① 導入資料庫文件太大怎麼辦max
解決方法如下：
（1）修改php.ini適用自己有伺服器的人
大多數都修改php.ini中的upload_max_filesize，但修改了這個以後，還是提示這個問題；
那麼更改如下幾處：
修改
PHP.ini
file_uploads
on
是否允許通過HTTP上傳文件的開關。默認為ON即是開
upload_tmp_dir
文件上傳至伺服器上存儲臨時文件的地方，如果沒指定就會用系統默認的臨時文件夾
upload_max_filesize
20m
望文生意，即允許上傳文件大小的最大值。默認為2M
post_max_size
30m
指通過表單POST給PHP的所能接收的最大值，包括表單里的所有值。默認為8M
說明
一般地，設置好上述四個參數後，在網路正常的情況下，上傳<=8M的文件是不成問題
但如果要上傳>8M的大體積文件，只設置上述四項還一定能行的通。除非你的網路真有100M/S的上傳高速，否則你還得繼續設置下面的參數。
max_execution_time
300
每個PHP頁面運行的最大時間值(秒)，默認30秒
max_input_time
300
每個PHP頁面接收數據所需的最大時間，默認60秒
memory_limit
128m
每個PHP頁面所吃掉的最大內存，默認8M
設定
POST
數據所允許的最大大小。此設定也影響到文件上傳。要上傳大文件，該值必須大於
upload_max_filesize。
如果配置腳本中激活了內存限制，memory_limit
也會影響文件上傳。通常說，memory_limit
應該比
post_max_size
要大。
（2）這個方法很簡單，不需要修改php.ini參數，
適用把站放在虛擬主機的人。
打開phpMyAdmin目錄下的配置文件：config.inc.php
請注意其中的這兩個參數：
$cfg['UploadDir']
=
『A『;
$cfg['SaveDir']
=
『B『;
在phpMyAdmin目錄下自行建立文件夾A和B來對應UploadDir（導入目錄）和SaveDir（導出目錄）。
導出操作：
1、登陸phpMyAdmin
2、在左側選中你需要備份導出的資料庫
3、在右側窗口中找到「導出」
4、在右側窗口底部選擇「保存於伺服器的
B/
目錄」
5、選擇壓縮模式，提交「執行」即可在B文件夾中找到該資料庫的導出數據。
導入操作：
1、上傳准備導入的數據文件到A目錄
2、登陸phpMyAdmin
3、在左側選中你需要備份導出的資料庫
4、在右側窗口中找到「Import」（導出）
5、在右側窗口「網站伺服器上載目錄」中選擇需要導入的數據文件，提交「執行」完成導入
② 資料庫越來越大怎麼辦
把資料庫壓縮下。
資料庫---任務---收縮---資料庫、
資料庫變大是因為備份的時候產生的日誌信息越來越多。
③ mysql 資料庫 .ibd 文件超大怎麼處理
如果表中的數據量沒有那麼多，但是表的文件那麼大，有可能是有被刪除的數據行的空間沒有被完全利用，有數據空洞存在，可以使用下面的命令重建整個表。
alter table t engine=InnoDB
④ SQL資料庫文件太大怎麼處理
處理方法：
1、用BACKUP LOG database WITH NO_LOG清除日誌
把資料庫屬性中的故障還原模型改為「簡單」可以大大減慢日誌增長的速度。
用BACKUP LOG database WITH NO_LOG命名後，會截斷不活動日誌，不減小物理日誌文件的大小，但邏輯日誌會減小，收縮資料庫後會把不活動虛擬日誌刪除來釋放空間，不會損壞數據。
如果日誌被截斷並收縮資料庫後，就不能直接用最近的一個全庫備份做時間點還原，建議立即備份資料庫，以防萬一。
2、sql server運行中，刪除主資料庫事務日誌文件，步驟如下：
(1)、分離資料庫管理器－資料庫－右擊要刪除日誌的資料庫－所有任務－分離資料庫
(2)、然後刪除日誌文件
(3)、然後再附加資料庫
企業管理器－資料庫－右擊資料庫－所有任務－附加資料庫時只附加mdf.
3、壓縮SQL資料庫及日誌的詳細方法
可以在資料庫屬性選項中選擇「Auto shrink」選項，讓系統自動壓縮資料庫，也可以用人工的方法來壓縮。
⑤ SQL資料庫太大怎麼辦
我有個大的 SQL 文件要回放，需要馬上做，但又怕壓死業務，怎麼辦？
先來建一個測試庫：
可以看到 CPU 已經非常冷靜，並且緩慢的處理數據。
💡小貼士：pv 工具既可以用於顯示文件流的進度，也可以用於文件流的限速。在本實驗中，我們用 PV 來限制 SQL 文件發到 MySQL client 的速度，從而限制 SQL 的回放速度，達到不影響其他業務的效果。
⑥ 如何進行大數據處理
大數據處理之一：收集
大數據的收集是指運用多個資料庫來接收發自客戶端(Web、App或許感測器方式等)的 數據，而且用戶能夠經過這些資料庫來進行簡略的查詢和處理作業，在大數據的收集進程中，其主要特色和應戰是並發數高，因為同時有可能會有成千上萬的用戶 來進行拜訪和操作
大數據處理之二：導入/預處理
雖然收集端本身會有許多資料庫，但是假如要對這些海量數據進行有效的剖析，還是應該將這 些來自前端的數據導入到一個集中的大型分布式資料庫，或許分布式存儲集群，而且能夠在導入基礎上做一些簡略的清洗和預處理作業。導入與預處理進程的特色和應戰主要是導入的數據量大，每秒鍾的導入量經常會到達百兆，甚至千兆等級。
大數據處理之三：核算/剖析
核算與剖析主要運用分布式資料庫，或許分布式核算集群來對存儲於其內的海量數據進行普通 的剖析和分類匯總等，以滿足大多數常見的剖析需求，在這方面，一些實時性需求會用到EMC的GreenPlum、Oracle的Exadata，以及根據 MySQL的列式存儲Infobright等，而一些批處理，或許根據半結構化數據的需求能夠運用Hadoop。 核算與剖析這部分的主要特色和應戰是剖析觸及的數據量大，其對系統資源，特別是I/O會有極大的佔用。
大數據處理之四：發掘
主要是在現有數據上面進行根據各種演算法的核算，然後起到預測(Predict)的作用，然後實現一些高等級數據剖析的需求。主要運用的工具有Hadoop的Mahout等。該進程的特色和應戰主要是用於發掘的演算法很復雜，並 且核算觸及的數據量和核算量都很大，常用數據發掘演算法都以單線程為主。
關於如何進行大數據處理，青藤小編就和您分享到這里了。如果您對大數據工程有濃厚的興趣，希望這篇文章可以為您提供幫助。如果您還想了解更多關於數據分析師、大數據工程師的技巧及素材等內容，可以點擊本站的其他文章進行學習。
⑦ 資料庫越來越大了怎麼辦
日誌沒用就截斷日誌，能省很多空間
或建立年表，歷年數據放到慢速盤，高速盤只放本年的數據