<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Allenzyg的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/Allenzyg</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; Allenzyg]]></copyright><item><title><![CDATA[Docker 安装 Flink 实现数据实时统计 - 华为云]]></title><link>https://blog.csdn.net/Allenzyg/article/details/147147663</link><guid>https://blog.csdn.net/Allenzyg/article/details/147147663</guid><author>Allenzyg</author><pubDate>Mon, 14 Apr 2025 14:07:23 +0800</pubDate><description><![CDATA[Apache Flink 是一个开源的流处理框架，具有高吞吐、低延迟、可容错等特点，可同时支持批处理和流处理，为数据处理提供了强大而灵活的解决方案，Flink 在 Docker 中的应用场景主要是为了简化集群的部署和管理，特别是在开发、测试以及小规模生产环境中。使用 Docker 可以快速启动、停止和重启集群，避免手动配置和依赖管理的复杂性。本案例通过云主机进行 Docker 部署和安装 Flink，在 CodeArts IDE 编辑器进行代码开发实现数据的实时统计。]]></description><category></category></item><item><title><![CDATA[中国上古神话体系全解析：从创始元灵到三教封神]]></title><link>https://blog.csdn.net/Allenzyg/article/details/146363136</link><guid>https://blog.csdn.net/Allenzyg/article/details/146363136</guid><author>Allenzyg</author><pubDate>Wed, 19 Mar 2025 10:51:40 +0800</pubDate><description><![CDATA[从创始元灵到三教封神，从鸿钧讲道到西游取经，这一体系既是神权的史诗，也是人性的寓言。宇宙诞生之初，混沌未分，先天混元之灵于虚无中觉醒，自称“创始元灵”。观音令悟空拜师，意在借取经功德重塑金蝉果位，同时以“师承名分”约束悟空，暗合佛门因果之道。接引道人化佛后，整合西方教为佛教，自号如来佛祖，座下四大菩萨、十八罗汉、三千揭谛。姜子牙封神、孙悟空成佛、八仙渡海等故事，皆以“凡人逆袭”为内核，赋予神话强烈的世俗生命力。二者本为西方教大小教主，后因理念分歧，接引统合佛门成如来佛祖，准提退隐，仅留“灵台方寸山”一脉。]]></description><category></category></item><item><title><![CDATA[【DeepSeek的四大创新，带你了解大模型背后的黑科技】]]></title><link>https://blog.csdn.net/Allenzyg/article/details/146179932</link><guid>https://blog.csdn.net/Allenzyg/article/details/146179932</guid><author>Allenzyg</author><pubDate>Tue, 11 Mar 2025 15:38:32 +0800</pubDate><description><![CDATA[MLA、MoE、MTP 三者结合，使 DeepSeek 既具备超⼤模型容量（因 MoE 稀疏扩张）和⾼训练效率 （因 MLA、MTP ），⼜能在⻓序列或复杂推理中保持性能不衰减。在有限算力与资金投入的前提下，DeepSeek 之所以能训练出与国际顶尖大模型相当、甚至在某些维度更具优势的模型，归功于其在数据、模型、系统、硬件这四大关键环节的系统性创新。c. 与传统多头注意力性能相当：实测显示，通过适当的投影维度和归⼀化操作，MLA 在准确度与传统 多头注意⼒相差⽆⼏，却能显著节省资源。]]></description><category></category></item><item><title><![CDATA[隐私优先：DeepSeek+RAGFlow本地化部署，手把手构建个人知识库]]></title><link>https://blog.csdn.net/Allenzyg/article/details/146094862</link><guid>https://blog.csdn.net/Allenzyg/article/details/146094862</guid><author>Allenzyg</author><pubDate>Fri, 07 Mar 2025 14:41:46 +0800</pubDate><description><![CDATA[检索（Retrieval）：当用户提出问题时，系统会从外部的知识库中检索出与用户输入相关的内容。准备外部知识库：外部知识库可能来自本地的文件、搜索引擎结果、API 等等。这样，RAG 不仅依赖于模型本身的内在的、通过训练得到的知识，还能实时调用外部的信息进行补充。我们要构建的就是一个基于本地文件的外部知识库；通过 embedding 模型，对知识库文件进行解析：文本是由自然语言组成的，这种格式不利于机器直接计算相似度。]]></description><category></category></item><item><title><![CDATA[snowflake 跨 region sharing]]></title><link>https://blog.csdn.net/Allenzyg/article/details/141168152</link><guid>https://blog.csdn.net/Allenzyg/article/details/141168152</guid><author>Allenzyg</author><pubDate>Tue, 13 Aug 2024 16:52:23 +0800</pubDate><description><![CDATA[找到如下界面在“Consumer Accounts”部分，右边三点“…”，点开，选择“Update refresh frequency”，自定义刷新频率，频率范围：1 minute ~ 1 week例如：刷新频率设置成 1 minute，做如下操作校验刷新频率在provider account上面删除数据1 minute之后，查看consumer account数据。]]></description><category></category></item><item><title><![CDATA[MacBook使用指南]]></title><link>https://blog.csdn.net/Allenzyg/article/details/134590573</link><guid>https://blog.csdn.net/Allenzyg/article/details/134590573</guid><author>Allenzyg</author><pubDate>Fri, 24 Nov 2023 09:15:44 +0800</pubDate><description><![CDATA[1、卸载Windows系统步骤①点击下侧任务栏中的“启动台”，进入程序坞，点击"其他",选择“启动转换助理”步骤②点击“继续”，接着点击“恢复”，即可卸载Windows系统2、安装Windows系统步骤①点击下侧任务栏中的“启动台”，进入程序坞，点击"其他",选择“启动转换助理”步骤②。]]></description><category></category></item><item><title><![CDATA[ERP、CRM、SRM、PLM、HRM、OA……都是啥意思]]></title><link>https://blog.csdn.net/Allenzyg/article/details/134554157</link><guid>https://blog.csdn.net/Allenzyg/article/details/134554157</guid><author>Allenzyg</author><pubDate>Wed, 22 Nov 2023 15:24:54 +0800</pubDate><description><![CDATA[在天某微电子上班，经常会听说一些系统或平台名称，例如ERP、CRM、SRM、PLM、HRM、OA、FOL等。这些系统，都是干啥用的呢？]]></description><category></category></item><item><title><![CDATA[CDC实时数据同步]]></title><link>https://blog.csdn.net/Allenzyg/article/details/134011348</link><guid>https://blog.csdn.net/Allenzyg/article/details/134011348</guid><author>Allenzyg</author><pubDate>Tue, 24 Oct 2023 14:22:36 +0800</pubDate><description><![CDATA[它通过监视源数据库的事务日志或数据库增量日志来捕获源数据库中的变更操作，并将这些操作应用于目标数据库，以保持两者之间的数据同步。它基于日志追加的原理，将数据变更操作记录到一个日志文件中，然后将该日志文件传输到目标系统，目标系统根据日志文件进行数据同步。它使用源数据库的增量日志或者事务日志作为输入源，通过Flink的流处理引擎对日志进行实时解析和处理，并将解析后的数据应用于目标数据库，以实现数据的增量传输和同步。通过解析数据库的事务日志，可以捕获到数据的变更操作，并将其传输到目标系统进行同步。]]></description><category></category></item><item><title><![CDATA[ETL工具对比]]></title><link>https://blog.csdn.net/Allenzyg/article/details/133931031</link><guid>https://blog.csdn.net/Allenzyg/article/details/133931031</guid><author>Allenzyg</author><pubDate>Thu, 19 Oct 2023 17:19:38 +0800</pubDate><description><![CDATA[C/S客户端模式，开发和生产环境需要独立部署，任务的编写、调试、修改都在本地，需要发布到生产环境，线上生产环境没有界面，需要通过日志来调试、debug，效率低，费时费力。C/S客户端模式，开发和生产环境需要独立部署，任务的编写、调试、修改都在本地，需要发布到生产环境；DataX是以脚本的方式执行任务的，需要完全吃透源码才可以调用，学习成本高，没有图形开发化界面和监控界面，运维成本相对高。C/S客户端模式，开发和生产环境需要独立部署，任务的编写、调试、修改都在本地，需要发布到生产环境；]]></description><category></category></item><item><title><![CDATA[基于Delta Lake的Upserts数据湖方案]]></title><link>https://blog.csdn.net/Allenzyg/article/details/133903048</link><guid>https://blog.csdn.net/Allenzyg/article/details/133903048</guid><author>Allenzyg</author><pubDate>Wed, 18 Oct 2023 11:57:55 +0800</pubDate><description><![CDATA[想要实现某条记录的变更，就需要读取对应的文件并进行重写，效率极低，而且容易引起数据不一致和冲突。一方面读取找到的文件的全部内容，与待更新的表进行full outer join，并按照规则更新字段，存储到delta的数据目录，并标记为新增；传统方案需要读取所有的数据，把新的事件追加到会话中，重新写入。，change data capture 变更数据捕获：移动端和web端基于传统数据库实现低延迟的微服务，困难是各个数据库的数据如何统一分析，因此数据分析师需要构建各种ETL把数据汇总到统一的数据湖中。]]></description><category></category></item><item><title><![CDATA[kettle-数据库解密与各种跳接线标记含义]]></title><link>https://blog.csdn.net/Allenzyg/article/details/133902268</link><guid>https://blog.csdn.net/Allenzyg/article/details/133902268</guid><author>Allenzyg</author><pubDate>Wed, 18 Oct 2023 11:46:36 +0800</pubDate><description><![CDATA[一个步骤可以拥有多个连接，转换中的数据流可以在其内的多个步骤间流通，在KETTLE的IDE中，跳接线由箭头表示，箭头的方向决定了数据的流向。当一个步骤的结果集被推送到多个步骤时，数据可以以复制的方式传递，也可以以分发的方式传递。复制的方式即每个后续的步骤收到的数据都是上一步骤的完整结果集，分发方式即每个后续的步骤收到的数据是上一步骤次序结果集，比如步骤A以分发的方式向步骤B和C推送数据，则B收到的数据中A结果集的1，3，5。号记录，C收到的数据是A结果集的2，4，6。将加密后的密码解密为123。]]></description><category></category></item><item><title><![CDATA[impala 时间日期函数全解]]></title><link>https://blog.csdn.net/Allenzyg/article/details/133902104</link><guid>https://blog.csdn.net/Allenzyg/article/details/133902104</guid><author>Allenzyg</author><pubDate>Wed, 18 Oct 2023 11:19:56 +0800</pubDate><description><![CDATA[【代码】impala 时间日期函数全解。]]></description><category></category></item><item><title><![CDATA[Hive insert插入数据与with子查询]]></title><link>https://blog.csdn.net/Allenzyg/article/details/133901740</link><guid>https://blog.csdn.net/Allenzyg/article/details/133901740</guid><author>Allenzyg</author><pubDate>Wed, 18 Oct 2023 11:16:14 +0800</pubDate><description><![CDATA[当在hive中同时使用insert into(overwrite) table xx 与with子查询时候，需要将insert放在with as子查询后面（区分：与StarRocks不同，insert放在with as子查询前面）insert into 与 insert overwrite 都可以向hive表中插入数据，但是insert into直接追加到表中数据的尾部，而insert overwrite会重写数据，既先进行删除，再写入。注意： 当使用以下语句建表时，]]></description><category></category></item><item><title><![CDATA[MySQL TIMESTAMP 不能为NULL]]></title><link>https://blog.csdn.net/Allenzyg/article/details/133898889</link><guid>https://blog.csdn.net/Allenzyg/article/details/133898889</guid><author>Allenzyg</author><pubDate>Wed, 18 Oct 2023 09:42:19 +0800</pubDate><description><![CDATA[3、DATETIME列可以变相的设定默认值，比如通过触发器、或者在插入数据时候，将DATETIME字段值设置为now()，这样可以做到了，尤其是后者，在程序开发中常常用到。这个语句含义，a字段的默认值是CURRENT_TIMESTAMP，当纪录更新时候，自动将a字段的值设置为 CURRENT_TIMESTAMP。6、另外，下面的定义从语法角度是对的，但是没有意义，因为该字段的值不可更改，永远只能为默认值。相反，要注意的问题是，编程语言对日期范围的限制，不同的语言，有不同的限制，这里不做讨论了。]]></description><category></category></item><item><title><![CDATA[Hive行转列[一行拆分成多行/一列拆分成多列]]]></title><link>https://blog.csdn.net/Allenzyg/article/details/132873370</link><guid>https://blog.csdn.net/Allenzyg/article/details/132873370</guid><author>Allenzyg</author><pubDate>Thu, 14 Sep 2023 14:07:19 +0800</pubDate><description><![CDATA[hive有张表armmttxn_tmp，其中有一个字段lot_number，该字段以逗号分隔开多个值，每个值又以冒号来分割料号和数量，如：A3220089:-40,A3220090:-40,A3220091:-40,A3220083:-40,A3220087:-40,A3220086:-40,A3220088:-40,A3220084:-40,A3220081:-40,A3220082:-40,A3220092:-40,A3220093:-40,A3220085:-40,A3220094:-40。]]></description><category></category></item><item><title><![CDATA[StarRocks企业级数据库]]></title><link>https://blog.csdn.net/Allenzyg/article/details/132231503</link><guid>https://blog.csdn.net/Allenzyg/article/details/132231503</guid><author>Allenzyg</author><pubDate>Fri, 11 Aug 2023 17:09:42 +0800</pubDate><description><![CDATA[StarRocks是新一代极速全场景MPP数据库StraRocks充分吸收关系型OLAP数据库和分布式存储系统在大数据时代的优秀研究成果，在业界实践的基础上，进一步改进优化、升级架构，并增添了众多全新功能，形成了全新的企业级产品。StarRocks致力于构建极速统一分析体验，满足企业用户的多种数据分析场景，支持多种数据模型(明细模型、聚合模型、更新模型)，多种导入方式（批量和实时），可整合和接入多种现有系统(Spark、Flink、Hive、 ElasticSearch)。]]></description><category></category></item><item><title><![CDATA[大厂容器云实践之路（四）]]></title><link>https://blog.csdn.net/Allenzyg/article/details/132203253</link><guid>https://blog.csdn.net/Allenzyg/article/details/132203253</guid><author>Allenzyg</author><pubDate>Thu, 10 Aug 2023 12:03:35 +0800</pubDate><description><![CDATA[虚机承载的业务：后台服务：25%worker：20%其他：55%]]></description><category></category></item><item><title><![CDATA[大厂容器云实践之路（三）]]></title><link>https://blog.csdn.net/Allenzyg/article/details/132181148</link><guid>https://blog.csdn.net/Allenzyg/article/details/132181148</guid><author>Allenzyg</author><pubDate>Wed, 09 Aug 2023 11:36:25 +0800</pubDate><description><![CDATA[• 优点- 进程内隔离，消耗资源最⼩- ⽆感扩容&缩容，⽤户⽆成本- Health&Redispatch，升级切换⽆成本• 缺点- ⽆法提供独⽴的namespace- ⽆法Build&Ship&Run。]]></description><category></category></item><item><title><![CDATA[大厂容器云实践之路（二）]]></title><link>https://blog.csdn.net/Allenzyg/article/details/132149262</link><guid>https://blog.csdn.net/Allenzyg/article/details/132149262</guid><author>Allenzyg</author><pubDate>Tue, 08 Aug 2023 10:00:16 +0800</pubDate><description><![CDATA[命令无法使用(nt found)命令无法使用(not found等)命令无法正常工作(iptables,drop cache等)命令运行结果不一致(aufs,dm,overlay等)性能优化（镜像架构，编排调度，资源池等）运行规模(多租户，节点数，POD数等）掌控底层及SDN网络技术的必要性线上互联网产品稳定运行多年更多服务容器化（业界领先RDS，日志,安全等）]]></description><category></category></item><item><title><![CDATA[大厂容器云实践之路（一）]]></title><link>https://blog.csdn.net/Allenzyg/article/details/132147170</link><guid>https://blog.csdn.net/Allenzyg/article/details/132147170</guid><author>Allenzyg</author><pubDate>Mon, 07 Aug 2023 16:18:25 +0800</pubDate><description><![CDATA[华为企业云 | CCE容器引擎实践——从IaaS到PaaS到容器集群。]]></description><category></category></item></channel></rss>