PolarDB-PG AI最佳实践3 ：PolarDB AI多模态相似性搜索最佳实践
本文介绍了如何利用PolarDB结合多模态大模型（如CLIP）实现数据库内的多模态数据分析和查询。通过POLAR_AI插件，可以直接在数据库中调用AI模型服务，无需移动数据或额外的工具，简化了多模态数据的处理流程。具体应用场景包括图像识别与分类、图像到文本检索和基于文本的图像检索。文章详细说明了技术实现、配置建议、实战步骤及多模态检索示例，展示了如何在PolarDB中创建模型、生成embedding并进行相似性检索
PolarDB图数据库快速入门
图数据库（Graph Database）专门存储图数据，适合处理社交网络、知识图谱等复杂关系。它使用图查询语言（如Cypher、Gremlin）进行操作。PolarDB兼容OpenCypher语法，支持创建、查询、更新和删除图数据，包括模式匹配、过滤、MERGE避免重复、可视化工具等功能，简化了图数据的管理和应用。
基于PolarDB的图分析：银行金融领域图分析实践
本文介绍了如何使用阿里云PolarDB PostgreSQL版及其图数据库引擎（兼容Apache AGE，A Graph Extension）进行图数据分析，特别针对金融交易欺诈检测场景。PolarDB PostgreSQL版支持图数据的高效处理和查询，包括Cypher查询语言的使用。文章详细描述了从数据准备、图结构创建到具体查询示例的过程，展示了如何通过图查询发现欺诈交易的关联关系，计算交易间的Jaccard相似度，从而进行欺诈预警。
智答引领｜AnalyticDB与通义千问大模型联手打造社区问答新体验
PolarDB开源社区推出基于云原生数据仓库AnalyticDB和通义千问大模型的“PolarDB知识问答助手”，实现一站式全链路RAG能力，大幅提升查询效率和问答准确率。该系统整合静态和动态知识库，提供高效的数据检索与查询服务，支持多种场景下的精准回答，并持续优化用户体验。欢迎加入钉群体验并提出宝贵意见。
夺冠在即 | PolarDB数据库创新设计赛（天池杯）决赛答辩通知
2024年全国大学生计算机系统能力大赛PolarDB数据库创新设计赛（天池杯）于8月21日启动，吸引了200多所高校近千支队伍参赛。经过激烈角逐，60支队伍晋级决赛第一阶段，36支队伍脱颖而出进入现场答辩，将于12月29日在武汉大学争夺最终奖项。决赛要求选手基于PolarDB-PG开源代码部署集群并优化TPCH查询性能。完赛率超90%，成绩表现出明显梯度，前20名均在500秒内完成。评委来自学术界和工业界，确保评选公正。预祝选手们取得优异成绩！
PolarDB MySQL场景评测
PolarDB具备快速资源弹升能力，支持5秒探测窗口和1秒内完成资源扩展，适合电商促销和流量波动型SaaS应用。资源伸缩范围广泛，支持0-256核，适用于中小型企业到大型企业。资源伸缩过程中业务无感知，具有高稳定性和成熟性。支持最小0.5 PCU的资源颗粒度，确保成本控制和使用效率。此外，PolarDB支持所有只读节点的数据强一致性，性能不受影响。