现代IM系统中消息推送和存储架构的实现
前言
IM全称是『Instant Messaging』，中文名是即时通讯。在这个高度信息化的移动互联网时代，生活中IM类产品已经成为必备品，比较有名的如钉钉、微信、QQ等以IM为核心功能的产品。当然目前微信已经成长为一个生态型产品，但其核心功能还是IM。
云上应用系统数据存储架构演进
前言回顾过去二十年的技术发展，整个应用形态和技术架构发生了很大的升级换代，而任何技术的发展都与几个重要的变量相关。一，应用形态的变迁，产生更多的场景和需求。整个应用形态从企业应用、互联网服务再到移动应用，历经了几个不同阶段的发展。从最早企业内应用系统，到通过移动互联网技术覆盖到每个人生活的方方面面，这个过程中产生了大量的场景和需求。而新的场景和需求，是推动产品和技术发展的主要因素。二，更复杂的场景
表格存储(TableStore)新功能Stream应用场景介绍
上面一篇我们介绍了表格存储新功能Stream, 下面我们展开说一些场景，看看有了Stream后，哪些我们常见的应用场景可以更高效的设计和实现。
直播用户行为分析和存储
场景描述
现在视频直播非常火热，假如我们使用TableStore记录用户的每一次进入房间和离开房间，房间内的操作记录等，并希望根据用户的最近的观看记录，更新直播推荐列表。
基于Tablestore打造亿量级订单管理解决方案
一、方案背景
订单系统存在于各行各业，如电商订单、银行流水、运营商话费账单等，是一个非常广泛、通用的系统。对于这类系统，在过去十几年发展中已经形成了经典的做法。但是随着互联网的发展，以及各企业对数据的重视，需要存储和持久化的订单量越来越大。
Dify x Tablestore 构建低成本、Serverless 知识库
本文介绍如何基于Dify与阿里云Tablestore构建检索增强生成（RAG）系统，解决大模型知识时效性和领域适配性问题，该方案具备低代码、Serverless免运维、高可靠、弹性扩展及低成本等优势。文章通过答疑助手的案例，详细说明了创建Tablestore实例、配置Dify、构建与验证知识库的步骤。
9.20 杭州云栖CloudLab：环境准备
CloudLab场景介绍
随着信息化的发展，企业每天会产生各式各样的结构化，半结构化的数据。如何高效低成本的存储和处理这些数据，如何充分发挥数据的价值是企业普遍面临的挑战。今天的CloudLab，会带大家手把手部署一个建议的消息系统，让大家体验一下，基于表格存储(TableStore)的Timeline模型可以快速开发一款企业内部的消息系统。
冷热分离之OTS表格存储实战［云栖版］
为什么要冷热分离由于2020疫情的原因，在线教育行业提前被大家所重视，钉钉教育已经服务超过21万所学校、700万教师和1.4亿学生用户，每天大量的教育数据产生。整体数据量：随着时间的积累，数据量越来直大，庞大的数据量对稳定性与性能是一个很大的挑战。当前策略：分库分表，对于大单表的场景，第一个能跳出脑海的就是分库分表。在中国互联网技术圈流传着这么一个说法：MySQL 单表数据量大于 2000 万行，
TableStore数据模型 - WideColumn和Timeline
前言
TableStore是阿里云自研的一款分布式NoSQL数据库，提到NoSQL数据库，现在对很多应用研发来说都已经不再陌生。当前很多应用系统底层不会再仅仅依赖于关系型数据库，而是会根据不同的业务场景，来选型使用不同类型的数据库，例如缓存型KeyValue数据会存储在Redis，文档型数据会存储在MongoDB，图数据会存储在Neo4J等。