官方博客-第37页-阿里云开发者社区

  • 2024-05-15
    1315

    云数据库专属集群MyBase在金融云的物理围笼实践

    本文档详细介绍基于云数据库专属集群MyBase在金融公共云部署物理围笼实践的方案。

    1,315
  • 2024-05-15
    647

    PolarDB 开源版 使用PostGIS 数据寻龙点穴(空间聚集分析)- 大数据与GIS分析解决线下店铺选址问题

    背景PolarDB 的云原生存算分离架构, 具备低廉的数据存储、高效扩展弹性、高速多机并行计算能力、高速数据搜索和处理; PolarDB与计算算法结合, 将实现双剑合璧, 推动业务数据的价值产出, 将数据变成生产力.本文将介绍PolarDB 开源版 使用PostGIS 数据寻龙点穴(空间聚集分析)-...

    647
  • 2024-05-15
    790

    Lindorm:时序数据“存、算、管、用”的最佳实践

    本文档介绍Lindorm时序引擎在时序数据的存储、计算、管理、应用上的最佳实践。

    790
  • 2024-05-15
    1224

    DB2下移分布式数据库OceanBase单元化重构最佳实践

    DB2下移分布式数据库OceanBase单元化重构最佳实践。

    1,224
  • Dify 开发者必看:如何破解 MCP 集成与 Prompt 迭代难题?

    Dify 是面向 AI 时代的开源大语言模型应用开发平台,GitHub Star 数超 10 万,为 LLMOps 领域增长最快项目之一。然而其在 MCP 协议集成、Prompt 敏捷调整及运维配置管理上存在短板。Nacos 3.0 作为阿里巴巴开源的注册配置中心,升级支持 MCP 动态管理、Prompt 实时变更与 Dify 环境变量托管,显著提升 Dify 应用的灵活性与运维效率。通过 Nacos,Dify 可动态发现 MCP 服务、按需路由调用,实现 Prompt 无感更新和配置白屏化运维,大幅降低 AI 应用开发门槛与复杂度。

  • 【深度】企业 AI 落地实践(四):如何构建端到端的 AI 应用观测体系

    本文探讨了AI应用在实际落地过程中面临的三大核心问题:如何高效使用AI模型、控制成本以及保障输出质量。文章详细分析了AI应用的典型架构,并提出通过全栈可观测体系实现从用户端到模型推理层的端到端监控与诊断。结合阿里云的实践经验,介绍了基于OpenTelemetry的Trace全链路追踪、关键性能指标(如TTFT、TPOT)采集、模型质量评估与MCP工具调用观测等技术手段,帮助企业在生产环境中实现AI应用的稳定、高效运行。同时,针对Dify等低代码平台的应用部署与优化提供了具体建议,助力企业构建可扩展、可观测的AI应用体系。

  • 2024-05-15
    1732

    一文理解淘宝购物车背后的逻辑

    提升用户的使用体验才是产品升级的核心,本文将从业务发展以及技术沉淀两个方面来总结淘宝购物车的产品升级之路。

  • 403

    大模型终于能“听懂”云操作了?

    本文通过 MCP Server 和大模型的结合,实现云产品管理的自然语言操作,极大提升开发者的操作效率和用户体验。

    403
  • 2024-05-15
    629

    真·异地多活架构的实现用PolarDB-X

    今天我们这篇文章重点来说一下,对于一个分布式数据库,在异地多活架构中,起到了一个什么样的角色;对于其中的问题,解法是什么。

    629
  • 1
    ...
    36
    37
    38
    ...
    44
    到第