PolarDB 开源基础教程系列 9 开源社区合作和共建
本文介绍了玩转 PolarDB 开源社区指南:如何搭建 PolarDB 开发环境及参与开源社区。
主要内容：
1. **搭建开发环境**：提供多种 Docker 镜像供开发者选择，支持 x86_64 和 ARM64 架构，适配 CentOS、Debian、Ubuntu 等多个 Linux 发行版。
2. **编译与部署**：通过 Docker 容器克隆 PolarDB 源码并编译安装，支持构建一写多读集群测试 ePQ MPP 优化器功能。
3. **参与开源社区**：介绍个人、生态伙伴和用户如何从社区中获取技能、建立连接、积累战绩并提升影响力。社区活动涵盖公开课、训练营、编程大赛、企业行等。
PolarDB 开源基础教程系列 8 数据库生态
PolarDB是一款开源的云原生分布式数据库，源自阿里云商业产品。为降低使用门槛，PolarDB携手伙伴打造了完整的开源生态，涵盖操作系统、芯片、存储、集成管控、监控、审计、开发者工具、数据同步、超融合计算、ISV软件、开源插件、人才培养、社区合作及大型用户合作等领域。通过这些合作伙伴，PolarDB提供了丰富的功能和服务，支持多种硬件和软件环境，满足不同用户的需求。更多信息请访问[PolarDB开源官方网站](https://openpolardb.com/home)。
PolarDB 开源基础教程系列 7.4 应用实践之 AI大模型外脑
PolarDB向量数据库插件通过实现通义大模型AI的外脑，解决了通用大模型无法触达私有知识库和产生幻觉的问题。该插件允许用户将新发现的知识和未训练的私有知识分段并转换为向量，存储在向量数据库中，并创建索引以加速相似搜索。当用户提问时，系统将问题向量化并与数据库中的向量进行匹配，找到最相似的内容发送给大模型，从而提高回答的准确性和相关性。此外，PolarDB支持多种编程语言接口，如Python，使数据库具备内置AI能力，极大提升了数据处理和分析的效率。
PolarDB 开源基础教程系列 7.3 应用实践之 精准营销场景
本文介绍了基于用户画像的精准营销技术，重点探讨了如何通过标签组合快速圈选目标人群。实验分为三部分：
1. **传统方法**：使用字符串存储标签并进行模糊查询，但性能较差，每次请求都需要扫描全表。
2. **实验1**：引入`pg_trgm`插件和GIN索引，显著提升了单个模糊查询条件的性能。
3. **实验2**：改用数组类型存储标签，并结合GIN索引加速包含查询，性能进一步提升。
4. **实验3**：利用`smlar`插件实现近似度过滤，支持按标签重合数量或比例筛选。
PolarDB 开源基础教程系列 7.2 应用实践之 跨境电商场景
本文介绍了如何在跨境电商场景中快速判断商标或品牌侵权，避免因侵权带来的法律纠纷。通过创建品牌表并使用PostgreSQL的pg_trgm插件和GIN索引，实现了高性能的字符串相似匹配功能。与传统方法相比，PolarDB|PostgreSQL的方法不仅提升了上万倍的查询速度，还解决了传统方法难以处理的相似问题检索。具体实现步骤包括创建品牌表、插入随机品牌名、配置pg_trgm插件及索引，并设置相似度阈值进行高效查询。此外，文章还探讨了字符串相似度计算的原理及应用场景，提供了进一步优化和扩展的方向。
PolarDB 开源基础教程系列 7.1 快速构建“海量逼真”数据
本文介绍了如何使用PostgreSQL和PolarDB快速生成“海量且逼真”的测试数据，以满足不同业务场景的需求。传统数据库测试依赖标准套件（如TPC-C、TPC-H），难以生成符合特定业务特征的复杂数据。通过自定义函数（如`gen_random_int`、`gen_random_string`等）、SRF函数（如`generate_series`）和pgbench工具，可以高效生成大规模、高仿真度的数据，并进行压力测试。文中还提供了多个示例代码展示.
PolarDB 开源基础教程系列 6 开源插件扩展
1、当前环境已安装并支持哪些插件
2、AI外脑插件: vector
3、营销场景目标人群圈选插件: smlar
4、地理信息搜索插件: PostGIS
5、中文分词插件: pg_jieba
6、融合计算插件: duckdb_fdw
7、读写分离工具: pgpool-II