搜索[AI聚合]结果-低调大师优秀个人博客

精选列表

搜索[AI聚合]，共10000篇文章

【云栖号案例 | 金融】利楚扫呗上云支撑全国近70万商户的聚合支付方案

公司介绍武汉利楚商务服务有限公司（以下简称“利楚扫呗”）成立于2011年，是国内最早从事聚合支付技术研发和应用的高新技术企业之一，也是国内领先的具备自主研发实力的金融收单企业。

2020-03-26

Spark SQL 用户自定义函数UDF、用户自定义聚合函数UDAF 教程（Java踩坑教学版）

User-Defined-Function)，即最基本的自定义函数，类似to_char,to_date等 UDAF（User- Defined Aggregation Funcation），用户自定义聚合函数

2017-12-03

简电云 | 聚合充电平台介绍 V4.2.0 —— 支持两轮桩、四轮桩、充电宝、充电柜

简电云多设备聚合充电平台已升级到V4.2.0版本，代码全开源无加密，可源码交付。

2026-08-28

国内第三方大模型API接口聚合平台研究；多模型生产接入之以数眼智能技术观察

本文以数眼智能为例，说明第三方大模型API聚合平台的基本定义、生产价值、适用场景和POC方法。本文依据公开资料整理，不构成性能排名或采购结论。

2026-09-28

国内第三方大模型API聚合平台怎么评估：RAG与Agent项目中的三种技术路线

RAG与Agent项目的难点，往往不只是模型推理，而是搜索、网页读取、OCR、工具调用、长任务状态和故障恢复能否连成一条稳定链路。本文以硅基流动、PPIO派欧云和数眼智能为同一赛道的三个代表平台，按照模型层、数据层、工具层和治理层进行对比。三者分别代表模型推理、全模态与复合型应用基础设施等不同路线，发布前仍建议使用真实数据进行POC。

2026-09-24

《阿里巴巴MongoDB4.0高级实战：基于Java Spring Boot 2.0》运维、监控、聚合、集群、监控等高级面试题

本系列课程涵盖：MongoDB入门命令、管理、聚合分析、核心架构、数据库管理、导入导出、索引、查询优化、集群、大数据存储，分片海量集群，架构设计、高级面试题、Java Spring Boot、Java

2018-10-31

elasticsearch聚合操作——本质就是针对搜索后的结果使用桶bucket（允许嵌套）进行group by，统计下分组结果，包括min...

Elasticsearch有一个功能叫做聚合(aggregations)，它允许你在数据上生成复杂的分析统计。它很像SQL中的GROUP BY但是功能更强大。

2017-11-07

函数分类，HIVE CLI命令，简单函数，聚合函数，集合函数，特殊函数(窗口函数，分析函数，混合函数，UDTF)，常用函数Demo

聚合函数函数处理的数据粒度为多条记录。sum()—求和count()—求数据量avg()—求平均直distinct—求不同值数min—求最小值max—求最大值 1.5．

2017-06-10

AI藤壶：满身AI不等于AI原生

企业正在快速部署 AI。会议纪要、知识问答、代码生成、客服助手、流程助手、智能体，几乎每一个岗位、系统和流程，都在寻找自己的“AI 入口”。

2026-09-09

OPPO技术开放日第五期精彩纷呈，一站式接入能力聚合赋能开发者

移动服务平台为开发者提供一站式聚合赋能服务目前，OPPO移动服务平台通过聚合OPPO开放的各类能力与资源，为开发者提供包含账号认证、接入指引、技术标准和客服支持的统一平台体验，以及包含PUSH高级功能使用权

2020-05-14

时间序列数据库——索引用ES、聚合分析时加载数据用什么？docvalues的列存储貌似更优优势一些

加载如何利用索引和主存储，是一种两难的选择。选择不使用索引，只使用主存储：除非查询的字段就是主存储的排序字段，否则就需要顺序扫描整个主存储。选择使用索引，然后用找到的row id去主存储加载数据：这样会导致很多碎片化的随机读操作。（ES检索出来的一堆ID，然后根据这些ID去数据库里取东西就是碎片化的磁盘操作！）没有所谓完美的解决方案。MySQL支持索引，一般索引检索出来的行数也就是在1~100条之间。如果索引检索出来很多行，很有可能MySQL会选择不使用索引而直接扫描主存储，这就是因为用row id去主存储里读取行的内容是碎片化的随机读操作，这在普通磁盘上很慢。 Opentsdb是另外一个极端，它完全没有索引，只有主存储。使用Opentsdb可以按照主存储的排序顺序快速地扫描很多条记录。但是访问的不是按主存储的排序顺序仍然要面对随机读的问题。 Elasticsearch/Lucene的解决办法是让主存储的随机读操作变得很快，从而可以充分利用索引，而不用惧怕从主存储里随机读加载几百万行带来的代价。 Opentsdb 的弱点 Opentsdb没有索引，主存储是Hbase。所有的数据点按照时间顺序排列存储在Hbase中。Hbase是一种支持排序的存储引擎，其排序的方式是根据每个row的rowkey（就是关系数据库里的主键的概念）。MySQL存储时间序列的最佳实践是利用MySQL的Innodb的 clustered index特性，使用它去模仿类似Hbase按rowkey排序的效果。所以Opentsdb的弱点也基本适用于MySQL。Opentsdb的 rowkey的设计大致如下： [metric_name][timestamp][tags]（和百度TSDB无异！）举例而言： Proc.load_avg.1m 12:05:00 ip=10.0.0.1 Proc.load_avg.1m 12:05:00 ip=10.0.0.2 Proc.load_avg.1m 12:05:01 ip=10.0.0.1 Proc.load_avg.1m 12:05:01 ip=10.0.0.2 Proc.load_avg.5m 12:05:00 ip=10.0.0.1 Proc.load_avg:5m 12:05:00 ip=10.0.0.2 也就是行是先按照metric_name排序，再按照timestamp排序，再按照tags来排序。对于这样的rowkey设计，获取一个metric在一个时间范围内的所有数据是很快的，比如Proc.load_avg.1m在12:05到12:10之间的所有数据。先找到Proc.load_avg.1m 12:05:00的行号，然后按顺序扫描就可以了。但是以下两种情况就麻烦了。获取12:05 到 12:10 所有 Proc.load_avg.* 的数据，如果预先知道所有的metric name包括Proc.load_avg.1m，Proc.load_avg.5m，Proc.load_avg.15m。这样会导致很多的随机读。如果不预先知道所有的metric name，就无法知道Proc.load_avg.*代表了什么。获取指定ip的数据。因为ip是做为tags保存的。即便是访问一个ip的数据，也要把所有其他的ip数据读取出来再过滤掉。如果ip总数有十多万个，那么查询的效率也会非常低。为了让这样的查询变得更快，需要把ip编码到metric_name里去。比如 ip.10.0.0.1.Proc.load_avg.1m 这样。所以结论是，不用索引是不行的。如果希望支持任意条件的组合查询，只有主存储的排序是无法对所有查询条件进行优化的。但是如果查询条件是固定的一种，那么可以像Opentsdb这样只有一个主存储，做针对性的优化。 DocValues为什么快？ DocValues是一种按列组织的存储格式，这种存储方式降低了随机读的成本。传统的按行存储是这样的： 1和2代表的是docid。颜色代表的是不同的字段。改成按列存储是这样的：按列存储的话会把一个文件分成多个文件，每个列一个。对于每个文件，都是按照docid排序的（？？？不是field values吗？）。这样一来，只要知道docid，就可以计算出这个docid在这个文件里的偏移量。也就是对于每个docid需要一次随机读操作。那么这种排列是如何让随机读更快的呢？秘密在于Lucene底层读取文件的方式是基于memory mapped byte buffer的，也就是mmap。这种文件访问的方式是由操作系统去缓存这个文件到内存里。这样在内存足够的情况下，访问文件就相当于访问内存。那么随机读操作也就不再是磁盘操作了，而是对内存的随机读。那么为什么按行存储不能用mmap的方式呢？因为按行存储的方式一个文件里包含了很多列的数据，这个文件尺寸往往很大，超过了操作系统的文件缓存的大小。而按列存储的方式把不同列分成了很多文件，可以只缓存用到的那些列，而不让很少使用的列数据浪费内存。按列存储之后，一个列的数据和前面的posting list就差不多了。很多应用在posting list上的压缩技术也可以应用到DocValues上。这不但减少了文件尺寸，而且提高数据加载的速度。因为我们知道从磁盘到内存的带宽是很小的，普通磁盘也就每秒100MB的读速度。利用压缩，我们可以把数据以压缩的方式读取出来，然后在内存里再进行解压，从而获得比读取原始数据更高的效率。如果内存不够是不是会使得随机读的速度变慢？肯定会的。但是mmap是操作系统实现的API，其内部有预读取机制。如果读取offset为100的文件位置，默认会把后面16k的文件内容都预读取出来都缓存在内存里。因为DocValues是只读，而且顺序排序存储的。相比b-tree等存储结构，在磁盘上没有空洞和碎片。而随机读的时候也是按照DocId排序的。所以如果读取的DocId是紧密相连的，实际上也相当于把随机读变成了顺序读了。 Random_read(100), Random_read(101), Random_read(102)就相当于Scan(100~102)了。转自infoq 时间序列数据库的秘密本文转自张昺华-sky博客园博客，原文链接：http://www.cnblogs.com/bonelee/p/6432732.html，如需转载请自行联系原作者

2017-11-07

驾驭 AI · AI Harness Engineering · 序章

AI Harness Engineering 系列 · 序章 · 王海涛（公众号：Jia言Yi行 · GitHub：derekwang85 · 腾讯云 TVP / 架构师名人堂）

2026-08-30

为什么美国恐惧AI，中国拥抱AI，欧洲漠视AI？

这几天美国“精英们”又在大力呼吁放缓AI发展速度，加上之前经常被人问到对于AI的发展怎么看，会不会毁灭人类。被问得多了，自然也会思考的多一些。

2026-09-14

AI 系统架构的演进：LLM → RAG → AI Workflow → AI Agent

AI Agent。

2025-07-11

free ai gateway 免费 ai 网关，企业级内部 AI 中转服务（ai中转站）

APIPIG 把多模型接入、账号池、API Key 托管、路由策略、权限控制和调用审计收进同一套 AI 网关与控制台。业务系统只对接一个入口，上游模型切换、渠道调整和安全治理都在平台侧完成。

2026-09-14

AI新知（十二）：AI不是起点——警惕"AI中心主义"的陷阱

2023年推出AI平台AIP后，股价从不到8美元飙升到超过200美元，被市场视为企业级AI的标杆。

2026-07-15

实战：把大模型API成本压到十分之一，模型分层+上下文压缩+聚合路由完整方案

最近把团队的大模型API月开销从四位数砍到不到十分之一，模型效果几乎没打折。这篇把完整优化思路拆开讲，适合正在为Token账单发愁的开发者和小团队。

2026-08-31

驾驭 AI · AI Harness Engineering ·冰山假设

AI Harness Engineering 系列 · 第十篇 · 王海涛（公众号：Jia言Yi行 · GitHub：derekwang85 · 腾讯云 TVP / 架构师名人堂）

2026-09-12

中国 CRM 从“+AI” 走到 “AI原生”

国内 B2B CRM 正从"外挂 AI 辅助功能"向AI 原生架构（AI-Native CRM）演进。

2026-07-31

当AI开始自己造AI

如果你只是一个普通用户，你可能也注意到了——AI好像永远离不开云端，没网就罢工，隐私也不敢放心。

2026-07-14

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。