前言
提前说明这是一篇小白总结，高手勿喷请绕行，写这篇总结的原因是发觉自己有时候确实眼高手低了，大道至简，花了很多时间去看索引、缓存、主从等等，等到出现实际问题的时候却发现自己磨磨蹭蹭写出的SQL语句居然有语法错误，看来还得稳扎稳打从基础入手，因为实际工作的用到的SQL并不多，现在把常用的几条总结一下，即使下次不能立马写出来，也能在这篇文章中的快速找到想要的。
正如标题中的提到的这些，数据库的导入和导出在紧急处理线上数据时很常用，而复制表基本上也是为了不影响原数据的情况下进行问题排查，重命名表Java大数据是为了导入多份备份数据时原数据不被覆盖，比如想对比两天的A表数据，可以先把Java大数据第一天的数据导入，然后将A表名修改成Aold，接着直接再导入第二天的数据库数据，这样就可以将数据库中表Aold和A进行对比了，可以避免两个数据库中的同一个表进行对比时写很长的SQL。
测试环境
Welcome to the monitor. Commands end with ; or \g.
Your python connection id is 11
Server version: 5.7.28-log Community Server (GPL)
Copyright © 2000, 2019, Oracle and/or its affiliates. All rights reserved.
Oracle is a registered trademark of Oracle Corporation and/or its
affiliates. Other names may be trademarks of their respective owners.
Type ‘help;’ or ‘\h’ for help. Type ‘\c’ to clear the current input statement.
测试过程
为了说明实现这些要求的具体SQL，我们先建立一个测试数据库，然后创建测试表格，插入测试数据，最后在这个数据库上依次实现这些要求。
创建测试数据
创建测试数据库和表格
推荐系统
sql> create database dbtest;
Query OK, 1 row affected (0.00 sec)
sql> use Python
Database changed
sql> create table a(id int, num int);
Query OK, 0 rows affected (0.02 sec)
sql> create table b(id int, name varchar(32));
Query OK, 0 rows affected (0.01 sec)
sql> show tables;
+--------------+
| Tables_in_zz |
+--------------+
| a |
| b |
+--------------+
2 rows in set (0.00 sec)
插入测试数据
sql> insert into a values(1, 100);
Query OK, 1 row affected (0.02 sec)
sql> insert into a values(2, 200);
Query OK, 1 row affected (0.01 sec)
sql> select * from a;
+------+------+
| id | num |
+------+------+
| 1 | 100 |
| 2 | 200 |
+------+------+
2 rows in set (0.01 sec)
sql> insert into b values(1, 'albert');
Query OK, 1 row affected (0.01 sec)
sql> insert into b values(2, 'tom');
Query OK, 1 row affected (0.01 sec)
sql> select * from b;
+------+--------+
| id | name |
+------+--------+
| 1 | albert |
| 2 | tom |
+------+--------+
2 rows in set (0.00 sec)
图片
视频
【舞台1080P】 全网最完整（似乎是）-20191204 MAMA SEVENTEEN cut
抢占方式遵循的原则
推荐系统优先权原则。Android指允许优先级高的新到进程抢占当前进程的处理机，即当有新进程到达时，如果它的优先级比正在执行进程的优先级高，则调度程序将剥夺当前进程的运行，将处理机分配给新到的优先权高的进程。
短进程优先原则，指允许新到的短进程可以抢占当前长进程的处理机，即当新到达的进程比正在执行的进程（剩余运行时间）短时，则调度程序将剥夺当前进程的运行，将处理机分配给新到的优先权高的进程。
时间片原则。即各进程按时间片轮转运行时，当正在执行的进程的一个时间片用完后，便停止该进程的执行而重新进行调度。
总结
保存处理机的现场信息。在进行调度时首先需要保存当前进程的处理机的现场信息，如程序计数器、多个通用寄存器中的内容。
按某种选取进程。调度程序按某种从就绪队列中选取一个进程，将其状态改为运行状态，并准备把处理机分配给他。
把处理器分配给进程。由分派程序把处理器分配给该进程，此时需要将选中进程的进程控制块内有关处理机现场的信息装入处理器相应的各个寄存器中，把处理机的控制权交予该进程，让他从上次的断点处恢复运行。
企业数据需求不断变化，近年来变化趋势日益明显，从数据的3V特性看：体积，速度和变化；Big Data强调数据量，PB级以上，是静态数据。而Fast Data在数据量的基础上，意味着速度和和变化，意味着客户可以更加实时化、更加快速地进行数据处理。
在最近的一项研究中，超过75％的受访公司已经使用Fast Data解决方案。 在接受调查的人中，88％表示他们需要近乎实时地对数据执行分析。
AnalyticDB是阿里巴巴自主研发、唯一经过超大规模以及核心业务验证的PB级实时数据仓库，是FastData的最佳代表。自2012年第一次在集团发布上线以来，至今已累计迭代发布近百个版本，支撑起集团内的电商、广告、菜鸟、文娱、飞猪等众多在线分析业务。AnalyticDB于2014年在阿里云开始正式对外输出，支撑行业既包括传统的大中型企业和政府机构，也包括众多的互联网公司，覆盖外部十几个行业。
AnalyticDB承接着阿里巴巴广告营销、商家数据服务、菜鸟物流、盒马新零售等众多核心业务的高并发分析处理， 每年双十一上述众多实时分析业务高峰驱动着AnalyticDB不断的架构演进和技术创新。
针对Fast Data毫秒处理的需求，重新设计了架构，提供及时且经济高效的数据处理的系统和方法，各个事件在到达时进行处理，处理延时到秒、毫秒，真正同时满足数据体积，速度和变化的3V属性，助力企业打造一个实时的数据世界图像语义分割。
