Tag: tsql

如何在连接池中比较Node.js SQL Server扩展？

我只是进入节点，并寻找连接到SQL Server的一些选项。 我见过的很多演示很简单，“这里是如何连接这个查询…”。 但是，我没有发现如何pipe理连接池。 繁琐和节点tdsbuild立在TDS协议上。 我阅读了FreeTDS的文档，以及它如何pipe理连接池。 这些有关系吗？ 我还发现了另一个扩展，用C＃编写的T-SQL FTW ，它是一个C ++包装器，允许它与Node进行通信。 由于它使用ADO .NET托pipe代码，所以我想知道这是否是通过Node实现稳定连接池的更好select，以及是否有基准testing和更精细文档的其他可用选项？

高内存/性能关键计算 – 架构方法观点

我需要一个架构观点和方法来解决以下问题： 介绍： 我们有一个~4M行的表称为Purchases 。 我们也有一个~5k行的表，称为Categories 。 另外，我们有一个~4k SubCategories的表。 我们正在使用T-SQL来存储数据。 在用户请求（在运行期间），服务器接收到大约10-15个可能参数的请求。 根据参数，我们采购，按类别和子类别进行分类，并进行一些计算。 “计算”的一些过程包括过滤，分类，重新安排采购领域，相互减less采购，增加一些其他采购，find储蓄等等。 这个过程是用户特定的，因此每个用户将根据他们的angular色获得不同的数据。 问题： 这个过程大约需要3-5分钟，我们希望把它裁掉。 以前，这个过程是通过webworkers（JS）在浏览器中完成的。 随着内存开始变大，大多数浏览器开始加载失败，我们已经离开了它。 然后，我们将服务移动到服务器（NodeJS），通过subprocess即时处理请求。 subprocess的原因：计算进程经过for循环大约5000倍（对于每个类别）并执行上述“计算”。 通过subprocess，我们能够将工作分配到#ofsubprocess中，如果我们运行了至less16个内核（16个subprocess），则可以获得更好的结果。 目前的处理时间下降到大约1.5-2分钟，但我们想看看我们是否有更好的select。 我明白它很难完全理解我们的目标，而没有看到任何代码，而是专门提出问题。 在运行时对半大数据进行计算的方法有哪些？ 我们有一些想法： 使用SQL内存表，并在SQL中进行计算 使用azure色批处理服务 使用更大的机器（〜32-64内核，如果我们不能得到任何其他的想法，这可能是我们最好的select，但是当然，成本增加了很多，但是我们接受成本会增加的事实） 步入hadoop生态系统（或其他大数据生态系统） 其他一些有用的事实： 我们的购买量约为1GB （对于内存计算来说有点过大） 我们正在考虑在redis上进行预计算和caching，以便为客户端准备好一些数据（我们将使用他们的帐户中的参数设置每天预先计算，但客户端往往会频繁更改这些参数，因此我们有有一些有效的方式来处理未caching和预先计算的数据） 如果我们可以提供更多的信息来更好地理解我们的困境，请发表评论，我将尽可能提供更多的信息。 如果可能的话，将会有太多的代码粘贴到这里来完全理解algorithm，因此我想尝试用单词来提供我们的问题。