数据库
文章平均质量分 93
数据库相关
yule.yang
这个作者很懒,什么都没留下…
展开
-
使用Spring AI 和 LLM 实现数据库查询
在 LLM 的帮助下质疑数据库需要对元数据进行一些努力,并且对数据库包含的内容有一个粗略的了解。AI/LLM 不适合创建查询,因为 SQL 查询需要正确性。需要一个相当大的模型来获得所需的查询正确性,并且需要 GPU 加速才能进行生产性使用。设计良好的 UI,用户可以在其中拖放结果表中的表列,这可能是满足要求的不错选择。Angular Material Components 很好地支持拖放。原创 2024-06-13 13:32:19 · 1172 阅读 · 3 评论 -
Komodor:Kubernetes 监控工具全面指南
例如,如果您的 Deployment 的 Pod 不健康,Komodor 将自动检查您最新的部署更改,以便您可以立即看到不健康状态的可能原因。如果您的节点有问题,Komodor 将尝试在不同层面上调查其背后的原因,自动执行您作为 Kubernetes 操作员最有可能执行的常规操作,并加速根本原因分析。它拥有付费和免费增值计划,除了在出现问题时通知用户外,还拥有一系列方便的工具,用于跟踪和管理集群中部署的资源的状态。在集群中部署代理后,带有仪表板的 Web 界面将在 Komodor 网站上的个人帐户中可用。原创 2024-01-12 11:21:26 · 1286 阅读 · 0 评论 -
矢量(向量)数据库 Top 5
随着人工智能的不断发展,矢量数据库在塑造数据检索、处理和分析的未来方面的作用无疑将越来越大,有望为各个领域提供更复杂、更高效和更个性化的解决方案。这就是矢量数据库发挥作用的地方,为这些人工智能驱动的应用程序提供了一个高度优化的环境。领先的向量数据库,如 Pinecone,提供 Python、Node、Go、Java 等多种编程语言的 SDK,确保开发和管理的灵活性。随着数字时代将我们推进到一个以人工智能和机器学习为主导的时代,矢量数据库已经成为存储、搜索和分析高维数据矢量的不可或缺的工具。原创 2023-12-26 19:42:55 · 1505 阅读 · 0 评论 -
在ClickHouse数据库中启用预测功能
对于每个给定的预测,我们只考虑最后 10 行。因为我们试图将整个数据集拟合到一个具有 5 个条柱的直方图中,该直方图是通过 histogram(5)(fare_amount) 函数调用指定的,并且数据集中的项目数量不是正态分布的,所以我们的条柱高度不一定相等。随着时间的推移,每家公司都有不同的动态,这使得这个问题变得更加困难,因为我们现在没有单一的数据系列,而是多个数据。这是 t+1 的时间序列预测,这意味着模型正在查看时间片中所有先前的功耗值,并尝试预测下一步,在本例中,它试图预测第二天的功耗。原创 2023-12-21 14:08:23 · 1892 阅读 · 0 评论 -
ClickHouse Kafka 引擎教程
ClickHouse 可以使用 Kafka 表引擎和物化视图直接从 Kafka 主题读取消息,该视图获取消息并将其推送到 ClickHouse 目标表。在此示例中,“kafka”是服务器的 DNS 名称。正如这篇博客文章所展示的,Kafka 表引擎提供了一种简单而强大的方法来集成 Kafka 主题和 ClickHouse 表。在单独的终端窗口中启动消费者,以从 Kafka 上的 readings_high 主题打印消息,如下所示。事实证明,此表可以读取和写入消息,但在此示例中,我们将仅使用它进行写入。原创 2023-12-15 16:23:24 · 1745 阅读 · 0 评论