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 开源版通过 rum 实现高效率搜索和高效率排序的解决方案...
Spring Cloud 版本众多，组件也在不断扩充中，是一个非常强大的微服务框架，不过也不是万能的，任何框架都不是完美的，需要适当的评估是否适合自己。
我一直都想要有一个漫画版的头像，奈何手太笨，用了很多软件 “捏不出来”，所以就在想着，是否可以基于 AI 实现这样一个功能，并部署到 Serverless 架构上让更多人来尝试使用呢。
本方案实现在阿里云Serverless函数计算服务中搭建图片批量打马赛克服务，具备自动将用户上传到OSS桶内的图片批量打上马赛克功能，实现用户敏感信息自动化处理。
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。
实例安装Ubuntu20.04系统，通过MobaXterm远程连接ECS，同时通过安装宝塔面板和部署LNMP环境，基于Docker搭建了halo博客应用。
本文讨论了构建高可用多租户企业级Maven私有仓库服务的必要性，指出传统Nexus和Artifactory开源版缺乏高可用性，商业版虽支持但成本高、扩展性有限。理想的解决方案应包含无状态节点、使用云存储（如阿里云OSS）和集群化的数据库与Elasticsearch。
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？
