类目筛选
PolarDB-X用15M内存跑1G的TPCH
在数据时代，过多耗内存的大查询都有可能压垮整个集群，所以其内存管理模块在整个系统中扮演着非常重要的角色。而PolarDB-X 作为一款分布式数据库，其面对的数据可能从TB到GB字节不等，同时又要支持TP和AP Workload，要是在计算过程中内存使用不当，不仅会造成TP和AP相互影响，严重拖慢响应时间，甚至会出现内存雪崩、OOM问题，导致数据库服务不可用。CPU和MEMORY相对于网络带宽比较昂贵，所以PolarDB-X 代价模型中，一般不会将涉及到大量数据又比较耗内存的计算下推到存储DN，DN层一般不会有比较耗内存的计算。这样还有一个好处，当查询性能低的时候，无状态的CN节点做弹性扩容代价相对于DN也低。鉴于此，所以本文主要对PolarDB-X计算层的内存管理进行分析，这有助于大家有PolarDB-X有更深入的理解。
智能客服对话系统解决方案
针对问题咨询场景中出现大量相关领域的问题，PAI提供了智能客服对话系统解决方案，以降低客户等待时间和人工客服成本。本文以汽车售前咨询业务领域为例，介绍如何基于人工智能算法，快速构建智能客服对话系统。
SQL Query Plan在Presto中的缓存设计与实现
阿里云日志服务（SLS）提供一站式数据采集、加工、查询分析、告警、可视化与投递等功能，其中查询分析以简单统一的接口提供大规模数据的查询、计算和分析能力，深受用户喜爱。 目前，分析系统每天接收5+亿次SQL查询请求，在底层，分析系统基于Presto内核，其中Coordinator节点上负载尤其严重，其...
某金融客户核心系统OceanBase数据库性能优化实践
部分金融行业客户的传统核心使用OceanBase替换国外商业数据库的过程中，需要针对业务模型和数据模型进行重构，数据库压测提出了针对单交易耗时和TPS的硬性指标，以下内容是OceanBase数据库调优过程中的一些具体优化实践。
PolarDB-X 与 DRDS 的区别
PolarDB-X 2.0（以下简称PolarDB-X）与DRDS（DRDS也称为PolarDB-X 1.0）都是阿里云上的分布式数据库产品。看起来她们都是Share-Nothing的架构，用水平扩展来解决单机数据库瓶颈问题。很多同学因此会有疑惑，她们俩到底有什么样的区别？
基于云数据库ClickHouse 搭建游戏行业用户行为分析系统实践
游戏行业用户流量的引入及长期留存和活跃是衡量游戏商业转化能力的必要条件和重要衡量指标。新游戏投放市场后通常会持续性进行运营推广和迭代优化，需要完善的运营体系来支撑运营。本文重点阐述如何使用云数据库 ClickHouse 作为核心数仓同步离线和实时数据来构建用户分析系统，以及如何通过用户分析系统来分析用户行为常用场景实践案例，指导游戏行业客户构建和使用行为分析系统，达到提高游戏用户留存率和活跃度的目标。
基于阿里云RDS PostgreSQL打造实时用户画像推荐系统（varbitx）)
用户画像在市场营销的应用重建中非常常见，已经不是什么新鲜的东西，比较流行的解决方案是给用户贴标签，根据标签的组合，圈出需要的用户。通常画像系统会用到宽表，以及分布式的系统。宽表的作用是存储标签，例如每列代表一个标签。但实际上这种设计不一定是最优或唯一的设计，本文将以PostgreSQL数据库为基础，给大家讲解一下更加另类的设计思路，并且看看效率如何。
ADBPG优化基础（一）ORCA优化器
AnalyticDB PostgreSQL(ADBPG)就是一堆并行的PostgreSQL？当然不是！ADBPG作为一个基于PostgreSQL的Massively Parallel Processing(MPP)全并行架构的分析型数据库，针对数据分析场景在很多方面得到了加强。如双优化器(GPORC...
