tag 阿里雲

標籤
貢獻40
234
06:43 PM · Oct 21 ,2025
elhix0bg 頭像 alixitongruanjianjishu 頭像 alijishu 頭像 data_ai 頭像 u_13778063 頭像 jiang_5f3236dd7afd1 頭像 u_15316473 頭像 u_17216172 頭像 mangrandedanche 頭像 motianlun_5d0766992e67a 頭像 alicloudros 頭像 yunxiao0816 頭像

@阿里雲 / 博客 RSS 訂閱

alijishu 頭像

阿里雲開發者 - MSE標籤路由支持JDK 11嗎？

mse標籤路由在jdk 11中是受支持的。因此，您可以在使用jdk 11時使用mse標籤路由。但是，請注意確保您的實現版本與您使用的jdk兼容，以獲得最佳性能和穩定性。 完整內容請點擊下方鏈接查看： https://developer.aliyun.com/ask/498334 版權聲明：本文內容由阿里雲實名註冊用户自發貢獻，版權歸原作者所有，阿里雲開發者社區不擁有其著作權，亦不承擔相應法律責任。

mse , 阿里雲 , 兼容性 , 雲原生 , jdk11

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - 雲棲實錄 | 洋錢罐基於 EMR Serverless 產品構建全球一體化數字金融平台

演講人：宋曉峯洋錢罐大數據運維總監 十年破壁：從數據築基到智能生態的全鏈路實踐 一、數據築基——自建大數據集羣的攻堅與突破 背景介紹 瓴嶽科技（Fintopia）是以大數據和人工智能為基礎的數字科技集團，為全球用户提供卓越的金融體驗。2015年成立至今，瓴嶽科技始終聚焦消費金融，業務遍佈中國大陸、東南亞、拉丁美洲和非洲等；集團旗下擁有洋錢罐、Easycash等知名品牌，截至2025年，服務全球金融

spark , 大數據 , 阿里雲 , starrocks

收藏 評論

u_13778063 頭像

u_13778063 - Hello AgentScope Java

作者：遠雲 隨着 LLM 應用的飛速發展，越來越多的 Agent 應用開始走近每個人。圍繞着 Agent 應用的核心，目前業界有零代碼、低代碼和高代碼三條主流的技術路線。AgentScope 作為 Python 社區中受到廣泛應用的高代碼框架，在 Java 生態下的需求也越來越大。 今天，我們很高興地宣佈AgentScope Java v0.2 版本正式發佈了，具備了

雲計算 , 阿里雲 , 雲服務 , JAVA , 雲原生 , AgentScope

收藏 評論

alixitongruanjianjishu 頭像

阿里云云原生 - 2025 智能體工程現狀

作者：望宸 LangChain 近期發佈了《State of Agent Engineering》報告，內容比較翔實，全面分析了 AI 智能體在企業中的採用現狀、挑戰與趨勢。（或尚未應用的原因） 我們對報告進行了翻譯，並做了些描述和內容排序上的的優化，讓中文讀者更易於理解。同時，我們將今年 9 月底發佈的《AI 原生應用架構白皮書》中的部分調研數據，和《State of Agent Enginee

llm , 阿里雲 , 雲原生

收藏 評論

data_ai 頭像

數據庫知識分享者 - 解讀 RocketMQ 5.0 全新的高可用設計

高可用架構演進背景 在分佈式系統中不可避免的會遇到網絡故障，機器宕機，磁盤損壞等問題，為了向用户不中斷且正確的提供服務，要求系統有一定的冗餘與容錯能力。RocketMQ 在日誌，統計分析，在線交易，金融交易等豐富的生產場景中發揮着至關重要的作用，而不同環境對基礎設施的成本與可靠性提出了不同的訴求。在 RocketMQ v4 版本中有兩種主流高可用設計，分別是主備模式的無切換架構和基於 Raft 的

rocketmq , 雲計算 , 阿里雲 , 雲原生 , 高可用

收藏 評論

u_13778063 頭像

u_13778063 - SLS 玩轉 S3 日誌：實時發現、彈性擴容、多格式支持，跨雲日誌管理利器！

作者：範中豪(熾凡) 在多雲架構日益普及的今天，企業常常面臨這樣的場景：運行在多雲環境中的業務系統會產生大量日誌數據，通常存儲於對象存儲服務中，但為了實現集中化運維、安全合規與統一分析，需要將這些分散的日誌數據匯聚至統一的日誌平台進行處理與洞察。 典型場景包括： 跨雲服務日誌集中分析： 各類雲服務產生的審計日誌、網絡流日誌、負載均衡訪問日誌等，需在統一

雲計算 , 可觀測 , 阿里雲 , 雲服務 , 雲原生 , SLS

收藏 評論

u_15316473 頭像

阿里雲大數據AI技術 - 在 DataWorks 中一鍵部署大模型，即刻用於數據集成和數據開發

在AI應用快速落地的今天，越來越多企業希望將大模型能力融入數據處理流程——無論是文本分析、智能摘要，還是RAG知識庫構建。但傳統模式下，模型部署依賴專業MLOps團隊，需自行搭建推理環境、配置GPU資源、維護服務穩定性，門檻高、週期長、成本重。 現在，阿里雲DataWorks發佈大模型服務能力，基於Serverless資源組，支持用户一鍵部署主流大模型，並可在數據集成和數據

AI , 阿里雲 , DataWorks , 人工智能 , 數據分析 , 大模型

收藏 評論

u_14902238 頭像

u_14902238 - 探秘 AgentRun｜流量一大就癱瘓？如何解決AI 模型調用之痛

阿里雲函數計算 AgentRun 全新發布後，我們整理了“探秘 AgentRun”系列文章，本系列將梳理企業落地Agent 常見難題，給出具體解法，助力 Agentic AI 快速走進生產級環境。歡迎加入“函數計算 AgentRun 客户羣”與我們交流，釘釘羣號：134570017218。 在《通過無代碼創建的 Agent，如何用高代碼進行更新？》文章中，我們提到過一個真實用户的痛點

雲計算 , API , 自定義 , 阿里雲 , 雲原生 , serverless

收藏 評論

u_13778063 頭像

u_13778063 - 《當“即查即算”遇上數據爆炸》：阿里雲SLS物化視圖如何破局萬億級日誌查詢性能瓶頸？

作者：戴志勇 當“即查即算”遇上數據爆炸 你是否經歷過這樣的場景？ 在阿里雲日誌服務裏，一個看似簡單的看板，點開卻要等上幾十秒；高峯期多人同時查日誌，系統直接“卡成 PPT”；更糟的是，有時結果還不準——因為達到資源限制，系統只能“估算”答案。 這背後，是日誌規模爆炸式增長帶來的現實困境：當數據量從 GB 躍升至 TB 甚至 PB 級，“邊查邊算”的傳統模

日誌服務 , 數據 , 雲計算 , 阿里雲 , 雲服務 , SLS , 物化視圖

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - 阿里雲技術公開課：基於阿里雲 Elasticsearch 構建 AI 搜索和可觀測 Chatbot

公開課簡介 時間：12月27日晚 7:30 - 8:15 直播間地址：https://developer.aliyun.com/topic/aisearch2025 講師介紹： 槐新 | 阿里雲 Elasticsearch 引擎研發工程師 朱傑 | Elastic 中國首席解決方案架構師、Elastic 社區和阿里雲Elasticsearch社區佈道者 主要內容： 深入解析阿里雲Elastic

elasticsearch , 大數據 , 搜索 , 阿里雲 , 人工智能

收藏 評論

alixitongruanjianjishu 頭像

阿里云云原生 - 資源畫像，看得見的容器資源優化助手

作者：張佐瑋（佑禕） 背景介紹 K8s 為集羣資源提供了良好的抽象，用户可以直接根據應用的資源需求填寫容器資源規格，這種方式有效提升了集羣資源的管理效率。然而，一直以來，容器資源規格填寫的難題一直都讓應用管理員們無法擺脱，過高的資源規格會導致資源浪費，而過低的規格又會為應用帶來潛在的穩定性風險。 往期文章《資源畫像，讓容器資源規格的填寫不再糾結》中我們介紹了阿里雲容器服務 Kubernetes 版

容器 , kubernetes , 阿里雲 , 資源

收藏 評論

nianqingyouweidenangua 頭像

迅易科技 - 2000 萬 Tokens！告別服務器繁忙焦慮，讓您免費極致體驗滿血 DeepSeek

隨着 DeepSeek 爆火，導致 “服務器繁忙” 是大家頻繁遇見的問題，官網擠不進去，本地部署設備成本高昂，難道我們就只能望 “模” 興嘆？不，今天小編就給大家帶來逆天改命的解決方案！ 首先解釋一下，為什麼不選擇本地部署？硬件成本高到離譜，部署十分複雜，從安裝 Ollama 到調試模型參數，小白直接被勸退，真心建議大家可以考慮上雲部署！ 目前，迅易科技早已獲得阿里雲的資質，只要您找迅易下單阿里雲

部署 , 雲服務器 , deepseek , 阿里雲 , 人工智能

收藏 評論

alijishu 頭像

阿里雲開發者 - 進階篇丨鏈路追蹤（Tracing）很簡單：常見問題排查

經過前面多篇內容的學習，想必大部分同學都已經熟練掌握分佈式鏈路追蹤的基礎用法，比如回溯鏈路請求軌跡，定位耗時瓶頸點；配置核心接口黃金三指標告警，第一時間發現流量異常；大促前梳理應用上下游關鍵依賴，聯繫相關方協同備戰等等。隨着深入使用鏈路追蹤技術，問題發現與診斷方面的能力想必都有大幅提升。 但實際生產過程中的問題可能更加棘手： 比如接口偶發性超時，調用鏈只能看到超時接口名稱，看不到內部方

中間件 , 配置 , 阿里雲 , 雲原生 , cpu

收藏 評論

yunxiao0816 頭像

雲效DevOps平台 - 應用環境能力 | 阿里巴巴DevOps實踐指南

編者按：本文源自阿里云云效團隊出品的《阿里巴巴DevOps實踐指南》，掃描上方二維碼或前往：https://developer.aliyun.com/...，下載完整版電子書，瞭解阿里十年DevOps實踐經驗。 每個軟件都無法離開其依賴的運行環境。從代碼的編寫、調試、測試、上線、運維，每個步驟都離不開對應環境的支持。對於測試環境的爭用、環境各階段需要滿足不同應用場景、軟件質量的守護、成本與效率優

devops , 阿里雲 , 雲原生 , 研發 , 環境搭建

收藏 評論

data_ai 頭像

數據庫知識分享者 - 基於 Qoder 和 AnalyticDB Supabase 快速構建AI原生移動端 APP

本文介紹如何利用Qoder、雲原生數據倉庫 AnalyticDB PostgreSQL 版Supabase和通義千問圖像編輯模型（Qwen Image Edit），快速搭建一個無需傳統後端的AI手辦生圖Flutter應用。內容涵蓋從前端代碼自動生成、後端即服務（BaaS）配置，到AI模型集成，適合希望快速驗證AI原生應用原型並實現敏捷開發的開發者。 一、概述 在AI原生應用開發的時代，傳統的後端架

MySQL , adb , 阿里雲 , 數據庫

收藏 評論

data_ai 頭像

數據庫知識分享者 - 什麼是更適合政企的雲｜從傳統 IT 容災轉向全棧雲容災

凌晨3點，在某醫院的自助繳費機前，一位醫患家屬正愁眉緊鎖，手中的醫保卡已經刷了無數遍，可次次都提示繳費失敗，至親的手術已經迫在眉睫… 早上8點，是上班族在通勤途中打開新聞app刷新聞的高峯，而此刻在新聞編輯室內，後台編輯正焦頭爛額，系統上當日熱點大新聞的發佈界面一遍遍顯示“發佈失敗”… 這些畫面簡直是企業IT管理者心中的“災難大片”，而導致這些問題的原因可能是企業數據中心中某個機櫃斷電、某次颱風導

全棧 , 雲計算 , 阿里雲

收藏 評論

u_17216172 頭像

數據庫知識分享者小北 - 阿里雲「RDS AI助手」正式上線：大模型驅動的數據庫智能運維Copilot

還在為數據庫慢、配置難、巡檢煩而頭疼？ 現在，RDS AI助手正式上線，只需用自然語言提問，就能幫你查問題、做診斷、出報告、調參數——就像有個數據庫資深專家隨時待命，24小時在線答疑！ 它不是冷冰冰的對話窗口，而是深度跟數據庫控制枱交互融合，在你需要的地方出現一個RDS AI助手小圖標，點擊即用。 它是懂你業務、會看日誌、能寫建議的“智

MySQL , 阿里雲 , rds , 數據庫 , Copilot , SQL

收藏 評論

alijishu 頭像

阿里雲開發者 - JDBC寫入速度比較慢，應該怎麼解決？

雲數據庫的話，考慮網絡環境、併發情況、數據規模。 完整內容請點擊下方鏈接查看： https://developer.aliyun.com/ask/427635?utm_content=g_1000371542 版權聲明：本文內容由阿里雲實名註冊用户自發貢獻，版權歸原作者所有，阿里雲開發者社區不擁有其著作權，亦不承擔相應法律責任。具體規則請查看《阿里雲開發者社區用户服務協議》和《阿里雲開發者社區知識

jdbc , 阿里雲 , 數據庫 , 雲原生 , 併發

收藏 評論

u_17216172 頭像

數據庫知識分享者小北 - 阿里雲 Tair KVCache 仿真分析：高精度的計算和緩存模擬設計與實現

導讀 在大模型推理邁向“智能體時代”的今天，KVCache 已從性能優化手段升級為系統級基礎設施，“顯存內緩存”模式在長上下文、多輪交互等場景下難以為繼，而“以存代算”的多級 KVCache 架構雖突破了容量瓶頸，卻引入了一個由模型結構、硬件平台、推理引擎與緩存策略等因素交織而成的高維配置空間。如何在滿足 SLO（如延遲、吞吐等服務等級目標）的前提下，找到“時延

tair , 建模 , nosql , 阿里雲 , 緩存 , 數據庫 , KVCache

收藏 評論

alijishu 頭像

阿里雲開發者 - ADB中concat_ws函數不能用作聚合嗎？

concat_ws() 是 MySQL 和 MariaDB 數據庫中的函數，用於連接多個字符串，其中 ws 表示 with separator，可以指定連接字符串之間的分隔符。在 ADB 中，該函數同樣可以用於連接多個字符串，但是不能用作聚合函數。 聚合函數是用於執行聚合計算（例如 SUM()、AVG()、COUNT() 等），並返回單個結果的函數。在 ADB 中，聚合函數只能作用於 GROUP

console , adb , 阿里雲 , SQL , 聚合

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - 迅雷基於阿里雲 EMR Serverless Spark 實現數倉資源效率與業務提升

劉敏|迅雷大數據平台負責人 尤帥|迅雷大數據平台資深工程師 陳照|阿里雲公共雲業務事業部解決方案架構師 潘錦棉|阿里雲公共雲業務事業部解決方案架構師 劉瑞偉|阿里雲公共雲業務事業部大數據解決方案架構師 一、背景介紹 企業簡介 迅雷（納斯達克股票代碼：XNET）作為全球分佈式技術領域的先行者，以技術構建商業，以服務創造共識，從而建立一個高效可信的存儲與傳輸網絡。 自2003年

spark , 阿里雲

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - AI 搜索開放平台 x Qwen3：智能搜索全棧解決方案新升級

隨着 AI 技術的飛速發展，搜索已不僅是“查找信息”，更是“創造價值”的核心引擎。阿里雲 AI 搜索開放平台與 Qwen3 模型的深度融合，為企業和開發者提供了從基礎能力到複雜場景的全棧解決方案，讓智能搜索的落地門檻更低、效率更高、體驗更佳。 一、AI 搜索開放平台介紹 阿里雲 AI 搜索開放平台面向企業及開發者提供豐富的 AI 搜索組件化服務，用户可靈活調用多模態數據解析、大語言模型、效果測評等

大數據 , 搜索 , 阿里雲 , 人工智能

收藏 評論

alixitongruanjianjishu 頭像

阿里云云原生 - 雲原生場景下高可用架構的最佳實踐

作者：劉佳旭（花名：佳旭），阿里雲容器服務技術專家 引言 隨着雲原生技術的快速發展以及在企業 IT 領域的深入應用，雲原生場景下的高可用架構，對於企業服務的可用性、穩定性、安全性越發重要。通過合理的架構設計和雲平台的技術支持，雲原生高可用架構可以提供高可用性、彈性擴展性、簡化運維管理、提升可靠性和安全性等方面的優勢，為企業提供了更加可靠和高效的應用運行環境。 Kubernetes 是雲原生的核心技

阿里雲 , 雲原生 , 高可用

收藏 評論

elhix0bg 頭像

阿里雲大數據AI - 【跨國數倉遷移最佳實踐11】基於 MaxCompute Resource & Quota策略優化實現資源管理性能與成本最優平衡

本系列文章將圍繞東南亞頭部科技集團的真實遷移歷程展開，逐步拆解 BigQuery 遷移至 MaxCompute 過程中的關鍵挑戰與技術創新。本篇為第十一篇，基於 MaxCompute Resource Quota策略優化實現資源管理性能與成本最優平衡。 注：客户背景為東南亞頭部科技集團，文中用 GoTerra 表示。 1. 背景 GoTerra作為東南亞互聯網頭部企業，其業務生態覆蓋網約車、電商

數據倉庫 , 阿里雲

收藏 評論