- 1、背景相比于MyISAM等存储引擎，InnoDB支持了行级别的锁，这极大地提升了数据库的并发性能。但是在业务高峰期或者由于一些使用问题，例如事务未提交等，SQL语句依然会长时间等待行锁，进而影响业务。为了帮助用户快速定位行锁等待的相关问题，MySQL 5.7在Information_Schema库下提供了INNODB_LOCKS和INNODB_LOCK_WAITS两张系统表用来展示Inno... 1、背景相比于MyISAM等存储引擎，InnoDB支持了行级别的锁，这极大地提升了数据库的并发性能。但是在业务高峰期或者由于一些使用问题，例如事务未提交等，SQL语句依然会长时间等待行锁，进而影响业务。为了帮助用户快速定位行锁等待的相关问题，MySQL 5.7在Information_Schema库下提供了INNODB_LOCKS和INNODB_LOCK_WAITS两张系统表用来展示Inno...
- AI 时代正在重塑数据库的角色。过去，数据库主要为人类分析者提供报表与查询能力；而现在，越来越多的查询来自智能代理（Agent），它们会自动检索知识、过滤数据、组合多种信号，并将数据库作为“实时信息源”支撑推理与决策。 AI 时代正在重塑数据库的角色。过去，数据库主要为人类分析者提供报表与查询能力；而现在，越来越多的查询来自智能代理（Agent），它们会自动检索知识、过滤数据、组合多种信号，并将数据库作为“实时信息源”支撑推理与决策。
- 引言：数据洪流时代的查询困境2025年双十一零点，阿里巴巴的OceanBase数据库创下了一个记录：每秒处理6100万次查询。这个数字背后，是一个更加深刻的现实：在数据量呈指数级增长的今天，传统的单体数据库架构已经走到了尽头。根据IDC预测，到2025年全球数据总量将达到175ZB，其中超过80%的数据需要实时或近实时处理。在这种背景下，分布式数据库系统（DDS）不仅成为一种技术选择，更是... 引言：数据洪流时代的查询困境2025年双十一零点，阿里巴巴的OceanBase数据库创下了一个记录：每秒处理6100万次查询。这个数字背后，是一个更加深刻的现实：在数据量呈指数级增长的今天，传统的单体数据库架构已经走到了尽头。根据IDC预测，到2025年全球数据总量将达到175ZB，其中超过80%的数据需要实时或近实时处理。在这种背景下，分布式数据库系统（DDS）不仅成为一种技术选择，更是...
- 数据仓库不是数据库的升级，而是面向决策的大脑。本篇带你快速厘清数据库 vs 数仓、分层架构逻辑、ETL/ELT区别，轻松建立数据思维骨架。 数据仓库不是数据库的升级，而是面向决策的大脑。本篇带你快速厘清数据库 vs 数仓、分层架构逻辑、ETL/ELT区别，轻松建立数据思维骨架。
- 通用大模型在面对复杂的物联网（IoT）指令时，常因无法理解“半小时后”、“稍微调低一点”等模糊语义而“翻车”。本文将分享如何通过高质量的数据清洗与精准的超参调优，将轻量级的 Qwen-3-4B-Instruct 模型训练成一个懂逻辑、会推理的智能家居专家。从数据治理到参数内幕，干货全公开！ 通用大模型在面对复杂的物联网（IoT）指令时，常因无法理解“半小时后”、“稍微调低一点”等模糊语义而“翻车”。本文将分享如何通过高质量的数据清洗与精准的超参调优，将轻量级的 Qwen-3-4B-Instruct 模型训练成一个懂逻辑、会推理的智能家居专家。从数据治理到参数内幕，干货全公开！
- 在传统的 SQL 处理中，面对复杂的数学运算、文本解析或机器学习推理时，SQL 语句往往变得臃肿且难以维护。DWS 提供的 PL/Python 扩展，将 Python 强大的生态系统直接引入数据库内部。 在传统的 SQL 处理中，面对复杂的数学运算、文本解析或机器学习推理时，SQL 语句往往变得臃肿且难以维护。DWS 提供的 PL/Python 扩展，将 Python 强大的生态系统直接引入数据库内部。
- 基于Qwen3-VL打造作文阅卷助手，通过对300篇高中作文进行LoRA微调，将教师从繁重批改中解放，更通过即时、客观的反馈助力学生写作能力提升，展现了垂直领域大模型应用的实用价值与高效落地路径。 基于Qwen3-VL打造作文阅卷助手，通过对300篇高中作文进行LoRA微调，将教师从繁重批改中解放，更通过即时、客观的反馈助力学生写作能力提升，展现了垂直领域大模型应用的实用价值与高效落地路径。
- 中通快递基于 SelectDB 构建了湖仓分析架构，补齐 OLAP 分析能力。在离线场景中，实现 2000+ QPS 并发点查；在实时场景中，仅以 1/3 原集群机器数量覆盖所有业务，90% 分析任务从 10 分钟缩短至 1 分钟内，投入产出比大幅提升。 中通快递基于 SelectDB 构建了湖仓分析架构，补齐 OLAP 分析能力。在离线场景中，实现 2000+ QPS 并发点查；在实时场景中，仅以 1/3 原集群机器数量覆盖所有业务，90% 分析任务从 10 分钟缩短至 1 分钟内，投入产出比大幅提升。
- NPP Tropical Forest: Chamela, Mexico, 1982-1995, R1简介该数据集包含五个数据文件（.txt 格式）。其中三个数据文件提供了位于墨西哥查梅拉生物站（Chamela Biological Station）内一片 3300 公顷热带干旱落叶林的净初级生产力（NPP）估算值。这三个文件分别对应三个位于海拔梯度上、海拔高度从 60 米到 160 米的... NPP Tropical Forest: Chamela, Mexico, 1982-1995, R1简介该数据集包含五个数据文件（.txt 格式）。其中三个数据文件提供了位于墨西哥查梅拉生物站（Chamela Biological Station）内一片 3300 公顷热带干旱落叶林的净初级生产力（NPP）估算值。这三个文件分别对应三个位于海拔梯度上、海拔高度从 60 米到 160 米的...
- 本文将系统介绍如何构建一个以文本检索为核心的RAG框架，用于自动化生成行业调研报告。我们将围绕数据准备、检索优化、生成控制与结果评估等关键环节，探讨如何设计高效稳定的处理流程——包括文档的预处理与索引构建、检索策略的调优、提示工程的设计。 本文将系统介绍如何构建一个以文本检索为核心的RAG框架，用于自动化生成行业调研报告。我们将围绕数据准备、检索优化、生成控制与结果评估等关键环节，探讨如何设计高效稳定的处理流程——包括文档的预处理与索引构建、检索策略的调优、提示工程的设计。
- 可以把Oracle视图看作是给一段复杂查询存的“快捷方式”，让你能像查一张简单的表一样去访问它，省去了每次都写长串代码的麻烦。普通视图只是个逻辑窗口，本身不存数据，主要用来简化操作和控制权限。但如果某个查询实在太慢，想用空间换时间，那就得用“物化视图”。它会真实地存一份数据副本，专门给查询提-速，是性能优化的一大杀手锏。 可以把Oracle视图看作是给一段复杂查询存的“快捷方式”，让你能像查一张简单的表一样去访问它，省去了每次都写长串代码的麻烦。普通视图只是个逻辑窗口，本身不存数据，主要用来简化操作和控制权限。但如果某个查询实在太慢，想用空间换时间，那就得用“物化视图”。它会真实地存一份数据副本，专门给查询提-速，是性能优化的一大杀手锏。
- 通过SSH隧道连接数据库的本质是建立一个加密的安全通道。你的Navicat会先通过SSH协议登录到你的远程服务器，然后再通过这个加密的隧道连接服务器上的数据库服务。 通过SSH隧道连接数据库的本质是建立一个加密的安全通道。你的Navicat会先通过SSH协议登录到你的远程服务器，然后再通过这个加密的隧道连接服务器上的数据库服务。
- 在人工智能技术从“工具化”向“自主化”演进的浪潮中，Agent AI（智能体已成为连接技术研究与产业落地的核心桥梁。不同于传统AI需要人工明确指令才能完成任务，Agent AI具备自主感知环境、设定目标、规划路径并执行闭环的能力，正在重构智能系统的交互逻辑与应用边界。 在人工智能技术从“工具化”向“自主化”演进的浪潮中，Agent AI（智能体已成为连接技术研究与产业落地的核心桥梁。不同于传统AI需要人工明确指令才能完成任务，Agent AI具备自主感知环境、设定目标、规划路径并执行闭环的能力，正在重构智能系统的交互逻辑与应用边界。
- NPP Tropical Forest: Cinnamon Bay, U.S. Virgin Islands, 1982-1993, R1简介该数据集包含三个 ASCII 文件（.txt 格式）。其中一个数据文件包含基于 16 个永久样地（位于美属维尔京群岛圣约翰岛 132 公顷的肉桂湾流域内，沿海拔（60-290 米）和地形梯度分布）的测量数据，对一片晚期次生湿润亚热带森林的地上生物量、... NPP Tropical Forest: Cinnamon Bay, U.S. Virgin Islands, 1982-1993, R1简介该数据集包含三个 ASCII 文件（.txt 格式）。其中一个数据文件包含基于 16 个永久样地（位于美属维尔京群岛圣约翰岛 132 公顷的肉桂湾流域内，沿海拔（60-290 米）和地形梯度分布）的测量数据，对一片晚期次生湿润亚热带森林的地上生物量、...
- 想在看员工薪水的同时，还能在同一行看到他所在部门的平均薪水吗？或者想给每个部门的产品按销量排名？这就是窗口函数的魔力。它不像GROUP BY会把数据压缩成一行，而是为每一行都进行一次“开窗”计算。通过OVER(PARTITION BY ...)，你可以轻松实现分组排名、累计求和、或是与前后行数据对比等高级分析，代码比复杂的自连接和子查询要优雅得多。 想在看员工薪水的同时，还能在同一行看到他所在部门的平均薪水吗？或者想给每个部门的产品按销量排名？这就是窗口函数的魔力。它不像GROUP BY会把数据压缩成一行，而是为每一行都进行一次“开窗”计算。通过OVER(PARTITION BY ...)，你可以轻松实现分组排名、累计求和、或是与前后行数据对比等高级分析，代码比复杂的自连接和子查询要优雅得多。
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签