)鍵技術(shù) 71
3.3.1 查詢重寫RBO 71
3.3.2 物理優(yōu)化CBO 74
3.3.3 分布式優(yōu)化器 74
3.3.4 分布式執(zhí)行框架 75
3.3.5 輕量全局事務(wù)管理GTM-lite 77
3.3.6 UStore 存儲引擎 78
3.3.7 計(jì)劃緩存技術(shù) 79
3.3.8 數(shù)據(jù)分區(qū)與分區(qū)剪枝 80
3.3.9 列式存儲和向量化引擎 82
3.3.10 SMP 并行執(zhí)行 85
3.3.11 LLVM 動態(tài)查詢編譯執(zhí)行 87
3.3.12 SQL-BY-PASS 執(zhí)行優(yōu)化 88
3.3.13 線程池化 89
3.3.14 多核處理器優(yōu)化 90
3.3.15 日志無鎖刷新與多級流水 91
3.4 高斯數(shù)據(jù)庫性能優(yōu)化總結(jié) 93

第4章 數(shù)據(jù)庫高可用關(guān)鍵技術(shù) 95
4.1 分布式一致性框架 95
4.1.1 共識框架概述 95
4.1.2 DCF 功能架構(gòu) 96
4.1.3 DCF 選舉流程及優(yōu)化 96
4.1.4 DCF 日志復(fù)制流程 97
4.1.5 DCF 優(yōu)先級選主和策略化多數(shù)派 97
4.1.6 DCF 性能設(shè)計(jì) 98
4.1.7 DCF 日志與XLog 日志合一設(shè)計(jì) 99
4.1.8 DCF 異常場景處理 100
4.2 雙集群容災(zāi) 101
4.3 邏輯復(fù)制 102
4.3.1 基本概念 103
4.3.2 邏輯復(fù)制槽 104
4.3.3 邏輯解碼 105
4.3.4 備機(jī)解碼 106
4.3.5 并行解碼 107
4.3.6 一致性解碼 107
4.3.7 分布式解碼 109
4.4 兩地三中心跨Region 容災(zāi) 110
4.4.1 兩地三中心容災(zāi)概述 110
4.4.2 異地容災(zāi)部署示例 111
4.4.3 兩地三中心容災(zāi)方案設(shè)計(jì) 112
4.4.4 容災(zāi)搭建 113

第5章 數(shù)據(jù)庫高彈性關(guān)鍵技術(shù) 125
5.1 數(shù)據(jù)庫彈性擴(kuò)容 125
5.2 Hashbucket 擴(kuò)容 127
5.2.1 Hashbucket 概念 127
5.2.2 段頁式存儲技術(shù) 129
5.2.3 基于段頁式組織的Hashbucket 技術(shù) 133
5.2.4 Hashbucket 場景的超長字段實(shí)現(xiàn) 134
5.2.5 CBI 索引加速 136
5.2.6 支持Hashbucket 的優(yōu)化器 138
5.2.7 支持Hashbucket 的執(zhí)行器 140
5.2.8 Hashbucket 擴(kuò)容流程 142
5.2.9 擴(kuò)容中日志多流 149
5.2.10 擴(kuò)容中事務(wù)處理 153
5.2.11 擴(kuò)容中bucket 鎖 156
5.3 擴(kuò)容實(shí)踐 157
5.3.1 擴(kuò)容步驟 157
5.3.2 擴(kuò)容期間的TPC-C 測試 158
5.3.3 擴(kuò)容期間的sysbench 測試 159

第6章 數(shù)據(jù)庫高智能關(guān)鍵技術(shù) 161
6.1 數(shù)據(jù)庫智能化發(fā)展史 161
6.2 自治運(yùn)維技術(shù) 162
6.2.1 智能監(jiān)測 164
6.2.2 趨勢預(yù)測 165
6.2.3 異常檢測 167
6.2.4 日志分析 170
6.2.5 慢SQL 發(fā)現(xiàn) 173
6.2.6 慢SQL 診斷 175
6.2.7 集群故障根因診斷 178
6.2.8 索引推薦 182
6.2.9 分布鍵推薦 185
6.2.10 參數(shù)調(diào)優(yōu) 188
6.3 庫內(nèi)AI 引擎 189
6.3.1 機(jī)器學(xué)習(xí)算法的訓(xùn)練和推理 190
6.3.2 模型管理 198
6.3.3 數(shù)據(jù)集管理 201
6.4 智能優(yōu)化器 206
6.4.1 智能基數(shù)估計(jì) 207
6.4.2 智能計(jì)劃管理 211
6.4.3 反饋?zhàn)赃m應(yīng)優(yōu)化器 214

第7章 數(shù)據(jù)庫高安全關(guān)鍵技術(shù) 215
7.1 安全整體架構(gòu) 215
7.2 安全接入 217
7.2.1 身份標(biāo)識 217
7.2.2 口令存儲 218
7.2.3 認(rèn)證機(jī)制 220
7.2.4 Kerberos 安全認(rèn)證 222
7.2.5 國密SSL 加密傳輸 224
7.3 角色與權(quán)限 225
7.3.1 對象權(quán)限管理 225
7.3.2 角色管理 226
7.3.3 系統(tǒng)權(quán)限管理 228
7.3.4 系統(tǒng)權(quán)限檢查 228
7.3.5 基于標(biāo)簽的強(qiáng)制訪問控制 230
7.4 審計(jì)追蹤 235
7.4.1 傳統(tǒng)審計(jì) 235
7.4.2 統(tǒng)一審計(jì) 238
7.5 數(shù)據(jù)保護(hù) 242
7.5.1 動態(tài)數(shù)據(jù)脫敏 242
7.5.2 透明數(shù)據(jù)加密 251
7.6 全密態(tài)數(shù)據(jù)庫 260
7.6.1 軟硬融合全密態(tài) 262
7.6.2 端側(cè)加密引擎 263
7.6.3 端側(cè)密鑰管理 264
7.6.4 輕量化語法解析 266
7.7 防篡改數(shù)據(jù)庫 267
7.7.1 防篡改用戶表結(jié)構(gòu) 267
7.7.2 用戶歷史表 268
7.7.3 全局區(qū)塊表結(jié)構(gòu) 269
7.7.4 篡改校驗(yàn)算法 269

第8章 GaussDB 易遷移關(guān)鍵技術(shù) 271
8.1 數(shù)據(jù)庫遷移概述 271
8.2 數(shù)據(jù)庫遷移預(yù)評估階段 271
8.2.1 源數(shù)據(jù)庫與新數(shù)據(jù)庫的主要差異評估 271
8.2.2 新數(shù)據(jù)庫兼容性評估 277
8.2.3 遷移必要性評估 277
8.3 規(guī)劃設(shè)計(jì) 278
8.3.1 業(yè)務(wù)與數(shù)據(jù)庫適配規(guī)劃設(shè)計(jì) 278
8.3.2 遷移步驟與遷移計(jì)劃的規(guī)劃設(shè)計(jì) 278
8.4 業(yè)務(wù)改造與測試 280
8.4.1 業(yè)務(wù)改造過程 280
8.4.2 業(yè)務(wù)測試過程 280
8.5 數(shù)據(jù)遷移 281
8.5.1 數(shù)據(jù)遷移設(shè)計(jì) 281
8.5.2 數(shù)據(jù)遷移執(zhí)行過程 282
8.6 上線割接 283
8.6.1 割接演練 283
8.6.2 正式割接 283
8.7 經(jīng)驗(yàn)總結(jié) 283

第9章 GaussDB 性能調(diào)優(yōu)指南 285
9.1 單SQL 性能調(diào)優(yōu) 285
9.1.1 表結(jié)構(gòu)設(shè)計(jì) 285
9.1.2 索引設(shè)計(jì) 288
9.1.3 SQL 設(shè)計(jì) 289
9.1.4 執(zhí)行計(jì)劃 290
9.1.5 硬件資源 295
9.2 并發(fā)場景性能調(diào)優(yōu) 295
9.2.1 業(yè)務(wù)側(cè)瓶頸 295
9.2.2 不優(yōu)的SQL 296
9.2.3 并發(fā)時的鎖等待 299
9.2.4 硬件資源滿 300
9.2.5 數(shù)據(jù)庫參數(shù)配置 301
9.3 性能調(diào)優(yōu)案例 301
9.3.1 案例1：避免對條件列做處理（防止列的隱式轉(zhuǎn)換、函數(shù)處理） 301
9.3.2 案例2：選擇合理的組合索引列順序 304
9.3.3 案例3：選擇合適的分布列 305
9.3.4 案例4：增加join 列非空條件 307
9.3.5 案例5：合理使用分區(qū)表 309
9.3.6 案例6：改寫SQL 消除子查詢 310
9.3.7 案例7：調(diào)整查詢重寫GUC 參數(shù)rewrite_rule 311
9.3.8 案例8：使用DN Gather 減少計(jì)劃中的Stream 節(jié)點(diǎn) 320
9.3.9 案例9：通過監(jiān)控平臺進(jìn)行慢SQL 診斷 335
9.3.10 案例10：通過等待事件分析瓶頸 336
9.3.11 案例11：避免長事務(wù)影響性能 336
9.3.12 案例12：通過歸一化視圖分析硬解析耗時場景 337
9.3.13 案例13：業(yè)務(wù)并發(fā)異常時段CPU 沖高問題分析 338
9.3.14 案例14：通過分析計(jì)劃調(diào)整內(nèi)存參數(shù)避免臨時文件落盤 339
9.3.15 案例15：調(diào)整表的Vacuum 參數(shù)優(yōu)化查詢性能 340

第10章 高斯數(shù)據(jù)庫行業(yè)實(shí)踐 341
10.1 金融行業(yè) 341
10.1.1 金融行業(yè)數(shù)據(jù)庫現(xiàn)狀 341
10.1.2 金融案例：郵政儲蓄銀行核心系統(tǒng)國產(chǎn)化轉(zhuǎn)型實(shí)踐 342
10.1.3 金融案例：華夏銀行借記卡系統(tǒng)國產(chǎn)化改造實(shí)踐 346
10.1.4 金融案例：農(nóng)業(yè)發(fā)展銀行信貸系統(tǒng)轉(zhuǎn)型建設(shè)實(shí)踐 347
10.1.5 金融案例：NY 銀行GaussDB 國產(chǎn)化轉(zhuǎn)型實(shí)踐 347
10.2 政府行業(yè) 348
10.2.1 政府行業(yè)數(shù)據(jù)庫現(xiàn)狀 348
10.2.2 政府案例：陜西財(cái)政云系統(tǒng)國產(chǎn)數(shù)字化轉(zhuǎn)型建設(shè) 349
10.2.3 政府案例：貴州人社就業(yè)系統(tǒng)國產(chǎn)化轉(zhuǎn)型實(shí)踐 350
10.3 制造行業(yè) 352
10.3.1 制造行業(yè)數(shù)據(jù)庫現(xiàn)狀 352
10.3.2 制造業(yè)案例：華為MetaERP 數(shù)字化轉(zhuǎn)型實(shí)踐 353
10.3.3 制造業(yè)案例：京東云openGauss 實(shí)現(xiàn)混合多云場景元數(shù)據(jù)存儲安全創(chuàng)新 355
10.3.4 制造業(yè)案例：openGauss 支撐比亞迪制造核心系統(tǒng)升級，性能整體提升50% 356
10.4 衛(wèi)生健康行業(yè) 357
10.4.1 衛(wèi)生健康行業(yè)數(shù)據(jù)庫現(xiàn)狀 357
10.4.2 衛(wèi)生健康案例：貴州省醫(yī)學(xué)檢查檢驗(yàn)結(jié)果共享交換平臺轉(zhuǎn)型實(shí)踐 358
10.4.3 openGauss 助力南京市衛(wèi)生信息中心醫(yī)療行業(yè)信息化升級 358
10.5 電信行業(yè) 359
10.5.1 電信行業(yè)數(shù)據(jù)庫現(xiàn)狀 359
10.5.2 電信案例：中國移動在線基于openGauss 的數(shù)據(jù)庫自主創(chuàng)新替代實(shí)踐 360
10.5.3 電信案例：openGauss 助力中國聯(lián)通實(shí)現(xiàn)運(yùn)營商資源可視化系統(tǒng)升級改造 361
10.5.4 電信案例：openGauss 助力浙江移動營銷系統(tǒng)執(zhí)行中心國產(chǎn)化轉(zhuǎn)型實(shí)踐 362
10.6 公路水運(yùn)行業(yè) 363
10.6.1 公路水運(yùn)行業(yè)數(shù)據(jù)庫現(xiàn)狀 363
10.6.2 公路水運(yùn)案例：山東煙臺港數(shù)字化管控平臺建設(shè)實(shí)踐 364
10.6.3 公路水運(yùn)案例：某交建保障數(shù)據(jù)安全，構(gòu)建專屬數(shù)據(jù)支撐底座 365
10.7 能源行業(yè) 366
10.7.1 能源行業(yè)數(shù)據(jù)庫現(xiàn)狀 366
10.7.2 能源業(yè)案例：國網(wǎng)陜西用戶用電信息采集系統(tǒng)升級改造 367
10.8 水利行業(yè) 369
10.8.1 水利行業(yè)數(shù)據(jù)庫現(xiàn)狀 369
10.8.2 水利案例：徐州智慧水利系統(tǒng)數(shù)字化轉(zhuǎn)型實(shí)踐 370
10.9 廣電行業(yè) 372
10.9.1 廣電行業(yè)數(shù)據(jù)庫現(xiàn)狀 372
10.9.2 廣電案例：央廣網(wǎng)國產(chǎn)數(shù)據(jù)庫平滑遷移，綜合性能提升30% 373
10.10 教育行業(yè) 374
10.10.1 教育行業(yè)數(shù)據(jù)庫現(xiàn)狀 374
10.10.2 教育案例：學(xué)生發(fā)展中心學(xué)籍學(xué)歷信息管理平臺去O 驗(yàn)證實(shí)踐 374
10.11 其他行業(yè) 376
10.11.1 民航行業(yè)數(shù)據(jù)庫現(xiàn)狀 376
10.11.2 郵政行業(yè)數(shù)據(jù)庫現(xiàn)狀 377
10.11.3 鐵路行業(yè)數(shù)據(jù)庫現(xiàn)狀 378