找到
2
篇与
数据库
相关的结果
-
Typecho 一键清理数据库中的垃圾数据 Typecho博客系统因其轻量简洁而备受青睐，但其自定义字段功能却存在一个潜在问题：缺乏自动回收机制。这意味着每次发布文章，即使没有用到新的自定义字段，系统依然会为文章生成相应的空字段记录。日积月累，这些无用的数据会像垃圾一样堆积在数据库中，最终导致数据库膨胀，查询速度变慢，甚至影响整个博客的运行效率。想象一下，几百篇文章后，数据库里积累了数千行甚至上万行毫无意义的自定义字段数据，这无疑是对服务器资源的一种浪费。 幸运的是，这个问题并非无解。无需复杂的数据库操作或插件安装，只需执行一段简单的 SQL 代码，即可一键清理这些冗余的自定义字段数据，为你的 Typecho 博客瘦身，恢复其应有的运行速度和流畅体验。这将有效释放数据库空间，提升查询效率，让你的博客重焕青春。所以，如果你也面临着 Typecho 数据库膨胀的问题，不妨尝试一下这个便捷的解决方案。$[经典表情]::(斜眼笑) 以下代码回复可见 隐藏内容，请前往内页查看详情 宝塔用户可直接使用 phpMyAdmin 执行 phpMyAdmin执行SQL语句教程图片
-
你知道 Python 其实自带了小型数据库吗 DBM（DataBase Manager） DBM（DataBase Manager）是一种文件系统，专门用于键值对的存储，最初是在 Unix 平台实现，现在其它平台也可以用。对于 KV 模型，DBM 提供了一个轻量级、高效的存储解决方案。 总的来说，DBM 具有如下特点： 简单快速：非常简单易用，读取和写入操作都很快，适合存储少量数据。 键值对存储：数据是以键值对形式存储的，你可以像操作 Python 字典一样。 文件存储：数据存在具体的文件中，可以轻松地备份和转移。 不支持复杂查询：如果需要执行复杂查询或需要关系型数据库的功能，DBM 可能不是一个好选择。 而 Python 标准库提供了一个 dbm 模块，它实现了 DBM 文件系统的功能，来看一下它的用法。 import dbm # 第一个参数是文件名 # 第二个参数是模式，有以下几种 # r：只读，要求文件必须存在，默认就是这个模式 # w：可读可写，要求文件必须存在 # c：可读可写，文件不存在会创建，存在则追加 # n：可读可写，文件不存在会创建，存在则清空 # 第三个参数是权限，用八进制数字表示，默认 0o666，即可读可写不可执行 db = dbm.open("store", "c") # 打开文件就可以存储值了，key 和 value 必须是字符串或 bytes 对象 db["name"] = "S せんせい" db["age"] = "18" db[b"corporation"] = "小摩".encode("utf-8") # 关闭文件，将内容写到磁盘上 db.close()非常简单，就像操作字典一样，并且 key 是唯一的，如果存在则替换。执行完后，当前目录会多出一个 store.db 文件。 图片 我们打开它，然后读取刚才写入的键值对。 import dbm db = dbm.open("store", "c") # 获取所有的 key，直接返回一个列表 print(db.keys()) """ [b'corporation', b'name', b'age'] """ # 判断一个 key 是否存在，key 可以是字符串或 bytes 对象 print("name" in db, "NAME" in db) """ True False """ # 获取一个 key 对应的 value，得到的是 bytes 对象 print(db["name"].decode("utf-8")) print(db[b"corporation"].decode("utf-8")) """ S せんせい 小摩 """ # key 如果不存在，会抛出 KeyError，我们可以使用 get 方法 print(db.get("NAME", b"unknown")) """ b'unknown' """ # 当然也可以使用 setdefault 方法，key 不存在时，自动写进去 print(db.setdefault("gender", b"female")) """ b'female' """ print(db["gender"]) """ b'female' """非常简单，当你需要存储的数据量不适合放在内存中，但又没必要引入数据库，那么不妨试试使用 dbm 模块吧。 当然啦，dbm 虽然很方便，但它只能持久化 bytes 对象，字符串也是转成 bytes 对象之后再存储的。所以除了 dbm 之外，还有一个标准库模块 shelve，它可以持久化任意对象。 shelve shelve 的使用方式和 dbm 几乎是一致的，区别就是 shelve 的序列化能力要更强，当然速度自然也就慢一些。 import shelve # 第二个参数表示模式，默认是 c # 因此文件不存在会创建，存在则追加 sh = shelve.open("shelve") sh["name"] = ["S 老师", "高老师", "电烤🐔架"] sh["age"] = {18} sh["job"] = {"tutu": "大学生", "xueer": "医生"} # 关闭文件，刷到磁盘中 sh.close()执行完之后，本地会多出一个 shelve.db 文件，下面来读取它。 import shelve sh = shelve.open("shelve") print(sh["name"]) print(sh["name"][2] == "电烤🐔架") """ ['S 老师', '高老师', '电烤🐔架'] True """ print(sh["age"]) """ {18} """ print(sh["job"]) """ {'tutu': '大学生', 'xueer': '医生'} """ sh.close()读取出来的就是原始的对象，我们可以直接操作它。 然后自定义类的实例对象也是可以的。 import shelve class People: def __init__(self, name, age): self.name = name self.age = age @property def print_info(self): return f"name is {self.name}, age is {self.age}" sh = shelve.open("shelve") p = People("群主", 58) # 将类、和该类的实例对象存储进去 sh["People"] = People sh["p"] = p sh.close()执行完之后，我们打开它。 import shelve sh = shelve.open("shelve") # 需要注意的是，People 是我们自己定义的类 # 如果你想要将其还原出来，那么该类必须要出现在当前的命名空间中 try: sh["People"] except AttributeError as e: print(e) """ Can't get attribute 'People' on <module ...> """ class People: def __init__(self, name, age): self.name = name self.age = age @property def print_info(self): return f"name is {self.name}, age is {self.age}" print(sh["People"] is People) """ True """ print(sh["p"].print_info) """ name is 群主, age is 58 """ print(sh["People"]("群主", 38).print_info) """ name is 群主, age is 38 """这就是 shelve 模块，非常强大，当然它底层也是基于 pickle 实现的。如果你不需要存储复杂的 Python 对象，只需要存储字符串的话，那么还是推荐 dbm。 然后在使用 shelve 的时候，需要注意里面的一个坑。 import shelve # 打开文件，设置键值对 sh = shelve.open("shelve") sh["name"] = "古明地觉" sh["score"] = [80, 80, 80] sh.close() # 重新打开文件，修改键值对 sh = shelve.open("shelve") sh["name"] = "芙兰朵露" sh["score"].append(90) sh.close() # 再次重新打开文件，查看键值对 sh = shelve.open("shelve") print(sh["name"]) print(sh["score"]) """ 芙兰朵露 [80, 80, 80] """ sh.close()第一次打开文件创建两个键值对，第二次打开文件将键值对修改，第三次打开文件查看键值对。但是我们发现 sh["name"] 变了，而 sh["score"] 却没变，这是什么原因？ 当我们修改 name 时，采用的是直接赋值的方式，会将原本内存里的值给替换掉。而修改 score 时，是在原有值的基础上做 append 操作，它的内存地址并没有变。 所以可变对象在本地进行修改，shelve 默认是不会记录的，除非创建新的对象，并把原有的对象给替换掉。所以 sh["score"].append(90) 之后，sh["score"] 仍是 [80, 80, 80]，而不是 [80, 80, 80, 90]。 因为 shelve 没有记录对象自身的修改，如果想得到期望的结果，一种方法是把对象整体换掉。也就是让 sh["score"] = [80, 80, 80, 90]，这样等于是创建了一个新的对象并重新赋值，是可行的。 或者你在打开文件的时候，多指定一个参数 writeback。 import shelve # 打开文件，设置键值对 sh = shelve.open("shelve") sh["name"] = "古明地觉" sh["score"] = [80, 80, 80] sh.close() # 重新打开文件，修改键值对 sh = shelve.open("shelve", writeback=True) sh["name"] = "芙兰朵露" sh["score"].append(90) sh.close() # 再次重新打开文件，查看键值对 sh = shelve.open("shelve") print(sh["name"]) print(sh["score"]) """ 芙兰朵露 [80, 80, 80, 90] """ sh.close()可以看到都发生改变了，但这个参数会导致额外的内存消耗。当指定 writeback=True 的时候，shelve 会将读取的对象都放到一个内存缓存当中。比如我们操作了 20 个持久化的对象，但只修改了一个，剩余的 19 个只是查看并没有做修改，但当 sh.close() 的时候，会将这 20 个对象都写回去。 因为 shelve 不知道你会对哪个对象做修改，所以不管你是查看还是修改，都会放到缓存当中，然后再一次性都写回去。这样就会造成两点影响： shelve 会把我们使用的对象放到内存的另一片空间中，等于是额外拷贝了一份。 虽然操作了 N 个对象，但只修改了 1 个，而 shelve 会把 N 个对象都重新写回去，从而造成性能上的问题，导致效率降低。 因此加不加这个参数，由具体情况决定。 综上所述，Python 算是自带了小型数据库，看看能不能在合适的场景中把它用上。
