DataWorks数据集成同步至Hologres能力介绍
本文由DataWorks PD王喆分享，介绍DataWorks数据集成同步至Hologres的能力。DataWorks提供低成本、高效率的全场景数据同步方案，支持离线与实时同步。通过Serverless资源组，实现灵活付费与动态扩缩容，提升隔离性和安全性。文章还详细演示了MySQL和ClickHouse整库同步至Hologres的过程。
查询队列（Query Queue）快速入门
本文由钟昌宏（大宏）分享，主题为Hologres 3.0新功能——Hologres查询队列（Query Queue）的使用场景、基本用法及入门实践。内容涵盖四个部分：查询队列的基本介绍、并发控制与排队能力、查询隔离与熔断，以及如何在管控台观察计算组或实例使用查询队列的情况。通过分类器管理、匹配规则等机制，实现对不同类型Query的灵活控制，并结合Serverless Computing提升系统稳定性与成功率。适用于数据写入与查询任务的优化场景。
Hologres诊断与优化快速入门
本文由赵红梅（Hologres PD）撰写，分享如何利用诊断与调优工具提升SQL和数据库异常的全方位诊断能力，增强实例稳定性。内容涵盖五个部分：事前通过监控指标实时监控；事中通过活跃日志发现并处理问题；事后通过慢Query日志与Query洞察诊断性能瓶颈；成本治理借助表管理工具优化资源；以及利用诊断工具实现长期稳定性治理。具体包括CPU、内存、I/O等监控指标设置，慢Query优化，错Query治理，SQL诊断报告生成，表Meta问题修复及表索引诊断报告的应用，全面覆盖实例监控、问题定位、性能优化和成本控制等方面。
Hologres计算组实例&分时弹性入门实践
本文由骆撷冬（Hologres PD）撰写，围绕Hologres计算组实例与分时弹性的入门实践展开。内容分为三部分：第一部分介绍Hologres计算组实例的原理与架构，解决负载隔离、资源浪费、大任务和运维难题；第二部分演示计算组实例的入门实践，包括管理、授权、连接及监控等操作；第三部分讲解分时弹性的使用，涵盖配置方法、成本优化及监控告警。通过具体案例与操作步骤，帮助用户更好地理解和应用Hologres的弹性计算能力。
Hologres实时湖仓能力入门实践
本文由武润雪（栩染）撰写，介绍Hologres 3.0版本作为一体化实时湖仓平台的升级特性。其核心能力包括湖仓存储一体、多模式计算一体、分析服务一体及Data+AI一体，极大提升数据开发效率。文章详细解析了两种湖仓架构：MaxCompute + Hologres实现离线实时一体化，以及Hologres + DLF + OSS构建开放湖仓架构，并深入探讨元数据抽象、权限互通等重点功能，同时提供具体使用说明与Demo演示。
MCP+Hologres+LLM搭建数据分析Agent
本文探讨了LLM大模型在数据分析领域的挑战，并介绍了Hologres结合MCP协议和LLM搭建数据分析Agent的解决方案。传统LLM存在实时数据接入能力不足、上下文记忆短等问题，而Hologres通过高性能数据分析能力和湖仓一体支持，解决了这些痛点。MCP协议标准化了LLM与外部系统的连接，提升集成效率。文中详细描述了如何配置Hologres MCP Server与Claude Desktop集成，并通过TPC-H样例数据展示了分析流程和效果。最后总结指出，该方案显著提高了复杂分析任务的实时性和准确性，为智能决策提供支持。
Hologres Dynamic Table快速入门
本文由Hologres PD赵红梅分享，主题为Dynamic Table快速入门。内容分为三部分：一是介绍Dynamic Table，包括其在实时数仓中的应用场景及技术实现；二是讲解Dynamic Table的使用方法与实操，涵盖全量、增量及混合刷新模式的创建与操作；三是提供使用建议，如选择刷新模式、监控延迟、分区表应用及计算资源分配等。此外，还对比了Dynamic Table与其他产品（如DIS异步物化视图和Snowflake Dynamic Tables）的功能差异，并推荐下载Hologres 3.0实践手册以深入了解一体化实时湖仓平台的最新功能。
基于QwQ-32B+Hologres+PAI搭建 RAG 检索增强对话系统
本文介绍如何使用PAI-EAS部署基于QwQ大模型的RAG服务，并关联Hologres引擎实例。Hologres与达摩院自研高性能向量计算软件库Proxima深度整合，支持高性能、低延时、简单易用的向量计算能力。通过PAI-EAS，用户可以一键部署集成大语言模型（LLM）和检索增强生成（RAG）技术的对话系统服务，显著缩短部署时间并提升问答质量。具体步骤包括准备Hologres向量检索库、部署RAG服务、通过WebUI页面进行模型推理验证及API调用验证。Hologres支持高性能向量计算，适用于复杂任务的动态决策，帮助克服大模型在领域知识局限、信息更新滞后和误导性输出等方面的挑战。
Hologres × PAI × DeepSeek 搭建 RAG 检索增强对话系统
本文介绍如何使用PAI-EAS部署基于DeepSeek大模型的RAG（检索增强生成）服务，并关联Hologres引擎实例。Hologres与阿里云自研高性能向量计算软件库Proxima深度整合，支持高性能、低延时的向量计算能力。通过PAI-EAS，用户可以一键部署集成了大语言模型和RAG技术的对话系统服务，显著缩短部署时间，并提高问答质量。部署步骤包括准备Hologres向量检索库、部署基于DeepSeek的RAG服务、通过WebUI进行模型推理验证，以及通过API调用进行模型推理验证。Hologres还提供了特色功能支持，如高性能向量计算等。
Flink CDC + Hologres高性能数据同步优化实践
本文整理自阿里云高级技术专家胡一博老师在Flink Forward Asia 2024数据集成（二）专场的分享，主要内容包括：1. Hologres介绍：实时数据仓库，支持毫秒级写入和高QPS查询；2. 写入优化：通过改进缓冲队列、连接池和COPY模式提高吞吐量和降低延迟；3. 消费优化：优化离线场景和分区表的消费逻辑，提升性能和资源利用率；4. 未来展望：进一步简化用户操作，支持更多DDL操作及全增量消费。Hologres 3.0全新升级为一体化实时湖仓平台，提供多项新功能并降低使用成本。
