tag 數據庫

標籤
貢獻691
793
05:15 PM · Oct 25 ,2025

@數據庫 / 博客 RSS 訂閱

上馬定江山 - 2025年最大風口:Agent智能體到底是什麼?看完這一篇你就知道了!!

Agent 智能體的基本概念 Agent智能體可以簡單理解為一個自主實體,能夠在環境中感知信息並採取行動以達到特定目標。在計算機科學和人工智能領域,這種智能體的概念可以追溯到多智能體系統(MAS),它們通過協作和競爭的方式解決複雜的任務。 從實際應用的角度來看,Agent智能體已經不僅僅侷限於理論領域。它們被應用於機器人、虛擬助手、自動駕駛汽

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

逼格高的鼠標墊_elp4Ti - YashanDB vs 傳統數據庫:哪個更適合您的企業?

隨着企業數據量的快速增長與業務複雜性的持續提升,數據庫系統面臨諸多挑戰,如性能瓶頸、數據一致性保障、多節點高可用管理及靈活擴展能力需求。這些挑戰促使企業在選擇數據庫產品時,需要從架構設計、存儲引擎、事務處理能力、擴展性及高可用方案等多方面進行綜合評估。本文旨在通過嚴謹技術分析,比較YashanDB與傳統數據庫在核心技術點的差異,為具備一定數據庫基礎的開發者和DBA提供決策支持和實施建議。 部署架構

數據庫

收藏 評論

mob64ca13ff5b03 - jpa佔位符 postgresql

rman的格式化輸出 1. format中佔位符格式化輸出 # 使用FORMAT參數進行替換變量(注意大小寫): %a:Oracle數據庫的activation ID即RESETLOG_ID %c:備份片段的複製數(從1開始編號,最大不超過256) %d:Oracle數據庫名稱 %T:當前時間的年月日格式(YYYYMMDD) %Y:當前時間中的年,格式為YY

歸檔文件 , 雲計算 , jpa佔位符 postgresql , 格式化輸出 , 數據庫 , 雲原生

收藏 評論

南大通用GBase - 南大通用GBase 8c邏輯複製槽實踐解析

GBase 8c的邏輯複製槽功能是實現實時數據複製的核心組件,它通過解析事務日誌(xlog)生成邏輯變更流,為異構數據庫同步提供基礎支持。邏輯複製槽代表一個數據更改流,確保事務按原始順序在目標端重放。它主要作用是防止所需的事務日誌被系統回收,為邏輯解碼提供穩定的日誌源。 核心特性 事務級解碼:以事務為單位輸出邏輯日誌,僅在事務提交後解碼 異構數據庫支持:降低對目

數據 , MySQL , 異構 , 數據庫 , GBase 8c

收藏 評論

u_15022783 - 新增「中國外匯交易中心」交易日曆,DolphinDB 2026 交易日曆煥新上線!

交易日曆作為金融領域的重要參考工具,能幫助交易者與機構精準把握市場開閉市時間、科學規劃交易策略、並準確計算各類金融產品的現金流與持有期。 目前,DolphinDB 內置了涵蓋全球近六十個主要交易所的交易日曆,並支持用户靈活定製,以滿足多樣化、場景化的業務需求。 2026年即將到來,DolphinDB 交易日曆年度更新如期而至,並帶來一項重要功能擴展! 交易日曆升

量化交易 , 大數據 , 數據倉庫 , 數據庫 , 量化金融

收藏 評論

mb69129985e0f10 - 從零搭建高可用微服務架構:我的實戰經驗與避坑指南

作為一名在互聯網行業摸爬滾打5年的全棧工程師,我近期主導完成了公司核心業務的微服務化改造項目。從單體架構到分佈式系統的遷移過程中,我踩過無數坑,也積累了不少實戰經驗。今天想和大家分享一套經過生產環境驗證的微服務架構方案,特別適合中小團隊快速搭建高可用系統。 一、架構選型決策樹 1. 技術棧選擇原則 mermaidgraph T

redis , MySQL , 微服務 , 數據庫

收藏 評論

京東雲開發者 - 線上問題處理案例:出乎意料的數據庫連接池 | 京東雲技術團隊

導讀 本文是線上問題處理案例系列之一,旨在通過真實案例向讀者介紹發現問題、定位問題、解決問題的方法。本文講述了從垃圾回收耗時過長的表象,逐步定位到數據庫連接池保活問題的全過程,並對其中用到的一些知識點進行了總結。 一、問題描述 大促期間,某接口超時次數增多,經排查直接原因是GC耗時過長,查看監控FullGC達500ms以上,接口超時時間與FullGC發生時間吻合。 圖1 FullGC耗時監控 二

MySQL , gc , 數據庫 , 連接池

收藏 評論

墨天輪 - 技術分享 | MySQL 8.0高可用之雙主+keepalived

本文為墨天輪數據庫管理服務團隊第81期技術分享,內容原創,作者為技術顧問張宇健,如需轉載請聯繫小墨(VX:modb666)並註明來源。如需查看更多文章可關注【墨天輪】公眾號。 一、介紹 利用keepalived實現MySQL數據庫的高可用,Keepalived+MySQL雙主來實現MySQL-HA,兩台Mysql數據庫的數據保持完全一致,實現方法是兩台MySQL互為主從關係,通過keepalive

MySQL , 數據庫 , 高可用

收藏 評論

wx693a81e38283a - 2025年馬上過去了,MySQL和PG,到底選哪個?

《選哪個》 兩大開源數據庫,輕舟重劍各揚鞭。 輕舟MySQL融萬象,重劍PG破千淵。 向量模型逐浪起,IO異步驚雲巔。 更看華夏騰飛處,自主可控有新篇。 下週就進入12月份了,隨着2025年即將落幕,又到了一年一度年終總結與規劃的時刻。在數據庫領域, MySQL和PostgreSQL這兩大開源巨頭的競爭格局也在發生着變化。 01-流行度

MySQL , 運維 , 數據庫 , postgresql

收藏 評論

程序員曉東 - JAVA源碼:構建高效禮物商城新生態

以下為基於Java技術棧構建高效禮物商城新生態的源碼架構與核心實現方案,涵蓋系統設計、技術創新及商業價值全鏈路閉環: 一、系統架構設計:微服務驅動的彈性架構 技術棧選型 後端框架:Spring Boot 3.2 + Spring Cloud Alibaba(Nacos註冊中心、Sentinel流量防護、Sea

redis , List , 區塊鏈 , 開發語言 , 數據庫 , JAVA

收藏 評論

逼格高的鼠標墊_elp4Ti - 10個提升YashanDB用户體驗的技巧與策略

在現代數據庫技術領域,用户體驗的提升與數據庫系統的性能、穩定性和靈活性密切相關。面對海量數據處理、併發訪問與一致性保障等挑戰,優化數據庫架構和操作流程成為關鍵。YashanDB作為一款支持多種部署形態並提供豐富存儲結構和高可用方案的數據庫,如何進一步提升用户體驗,成為技術人員關注的重點。本文將圍繞YashanDB的核心體系結構、執行引擎、存儲技術及高可用機制,從技術角度深入分析,提出具體可操作的技

數據庫

收藏 評論

OpenPie - 叮!雲原生虛擬數倉 PieCloudDB Database 動態包裹已送達

第一部分 PieCloudDB Database 最新動態 支持動態配置查詢簇 PieCloudDB 最新內核版本 v2.14.0 新增動態配置查詢簇功能。PieCloudDB 動態配置查詢簇功能實現可伸縮的並行化查詢,可提升單個查詢並行使用底層資源的能力,同時加快查詢響應速度。 動態配置查詢簇的功能主要適用於單個 SELECT 查詢的場景,可通過 pdb_parrallel_factor

行業 , 數據庫 , 雲原生 , 產品 , 可視化

收藏 評論

wx690f565d7bc78 - C# XAML中x:Type的用法詳解

C# XAML中x:Type的用法詳解 在 C# XAML 開發中,x:Type 是一個核心的標記擴展(Markup Extension),用於在 XAML 中表示 .NET 類型(如類、接口、結構體),本質是將“類型”本身作為值傳遞給 XAML 屬性。它的核心作用是解決“XAML 無法直接引用 CLR 類型”的問題,常見於依賴注入、樣式目標、數據模板、泛型參數指定等場景。

命名空間 , MySQL , xaml , 數據庫 , 泛型

收藏 評論

數據庫分享小北 - 免費體驗《自建 MySQL 遷移至 PolarDB 分佈式 V2.0》

在數字化轉型的過程中,許多企業發現傳統自建 MySQL 數據庫在高可用性和彈性擴展方面的不足,導致服務穩定性和性能受到限制。面對業務增長和高併發需求,企業急需一種高性能、可靠的數據庫解決方案來提升數據處理能力和系統架構的靈活性。 本方案將基於雲原生數據庫 PolarDB 分佈式版 (PolarDB for Xscale,簡稱“PolarDB-X”),實現自建 MySQL 數據庫的平滑遷移與系統能力

信創 , 阿里雲 , 數據庫 , 分佈式

收藏 評論

嘴巴吃糖了 - RAG知識庫構建:文檔處理的核心原則與實踐!

簡介 RAG知識庫構建中,文檔處理是根基,但不應機械套用固定流程。知識庫本質是為大模型服務,實現精確檢索才是核心。處理文檔需根據業務需求靈活進行:結構化數據應提取元數據;非結構化數據需合理分段,保留原始內容用於增強生成,提取核心內容用於精確檢索。同時需進行文檔清洗,過濾無效內容。最終處理方式應基於實際業務需求調整,而非照搬他人流程。

機器學習 , 大數據 , MySQL , 算法 , 架構 , 數據庫 , 人工智能

收藏 評論

長腿大壯 - JS 中 try/catch/finally 關鍵詞的使用解析

JS 中 try/catch/finally 關鍵詞的使用解析 在 JavaScript 中,try/catch/finally是處理代碼異常的核心關鍵詞組合,用於捕獲程序運行時的錯誤、避免程序崩潰,並執行必要的收尾邏輯。try包裹可能拋出錯誤的代碼塊,catch捕獲並處理錯誤,finally無論是否發生錯誤都會執行(用於釋放資源、清理環境等)。這一組合是保障代碼健壯性的關鍵,尤其在

oracle , 錯誤信息 , 數據庫 , 錯誤處理 , Json

收藏 評論

mb6890178244a4e - Docker 化 API 網關(Kong)

需求背景 為微服務架構添加 API 網關,實現路由轉發、認證、限流功能,使用 Kong 作為網關,容器化部署並與現有服務集成。 實現步驟 架構設計 後端服務:已有的用户服務(/users)和訂單服務(/orders)。 Kong 網關:接收所有外部請求,轉發到對應服務。 數據庫:Kong 使用 PostgreSQL 存儲配置(路由、插件等)。 Kong 初始化 啓動 Kon

雲平台 , 初始化 , 雲計算 , API , 數據庫

收藏 評論

Robert_Jen - Oracle 的 ​​SIGN()​​ 函數

Oracle 的 SIGN() 函數是一個數值函數,用於判斷一個數值的符號(正、負或零)。它根據輸入值返回以下三種結果之一: 如果輸入值大於 0,返回1 如果輸入值等於 0,返回0 如果輸入值小於 0,返回-1 語法 SIGN(n) 其中 n 是一個數值表達式(可以是列、常量、算術表達式等)。

oracle , yyds乾貨盤點 , 數據庫 , sign

收藏 評論

wx59129d39de499 - trae,qcode,phpstorm開啓調式運行xdebug

1,window開啓phpstudy的xdebug擴展,mac自行安裝xdebug擴展 2,檢查端口 3,配置文件 [Xdebug] zend_extension=D:/phpstudy_pro/Extensions/php/php7.3.9nts/ext/php_xdebug.dll xdebug.collect_params=1 xdebu

MySQL , 配置文件 , php , 數據庫

收藏 評論

IT劍客之家 - PostgreSQL管理工具pgAdmin 4中XSS漏洞的發現和利用-

環境搭建 可以從 docker hub 上搜索 docker 資源https://hub.docker.com/search?q=pgadmin4 docker network create pg-network # 創建容器網絡 docker run -d --name postgres --network pg-network -e

oracle , 數據庫 , Docker , ide , Json

收藏 評論

mob64ca1409d8ea - MySQL數據庫進階操作_mysql sql進階

一、軟件生命週期中的數據庫設計步驟 軟件生命週期 數據庫設計需與軟件開發流程同步,通常分為 5 個關鍵階段,每個階段對應明確的輸出物。 1. 需求分析階段(對應軟件需求調研) 目標:明確業務需求與數據相關的核心訴求,避免後期返工。 核心動作: 與產品、業務、開發溝通,梳理

初學者 , 操作 , 數據庫 , 後端開發 , 1024程序員節 , 軟件工程 , Python

收藏 評論

ApacheIoTDB - 時序數據庫 Apache IoTDB 在北京等你!鎖定 COSCon 第十屆中國開源年會

COSCon'25 第十屆中國開源年會,將於 2025 年 12 月 6-7 日,在北京市海淀區·麗亭華苑酒店舉辦。本次大會的主題是:「眾智開源 Open Source, Open Intelligence」! 作為中國最具影響力的開源盛會之一,COSCon 由開源社在 2015 年首次發起,2016 年正式得以命名。九年來,中國開源年會以其獨特的中立社區定位及日益增加的影響力,吸引了越來越多國內

數據庫

收藏 評論

二川bro - 拷貝機制詳解:Python深淺拷貝實戰

引言 在Python編程中,數據拷貝是一個既基礎又微妙的概念。[1]許多開發者在使用列表、字典等可變對象時,都曾遇到過意料之外的數據共享問題。理解Python的拷貝機制,特別是深拷貝與淺拷貝的區別,對於編寫正確、可靠的代碼至關重要。本文將從Python對象模型出發,深入解析深淺拷貝的原理、區別和應用場景,幫助讀者徹底掌握這一核心概念,避免因拷貝不當

MySQL , 深拷貝 , 開發語言 , 數據庫 , 淺拷貝 , Python

收藏 評論

RestCloud - ETL中配置的增量同步不生效?最常見的5個坑

在當今數據驅動的時代,增量同步已成為企業實現高效數據集成、實時分析和業務決策的基石。它避免了全量同步的資源浪費,只傳輸變更數據,大幅提升系統性能和響應速度。然而,許多團隊在部署增量同步時,卻頻頻遭遇“數據不更新”“同步任務卡死”“歷史數據丟失”等棘手問題。這不僅拖累業務效率,更可能導致關鍵決策基於過時信息。本文將深度剖析最常見的5個坑點, 一、CDC(變更數據捕獲)未開啓 它能夠精確地記錄數據表中

數據同步 , 數據庫 , etl , 數據處理 , 數據傳輸

收藏 評論