1. 如何修改dede内容模型的固化字段
改模板应该就好了，数据库里只是一个空字段，直接改后台目录下的template目录下的sofi_add还有soft_edit ，
2. 内存数据库，Mysql和sqlite，哪个更好
一般，内存数据库对应磁盘数据库，而mysql和sqlite通常指的都是磁盘数据库的两种不同管理系统。下面分别回答一下内存数据库和磁盘数据库优劣，mysql和sqlite优劣。
内存数据库：
基于内存的具有高效I/O、高并发的数据库。缺点存储量有限、可恢复性差。
1.
磁盘数据库：
基于磁盘存储稳定、保证数据可恢复性、一致性的数据库。缺点是实时性不足。
两种数据库一般来讲不会冲突，没有一个企业能够脱离磁盘数据库，固化的稳定的数据一般都是采用磁盘数据库。但是，当企业面临用户量扩大，并发性、实时性要求不断提高时，便会借助内存数据库。因此，根据你的场合选择合适的数据库存储形式非常重要。对于内存数据库，其实自己也没怎么用过，给你个传送门：http://dev.yesky.com/418/35355918.shtml
2.
对于mysql和sqlite，我个人觉得目前mysql非常通用，免费开源，学习成本低，应用面广泛，落地迅速，与各大主流的编程语言都有通用接口。相对较好，sqlite我只在学校时候用过，Σ( ° △ °|||)︴。
一起学习一起进步！
3. redis和各个数据库之间是怎么关联的
没有直接关联，按照现在常用的来说，hibernate和mybatis，都是先查出数据，然后放进缓存的，我没有见过redis和数据库关联的。
4. 如何将SQL的执行计划固化在CACHE
1.获取普通执行计划，效果类似于先执行set autot on exp;然后执行sql。
explan plan for your_sql;
select * from table(dbms_xplan.display);
2.获取具有outline信息的执行计划，用sqlprofile调优时非常有用，或者用这个执行计划了解更多oracle内部的hint
explan plan for your_sql;
select * from table(dbms_xplan.display(null, null,'advanced -projection'))
5. NewSQL分布式数据库发展策略讨论
作者 石默研
本文对新一代NewSQL分布式数据库发展策略中的普遍困扰进行讨论，包括云原生（Cloud Native）与本地部署(On Premise)、HTAP进展方向、分布式与单机需求等分布式数据库商业与技术发展中难以决策的问题。
1. 困扰
分布式NewSQL数据库近年来蓬勃兴起，其原因显而易见：切中了业务与数据量不断增长的用户对关系型数据库RDBMS需求，这在传统RDBMS到大数据的发展阶段中，有相当一段时间是空白。同时，随着互联网技术的不断发展与普及，用云计算模式满足IT需求似乎已经成为未来 社会 产业互联网发展的明确趋势，也就是说，有一种共识：不久的将来，绝大多数产业的IT服务是从公共的、行业的或者私有的、混合的云计算中心提供的。这一共识又带来了云原生（Cloud Native）概念与技术的兴起，而分布式NewSQL数据库自然也应该是云原生的，这决定了其相当多的产品设计决策应以符合这一趋势为原则。然而，在当今的现实中，满足业务与数据量不断增长的RDBMS需求的用户，与云原生的用户，除了互联网企业外，大多数情况下，并不重合，需要On-Premise部署的用户仍然占有很大比重，这就带来了第一个困扰：云原生（Cloud Native）与本地部署(On Premise)对产品发展要求的矛盾。
另一个困扰，是关于HTAP，即交易与分析混合负载。HTAP是当今非常火的一个概念与技术，在交易库上直接进行分析，而不再是将“数据从交易库搬下来，挪到另一个数据库中去”这样的繁琐过程。可以毫不夸张的说： 历史 上规模性企业IT复杂度的相当一部分，都来自于“搬数据”，这导致了数据采集、实时采集、全增量合并、数据传输、数据加载、数据建模、数据质量、数据标准、企业级元数据管理等繁杂多样的技术环节的产生，导致了企业数据分布、数据流向、数据模型、主数据、基础数据平台、ODS/数据仓库/数据集市、数据治理等复杂的数据架构设计优化领域，导致了由于多系统大规模数据搬迁而带来的如数据交换平台之类的复杂调度工程......。咋眼一看，感觉该企业的数据技术好厉害，相关各领域的技术产品好丰富，技术人员的相关技能也好受欢迎。但如果在交易库就能直接满足分析需求而不影响生产效能的话，这些复杂高级的技术环节不都成了“自己给自己造了一座山，还说自己爬的好辛苦”？然而，现实却是，问题并不这么简单，除了在交易库中进行分析会影响业务效能外，还有很多原因导致这一现象产生：交易库并不需要存储那么长的 历史 数据，而分析往往是需要建立在大量 历史 数据之上的；交易库的模型往往并不适合分析需求，多数情况下需要重要建模，如非常流行且价值不菲的各行业数仓主题模型；用于交易的OLTP数据库与用于分析的OLAP数据库，其技术体系完全不同；以及大型企业已固化的内部业务结构并没有留给交易/分析整合可实施的可行空间......等等。由于， 历史 积累的企业级数据体系相当复杂，HTAP的发明者迄今为止都没有系统表达完全替代数据分析需求、自顶而下重构企业数据体系的架构级策略，而是将产品重点定位在技术优化层面：在交易库上直接完成实时统计分析，满足高并发需求且不影响业务效能；或者是为实时分析统计/查询而建设的数据服务中间平台。然而，即使是暂时没有这种策略性的意向，在面向AP的产品具体研发中，又会发现明确的界限确实不好把握，随着一个个具体功能的不断完善，似乎假以时日，技术上也不是没有完全替代纯OLAP平台的可能性。那么，HTAP究竟如何定位呢？
再者就是规模化的分布式需求，与小规模的单机数据库需求（这里指逻辑上的单机）之间的矛盾：分布式数据库，自然而然是要应对规模化的数据管理需求的，长尾的小规模需求当然不应在产品设计考虑之列，同时，大炮轰苍蝇经常还打不好；然而，分布式NewSQL数据库又应该是云原生的，如果把云原生的业务含义理解为“全自助”，它应该以支持什么样的需求为主呢？现实看来，小规模长尾业务对云原生数据库的需求最起码应该是占据相当大的比重的。显而易见，如果是大规模的数据管理需求，即使是部署在云上，DBPaaS的“全自助”是其核心需求吗？这种规模化的业务，如果是云上的On-Premise又需要做出哪些方面的改变？从互联网与云计算发展的 历史 来看，“云自助”，其最核心的商业动机当然包括给用户侧的运维带来了方便，但更重要的可能是给云服务运营商应对海量长尾客户的安装与运维带来了极大的成本优势。这正如银行的小微及个人消费贷款都要走互联网线上模式，而重客、大客甚至中小企业信贷仍然是以线下为主的策略一样，本质是成本问题，而不是客户方便性问题。于是，矛盾显而易见：分布式是面向规模客户的，起码是中、大型客户，而云原生却有可能、最起码相当一段时间内是要以长尾客户为主要服务对象的。
以上困扰实质上，都涉及到了NewSQL分布式数据库的产品发展策略问题。
2. 讨论
问题是客观而又普遍的，但分析与应对策略往往包含主观因素：人们的一个决定与决策，很多情况下并不由严格推理而来，而是心中已经有一个答案，再来找理由支持它。这里的讨论或许也并不能例外。
首先，来看看Cloud Native与On Premise。云原生本应是数据库即服务，然而目前真正有规模化数据增长需求的NewSQL应用相当多的情况下却是付费On Premise与免费On Premise区别，很多互联网企业的应用也可能只是部署在云基础设施上而已，真正的云原生更多是一些实验性、尝试性的需求。但云原生数据库在公有云、行业云以及大型私有云上已经逐渐在形成一种意识上的共识，其商业前景不可限量。也就是说，未来的数字化转型进程中，产业互联网的数据库部署，会逐渐向云基础设施迁移，长在云上。它可能是公有云，也可能是行业云，也可能是私有云，它们都是被定义为云原生NewSQL数据库的市场范围。当然，肯定还会有相当一部分数据库长在云下，这也不用纠结，将其排除在云原生市场战略目标之外即可，就是说，不需要考虑这部分客户需求对产品规划的影响，因为前一部分的份额已经足够大了。这样看来，以云原生为目标进行产品规划的逻辑没有问题，不过，还是要明确一点：长在云上的数据库是不是一定符合我们对“云原生”的既有理解？这里认为，即使未来，在云上形成了产业互联网数据库市场的主体，需要“全自助”的数据库即服务可能也是以面向长尾客户最为迫切、必不可少并且是核心本质，而对中大型以上的需求，“全自助”的意义相对有限，同时比较而言商业模式的转变或者更关键些。那么，如果是以“长在云上”为市场目标，似乎可以将其定义为“广义的云原生”，同时，只要是“长在云上”，那么“云原生”概念中高弹性、高可用、低成本、快速迭代、存算分离等技术优势也都能方便获得。而对“云原生”策略中“云原生”一词的理解不同，对产品规划决策的影响也应该有所不同：一是目前被认为是On Premise的客户需求，或许也就是未来“云原生”主体市场的需求；二是NewSQL数据库关于云原生服务的产品策划，对用户侧“自助”水平的决策或许可以更灵活实用。高水平自助确实可以减轻客户对IT的依赖程度，但这里认为，云原生与用户自行在云上购买资源进行On-Premise部署相比，最关键的价值在于商业模式的改变，能自助多少，不一定是最重要的，因为成为云服务商后，运营运维的工作只会更多，责任可能会更大，甚至有时连IaaS的运维也需要PaaS服务商兜底。但从一个个客户的本地服务，变成集中化云服务，就已经是本质性的模式转变了。总之，需要就事论事，回到原点，仔细分析后决策，而不是用概念教条的判断，因为概念本身的定义并不见得准确对应实际的业务需求。
再来看看HTAP，对这个问题，正如在其它文章中表达过的一样，本文的观点较为明确。一是随着计算能力与架构的升级，从技术上讲，AP与TP的界限会越来越模糊；另外特别是在云原生的新世界里，数据库的这一特性又犹为重要，因为云原生的重要作用之一就是要让客户尽量摆脱对IT运维的依赖，将越来越多的精力集中到自己的业务发展上来；同时端到端的能力提升对云原生商业模式的贯彻也至关重要（需要仔细分析下目前DBPaaS的技术要求是否完全符合这一原点的、本质性的动力），过去与纯OLAP数据库的优势比较纠结在这里也可以得到正面支持；再者，既然架构上已经走向了AP，就很难做到在产品规划上时刻厘清纯AP与混合负载的需求后，再将前者排除在外。于是，以“混合负载满足部分AP需求”应该是由于投入与阶段性市场策略导致的阶段性产品规划，而长远来讲，以一套技术架构满足大多数需求，应该是云原生NewSQL数据库的追求。
接下来，就是关于规模化分布式与小规模单机需求的矛盾了。现在看来，经过上面的讨论，这一点已经不是什么问题了：因为“长在云上”、从分散服务向集中服务的商业模式转变就是指广义的云原生，而不一定要以小微的、迫切需要全自助的长尾为主流，那么，云原生NewSQL数据库仍然应以规模化分布式为其主体的需求方向，而小规模单机则暂时可以不做为重点来考虑。
最后指出一点，希望也能引发进一步的思考：我们所批判的主机，也声称自己是分布式架构，暂且不论其是否客观，但在现实中主机需要被替代的核心问题并不是有没有分布式，而是：一、扩展不灵活带来成本问题：“我只需要扩展一个节点，你却让我再买一台主机”；二、不自主可控；三、往往是软硬件结合的设计策略，包括内存、网络、存储与IO上的软硬融合设计，而这一点，是否需要云原生数据库从广义的定义出发进行学习参考，也是需要进一步讨论的。
6. sql rownum 固化的作用是什么呢
rownum 像一个隐藏的字段，是对结果集的编序排列，始终是从1开始
7. 什么是sql中的stored proceres
stored proceres 就是存储过程，就是已经命名的代码段。
这个和一般编程语言中的方法（函数）类似，可以实现循环、IF判断、异常处理等等。
8. 固化的表如何查看它的原始SQL
借住客户端工具
比如mysql，可以使用mysqlfront 选中表 右键 有菜单查看 源代码
9. 对数据库中表和视图各是怎么样理解的
表是存储数据的基本单位，在SQL能看到和操作表，视图是基于表，用查询语句从一张表或者多张表中查询数据，为了固化这个查询，所以把这个查询做成视图。
10. 数据的登记
数据的登记是将电子文本及数据信息按照设计的存储方案进行分类存储，给它们赋予唯一的标识符，用以证明该文件或数据的身份，使得它能够在相关领域流转、管理，避免发生冲突。登记的作用是证明数据与电子文件在存储系统中的存在。它是电子文本和数据管理的基本要素。从而保证电子文本和数据在生命周期内受到地质资料管理工作的监管和控制。
上述生成、采集、集成、固化、验收和登记，是地质资料收集的前端控制管理思路下的工作环节。物探数据和各类电子文件产生以后，就要通过程序进行规范采集与及时捕捉，防止漏网；集成是将收集和捕捉到的零碎的电子文件和数据集中管理，如人工地震项目，有数据体、野外工作日记、测绘数据与坐标等，整合相关数据，使互相关联的文件和数据成为有条理的一个单元，才能符合地质资料“保持文件或数据之间的联系”精神；通过固化和定位，将电子文本和数据中的信息固定下来，转化为不可逆的只读方式；通过登记，将电子文本和相关数据(如地震磁带数据)正式纳入地质资料管理系统中来，并给予验证码；验收，贯穿于多个环节，数据产生被采集后，有专门岗位人员验收，防止采集人员的采集出错，以及后期的跟踪记录文件的被访问、被修正过程。
在实践工作中，勘探开发工作过程中形成的各种数据和电子文件，被接收到数据池，成为数据中心的资源和管理对象，本身就有相关工作程序制约，以保证其完整性和真实性；当这些数据和电子文件被地质资料管理部门接收并运用，成为地质资料，并被作为地质资料进行管理和利用时，数据中心的工作环节是被地质资料管理方认可的。一方面，当地质资料被作为数据中心的数据而接收和保存，地质资料的验收等程序也应该被数据中心认可。另一方面，当数据中心库里的数据，被当地质资料吸收共享时，数据中心里的这些数据的真实性也是应该被地质资料管理部门认可的。或者说，它们原本就是一家，在定制数据保真和验收等相关工作程序时，就应当共同商定，相互兼顾，统一标准。根据信息化管理趋势，有条件的单位，可以将地质资料管理和数据中心建设结合起来部署，共同纳入企业信息化管理中去，并逐渐形成管理模式。
目前数据中心(也有称数据银行的，其意在将数据当成资产)建设，大多数属于行业、企业、单位、院校自己在做，研究方面也是离散的，从自己所在学科、地质专业、主要职能角度出发，画地为牢，自说自话，互不相干。宏观整体性思考有点不足。所以地质勘探开发相关单位或企业，在自己所控制的范围内，注意源头数据采集和地质资料管理的前端控制中的以下几点：
一是兼顾勘探开发工程多个源头不同数据，统一规定在各源头将数据一次性采集，多头共享。避免企业内部数据重复采集。解决勘探数据库、开发数据库的数据管理、地质资料管理体系、课题管理体系多头采集层层汇总的数据不一致，上报及归档不及时、基层多头采集负担过重等问题；如单井基础数据，在钻井工程中一次采集完成，勘探数据库、开发数据库、地质资料数据库都要用这些单井基础数据，以往是各自安排人员录入情况，可变为源头一次录入后，大家共享。
二是兼顾多头，统一标准，多点共用。解决由于信息管理与资料管理两个系统标准不一的问题，避免数据交换、数据汇总分析中出现障碍。
三是兼顾多头，统一管理，安排岗位。解决信息管理与资料管理数据共享、数据安全多头设岗问题。
四是兼顾多头，统一模板，为地质资料与数据中心融合与推广实施奠定基础。
五是兼顾多头，统一服务，解决多方收集资料数据和整理困难。在数据源发生地设立应用平台，统一为信息和资料提供服务。数据采集点采集的数据同时为信息和地质资料管理提供服务，其中为资料服务即根据归档要求打印相关数据表和纸质文字材料，拷贝相关数据，这也有容灾意义上的异质备份。