<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Database on YennJ12 Engineering Blog</title><link>https://yennj12.js.org/yennj12_blog_V4/tags/database/</link><description>Recent content in Database on YennJ12 Engineering Blog</description><generator>Hugo -- gohugo.io</generator><language>en-us</language><lastBuildDate>Mon, 29 Jun 2026 11:00:00 +0800</lastBuildDate><atom:link href="https://yennj12.js.org/yennj12_blog_V4/tags/database/feed.xml" rel="self" type="application/rss+xml"/><item><title>Advanced MCP Server Development with Database Integration - Part 2</title><link>https://yennj12.js.org/yennj12_blog_V4/posts/building-advanced-mcp-servers-claude-code-part2/</link><pubDate>Sat, 27 Sep 2025 10:00:00 +0000</pubDate><guid>https://yennj12.js.org/yennj12_blog_V4/posts/building-advanced-mcp-servers-claude-code-part2/</guid><description>Advanced MCP server development covering database integration, REST API connectors, real-time data processing, and production deployment strategies for Claude Code development workflows.</description></item><item><title>Knowledge Graph 知識圖譜（三）：與關聯式 / 向量 / 文件資料庫的比較</title><link>https://yennj12.js.org/yennj12_blog_V4/posts/knowledge-graph-part3-comparison-zh/</link><pubDate>Mon, 29 Jun 2026 11:00:00 +0800</pubDate><guid>https://yennj12.js.org/yennj12_blog_V4/posts/knowledge-graph-part3-comparison-zh/</guid><description>大多數人問「知識圖譜會不會取代資料庫？」 正確答案是：問錯問題了。它們解決的是不同維度的問題。 大多數人看到向量資料庫很紅，就以為知識圖譜過時了。 正確答案是：在 LLM 時代，兩者反而是最佳拍檔（Part 4 詳述）。
接續前文 Part 1 講概念、Part 2 動手建。這一篇要把知識圖譜放到擂台上，和四種常見的資料儲存技術正面比較，幫你建立清楚的選型判斷力。
一、核心問題：四種技術在解什麼問題？ 先用一句話定位每種技術的「世界觀」：
┌──────────────────┬──────────────────────────────────────────────┐ │ 關聯式 (RDBMS) │ 「我有結構化的表格，要保證交易一致性」 │ │ 文件 (Document) │ 「我有半結構化的 JSON，schema 常變」 │ │ 向量 (Vector DB) │ 「我要找『意思相近』的東西（語意相似）」 │ │ 知識圖譜 (KG) │ 「我要表達並推理『實體之間的關係』」 │ └──────────────────┴──────────────────────────────────────────────┘ 關鍵洞察：它們優化的維度不同。RDBMS 優化交易一致性、文件庫優化 schema 彈性、向量庫優化語意相似、知識圖譜優化關係推理。問「誰取代誰」是問錯了；該問的是「我這個問題的本質是哪一種」。
二、知識圖譜 vs 關聯式資料庫（RDBMS） 這是最常被拿來比的一組。差異的核心在於：關係是如何被表示的。
面向 知識圖譜 關聯式資料庫 關係表示 一等公民，直接存在邊上 靠 foreign key + JOIN 隱式重建 多跳查詢 圖遍歷，效能與跳數弱相關 多重 JOIN，跳數越多越慢 Schema 彈性 高，加關係不需 migration 低，改表結構成本高 交易一致性 多數圖庫較弱（部分支援 ACID） 強項，成熟的 ACID 聚合運算 較弱 強（SUM/GROUP BY 等） 成熟度/生態 相對年輕 數十年積累、人人會 SQL 為什麼選知識圖譜不選 RDBMS：當你的查詢核心是「關係的關係」—— 多跳路徑、最短路徑、社群偵測、影響力傳播。例如風控要查「這筆交易的對手方，透過幾層人頭帳戶連到黑名單」。</description></item><item><title>Spring Boot 多環境配置完整指南：開發、測試、生產環境管理</title><link>https://yennj12.js.org/yennj12_blog_V4/posts/spring-boot-multi-environment-configuration-guide-zh/</link><pubDate>Wed, 15 Oct 2025 10:00:00 +0000</pubDate><guid>https://yennj12.js.org/yennj12_blog_V4/posts/spring-boot-multi-environment-configuration-guide-zh/</guid><description>深入探討 Spring Boot 多環境配置管理，包括資料庫切換、Redis 配置、以及 Docker 容器化部署的完整實作指南。</description></item><item><title>AWS DynamoDB Complete Guide: Architecture, Indexing &amp; Performance Optimization</title><link>https://yennj12.js.org/yennj12_blog_V4/posts/aws-dynamodb-complete-guide-optimization/</link><pubDate>Mon, 29 Sep 2025 10:02:35 +0800</pubDate><guid>https://yennj12.js.org/yennj12_blog_V4/posts/aws-dynamodb-complete-guide-optimization/</guid><description>Introduction Amazon DynamoDB is a fully managed NoSQL database service that provides fast and predictable performance with seamless scalability. This comprehensive guide explores DynamoDB&amp;rsquo;s architecture, data structures, indexing strategies, and advanced optimization techniques to achieve maximum performance for your applications.
DynamoDB Architecture Overview Core Architecture Components graph TB subgraph &amp;#34;DynamoDB Service Architecture&amp;#34; APP[Application Layer] SDK[AWS SDK] API[DynamoDB API] subgraph &amp;#34;DynamoDB Core&amp;#34; AUTH[Authentication &amp;amp; Authorization] ROUTER[Request Router] METADATA[Metadata Service] subgraph &amp;#34;Storage Layer&amp;#34; PARTITION1[Partition 1] PARTITION2[Partition 2] PARTITION3[Partition 3] PARTITIONN[Partition N] end subgraph &amp;#34;Index Layer&amp;#34; GSI[Global Secondary Indexes] LSI[Local Secondary Indexes] end end subgraph &amp;#34;Infrastructure&amp;#34; SSD[SSD Storage] REPLICATION[Multi-AZ Replication] BACKUP[Automated Backups] end end APP --&amp;gt; SDK SDK --&amp;gt; API API --&amp;gt; AUTH AUTH --&amp;gt; ROUTER ROUTER --&amp;gt; METADATA ROUTER --&amp;gt; PARTITION1 ROUTER --&amp;gt; PARTITION2 ROUTER --&amp;gt; PARTITION3 ROUTER --&amp;gt; PARTITIONN PARTITION1 --&amp;gt; SSD PARTITION2 --&amp;gt; SSD PARTITION3 --&amp;gt; SSD PARTITIONN --&amp;gt; SSD SSD --&amp;gt; REPLICATION REPLICATION --&amp;gt; BACKUP DynamoDB vs Traditional Databases Feature DynamoDB Traditional RDBMS MongoDB Data Model Key-Value &amp;amp; Document Relational Tables Document Schema Schema-less Fixed Schema Flexible Schema Scaling Horizontal (Auto) Vertical (Manual) Horizontal (Manual) Consistency Eventually Consistent ACID Transactions Configurable Query Language PartiQL &amp;amp; APIs SQL MongoDB Query Language Performance Single-digit millisecond Variable Variable Management Fully Managed Self-Managed Self/Managed Options DynamoDB Data Structures Primary Key Structures DynamoDB supports two types of primary keys:</description></item><item><title>Database Performance Optimization: From Slow Queries to Sub-millisecond Response Times</title><link>https://yennj12.js.org/yennj12_blog_V4/posts/optimizing-database-performance/</link><pubDate>Sun, 10 Aug 2025 15:28:17 +0800</pubDate><guid>https://yennj12.js.org/yennj12_blog_V4/posts/optimizing-database-performance/</guid><description>A comprehensive guide to database performance optimization techniques that helped us reduce query response times from seconds to milliseconds.</description></item></channel></rss>