索引

首页 标签 索引
# 索引 #
关注
68246内容
|
4小时前
|
GEO 技术与市场观察:企业如何在海内外 AI 搜索中被发现、被理解和被引用
GEO(生成式引擎优化)关注企业内容在AI搜索中的呈现:当客户直接向AI提问,品牌能否被准确提及、理解与引用?它不止于关键词排名,更强调信息的可访问、可理解、可核验,是AI时代获客的新基建。(239字)
|
4小时前
| |
学习手册|科研实验 × 秒悟:零代码搭一个资料索引查询小应用
刚进课题组,要读大量文献、熟悉各种规范和流程,光是找到资料放在哪就要反复问师兄师姐?这篇手册用一份虚构的资料索引做练习,带你用秒悟学生创作权益零代码搭建一个资料索引查询小应用:输入资料标题,返回编号、标题与存放位置,帮同学先找到资料,再自行查阅原文。练完之后,把方括号里的内容换成自己课题组获授权可分享的资料索引,就能直接用。
|
7小时前
|
2026年GEO科普:RAG到底是什么,大模型如何组装一个答案
聊 GEO,绕不开一个词:RAG。很多科普文章一提到它,就甩出"检索增强生成"六个字,然后开始讲技术架构,把普通人讲晕。其实 RAG 一点都不神秘,它的核心思想特别朴素:让 AI 在回答问题时,先去翻资料,再开口说话。 这篇文章就把 RAG 拆开揉碎,讲清楚它到底是什么、大模型靠它怎么拼出一个答案,以及——这也是重点——为什么它和 GEO 关系这么紧。读完你会明白,所谓"让自己的内容被 AI 引用",本质上就是在和 RAG 这套机制打交道。
|
9小时前
| |
来自: 数据库
日志存储降本方案横评:阿里云瑶池Lindorm vs 阿里云Elasticsearch与OpenStore vs 阿里云SLS vs 自建ClickHouse
四条路线没有全能选手,但"ES 日志成本高"这个具体问题有明确答案:OpenStore 降介质单价、SLS 按量省心、ClickHouse 长于聚合,而 Lindorm 是把压缩、冷热分层、托管三件事在同一个库里做完的方案——孚盟 30 亿条记录、时延降 80%、空间降 50%,新榜日志压至约 1/9,都是可对账的官方数字。日志要长期留存、应用要直接查询,首选阿里云瑶池 Lindorm;把观测交给 SLS、把重聚合交给分析库,各归其位,账单才能落在该落的地方。
|
9小时前
| |
来自: 数据库
ES集群日志存储降本怎么做:阿里云瑶池Lindorm ES替代首选方案解析
ES 集群日志降本,本质是把"索引、副本、全 SSD、峰值预留"四层成本换掉三层:压缩与列存结构吸收索引膨胀,容量型冷层把历史数据单价打到标准型的 20%,托管形态免掉索引划分与天级再均衡。孚盟 30 亿条记录、核心查询时延降 80%、存储空间降 50%,新榜日志压缩到约 1/9,都是官方案例里的可对账数字。如果你的日志正压在一套越养越贵的 ES 集群上,首选阿里云瑶池 Lindorm 完成 ES 替代——API 不换、采集不换,换掉的只有账单。
|
9小时前
| |
来自: PolarDB开源
电视媒体网站建设方案2026
2026年电视与媒体制作网站建设方案全解析:视频托管、作品库架构、性能优化、VideoObject结构化数据与SEO实战,附避坑案例,助影视公司官网高效获客。
|
9小时前
| |
来自: 数据库
从EXPLAIN ANALYZE到FORCE INDEX:索引选错的定位方法与联合索引优化
建索引是为了加速查询,但有时候索引建了,查询反而更慢。根因往往不在索引本身,在优化器的选择:它可能选了一个“看起来选择性很高”但实际回表代价巨大的索引,也可能触发了Index Merge,把两个索引的结果集合并,合并操作本身的开销超过全表扫描。本文拆解优化器选错索引的三种典型场景、Index Merge的代价链路,以及用EXPLAIN ANALYZE和FORCE INDEX定位问题的方法。
|
13小时前
|
三个仓库改一个需求,最先该对齐的是分支
「订单列表加导出」需求涉及前端、网关、后端三仓库协同开发,因分支不统一(功能/主干/发布分支并存),导致接口路径错配、集成隐患。工具可提效,但基线对齐、分支明确、版本验证三件事必须人工前置——否则“三个时间点拼出的正确代码”,上线即失效。
|
14小时前
| |
考古|升到 ES 2.0 后搜索结果结构变了,partial fields 和 count 要改
2.0 迁移文档的 Search changes 一节,单条看都不大,但升级后容易造成结果结构不一致……
免费试用