首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >Sitecore系统教程即时查阅编辑内容

Sitecore系统教程即时查阅编辑内容

作者头像
jack.yang
发布于 2025-04-05 07:37:23
发布于 2025-04-05 07:37:23
6700
代码可运行
举报
运行总次数:0
代码可运行

实时模式中的Sitecore

作为开发人员,我们经常需要在本地环境中使用代码和内容。在本地,能够立即看到任何内容更改,以节省时间和提高效率是有意义的。这是在实时模式下运行Sitecore。默认情况下,您在master数据库中工作,并将更改发布到Web数据库。 这意味着您使用内容,并在准备好后,发布到Web数据库,即内容交付数据库,在实时模式下运行Sitecore,可以通过将本地网站指向主数据库来完成。

如何

首先你必须要知道,从Sitecore 8.1及更高版本,sitecore配置是从web.config中提取的,而如果你在8.0及更低版本上工作,那么sitecore部分就在web.config中。所以在哪里有区别需要改变。 在自定义解决方案中,您可能希望使用自定义解决方案定义创建补丁文件,如果您运行Sitecore 8.0或更低版本,则可以在此处进行更改。对于概念证明,您可以直接在web.config文件中进行,但绝对不是最佳实践。从8.1及更高版本开始,您可以直接在Sitecore.config文件中进行更改,因为它已经从web.config中提取,因此我们有一个包含Sitecore配置的单独配置文件。

找到此节点(在Sitecore.config或web.config中):

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
<site name =“website”enableTracking =true”virtualFolder =/”physicalFolder =/”rootPath =/ sitecore / content”startItem =/ home”database =“web”domain =“extranet”allowDebug =true “cacheHtml =true“htmlCacheSize =”50MB“registryCacheSize =0“viewStateCacheSize =0“xslCacheSize =”25MB“filteredItemsCacheSize =”10MB“enablePreview =true“enableWebEdit =true“enableDebugger =true“disableClientData =false “cacheRenderingParameters =true“renderingParametersCacheSize =”10MB“/>

并将database = web的值更改为database = master:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
<site name =“website”enableTracking =true”virtualFolder =/”physicalFolder =/”rootPath =/ sitecore / content”startItem =/ home”database =“master”domain =“extranet”allowDebug =true “cacheHtml =true“htmlCacheSize =”50MB“registryCacheSize =0“viewStateCacheSize =0“xslCacheSize =”25MB“filteredItemsCacheSize =”10MB“enablePreview =true“enableWebEdit =true“enableDebugger =true“disableClientData =false “cacheRenderingParameters =true“renderingParametersCacheSize =”10MB“/>

现在,内容将从Master数据库加载。 更改一些内容并保存更改。重新加载您的网站。 对任何配置文件或二进制文件夹的更改会触发应用程序池重置,因此页面重新加载将花费时间。 BAM - 您将看到更改生效,现在不需要发布。

直接从Master数据库访问内容

强制从特定数据库中提取内容的另一种方法是使用sc_database参数。因此,例如,您可以将sc_database = master作为参数添加到url,以强制从master数据库中提取内容。您必须以具有读取权限的用户身份登录才能执行此操作。

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2019-01-24,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
快手:从 Clickhouse 到 Apache Doris,实现湖仓分离向湖仓一体架构升级
在当今这个数据洪流的信息时代下,数据已跃升为企业不可或缺的核心资产。深度挖掘并提炼数据内在价值,成为支撑企业战略决策的重要依据。在此背景下,快手建立了 OLAP 系统,该系统在快手应用极为广泛,每天承载近 10 亿的查询请求,为内外多个业务场景提供数据服务。具体场景包括:
SelectDB技术团队
2024/09/27
4950
顺丰科技:从 Presto 到 Doris 湖仓构架升级,提速 3 倍,降本 48%
丰景台是顺丰科技自主研发的一款可视化数据自助分析工具,旨在提升数据分析师的工作效率,助力自助分析和业务决策。该产品支持多种丰富的图表类型,用户只需通过拖拽操作即可快速进行自助分析,实现数据可视化。目前,丰景台已广泛支撑顺丰的物流收、转、运、派等各个环节,该平台处理的数据规模庞大,用户数量众多,对实时响应速度和稳定性有着较高要求。
SelectDB技术团队
2025/05/13
1350
顺丰科技:从 Presto 到 Doris 湖仓构架升级,提速 3 倍,降本 48%
开源大数据OLAP引擎最佳实践
一、开源OLAP综述 二、开源数仓解决方案 三、ClickHouse介绍 四、StarRocks介绍 五、Trino介绍 六、客户案例
五分钟学大数据
2022/05/22
2.5K0
开源大数据OLAP引擎最佳实践
StarRocks 在爱奇艺大数据场景的实践
在爱奇艺的大数据分析场景中,通常需要实现两个核心目标:一是看过去,包括生成报表、分析剧集热度以及会员运营等;二是知未来,即预测用户增长和预估收入。虽然我们的最终目标是精准预测未来,但由于这一任务难度较大,我们更多地是通过精准的报表和历史数据分析,挖掘数据中的潜在价值,从而为未来决策提供支持。
StarRocks
2025/03/03
1730
StarRocks 在爱奇艺大数据场景的实践
湖仓分析|浙江霖梓基于 Doris + Paimon 打造实时/离线一体化湖仓架构
浙江霖梓是一家专注于深度学习和人工智能应用的金融创新企业,为企业提供精准经营决策,并基于大数据的风控能力的一系列高效便捷的金融服务产品。随着业务的持续扩展,大数据业务系统的局限逐渐暴露:报表系统计算缓慢、运维成本持续攀升、组件间的高度耦合导致架构稳定性较差等,严重影响了大数据系统产出效率,因此浙江霖梓引入 Doris+Paimon 重新构建了实时/离线一体化湖仓架构,为反欺诈策略、用户⾏为分析、BI 应用等若干系统提供了高效准确的服务,实现了查询提速 30 倍、资源成本节省 67% 等显著成效。
SelectDB技术团队
2025/02/13
3100
性能追平存算一体!StarRocks 3.1 重磅发布,真正的云原生湖仓来了
8 月 7 日,StarRocks 3.1 重磅发布。新版本中,StarRocks 将影响性能表现的技术要素全部从存算一体架构引入到了存算分离架构,并针对云原生环境里的易用性、稳定性进行了一系列的优化。
深度学习与Python
2023/09/08
1.4K0
性能追平存算一体!StarRocks 3.1 重磅发布,真正的云原生湖仓来了
京东零售数据湖应用与实践
Lambda 架构设计的初衷是同时提供即时的实时数据处理和高度精确的批量数据处理,但是这种架构也带来了数据实时性和完整性的矛盾。
ApacheHudi
2024/11/23
2060
京东零售数据湖应用与实践
StarRocks 是什么? 一文了解(建议收藏)
在日趋实时的数据分析领域,一个开源项目在国内数据库圈逐渐崭露头角,它就是 StarRocks,这个分析型数据库正在重新定义我们对实时数据处理的认知。
悟空聊架构
2024/07/30
4.6K0
StarRocks 是什么? 一文了解(建议收藏)
腾讯天穹 StarRocks 一站式湖仓融合平台架构揭秘
腾讯天穹是协同腾讯内各 BG 大数据能力而生的 Oteam,作为腾讯大数据领域的代名词,旨在拉通大数据各个技术组件,打造一个具有统一技术栈的公司级大数据平台体系。从底层数据接入、数据存储、资源管理、计算引擎、作业调度,到上层数据治理及数据应用等多个环节,支持腾讯内部近 EB 级数据的存储和计算,为业务提供海量、高效、稳定的大数据平台支撑和决策支持。
腾讯大数据
2024/03/07
1.2K0
腾讯天穹 StarRocks 一站式湖仓融合平台架构揭秘
微信实验平台:全面拥抱湖仓时代
对比太过朴素的 Hive,兼容性不足的 THive,Iceberg 湖格式带来了极致的灵活性,给我们业务实现方案带来了新的优雅的解决思路。当前实验平台增量存储预算都已经收敛在 Iceberg 库上(20PB+),会逐步迁移“年久失修”的 THive,全面拥抱湖仓格式。
腾讯技术工程官方号
2023/10/19
7110
微信实验平台:全面拥抱湖仓时代
滴普科技冯森:FastData DLink实时湖仓引擎架构设计与落地实践
本文根据冯森在【第十三届中国数据库技术大会(DTCC2022)】线上演讲内容整理而成。
用户6543014
2023/03/02
8700
滴普科技冯森:FastData DLink实时湖仓引擎架构设计与落地实践
每年节约3千万!微信实验平台Iceberg湖仓一体架构改造
微信实验平台主要提供微信内部各个业务场景(视频号、直播、搜一搜、公众号等)下的各类实验场景的支持,有 AB 实验、MAB 实验、BO 实验、Interleaving 实验、客户端实验、社交网络实验、双边实验等。
腾讯云开发者
2023/08/25
1.4K0
每年节约3千万!微信实验平台Iceberg湖仓一体架构改造
湖仓一体:基于Iceberg的湖仓一体架构在B站的实践
在B站,每天都有PB级的数据注入到大数据平台,经过离线或实时的ETL建模后,提供给下游的分析、推荐及预测等场景使用。面对如此大规模的数据,如何高效低成本地满足下游数据的分析需求,一直是我们重点的工作方向。
Freedom123
2024/03/29
1.2K0
湖仓一体:基于Iceberg的湖仓一体架构在B站的实践
小红书湖仓架构的跃迁之路
作者:李鹏霖(丁典),小红书-研发工程师,StarRocks Contributor & Apache Impala Committer
StarRocks
2025/03/03
1920
小红书湖仓架构的跃迁之路
金融科技新标杆:随行付大数据实时分析如何支撑百亿级秒级查询
我们原有的数据分析体系在架构上采用“离线 Oracle + Hive 与实时 Elasticsearch+Hbase+Kudu”分离的 Lambda 架构模式。然而,随着支付业务的快速增长,该体系逐渐暴露出诸多瓶颈:
StarRocks
2025/07/04
230
金融科技新标杆:随行付大数据实时分析如何支撑百亿级秒级查询
直播|分析型湖仓论坛
随着湖仓技术的持续演进,数据仓库和数据湖方案在快速演进和弥补自身缺陷的同时,二者之间的边界也逐渐淡化,湖上建仓、仓中数据降冷到湖、物化视图、冷热融合查询等方案也越来越多的成为各个公司的标配,各大厂商也陆续提出了自己的湖仓融合方案,通过湖仓融合技术来提升业务使用体验的同时也降低了业务的使用成本。
腾讯大数据
2023/07/12
4230
直播|分析型湖仓论坛
StarRocks x Iceberg:云原生湖仓分析技术揭秘与最佳实践
Lakehouse 湖仓一体架构是一种融合数据湖与数据仓库优势的新型架构,既具备数据湖开放统一的存储能力(支持多源异构数据低成本存储),又拥有数据仓库的高性能分析特性。其核心是构建统一数据存储底座(即 Single Source of Truth),基于同一套标准化数据资产,同时支撑多样化业务负载,覆盖企业 AI 建模、BI 分析等数据应用场景,实现从数据存储、治理到分析的全链路效率提升。
StarRocks
2025/05/30
1350
StarRocks x Iceberg:云原生湖仓分析技术揭秘与最佳实践
湖仓一体
我理解就是各类数据爆发的公司当前数据平台架构遇到了各类各样的问题,寻求一个适配公司、平台的数据架构,一站式解决,但是大家对湖、仓本质的理解可能都不太一样,那又怎么谈湖仓一体呢。
jasong
2024/11/22
3650
万亿数据秒级响应,Apache Doris 在360数科实时数仓中的应用
作为以人工智能驱动的金融科技平台,360数科携手金融合作伙伴,为尚未享受到普惠金融服务的优质用户提供个性化的互联网消费金融产品,致力于成为连接用户与金融合作伙伴的科技平台。360数科旗下产品主要有 360借条、360小微贷、360分期等,截止目前,已累计帮助 141 家金融机构为 4300 万用户提供授信服务、为 2630 万用户提供借款服务、单季促成交易金额 1106.75 亿元。同时作为国内领先的信贷科技服务品牌,360数科在三季度累计注册用户数首次突破 2 亿。
深度学习与Python
2022/11/28
9480
万亿数据秒级响应,Apache Doris 在360数科实时数仓中的应用
如何让数据湖仓达到数据仓库的性能
数据湖仓库架构的普及性持续增加,这一点毫不令人惊讶。它们无缝集成数据湖和数据仓库的优点的潜力,承诺为数据处理和分析带来变革性的体验。然而,这种方法也存在缺陷。本文检验了这些挑战,如查询性能和高成本,并确定了帮助数据湖仓库解决它们的新技术。
云云众生s
2024/03/27
1700
如何让数据湖仓达到数据仓库的性能
推荐阅读
相关推荐
快手:从 Clickhouse 到 Apache Doris,实现湖仓分离向湖仓一体架构升级
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档