百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

MySQL 8.0.30 GA(微信ipa安装包8.0.30)

ztj100 2025-01-24 14:52 21 浏览 0 评论

2022年7月26日,MySQL 8.0.30正式发行。在这个版本里,在做了大量的修复的同时,也对一些功能进行了增强和改善,让我们一起快速浏览一下有哪些亮点。

GIPK(Generated Invisible Primary Keys

当开启GIPK模式后,可以允许没有显示定义主键的InnoDB表,自动生成不可见的主键。生成的主键名称为 ‘my_row_id’ 并且无法更改,用户需要注意该关键字的使用。

XA事务与复制

复制功能支持将XA事务的状态进行复制,解决了以往的复制功能服务器节点出现异常时,无法保证执行XA PREPARE、XA COMMIT或XA ROLLBACK

对于任何多服务器复制拓扑(包括组复制), XA事务状态可以一致地传播,以便所有服务器终处于同一状态。对于任意的拓扑结构(包括单个服务器,只要启用了二进制日志记录),就可以恢复到一致状态。

InnoDB doublewrite buffer

增加了Innodb_doublewrite系统变量,该变量可以设置为DETECT_ONLY 或 DETECT_AND_RECOVER。设置为DETECT_ONLY时,数据库页面内容不会写入doublewrite buffer,恢复时也不使用doublewrite buffer 修复不完整的页面写入。该设置仅用于检测不完整页面写入。设置为DETECT_AND_RECOVER时,与现有的处理保持一致。

动态配置Redo日志容量

Redo日志现在支持动态设置容量。通过系统变量innodb_redo_log_capacity 可以增加或缩小Redo日志所使用的磁盘容量。InnoDB可以维护32个Redo日志,日志的默认大小为100M。用户配置innodb_redo_log_capacity后,变量innodb_log_files_in_group 和 innodb_log_file_size的值将被忽略。

更改MySQL部分系统表主键中的字段顺序

通过更改,以提高执行CREATE USER,DROP USER,RENAME USER 语句的执行性能

mysqldump自定义长查询时间

mysqldump增加一个新的选项 -mysqld-long-query-time ,通过该选项,用户可以增加mysqldump查询所允许的经过时间,以便避免写入慢查询日志,从而减少不必要的日志记录。

Error log组件

错误日志组件现在可以在InnoDB存储引擎可用之前启动。这种加载错误日志组件的控件方法通过log_error_services变量定义。

隐式加载错误日志组件具有如下优点:

  • InnoDB完全可用之前记录的信息是可用的。

  • 它有助于避免日志信息的丢失启动失败。

  • 显式错误日志组件安装使用不再需要安装组件语法。用户只需要将组件添加到log_error_services设置。


企业版审计

审计日志增加了查询时间选项,可以记录发送和接收的记录数及时间。

加密函数AES_ENCRYPT() 和 AES_DECRYPT() 支持KDF

KDF(key derivation function)通过将秘钥密码或密码短语等信息传递给函数,创建密码学上的强密码派生的密钥用于加密并解密数据,它仍然保存在MySQL服务器中实例,用户无法访问。强烈推荐使用KDF,因为它提供了比用户指定密码等方式更为简单的方法,及更好的安全性。

以上内容是MySQL 8.0.30的简单介绍,关于详细的更改内容,请访问官网。

感谢您关注“MySQL解决方案工程师”!



相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: