/images/avatar.jpg
杂七杂八的,随手记录。

GaussDB技术解读系列之HTAP方向的探索与发展

Lock out user after three failed login attempts

本文为摘录(或转载),侵删,原文为: https://wiki.archlinux.org/title/Security#Lock_out_user_after_three_failed_login_attempts

1 Lock out user after three failed login attempts

截至 pambase 20200721.1-2 版本,pam_faillock.so 已默认启用,当用户在 15 分钟内尝试 3 次登录失败后会将其锁定 10 分钟(参见 FS#67644)。锁定仅适用于密码验证(例如登录和 sudo),通过 SSH 的公钥验证仍然被接受。为了防止完全的拒绝服务,对于默认情况下 root 用户将不会被锁定。

google shell style guide | Style guides for Google-originated open-source projects

云数据库 PostgreSQL 日志管理及分析-操作指南-文档中心-腾讯云

本文为摘录(或转载),侵删,原文为: https://cloud.tencent.com/document/product/409/10790

摘自:https://cloud.tencent.com/document/product/409/49546

1 慢查询

1.1 功能说明

默认数据库对超过 1s 的 SQL 语句查询判断为 “ 慢查询 ”,对应语句称为“ 慢查询语句 (俗称 慢 SQL )”,而数据库管理员(DBA)对慢查询语句进行分析并找到慢查询出现原因的过程叫做 慢查询分析 。云数据库 PostgreSQL 控制台 在实例管理页的性能优化模块下,提供慢查询分析能力。如下图:

google chrome in hyprland

1 google chrome in hyprland

Hyprland is cool, but it may not work smoothly on default Google Chrome. The borders appear distorted and blurry.

To resolve this issue, simply open the Chrome settings, navigate to appearance (chrome://settings/appearance), and enable “Use system title bar and borders.” Afterwards, restart the browser.

2 Weird crash when running chrome with: –gtk-version=4

This happens when use GTK theme as shown in above screenshot. Use classic them as a worksaround…

Tips of Bash/Zsh

The Part of PostgreSQL We Hate the Most

本文为摘录(或转载),侵删,原文为: https://ottertune.com/blog/the-part-of-postgresql-we-hate-the-most/

1 什么是多版本并发控制?

  • 在 DBMS 中,MVCC 的目标是在可能的情况下允许多个查询同时读取和写入数据库而不相互干扰。
  • MVCC 的基本思想是,DBMS 永远不会覆盖现有行。
    • 对于每个(逻辑)行,DBMS 维护多个(物理)版本。
    • 当应用程序执行查询时,DBMS 根据某个版本排序(例如创建时间戳),确定要检索哪个版本以满足请求。

这种方法的好处是,多个查询可以读取旧版本的行,而不会被更新它的其他查询阻塞。查询在数据库快照上观察到它开始查询事务时的状态(快照隔离)。

SA-LSM: Optimize Data Layout for LSM-tree Based Storage using Survial Analysis

Table of Contents

本文为摘录(或转载),侵删,原文为: attachments/pdf/5/p2161-zhang.pdf

1 ABSTRACT

  • 云存储中很大一部分数据很少被访问,被称为 冷数据
  • 精确地识别和有效地管理成本效益高的存储中的冷数据是云提供商面临的主要挑战之一,需要平衡降低成本和提高系统性能。
  • 为此,提出了 SA-LSM 来利用生存分析(Survival Analysis)的方式来处理 LSM-tree 键值(KV)存储。
  • 传统上,LSM-tree 的数据布局是由写操作和压实操作共同确定的。
  • 然而,该过程默认情况下并未充分利用数据记录的访问信息,导致次优的数据布局,对系统性能产生负面影响。
  • SA-LMS 使用生存分析,一种在生物统计学中常用的统计学习算法来优化数据布局。
  • 当与合适的 LSM-tree 实现结合使用时,SA-LSM 可以使用历史信息和访问痕迹准确预测冷数据。
  • 具体实现方面,将 SA-LSM 应用于商业化开源 LSM-tree 存储引擎 X-Engine
  • 了使部署更加灵活,还设计了一种非侵入式架构,可以将 CPU 密集型任务(例如模型训练和推断)卸载到外部服务上。
  • 在真实工作负载上的广泛实验表明,与现有技术相比,SA-LSM 可以将尾延迟降低高达 78.9%。
  • 这种方法的通用性和显著性能提升在相关应用中具有巨大潜力。

2 INTRODUCTION

为了降低存储成本,LSM 树变成了一种越来越受欢迎的架构。它引入了多层异构存储: