tag 數據庫

標籤
貢獻698
1719
05:15 PM · Oct 25 ,2025
ivorysql_xiaozhuli 頭像 u_15469972 頭像 zhaoqianglaoshi 頭像 selectdb 頭像 motianlun_5d0766992e67a 頭像 apacheiotdb 頭像 u_16993624 頭像 tdengine 頭像 u_16237826 頭像 mangrandedanche 頭像 data_ai 頭像 u_17578007 頭像

@數據庫 / 博客 RSS 訂閱

www3300300 頭像

最新快訊 - 科技快訊 | 韓國科學家研發出首款仿生液態機器人；OpenAI推出GPT-4o圖像生成功能

韓國科學家研發出全球首款仿生液態機器人，自由變形穿越金屬柵欄 韓國首爾大學等研究團隊開發出一種基於液體的下一代軟體機器人，具有細胞仿生特性，能自由變形、分裂融合，並執行物質運輸任務。該機器人採用“顆粒裝甲”設計，兼具液體變形能力與固體結構穩定性，可承受極端壓縮和跌落衝擊，並能自動恢復原狀。研究團隊正研究利用聲波或電場變形的技術，並計劃增

大數據 , 數據 , MySQL , 科技 , API , 數據庫 , 人工智能

收藏 評論

u_16163442 頭像

datian1234 - 一文詳解RAG技術的五種分類：從基礎架構到智能體RAG的全面解析，零基礎小白收藏這一篇就夠了！！

前言 “ RAG的架構雖然有所不同，但其原理都是相同的，都是通過檢索來增強模型的生成能力，只不過在不同的環節做了不同的優化。” 從事RAG技術的工作也有一兩年時間了，但在此之間都是這學一點那學一點，感覺自己好像什麼都會，但從來沒有對整個RAG系統進行過梳理。 所以，今天就從RAG的迭代過程開始梳理一下RAG的架構升級過程，瞭解不同種類R

大模型教程 , redis , AI大模型 , 數據庫 , 人工智能 , 大模型入門 , 大模型學習

收藏 評論

u_13715298 頭像

技術員阿偉 - 《遊戲平衡的高階解法：強化學習主導的參數迭代策略》

平衡從來不是靜止的數值等式，而是玩家行為與遊戲規則持續博弈的動態生態。傳統人工調參始終難以突破“滯後性”與“片面性”的桎梏—當設計師依據上週的對戰數據回調某類角色強度時，玩家早已通過新的技能組合形成新的meta玩法，導致資源產出與對戰節奏的連鎖失衡；而依賴固定閾值的平衡機制，又無法捕捉不同段位、不同場景下玩家的差異化需求。這種失衡的本質，是遊戲參數與玩家

遊戲 , redis , 數據 , 數據庫 , 開發者 , 迭代

收藏 評論

u_17216172 頭像

數據庫知識分享者小北 - 雲原生數據倉庫 AnalyticDB Supabase 商業化正式上線！

AnalyticDB PostgreSQL 版 Supabase 是基於開源 Supabase 深度增強的全託管應用開發平台。它提供數據庫、用户鑑權、邊緣函數等核心功能，並結合阿里雲基礎設施，提升性能和安全性。與開源自託管方案相比，該平台具備全面的託管能力，支持按需選擇計算與存儲規格，原生支持支付寶、微信等第三方 OAuth 功能，彌補了開源方案的不足，保持與 Supabase

MySQL , 支付寶 , 數據倉庫 , 數據庫 , server , postgresql , Supabase

收藏 評論

bgyb 頭像

南國以南i - 對線面試官系列：MySQL 常見面試題，你能答對幾道？

@ 目錄 前言 背景 1. 什麼是存儲過程？有哪些優缺點？ 2. 數據庫三個範式是什麼 3. 索引是什麼？有什麼作用以及優缺點？ 4. 什麼時候要創建索引？ 5. 索引分類有哪些？ 6. 索引的數據結構： 7. 為什麼使用B+Tree作為索引： 8. MySQL 索引底層結構為什麼使用 B+樹？ 9. B+ 樹的葉子節點鏈表是單向還是雙向？

數據庫

收藏 評論

u_16213630 頭像

mob64ca14038b36 - 大數據hoodap 和mysql

這篇文章看似比較了兩個不同的觀點，實際上兩個人説的並不是一回事兒。RyanBetts講的是SQL作為一種標準化、交互性極強的語言本身，依然會在大數據庫時代的非關係型數據庫中發揮作用。BobWiederhold講的是關係型數據庫是縱向發展（大集中模式：拼命增強主機性能、拼命增強一個磁陣內的存儲），而非關係型數據庫適合橫向擴展（拼命加廉價的主機與存儲）,大數

大數據 , MySQL , nosql , 大數據hoodap 和mysql , relational database , 數據庫 , SQL

收藏 評論

u_16459925 頭像

wx6583a3b0b06d1 - 基於 Docker 的 MongoDB 部署與使用指南

適用讀者及版本説明 適用讀者 新手開發者：快速搭建 MongoDB 開發/測試環境，掌握基礎操作 中級開發者：實現數據持久化、初始化腳本、備份恢復等實用功能 高級工程師/運維：部署生產級高可用副本集、配置安全策略與監控告警 版本兼容範圍 MongoDB：6.0.x（LTS 長期支持版，支持至 2027 年，推薦

生產環境 , mongodb , MongoDB 部署教程 , MongoDB 部署文檔 , 數據庫 , Docker , MongoDB部署

收藏 評論

nahandeyagao_dv9dhp 頭像

nahandeyagao_dv9dhp - 閒魚API接口：商品詳情的實時同步

在當今互聯網時代，二手交易市場如同一片充滿生機的藍海，吸引着無數弄潮兒。在這片藍海中，閒魚平台以其獨特的魅力，成為了廣大用户的交易首選。為了讓更多開發者和企業充分利用這一平台資源，閒魚推出了商品詳情API接口，為廣大開發者開闢了一條獲取商品信息的綠色通道。 閒魚商品詳情API接口，作為閒魚平台對外開放的重要服務之一，其主要作用是讓開發者能夠通過編程方式，輕鬆獲取平台上商品的具體信息。該接口涵蓋了商

大數據處理 , 淘寶開放平台 , 大數據 , API , 數據庫

收藏 評論

u_16099265 頭像

智能開發者 - hive並行insert into同一張表是否會漏數據

一、如何更高效率地插入大量數據 1、INSERT INTO workinfo (column1, column2) VALUES (1, 2), (2, 3),(4,5)；，這樣可以減少一些INSERT語句 2、推薦多線程並行插入 代碼範例： PreparedStatement ps = con.prepareStatement(sql)

服務器 , 大數據 , hive , 數據庫 , ci

收藏 評論

kaiye 頭像

貓哥_kaiye - 數據庫性能實測：Docker 開銷、連接方式、MySQL vs PostgreSQL 全面對比

本文通過多組對照實驗，測試 Docker 容器化開銷、網絡連接方式、數據庫版本、MySQL 與 PostgreSQL 性能差異，揭示影響數據庫性能的真正因素。 測試背景 網上關於數據庫性能的説法眾説紛紜： "Docker 部署數據庫有性能損耗" "PostgreSQL 比 MySQL 快" "Unix socket 比 TCP 快" 為了搞清楚真相，我在阿里雲 ECS 上進行了一系

數據庫

收藏 評論

u_15469972 頭像

mb61c46a7ab1eee - 實用指南：告別複雜配置：用Milvus、RustFS和Vibe Coding，60分鐘DIY專屬Chatbot

作為一名全棧工程師，我一直在尋找更高效的方式構建智能應用。 本文將分享如何利用 Milvus、RustFS 和 Vibe Coding 技術組合，在短時間內打造一個具備長期記憶能力的對話機器人。 目錄 一、為什麼選擇這個技術棧？ 1.1 各組件核心價值 二、環境搭建：10分鐘快速開始 2.1 使用Docker Compose

API , 加載 , 數據庫 , Css , 前端開發 , HTML

收藏 評論

u_16099252 頭像

架構領航博主 - 使用Typescript 開發 Nodejs 命令行工具

文章目錄 一、搭建 TypeScript + Node.js 項目 （一）初始化項目並安裝相關依賴 1、創建項目目錄並初始化 2、安裝必要的依賴包 （二）配置 TypeScript 編譯選項（如模塊解析方式適合後端） 二、編寫服務器代碼

User , node.js , 數據庫 , Css , 前端開發 , typescript , HTML , Javascript

收藏 評論

u_16565911 頭像

南大通用GBase - 南大通用GBase 8c 函數體系：多模架構下的業務賦能與性能優化實踐

作為南大通用打造的多模多態分佈式數據庫，GBase 8c 不僅在存儲架構、高可用設計上具備差異化優勢，其函數體系更是支撐複雜業務邏輯、優化數據處理效率的核心組件。GBase 8c 的函數體系針對多模存儲（行存、列存、向量、內存）場景進行了深度增強，覆蓋系統函數、用户自定義函數（UDF）、聚合函數、窗口函數等全類型，既能滿足常規數據處理需求，又能適配政務、醫療、金融等行業的複雜業務

數據 , MySQL , 數據庫 , GBase 8c , 聚合函數 , 函數體

收藏 評論

bintools 頭像

BinTools圖爾茲 - SQL 解析在 CloudQuery 中的應用

hi 好久不見！今天將為大家帶來一期乾貨滿滿的技術分享。 作為一款數據庫管控平台，大家通常認為 CloudQuery 的核心能力是對平台的管控，包括統一入口管理、權限體系、審計分析等，但實際上CloudQuery 的核心技術點之一在於其獨特的SQL 解析能力。 01SQL 解析功能界定 SQL 解析是指將結構化查詢語言（ SQL 語句）轉換成可以被數據庫系統理解和執行的內部表示形式的過程。在執行

數據庫 , sql語句 , SQL

收藏 評論

OceanBase 頭像

OceanBase數據庫 - 在 ClawdBot (MoltBolt / OpenClaw) 中增加記憶插件 PowerMem 的新方法

摘要： 本文介紹如何為開源個人AI助手Moltbot（原ClawdBot）集成基於OceanBase技術棧的長期記憶插件PowerMem。通過HTTP API對接，PowerMem為Moltbot提供智能信息抽取、艾賓浩斯遺忘曲線調度及多智能體隔離的記憶能力，顯著增強其上下文持久化與自主決策水平，實現更類人的“數字員工”體驗。 Moltbot是什麼？ Clawdbot（後更名為Moltbot

數據庫

收藏 評論

u_15200177 頭像

Python與SEO - 鹹魚流出388元11代筆記本，自帶15.5寸1080P高清大屏，N5095+12G+256G存儲，帶屏幕的飛牛雲NAS聖體?

隨着國產供應鏈的成熟，尤其公模模具的普及，國產品牌以攀升為代表的上網本可謂是雨後春筍般冒出來。這類上網本長着同一副面孔，內裏也幾乎完全一樣，也就是印的logo不一樣，雖然性能弱雞，但如果合用還是不錯的，起碼整體價位是打下來了，不要説每個人的需求都是打遊戲哈！這不，有刷到一款國產上網本，價格算是一般，但是好在是整機配置，可供參考！

固態硬盤 , 低功耗 , MySQL , 數據庫 , 電腦 , 接口設計

收藏 評論

yifangcn 頭像

億坊軟件 - 從源碼層面看多商户系統如何促進商家與消費者的深度互動？

在當今競爭激烈的電商領域，一個成功的多商户商城（如淘寶、京東）不僅僅是一個交易平台，更是一個充滿活力的生態社區。其核心競爭力之一，就在於能否有效地促進商家與消費者之間的互動與合作。本文將從開發者視角出發，深入探討在多商户商城系統源碼中，我們可以通過哪些功能設計與技術實現，來搭建這座溝通與合作的橋樑。 一、 為什麼互動與合作如此重要？ 在深入代

功能點 , MySQL , 源碼系統 , 數據庫 , 源碼實現 , 開源 , 開發者

收藏 評論

u_11365839 頭像

尼羲 - 什麼是動態數據脱敏？

動態數據脱敏（DDM）動態更改返回給應用程序或用户的數據庫記錄，以此來實時保護敏感數據，且不會更改靜態數據。 DDM 與靜態數據脱敏（SDM）不同。SDM 創建原始數據永久更改、不可逆轉的副本，而 DDM 則是在訪問時對數據進行即時修改。這種動態方法可確保敏感數據在查詢執行過程中受到保護，而不會改變靜態的基礎數據。 （一）應用場景 SDM 的主要應用場景

yyds乾貨盤點 , 數據 , MySQL , 數據庫 , 敏感數據

收藏 評論

u_13446 頭像

imking - mongodb Aggregation聚合操作之$lookup

背景：$lookup的核心作用與應用場景 跨集合關聯（Cross-collection Joining）是MongoDB聚合框架的核心能力，而$lookup是實現這一功能的關鍵階段 與傳統SQL的JOIN不同： 文檔友好型設計：結果以嵌套文檔形式輸出，保留NoSQL靈活性 非破壞性操作：原文檔

spark , 字段 , 關聯查詢 , 數組 , 大數據 , mongodb , 數據庫

收藏 評論

wang_yb 頭像

wang_yb - 掌握相關性分析：讀懂數據間的“悄悄話”

在數據分析的江湖裏，我們經常會聽到老闆或業務方拋出這樣的問題： “現在的年輕人越晚睡，買護膚品是不是越瘋狂？” “我們APP的各種優惠券，真的能提升用户的留存率嗎？” “天氣越熱，這隻股票是不是跌得越慘？” 面對這些問題，很多新人容易犯 “憑感覺” 的錯誤：“我覺得應該有關係吧……” 數據分析不相信“我覺得”，只相信證據。 而尋找變量之間關係強弱的這個過程，就叫做相關分析。 今天，就帶大

數據庫

收藏 評論

u_16213608 頭像

mob64ca13fe62db - （轉載）Spring異常處理@ExceptionHandler

@ExceptionHandler原理淺析 初始化 初始化 ExceptionHandlerExceptionResolver#exceptionHandlerAdviceCache 初始化方法：initExceptionHandlerAdviceCache() public static ListControllerAdviceBe

oracle , 優先級 , 初始化 , 數據庫 , JAVA

收藏 評論

u_16099262 頭像

信息流星 - 多維數據模型

在我們日常的數據處理中，你是否也深受其擾？ Excel 地獄：VLOOKUP、INDEX-MATCH 寫到吐，表格關係複雜後，公式又長又慢，還極易出錯。 數據庫高牆：明知 MySQL 等關係型數據庫能解決問題，但 ER 圖、SQL JOIN、搭建服務，學習成本和開發週期都讓人望而卻步。 多維數據困局：項目管理、銷售數據、客户信息...數據之間盤根錯

數據 , 數據庫 , SQL , 前端開發 , Javascript

收藏 評論

jdcdevloper 頭像

京東雲開發者 - Redis 異步客户端選型及落地實踐

作者：京東科技 王晨 Redis異步客户端選型及落地實踐 可視化服務編排系統是能夠通過線上可視化拖拽、配置的方式完成對接口的編排，可在線完成服務的調試、測試，實現業務需求的交付，詳細內容可參考：https://mp.weixin.qq.com/s/5oN9JqWN7n-4Zv6B9K8kWQ。 為了支持更加廣泛的業務場景，可視化編排系統近期需要支持對緩存的操作功能，為保證編排系統的性能，服務的執行

redis , keyvaluepair , 客户端 , 數據庫 , nio

收藏 評論

beishangdebanma 頭像

悲傷的斑馬 - 重構品牌“認知資產”：2026年GEO優化服務商前瞻與評估

Gartner預測，到2026年，超過30%的企業將把生成式AI作為其數字營銷戰略的核心組成部分。一個更為根本的變革在於：用户的決策鏈路不再始於十條藍色鏈接，而是始於AI直接生成的、結構化的答案摘要。品牌信息的戰場，已從“搜索結果頁”前移至大模型的“認知框架”中。 由此，生成式引擎優化（GEO） 爆發式增長，其核心目標是提升品牌在AI生成答案中的被引用概率、排名權重與信任度，實現“AI認知滲

資訊 , 自然語言處理 , 數據庫 , 人工智能

收藏 評論