SQL
Contributes107
Followers0
在當今的數字化時代，企業面臨着數據孤島的問題，需要將分散在不同系統和數據庫中的數據進行整合，以實現數據的統一管理和分析。ETLCloud作為一款零代碼ETL工具，能夠幫助企業快速對接多種數據源和應用系統，無需編碼即可完成數據同步和傳輸。本文將詳細介紹通過ETL從MongoDB同步到關係型數據庫MySQL —、ETLCloud跨系統數據同步步驟 準備數據源：準備MongoDB源數據庫和MySQL目標
Nickname RestCloud
一、動手活動 基於 Dify on DMS 快速構建客服對話數據質檢服務 企業面臨傳統開發環境割裂及數據流轉不暢的挑戰？本方案基於數據管理服務 DMS，深度集成雲數據庫 RDS 與百鍊大模型，快速構建客服對話質檢服務，顯著降低數據庫與 AI 應用的開發門檻。 （一）活動時間 2025年9月9日-10月9日16:00:00 （二）活動獎品 300社區積分，限量200個，前15名完成全部任務的用户可額
Nickname 數據庫分享小北
一、動手活動 基於 Dify on DMS 快速構建客服對話數據質檢服務 企業面臨傳統開發環境割裂及數據流轉不暢的挑戰？本方案基於數據管理服務 DMS，深度集成雲數據庫 RDS 與百鍊大模型，快速構建客服對話質檢服務，顯著降低數據庫與 AI 應用的開發門檻。 （一）活動時間 2025年9月9日-10月9日16:00:00 （二）活動獎品 300社區積分，限量200個，前15名完成全部任務的用户可額
Nickname 數據庫知識分享者
袋鼠數據庫工具 是一款 AI 驅動的熱門數據庫系統客户端(MariaDB / MongoDB / MySQL / Oracle / PostgreSQL / Redis / SQLite / SQLServer / ...) ，支持建表、查詢、模型、同步、導入導出等功能，支持 Windows / Mac / Linux 等操作系統，致力於打造一款好用、好玩、開發友好的開發者工具。 重點特性介紹 這
Nickname 袋鼠
隨着生成式人工智能（Generative AI）從概念驗證邁向規模化商業落地，AI Agent已成為企業核心業務流程的重要組成部分。然而，當模型調用日益便捷時，核心痛點已不再是模型本身，而是集中在一個關鍵要素上：數據。 傳統的數據管理方式依賴於繁重的人工開發和漫長的維護週期，難以應對指數級增長的數據複雜度。數據孤島導致知識庫分散，通用大模型難以理解專業業務。AI Agent面臨"看不懂業務語
Nickname 數據庫分享小北
數據庫允許多個客户端同時訪問。當這些客户端併發訪問數據庫中同一部分的數據時，如果沒有采取必要的隔離措施就容易造成併發一致性問題，從而破壞數據的完整性。考慮下圖的場景： 在時間點1上，var的數值是100。客户端A在時間點2的時候更新了它的值為200，但沒有提交事務。在時間點3的時候，客户端B讀取到了客户端A還未提交的數值200。但在時間點4，客户端A執行了回滾操作。那麼，對於客户端B來説，
Nickname 趙渝強老師
mysql客户端再也不用SSH中轉連接了 你是否也遇到過這些頭疼問題？ 最近在 V2ex 上看到不少開發者的困惑： "應該給開發生產環境數據庫的寫權限嗎？"—— 給了怕出事，不給影響效率 "數據庫要不要開放外網 IP 連接？"—— 開了不安全，不開又不方便 "除了內外網隔離，還有什麼辦法保護數據不外泄？"—— 傳統方案太粗暴 "有沒有好用的數據庫代理中間件？"—— 市面上的產品要麼太複雜
Nickname winFacter
OceanBase數據庫是多租户設計的數據庫，同一個進程會運行着多個租户的請求，從租户資源劃分上可以分為三類，500租户內存、系統租户內存、業務租户內存。 500是個特殊的虛擬租户，共享性的、非實體租户消耗的內存都被OceanBase數據庫劃歸500租户。 系統租户是OceanBase數據庫自動創建的第一個實體租户，管理着集羣相關的內部表，這些內部表上的請求觸發的內存就劃歸到了sys租户。
Nickname 趙渝強老師
視頻效果： 一、前言 在AI原生應用開發的時代，傳統的後端架構正在被重新定義。本文將帶你體驗如何使用 Qoder、阿里雲ADB Supabase 和通義千問圖像編輯模型（Qwen Image Edit），快速搭建一個完整的 AI 手辦生圖 Flutter 移動端應用。全程無需自建傳統後端，真實體驗一次 Vibe Coding 的極速開發。 二、總體思路 前端由 Qoder 根據需求自動生成
Nickname 數據庫分享小北
活動前言：當前，墨天輪社區文檔板塊收錄了大量優質的數據庫技術實操文檔，為廣大從業者提供了直接參考。但我們發現，隨着數據庫技術迭代與企業場景深化，總有朋友四處尋找一些“新的文檔”，可能是尚未被充分記錄的新問題，或是一些隱藏較深的技術難點——這些往往沒有現成的文檔可查，只能靠大家自己摸索。 為了把這些“還沒人寫過”的經驗留下來，我們策劃了【文檔懸賞令】系列活動，每次聚焦一個主題，徵集真實、可操作
Nickname 墨天輪
作者 | 陳飛 中付支付大數據工程師 今天和大家分享一個 簡單但常見的 MySQL 到 MySQL 數據同步與合併場景案例，這個案例也是我在實際工作中遇到的問題，希望能拋磚引玉，歡迎有更豐富經驗的大佬一起分享交流。 版本要求：Apache SeaTunnel -- Apache SeaTunnel-2.3.9 場景描述 在我們的業務系統中，存在兩個 MySQL 源庫： source_a
Nickname SeaTunnel
數據庫該用 MySQL 還是 PostgreSQL？網上眾説紛紜，也有人説PostgreSQL不能扛大樑。但其實沒必要糾結，根據自己項目需求就好了（好像説了句廢話）。 我接觸過很多項目，有的用MySQL跑得飛快，有的則非PostgreSQL不可。那一篇文章告訴你該怎麼選。 兩種不同的設計哲學 要理解它們的區別，首先要知道它們來自哪裏，要去向何方。 MySQL ：為速度和簡潔而生 MySQL的早期
Nickname 煩惱的沙發
前言 VibeCoding（氛圍編程）是一種由AI驅動的編程範式， 開發者通過自然語言描述需求，由AI自主完成選的代碼開發、調試以及部署運行。由OpenAI聯合創始人Andrej Karpathy於2025年提出，強調"對話驅動"的開發模式。 VibeCoding 極大的的降低了編程門檻，非專業開發人員也可通過自然語言交互來完成網站、APP的開發。 AI 雖然可以生成完美的前端甚至後端代碼，
Nickname 數據庫分享小北
前言 VibeCoding（氛圍編程）是一種由AI驅動的編程範式， 開發者通過自然語言描述需求，由AI自主完成選的代碼開發、調試以及部署運行。由OpenAI聯合創始人Andrej Karpathy於2025年提出，強調"對話驅動"的開發模式。 VibeCoding 極大的的降低了編程門檻，非專業開發人員也可通過自然語言交互來完成網站、APP的開發。 AI 雖然可以生成完美的前端甚至後端代碼，
Nickname 數據庫知識分享者
引言：在“摩擦力”中追尋心流 Vibecoding——是每一位開發者都在追尋的理想境界：一種思想與代碼完全同步、創造力毫無阻礙的沉浸式“心流”狀態。然而，在日常工作中會常被各種“摩擦力”無情打斷：繁瑣的後端配置、重複的API聯調、以及等待編譯的漫長時間。每一次中斷，都是對寶貴心流的消耗。 近年來，AI原生IDE（如Qoder）的興起看似將我們推向了心流的邊緣，卻也暴露了一道更深的鴻溝：前後端
Nickname 數據庫分享小北
引言：在“摩擦力”中追尋心流 Vibecoding——是每一位開發者都在追尋的理想境界：一種思想與代碼完全同步、創造力毫無阻礙的沉浸式“心流”狀態。然而，在日常工作中會常被各種“摩擦力”無情打斷：繁瑣的後端配置、重複的API聯調、以及等待編譯的漫長時間。每一次中斷，都是對寶貴心流的消耗。 近年來，AI原生IDE（如Qoder）的興起看似將我們推向了心流的邊緣，卻也暴露了一道更深的鴻溝：前後端
Nickname 數據庫知識分享者
阿里雲 RDS MySQL 阿里雲 RDS MySQL (Relational Database Service) 是一種穩定可靠、可彈性伸縮的在線雲數據庫服務，它基於阿里巴巴 MySQL 源碼分支的深度優化。RDS MySQL 支持實例管理、賬號管理、數據庫管理、備份恢復、白名單、透明數據加密以及數據遷移等基本功能。開箱即用，默認採用一主一備的高可用架構，故障時自動切換等等，可根據業務壓力彈性擴
Nickname 觀測雲
9月24日2025雲棲大會上，阿里雲智能集團資深副總裁、數據庫產品事業部負責人李飛飛發表題為《瑤池數據庫：多模態AI數據底座，智能數據管理平台》 主題演講。他表示：“數據與AI大模型的開放融合是大勢所趨。面向Agentic AI時代，阿里雲瑤池數據庫正加速邁向新階段——從雲原生數據底座向“AI就緒”的多模態數據底座全面演進。” 這一戰略性升級聚焦3大核心路徑：持續增強雲原生能力、全面提升多模
Nickname 數據庫知識分享者
引言 AI Agent其基礎架構可以簡單劃分為 Agent = LLM + 任務規劃（Plan） + 記憶（Memory） + 工具使用（Tools），現象級的AI Agent，例如deepresearch、manus、claude code等都在這個基礎框架上構建。 圖源 https://www.promptingguide.ai/research/llm-agents 任務
Nickname 數據庫分享小北
引言 AI Agent其基礎架構可以簡單劃分為 Agent = LLM + 任務規劃（Plan） + 記憶（Memory） + 工具使用（Tools），現象級的AI Agent，例如deepresearch、manus、claude code等都在這個基礎框架上構建。 圖源 https://www.promptingguide.ai/research/llm-agents 任務
Nickname 數據庫知識分享者
此處搭建好了docker環境； 1.拉鏡像 docker pull mysql:8.0.20 2.啓動 docker run -p 3306:3306 --name mysql8 -e MYSQL_ROOT_PASSWORD=123456 -d mysql:8.0.20 3.複製 將容器內mysql的數據配置複製到本機，後面那個路徑就是你想要映射的文件地址 docker cp mysql8:/et
Nickname startshineye
本文作者：阿里雲數據庫高級技術專家 徐大丁(辰馬) 前言 “What I cannot create, I do not understand.” -- Richard Feynman 2025年3月，筆者曾撰文探討LLM驅動的AI Agent如何重塑人機協同模式，彼時更多聚焦於技術實驗與理論推演，尚未在實際業務場景中落地。如今，隨着Agentic AI技術的成熟，Data Agent for A
Nickname 數據庫知識分享者
MySQL 是一個廣泛使用的開源關係數據庫管理系統(RDBMS)，為無數的 web 應用程序和服務提供支持。默認情況下，MySQL 將其數據存儲在預定義的目錄中，這可能並不總是適合您的需求。您可能希望將數據目錄移動到另一個位置以獲得更好的性能和安全性，或者利用單獨的磁盤或分區。 在本指南中，我們將引導您完成在 Linux 系統上更改默認 MySQL 數據目錄的過程，確保以最小的停機時間順利過渡。
Nickname 鳩摩智首席音效師
視頻效果： 一、前言 在AI原生應用開發的時代，傳統的後端架構正在被重新定義。本文將帶你體驗如何使用 Qoder、阿里雲ADB Supabase 和通義千問圖像編輯模型（Qwen Image Edit），快速搭建一個完整的 AI 手辦生圖 Flutter 移動端應用。全程無需自建傳統後端，真實體驗一次 Vibe Coding 的極速開發。 二、總體思路 前端由 Qoder 根據需求自動生成
Nickname 數據庫知識分享者
