AI智能體(Agent)應用開發入門手冊
就目前調研下來的功能來説。開發AI智能體，入門選langchain沒錯，架構很成熟，能力很強，基本上所有的場景都可以覆蓋，可以很好管理起大型的AI應用架構。而且js、java、python各種語言都支持。 上手很快，但是用好的話還是多花些時間學習他的底層實現邏輯。 這篇文檔，會介紹一下AI應用開發的一些基礎知識。 連接模型 MCP的介紹以及如何
昵称 代碼天地
@分佈式
贡献者24
粉丝0
贡献者
@分佈式
动态 列表
nacos基礎使用模板(註冊中心、配置中心)
Nacos是阿里巴巴的產品，現在是SpringCloud中的一個組件。Nacos本身就是一個單獨的軟件，需要下載並且安裝,下載好後在nacos文件bin文件夾中cmd命令 startup.cmd -m standalone 進行單體啓動(nacos默認集羣啓動),彈出naocs圖標以及對應的登錄頁信息則啓動成功，進入頁面登錄即可 賬號 密碼默認都為 nacso 1 註冊中心 一、基本使用 在父工程
昵称 不語
tldb數據庫的java客户端如何使用
來源：tldb數據庫的java客户端如何使用 tldb是分佈式nosql數據庫，需要通過客户端接口進行數據操作 通過java有兩種方式可以操作tldb， tlcli-j 與tldb接口對接，僅支持字節數組類型的數據，上傳服務器數據為字節數組，其他類型需要轉換為字節數組 tlorm-java 基於tlcli-j實現的orm框架，支持java基礎數據類型自動轉換，使用非常簡潔 兩種方式都
昵称 donnie4w
用Redis延時隊列搞定訂單超時業務
Redis延時隊列是一種用於在特定時間後執行任務的消息隊列。它在許多場景中非常有用，比如訂單超時自動關閉、定時提醒等。在Redis中，通常使用Sorted Set（有序集合）來實現延時隊列，因為Sorted Set可以按照分數進行排序，非常適合用來存儲和檢索到期時間，今天V哥來聊一聊Redis延時隊列，歡迎各位小哥一起討論。 以下是Redis延時隊列的詳細介紹，包括原理、數據結構、實現方式以及Ja
昵称 威哥愛編程
坑爹，線上同步近 3w 個用户導致鏈路阻塞引入發的線上問題，你經歷過嗎？
分享一個印象深刻的線上問題，希望能夠給 xdm 帶來一點思考 一個稀鬆平常的工作日，正準備下班的時候，不巧，突發線上緊急問題，心中一萬個不情願，可還是要硬着頭皮去定位問題 簡單的表象為微服務之間 gRPC通信的通道默認是用了默認值，並沒有按照實際業務去設置通道接受和發送的字節大小 用過 golang grpc 通信的 xdm 就知道，grpc 通道默認的發送和接收的消息大小為 4M，由於傳送的數據
昵称 阿兵雲原生
又一個涵蓋前後端+DevOps+OpenAI大模型的高併發項目啓動了
大家好，我是冰河~~ 今天，正式通知大家一件事情：又到了啓動新項目的時候，這也是 冰河技術 知識星球繼 Seckill秒殺系統 項目後，又一個高併發實戰項目。星球其他項目與專欄，大家可移步到冰河的個人站點：https://binghe.gitcode.host 進行查看。 那這次又是怎樣的一個高併發項目呢？沒錯，這次就是大家期待已久的分佈式IM即時通訊系統，在分佈式IM即時通訊系統中，我們會實現
昵称 冰河
又一個可以寫到簡歷的項目，嘎嘎強！
大家好，我是冰河~~ 分佈式IM即時通訊系統本質上就是對線上聊天和用户的管理，針對聊天本身來説，最核心的需求就是：發送文字、圖片、文件、語音、視頻、消息緩存、消息存儲、消息未讀、已讀、撤回，離線消息、歷史消息、單聊、羣聊，多端同步，以及其他一些需求。 對用户管理來説，存在的需求包含：添加好友、查看還有列表、刪除好友、查看好友信息、創建羣聊、加入羣聊、查看羣成員信息、退出羣聊、修改羣暱稱、拉人進羣、
昵称 冰河
Redis 分片
Redis 分片（Sharding）概述 1. 概念和目的： Redis 分片是通過將整個數據集分割成多個部分，分佈存儲在多個獨立的 Redis 節點上來擴展 Redis 系統的技術。 目的是提高系統的存儲容量和處理能力，以應對大規模數據和高併發請求的需求。 2. 基本原理： 數據分片策略：選擇合適的數據分片策略，如哈希分片或範圍分片，決定數據如何分佈到各個 Redis 節點上。 客
昵称 今夜有點兒涼
Redis高可用解決方案哨兵模式與集羣模式的比較
哨兵模式和集羣模式是Redis提供的兩種不同的高可用性和擴展性解決方案，它們各自有不同的特點和適用場景。 哨兵模式（Sentinel） 主要關注於高可用性，通過監控主節點和從節點的狀態，實現故障檢測和自動故障轉移 。當主節點發生故障時，哨兵會選舉一個從節點作為新的主節點，並通知其他從節點和客户端更新配置。它適用於對數據高可用性要求較高，但不需要特別大的數據量的場景，通常應用於小型和中型系統。
昵称 威哥愛編程
MinIO的分佈式系統是如何確保數據一致性的？
MinIO是一個高性能的開源對象存儲服務器，它與Amazon S3兼容，適用於存儲備份、大數據分析等多種應用場景。MinIO追求高性能和可靠性，採用去中心化的架構設計，不依賴任何單個節點，即使某些節點發生故障，整個系統也能正常運行 。它還支持分佈式部署，可以輕鬆擴展存儲容量和性能。 MinIO的技術架構主要包括服務器核心、分佈式系統、認證和安全性組件以及客户端庫。服務器核心負責處理存儲和檢索對象，
昵称 威哥愛編程
【超長文】Redis在項目中的17種使用場景
Redis 是一個開源的高性能鍵值對數據庫，它以其內存中數據存儲、鍵過期策略、持久化、事務、豐富的數據類型支持以及原子操作等特性，在許多項目中扮演着關鍵角色。以下是V哥整理的17個Redis在項目中常見的使用場景： 緩存：Redis 可以作為應用程序的緩存層，減少數據庫的讀取壓力，提高數據訪問速度。 會話存儲：在 Web 應用中，Redis 可以用來存儲用户的會話信息，如登錄狀態、購物車內容
昵称 威哥愛編程
華納雲：分佈式存儲提高數據安全性的原理分享
分佈式存儲通過多節點協同工作，將數據分散存放在多個物理位置，從而在架構設計上提升了數據的可靠性與安全性。它的核心思想是“分而治之，備而無患”。以下從原理角度詳細解析分佈式存儲如何提高數據安全性： 1. 數據冗餘機制：保障硬件故障下的數據可恢復 分佈式存儲系統普遍採用數據冗餘策略，例如： • 副本機制（Replication）：同一份數據在多個節點上保存（常見為3副本），當某一個節
昵称 用户bPddcxP
AI 時代， 需要什麼樣的數據底座？
作者：楊克特 ProtonBase 技術副總裁 畢業於浙江大學計算機系，獲碩士學位，具備 10 多年核心系統設計和研發經驗。曾任阿里巴巴資深技術專家，負責過搜索引擎、資源調度、實時監控等系統的設計和研發。具備豐富的開源經驗，是 Apache Flink 和 Apache Druid 的 PMC 成員，以及 Apache 軟件基金會成員。 概念科普：Data Warebase = Data Ware
昵称 Protonbase
PingCAP“一號員工”唐劉：回顧我與 TiDB 的十年成長之旅
導讀 作為 PingCAP 的“一號員工”，TiDB 研發副總裁唐劉親歷了 TiDB 從一個開源小項目到全球知名分佈式數據庫的蜕變。本文，唐劉從親歷者視角，回顧了 TiDB 的技術演進、產品迭代和全球化歷程，還分享了自己從程序員到技術管理者的成長與感悟。 這是一段關於技術理想、客户成功與團隊協作的旅程，也是一次對開源精神、創新勇氣和商業智慧的深度剖析。通過唐劉的視角，我們得以窺見 TiDB 背後的
昵称 PingCAP
華納雲：分佈式存儲如何提高數據安全性？
華納雲分佈式存儲通過多種技術和機制顯著提高了數據安全性，以下是其主要方式： 1、數據冗餘與備份 分佈式存儲將數據分散存儲在多個節點上，並通過冗餘備份機制確保數據的可靠性。例如，數據可以被分割成多個片段，並在不同節點上存儲多個副本。即使某個節點發生故障或數據丟失，其他節點上的副本仍可保證數據的完整性和可用性。 2、數據加密 數據在存儲和傳輸過程中均會進行加密處理。分佈式存儲系統通常採用強加密算法（如
昵称 用户bPddcxP
XXL-MQ v1.4.0 | 輕量級分佈式消息隊列
Release Notes： 1、【重構】XXL-MQ 核心代碼重構，基於“存算分離”與“分區機制”設計思想。在輕量級、分佈式的基礎上，強化高吞吐、海量消息及水平擴展能力。； 2、【新增】存算分離：消息中心（Broker）與消息存儲層（Store）解耦。消息中心 提供消息OpenApi以及消息控制枱管理能力；消息存儲層 提供消息存儲能力。得益於存算分離系統設計，消息中心支持水平擴展，支持線性
昵称 xuxueli
SpringBoot中@Scheduled和Quartz的區別是什麼？分佈式定時任務框架選型實戰
今天為大家帶來的是@Scheduled和Quartz對比分析： 新手常見困惑： 剛學SpringBoot時，我發現用@Scheduled寫定時任務特別簡單。但當我看到同事在項目裏用Quartz時，代碼突然變得複雜起來——為什麼要用這些複雜的配置？難道註解不香嗎？ 今天，我們就用最直白的方式，手把手對比這兩種方案。 1. 定位與設計目標 1.1. @Scheduled註解 輕量級單機調度：Spr
昵称 曾深愛過的火車_d2oImJ
BaikalDB 架構演進實錄：打造融合向量化與 MPP 的 HTAP 查詢引擎
導讀 BaikalDB作為服務百度商業產品的分佈式存儲系統，支撐了整個廣告庫海量物料的存儲和OLTP事務處理。隨着數據不斷增長，離線計算時效性和資源需求壓力突顯，基於同一份數據進行OLAP處理也更為經濟便捷，BaikalDB如何在OLTP系統內實現適合大數據分析場景的查詢引擎以應對挑戰？ 01 BaikalDB應對OLAP場景的挑戰 BaikalDB是面向百度商業產品系統的需求而設計的分佈式存儲系
昵称 百度Geek説
【趙渝強老師】基於PostgreSQL的分佈式數據庫：Citus
由於PostgreSQL具有強大的功能和良好的可擴展性，因此基於PostgreSQL很容易就可以實現分佈式架構。Citus便是具體的一種實現方式。它以擴展的插件形式與PostgreSQL進行集成，且獨立於PostgreSQL內核，部署也比較簡單。Citus是現在非常流行的基於PostgreSQL的分佈式解決方案。 一、 Citus基礎 下面是百度百科中對分佈式數據庫的定義： 分佈式數據庫系統通
昵称 趙渝強老師
什麼是 MPP 數據庫？解鎖海量數據分析的關鍵技術
為什麼需要 MPP 數據庫？ 在數據爆炸的時代，傳統數據庫處理 TB 甚至 PB 級數據時往往力不從心，查詢緩慢，無法支撐實時分析需求。這種情況下，MPP 數據庫成為解決大規模數據分析性能瓶頸的關鍵技術。 想象一下：一個電商平台在大促期間，原本穩定的系統突然卡死；一個數據彙總應用在處理全年數據時崩潰。這些都是我們在高併發、高吞吐量場景下常見的問題。為什麼會這樣？因為系統設計時沒有考慮極限情況下的數
昵称 鏡舟科技
單機分佈式一體化數據庫的架構設計與優化
作者：楊志豐，OceanBase產品總經理、首席架構師 首先為大家推薦這個 OceanBase 開源負責人老紀的公眾號 “老紀的技術嘮嗑局”，會持續更新和 #數據庫、#AI、#技術架構 相關的各種技術內容。歡迎感興趣的朋友們關注！ 本文摘自《OceanBase社區版在泛互場景的應用案例研究》，歡迎點擊鏈接閲讀詳細內容。 綜述 在OceanBase 十餘年的技術演進中，共經歷了三次大的架構升級
昵称 老紀的技術嘮嗑局
昵称 KaiwuDB
三步搞定 Go 分佈式任務！sasynq 庫讓異步任務變得如此簡單
Go 後台任務的“坑”，你踩過幾個？ 在 Go 應用開發中，總有一些任務不適合現場完成，比如： 發郵件/發短信：用户點擊按鈕後，還要乾等？體驗太糟糕！ 大計算量任務：生成報表、數據分析，CPU 一直被佔，其他請求全卡住？ 定時任務：凌晨跑統計、每小時同步數據，難道要寫個死循環 time.Sleep？ 所以，聰明的我們會把這些任務扔進異步任務隊列，讓後台“工人”（Worker）慢慢處理。
昵称 gvison
分佈式理論 CAP + Base
簡介 在分佈式系統的設計中，分佈式系統有三個指標 CAP，但是沒有一種設計可以同時滿足 CAP （一致性，可用性，分區容錯性 ）3個特性，只能滿足其中 2 個 CAP 簡介 CAP 描述 C 一致性 Consistency，一致性 強調的是 分佈式系統中各個節點之間的數據一致性；不管訪問哪個節點，返回的數據都是一致的，否則節點不可用（拒絕服務
昵称 五歲小孩