FQS：一種神奇的數倉查詢優化技術

来源:https://www.cnblogs.com/huaweiyun/archive/2023/12/13/17899133.html
-Advertisement-
Play Games

本文分享自華為雲社區《根據執行計劃優化SQL【綻放吧！GaussDB(DWS)雲原生數倉】》，作者：西嶺雪山。 引言 如果您剛接觸DWS那一定會好奇想要知道"REMOTE_FQS_QUERY" 到底代表什麼意思？我們看官網的描述是代表這執行計劃已經CN直接將原語句下發到DN，各DN單獨執行，並將執行 ...


本文分享自華為雲社區《根據執行計劃優化SQL【綻放吧！GaussDB(DWS)雲原生數倉】》，作者：西嶺雪山。

引言

如果您剛接觸DWS那一定會好奇想要知道"REMOTE_FQS_QUERY" 到底代表什麼意思？我們看官網的描述是代表這執行計劃已經CN直接將原語句下發到DN，各DN單獨執行，並將執行結果在CN上進行彙總。且不需要做過多的調整了，真的是這樣嗎？

FQS計劃，完全下推

兩表JOIN，且其連接條件為各表的分佈列，在關閉stream運算元的情況下，CN會直接將該語句發送至各DN執行，最後結果在CN彙總。

SET enable_stream_operator=off;

SET explain_perf_mode=normal;

EXPLAIN (VERBOSE on,COSTS off) SELECT * FROM tt01,tt02 WHERE tt01.c1=tt02.c2;

QUERY PLAN

-------------------------------------------------------------------------------------------------------------------

Data Node Scan on "__REMOTE_FQS_QUERY__"

Output: tt01.c1, tt01.c2, tt02.c1, tt02.c2

Node/s: All datanodes

Remote query: SELECT tt01.c1, tt01.c2, tt02.c1, tt02.c2 FROM dbadmin.tt01, dbadmin.tt02 WHERE tt01.c1 = tt02.c2

(4 rows)

像上面的執行計劃只顯示了Data Node Scan on "__REMOTE_FQS_QUERY__"，這樣的執行計劃太過粗糙，不知道內部是如何執行的，是否走了索引等更為詳細的信息。

下麵我們建表進行驗證

create table t5 (bh varchar(300),bh2 varchar(300),c_name varchar(300),c_info varchar(300))distribute by hash(bh);

insert into t4 select uuid_generate_v1(), uuid_generate_v1(),'測試','sdfffffffffffffffsdf' from generate_series(1,50000);

insert into t4 select * from t4;

--1、沒有索引的情況下：

postgres=# explain analyze select * from t4 where bh2 = '652e4e0e-ba60-0400-25b5-4ee5e490fffe';

QUERY PLAN

-----------------------------------------------------------------------------------------------------------------------------

id | operation | A-time | A-rows | E-rows | Peak Memory | A-width | E-width | E-costs

----+----------------------------------------------+---------+--------+--------+-------------+---------+---------+---------

1 | -> Data Node Scan on "__REMOTE_FQS_QUERY__" | 256.364 | 32 | 0 | 56KB | | 0 | 0.00



====== Query Summary =====

-----------------------------------------

Coordinator executor start time: 0.055 ms

Coordinator executor run time: 256.410 ms

Coordinator executor end time: 0.010 ms

Planner runtime: 0.145 ms

Query Id: 73746443917091633

Total runtime: 256.557 ms

(12 rows)

Time: 259.051 ms

--2、添加索引，並添加hint indexscan

postgres=# create index i_t4 on t4(bh2);

CREATE INDEX

Time: 3328.258 ms

postgres=# explain analyze select /*+ indexscan(t4 i_t4) */ * from t4 where bh2 = '652e4e0e-ba60-0400-25b5-4ee5e490fffe';

QUERY PLAN

----------------------------------------------------------------------------------------------------------------------------

id | operation | A-time | A-rows | E-rows | Peak Memory | A-width | E-width | E-costs

----+----------------------------------------------+--------+--------+--------+-------------+---------+---------+---------

1 | -> Data Node Scan on "__REMOTE_FQS_QUERY__" | 2.269 | 32 | 0 | 56KB | | 0 | 0.00



====== Query Summary =====

-----------------------------------------

Coordinator executor start time: 0.027 ms

Coordinator executor run time: 2.298 ms

Coordinator executor end time: 0.009 ms

Planner runtime: 0.074 ms

Query Id: 73746443917091930

Total runtime: 2.401 ms

(12 rows)

可以看到沒有創建索引的時候執行計劃和創建索引的執行計劃完全一樣，但是執行的時間是259.051ms和2.401ms，相差非常明顯，很可能第二個執行計劃已經走索引了，但是執行計劃一樣，這對於優化人員不夠直觀。

即使在執行計劃中加入了 /*+ indexscan(t4 i_t4) */，但並沒有列印出是否走了索引，執行計划過於簡潔，並且pg_stat_all_indexes中業務表的所有統計信息都是0，也沒發判斷。

CPUTime

對於上面的時間區別也可以用CPU耗時對比，在執行計劃中加入CPU的耗時：

--沒有索引的執行計劃

postgres=# explain (analyze,buffers,verbose,cpu,nodes )select * from t4 where bh2 = '652e4e0e-ba60-0400-25b5-4ee5e490fffe';

QUERY PLAN

---------------------------------------------------------------------------------------------------------------------------

Data Node Scan on "__REMOTE_FQS_QUERY__" (cost=0.00..0.00 rows=0 width=0) (actual time=244.096..244.108 rows=32 loops=1)

Output: t4.bh, t4.bh2, t4.c_name, t4.c_info

Node/s: All datanodes

Remote query: SELECT bh, bh2, c_name, c_info FROM sa.t4 WHERE bh2::text = '652e4e0e-ba60-0400-25b5-4ee5e490fffe'::text

(CPU: ex c/r=762829, ex row=32, ex cyc=24410534, inc cyc=24410534)

Total runtime: 244.306 ms

(6 rows)

--創建索引後的執行計劃

postgres=# explain (analyze,buffers,verbose,cpu,nodes )select * from t4 where bh2 = '652e4e0e-ba60-0400-25b5-4ee5e490fffe';

QUERY PLAN

--------------------------------------------------------------------------------------------------------------------------

Data Node Scan on "__REMOTE_FQS_QUERY__" (cost=0.00..0.00 rows=0 width=0) (actual time=1.035..2.148 rows=32 loops=1)

Output: t4.bh, t4.bh2, t4.c_name, t4.c_info

Node/s: All datanodes

Remote query: SELECT bh, bh2, c_name, c_info FROM sa.t4 WHERE bh2::text = '652e4e0e-ba60-0400-25b5-4ee5e490fffe'::text

(CPU: ex c/r=6698, ex row=32, ex cyc=214354, inc cyc=214354)

Total runtime: 2.242 ms

(6 rows)

對比執行計劃可以看到是一樣的。

其中cyc代表的是CPU的周期數，ex cyc表示的是當前運算元的周期數，不包含其子節點；inc cyc是包含子節點的周期數；ex row是當前運算元輸出的數據行數；ex c/r則是ex cyc/ex row得到的每條數據所用的平均周期數。

cpu平均周期對比：沒索引：762829，創建索引後：6698，大約是一百多倍。

查看詳細計劃

__REMOTE_FQS_QUERY__是直接將語句發送給了nodedata，所以cn節點不生成執行計劃，所以沒法看到是否走索引，如果我們將enable_fast_query_shipping關閉，就能在cn上面生成執行計劃，可以看到是否走了索引。

--關閉fast_query

postgres=# set enable_fast_query_shipping to off;

postgres=# set explain_perf_mode=normal;

--走索引的執行計劃

postgres=# explain analyze select * from t4 where bh2 = '652e4e0e-ba60-0400-25b5-4ee5e490fffe';

QUERY PLAN

------------------------------------------------------------------------------------------------------------------------------

Streaming (type: GATHER) (cost=4.95..51.75 rows=31 width=102) (actual time=1.695..2.263 rows=32 loops=1)

Node/s: All datanodes

-> Bitmap Heap Scan on t4 (cost=4.33..43.75 rows=31 width=102) (actual time=[0.040,0.040]..[0.057,0.153], rows=32)

Recheck Cond: ((bh2)::text = '652e4e0e-ba60-0400-25b5-4ee5e490fffe'::text)

-> Bitmap Index Scan on i_t4 (cost=0.00..4.33 rows=31 width=0) (actual time=[0.035,0.035]..[0.042,0.042], rows=32)

Index Cond: ((bh2)::text = '652e4e0e-ba60-0400-25b5-4ee5e490fffe'::text)

Total runtime: 2.569 ms

(7 rows)

Time: 5.226 ms

--刪除索引後的全表掃描

postgres=# explain analyze select * from t4 where bh2 = '652e4e0e-ba60-0400-25b5-4ee5e490fffe';

QUERY PLAN

-------------------------------------------------------------------------------------------------------------------------

Streaming (type: GATHER) (cost=0.62..31755.34 rows=31 width=102) (actual time=294.661..294.814 rows=32 loops=1)

Node/s: All datanodes

-> Seq Scan on t4 (cost=0.00..31747.34 rows=31 width=102) (actual time=[0.084,258.294]..[280.141,293.190], rows=32)

Filter: ((bh2)::text = '652e4e0e-ba60-0400-25b5-4ee5e490fffe'::text)

Rows Removed by Filter: 3199968

Total runtime: 295.154 ms

(6 rows)

Time: 297.348 ms

使用enable_fast_query_shipping控制是否使用分散式框架，以此來查看具體的執行計劃，針對優化SQL有幫助。

僅憑 "REMOTE_FQS_QUERY"是沒法判斷有沒有走索引，還需要進一步驗證。

小小的缺陷：即使SQL走了索引，統計信息表pg_stat_all_indexes和pg_stat_all_table中的index_scan索引掃描次數都是0。

分佈鍵類型影響

常見的fqs一般單表簡單查詢，以及多表連接且關聯鍵是同類型分佈鍵。

當查詢中有函數，多表關聯關聯鍵欄位類型不同，分佈鍵類型不同，以及非等值情況都可能造成不下推。

下麵舉例分佈鍵類型不一樣

--t1和t2表結構完全一樣，分佈鍵都是hash(id)

postgres=# \d+ t1

Table "sa.t1"

Column | Type | Modifiers | Storage | Stats target | Description

--------+------------------------+-----------+----------+--------------+-------------

id | character varying(300) | | extended | |

c_name | character varying(300) | | extended | |

c_info | character varying(300) | | extended | |

Indexes:

"i_t1" btree (id) TABLESPACE pg_default

"i_t1_id" btree (id) TABLESPACE pg_default

Has OIDs: no

Distribute By: HASH(id)

Location Nodes: ALL DATANODES

Options: orientation=row, compression=no

--可以下推，執行計劃顯示FQS

postgres=# explain select * from t1,t2 where t1.id=t2.id;

QUERY PLAN

----------------------------------------------------------------------------------

id | operation | E-rows | E-width | E-costs

----+----------------------------------------------+--------+---------+---------

1 | -> Data Node Scan on "__REMOTE_FQS_QUERY__" | 0 | 0 | 0.00

(3 rows)

--修改其中一個表的分佈鍵為隨機分佈roundrobin

postgres=# alter table t1 distribute by roundrobin;

ALTER TABLE

postgres=# explain select * from t1,t2 where t1.id=t2.id;

QUERY PLAN

------------------------------------------------------------------------------------------------

id | operation | E-rows | E-memory | E-width | E-costs

----+-----------------------------------------+----------+--------------+---------+-----------

1 | -> Streaming (type: GATHER) | 13021186 | | 60 | 159866.51

2 | -> Hash Join (3,5) | 13021186 | 1MB | 60 | 159449.88

3 | -> Streaming(type: REDISTRIBUTE) | 1600000 | 2MB | 30 | 53357.30

4 | -> Seq Scan on t1 | 1600000 | 1MB | 30 | 9357.33

5 | -> Hash | 1599999 | 48MB(4435MB) | 30 | 9355.33

6 | -> Seq Scan on t2 | 1600000 | 1MB | 30 | 9355.33



RunTime Analyze Information

----------------------------------

"sa.t1" runtime: 219.368ms

"sa.t2" runtime: 184.141ms



Predicate Information (identified by plan id)

--------------------------------------------------

2 --Hash Join (3,5)

Hash Cond: ((t1.id)::text = (t2.id)::text)



====== Query Summary =====

-------------------------------

System available mem: 4546560KB

Query Max mem: 4546560KB

Query estimated mem: 131072KB

(24 rows)

--將t2表修改為隨機分佈，結果是查詢時兩個表都需要重分佈

postgres=# alter table t2 distribute by roundrobin;

ALTER TABLE

postgres=# explain select * from t1,t2 where t1.id=t2.id;

QUERY PLAN

---------------------------------------------------------------------------------------------------

id | operation | E-rows | E-memory | E-width | E-costs

----+--------------------------------------------+----------+--------------+---------+-----------

1 | -> Streaming (type: GATHER) | 12804286 | | 60 | 203041.85

2 | -> Hash Join (3,5) | 12804286 | 1MB | 60 | 202625.22

3 | -> Streaming(type: REDISTRIBUTE) | 1600000 | 2MB | 30 | 53357.30

4 | -> Seq Scan on t2 | 1600000 | 1MB | 30 | 9357.33

5 | -> Hash | 1599999 | 68MB(4433MB) | 30 | 53357.30

6 | -> Streaming(type: REDISTRIBUTE) | 1600000 | 2MB | 30 | 53357.30

7 | -> Seq Scan on t1 | 1600000 | 1MB | 30 | 9357.33



RunTime Analyze Information

----------------------------------

"sa.t2" runtime: 203.933ms



Predicate Information (identified by plan id)

--------------------------------------------------

2 --Hash Join (3,5)

Hash Cond: ((t2.id)::text = (t1.id)::text)



====== Query Summary =====

-------------------------------

System available mem: 4546560KB

Query Max mem: 4546560KB

Query estimated mem: 131072KB

(24 rows)

當t1表是隨機分佈的時候連表查詢，t1表會要做重分佈，t2也是隨機分佈的時候，連表查詢也需要做重分佈。隨機分佈的情況下是沒法完全下推的。

replication模式就不演示了，因為replication是所有dn都有一份數據，所以數據量是dn數量*表數據量，每個節點都有一份完整的數據，肯定是可以下推的。

將t1和t2都改成hash分佈，然後關聯建選擇一個非分佈列，這很明顯的是沒法直接完全下推的：

postgres=# alter table t1 distribute by hash(id);

ALTER TABLE

postgres=# alter table t2 distribute by hash(id);

ALTER TABLE

--關聯建加入c_name

postgres=# explain select * from t1,t2 where t1.id=t2.c_name;

QUERY PLAN

---------------------------------------------------------------------------------------------------------------------

id | operation | E-rows | E-memory | E-width | E-costs

----+--------------------------------------------------------------+----------+--------------+---------+-----------

1 | -> Streaming (type: GATHER) | 12621020 | | 61 | 182863.95

2 | -> Hash Join (3,5) | 12621020 | 1MB | 61 | 182447.32

3 | -> Streaming(type: PART REDISTRIBUTE PART ROUNDROBIN) | 1600000 | 2MB | 30 | 54688.64

4 | -> Seq Scan on t2 | 1600000 | 1MB | 30 | 9355.33

5 | -> Hash | 1599999 | 48MB(4433MB) | 31 | 32355.32

6 | -> Streaming(type: PART LOCAL PART BROADCAST) | 1600000 | 2MB | 31 | 32355.32

7 | -> Seq Scan on t1 | 1600000 | 1MB | 31 | 9355.33

-- 如果將t1改成replication

postgres=# alter table t1 distribute by replication ;

ALTER TABLE

postgres=# explain select * from t1,t2 where t1.id=t2.id;

QUERY PLAN

----------------------------------------------------------------------------------

id | operation | E-rows | E-width | E-costs

----+----------------------------------------------+--------+---------+---------

1 | -> Data Node Scan on "__REMOTE_FQS_QUERY__" | 0 | 0 | 0.00

(3 rows)

--可以看到t1是複製表，t2是hash表也可以完全下推

--再將t2改為隨機分佈，關聯查詢會是怎樣呢？

postgres=# alter table t2 distribute by replication;

ALTER TABLE

postgres=# explain select * from t1,t2 where t1.id=t2.id;

QUERY PLAN

----------------------------------------------------------------------------------

id | operation | E-rows | E-width | E-costs

----+----------------------------------------------+--------+---------+---------

1 | -> Data Node Scan on "__REMOTE_FQS_QUERY__" | 0 | 0 | 0.00

(3 rows)

當關聯建中有非分佈鍵的時候是沒法完全下推的，如果將其中一個表改成複製表（每個dn都有數據），無論另外一張表是如何分佈都是可以完全下推。但是複製表只適合小表

常見非FQS

  1. 聚合和排序操作：當查詢需要進行複雜的聚合操作或排序時，通常需要在協調節點上進行。FQS不適合這些情況，因為在數據節點上執行這些操作可能會導致性能下降。
  2. 跨多個分佈鍵的連接：如果查詢需要連接多個表，並且這些表的連接條件涉及不同的分佈鍵，FQS可能不是最佳選擇。這樣的查詢可能需要在協調節點上執行，以便正確處理跨多個數據節點的連接。
  3. 子查詢和複雜邏輯：包含複雜子查詢或邏輯的查詢通常需要在協調節點上進行，因為這些查詢需要協調多個步驟以生成結果。
  4. 涉及外部數據源或函數：如果查詢涉及與外部數據源通信或需要使用資料庫之外的函數，FQS可能無法應用，因為這些操作通常需要在協調節點上執行，函數分三種形態，要分具體情況

總的來說，FQS是一種性能優化工具，適用於許多查詢，但並非所有查詢都適合。資料庫查詢優化通常涉及權衡，需要根據具體查詢和性能需求來選擇合適的執行方式。可以通過觀察執行計劃和性能測試來確定是否應使用FQS。

總結

1、在DWS中，FQS（Fast Query Shipping）是一種查詢優化技術，允許將查詢轉發到數據節點以在數據節點上執行，從而減少數據傳輸和提高查詢性能。

2、DWS中當前主要存在三類計劃：

  • FQS：是cn直接將原語句下發到dn，各dn單獨執行，並將執行結果在cn上進行彙總
  • Stream：計劃是CN根據原語句生成計劃並將計划下發給DN進行執行，各DN執行過程中使用Stream運算元進行數據交互。
  • Remote-Query：CN生成計劃後，將部分原語句下發到DN，各DN單獨執行，執行後將結果發送給CN，CN執行剩餘計劃。

3、僅憑 "REMOTE_FQS_QUERY"是沒法判斷有沒有走索引，還需要進一步驗證，使用enable_fast_query_shipping控制是否使用分散式框架，以此來查看具體的執行計劃，針對優化SQL有幫助。

4、當使用隨機分佈的時候由於數據是隨機分佈的所以在進行關聯查詢的時候該表基本都需要進行重分佈，代價較高。

5、replication模式由於各個節點都有一份數據，所以都可以完全下推，使用replication模式適合查詢頻繁的小表。

6、分佈鍵和非分佈鍵關聯也不能完全下推，這是比較常見的情況，所以在進行表設計的時候分佈鍵欄位類型一致，join的列最好。

7、小小的缺陷：即使SQL走了索引，統計信息表pg_stat_all_indexes和pg_stat_all_table中的index_scan索引掃描次數都是0。

8、應該儘量保證執行計劃是fqs，在fqs的基礎上如果還能繼續優化就可以使用enable_fast_query_shipping關閉完全下推，查看執行計劃針對性的優化。

 

點擊關註，第一時間瞭解華為雲新鮮技術~

 

 


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • ThreadLocal 本地線程變數詳解
    概述 ThreadLocal 意為本地線程變數，即該變數只屬於當前線程，對其他線程隔離 我們知道，一個普通變數如果被多線程訪問會存在存線上程安全問題，這時我們可以使用 Synchronize 來保證該變數某一時刻只能有一個線程訪問，從而解決併發安全問題 但如果這個變數並不需要被共用，那麼就可以使用 ...
  • C++ Qt開發：LineEdit單行輸入組件
    Qt 是一個跨平臺C++圖形界面開發庫，利用Qt可以快速開發跨平臺窗體應用程式，在Qt中我們可以通過拖拽的方式將不同組件放到指定的位置，實現圖形化開發極大的方便了開發效率，本章將重點介紹`LineEdit`單行輸入框組件的常用方法及靈活運用。在Qt中，`QLineEdit`是一個用於輸入單行文本的控... ...
  • 小小的日誌，大大的坑
    在任何系統中，日誌都是非常重要的組成部分，它是反映系統運行情況的重要依據，也是排查問題時的必要線索。絕大多數人都認可日誌的重要性，但是又有哪些場景可能導致性能問題？今天就讓我們來聊聊Java日誌性能那些事。 ...
  • 聊一聊 .NET高級調試 中必知的符號表
    一：背景 1. 講故事 在高級調試的旅行中，發現有不少人對符號表不是很清楚，其實簡而言之符號表中記錄著一些程式的生物特征，比如哪個地址是函數(簽名信息)，哪個地址是全局變數，靜態變數，行號是多少，數據類型是什麼 等等，目的就是輔助我們可視化的調試，如果沒有這些輔助我們看到的都是一些無意義的彙編代碼， ...
  • 你知道如何修改ASP.NET Core預設埠嗎？常用5種方法實例演示
    下麵針對 ASP.NET Core 中修改預設埠的五種常用方法的詳細示例，分別對應 appsettings.json 配置 Kestrel 的 Endpoint、使用 UseUrls 方法、命令行參數方法、host.json 配置方法和使用 Docker 的方式。 方法一：appsettings. ...
  • Visual Studio快捷鍵總覽，推薦VS+Resharper實現高效開發
    VS2022之後，其實還挺好用的，但個人還是習慣VS+Resharper的強強組合，尤其是Ctrl+N快捷鍵的全局搜，比VS自帶的Ctrl+T好用太多了，Ctrl+B還能直接查看反編譯之後的dll的方法。下麵是常用VS快捷鍵，收藏記錄下。 1、項目快捷鍵CTRL + SHIFT + B生成解決方案C ...
  • 當你打開終端並輸入命令時會發生什麼?（上）
    哈嘍大家好，我是鹹魚 參加過校招面試的小伙伴們肯定對下麵這道面試題很熟悉：“當你在瀏覽器輸入一段網址後會發生什麼？”。這道面試題可以說是很經典了，因為其涉及大量網路協議，可以非常直觀的看出小伙伴們對電腦網路體系的整體把握程度 但如果問題換成：“當你打開終端並輸入 ls 時會發生什麼？”，有多少小伙 ...
  • 車機 Android 調節音量的三種方式及底層代碼邏輯
    車機環境下的音頻使用場景，相較於原始 Android 的音頻使用場景，存在這些特殊性： + **使用專門的 aDSP 晶元進行音效處理；** + **需要播放/控制原始 Android 預設之外的音源（AudioUsage）；** + **音源間交互行為更加複雜（AudioFocus）；** + ... ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發（一）：使用.NET MAUI開發第一個安卓APP
    移動開發（一）：使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說，近來想嘗試開發一款安卓APP，考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP，畢竟是使用Visual Studio開發工具，使用起來也比較的順手，結合微軟官方的教程進行了安卓 ...
  • wpf ToggleButton選中效果和一個登錄界面
    前言 QuestPDF 是一個開源 .NET 庫，用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫，它徹底改變了我們生成 PDF 文檔的方 ...
  • 彈幕樹洞項目功能新增篇
    項目地址 項目後端地址： https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址： ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址： http://tree ...
  • 第27篇 sqlserver2022詳細安裝步驟
    話不多說，直接開乾 一.下載 1.官方鏈接下載： https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe，運行開始下載SQL server； 二. ...
  • .NET 開源高性能 MQTT 類庫
    前言 隨著物聯網（IoT）技術的迅猛發展，MQTT（消息隊列遙測傳輸）協議憑藉其輕量級和高效性，已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫，為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog文檔翻譯系列（六） - 可用的接收器、增強器、格式化輸出
    Serilog支持多種接收器用於日誌存儲，增強器用於添加屬性，LogContext管理動態屬性，支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項，適用於不同需求。 ...
  • 警惕 Visual Studio 屬性求值副作用導致邏輯不符合預期
    目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據，爬取信息時需要模擬瀏覽器行為，否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下： 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • [使用目前最新版]HybridCLR6.9.0+YooAsset2.2.4實現純C# Unity熱更新方案 (一)
    1.前言 什麼是熱更新 游戲或者軟體更新時，無需重新下載客戶端進行安裝，而是在應用程式啟動的情況下，在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR，Xlua，ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles，Addressable， ...
  • 在 ASP.NET Core Web API 中使用操作篩選器統一處理通用操作
    本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺，其實像阿裡雲，騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後，它會送 ...
  • 第28篇 如何.net中實現高效可靠數據同步api
    通過以下方式可以高效，並保證數據同步的可靠性 1.API設計 使用RESTful設計，確保API端點明確，並使用適當的HTTP方法（如POST用於創建，PUT用於更新）。 設計清晰的請求和響應模型，以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證，確保接收到的數據符合預期格 ...
所有分類