当金融风控遇上人工智能，众安金融的实时特征平台实践
随着企业数字化转型升级，线上业务呈现多场景、多渠道、多元化的特征。数据要素价值的挖掘可谓分秒必争，业务也对数据的时效性和灵活性提出了更高的要求。在庞大分散、高并发的数据来源背景下，数据的实时处理能力成为企业提升竞争力的一大因素。今天分享的是众安金融实时特征平台实践。
基于Tablestore 实现海量订单日志数据存储
从最早的互联网高速发展、到移动互联网的爆发式增长，再到今天的产业互联网、物联网的快速崛起，各种各样新应用、新系统产生了众多订单类型的需求，比如电商购物订单、银行流水、运营商话费账单、外卖订单、设备信息等，产生的数据种类和数据量越来越多；其中订单系统就是一个非常广泛、通用的系统。而随着数据规模的快速增长、大数据技术的发展、运营水平的不断提高，包括数据消费的能力要求越来越高，这对支撑订单系统的数据库设计、存储系统也提出了更多的要求。在新的需求下，传统的经典架构面临着诸多挑战，需要进一步思考架构优化，以更好支撑业务发展。
OSS&Tablestore 向量检索能力全新升级，重塑AI时代数据管理
阿里云 OSS Indexing 发布了向量索引和检索能力。该功能除了可以对 OSS Meta 进行检索之外，还可以对多媒体数据元信息、用户自定义元数据以及向量语义进行检索。OSS Indexing 功能，是依托阿里云表格存储 TableStore 提供的索引存储和检索能力而构建的。表格存储针对成本、规模、召回率等挑战，发布了低成本、大规模、高性能、高召回率的向量检索服务，能以较低成本支持千亿规模数据的存储和检索。
基于函数计算处理数据并分发的实践操作
函数计算作为一个后端数据处理服务跟表格存储结合起来，主要是数据驱动后续的分发行为。函数计算可以对存储到表格存储里的数据进行准实时处理（目前可以定义1秒触发一次、一次传输100条记录），通过触发器函数计算能够监控到表格存储里数据的增、删、改等操作，当批量数据在表格存储被修改后，触发器会通知函数来进行处理。
朋友圈不知你看到的那么简单，千万Feed流系统的存储技术解密
阿里巴巴高级技术专家木洛在2018云栖大会·深圳峰会中就Feed流的概念介绍、概念架构以及TableStore场景的Timeline模型等方面的内容做了深入的分析。本文带领大家一起了解并学习如何通过存储系统的性能特性，通过Feed流中的消息存储和推送机制支撑起千万Feed流的并发。
如何将DynamoDB的数据增量迁移到表格存储
AWS 的 Amazon DynamoDB 和阿里云的表格存储 TableStore 都是完全托管的NoSQL数据库服务，提供快速的、可预期的性能，并且可以实现无缝扩展。本篇文章介绍了如何使用 Lambda 将 DynamoDB 的数据增量迁移到表格存储中。