小得盈滿

摘要： 我們可能經常會遇到 ClickHouse 磁盤寫滿的情況，這個時候除了刪數據之外還可以考慮添加一塊新的磁盤，讓 ClickHouse 可以往新的磁盤那寫入數據。ClickHouse 本身就支持配置各類存儲策略，可以實現條帶化、冷熱分離、多存儲卷順序寫入等不同的存儲策略。 當前我們只針對于多個對等磁盤 閱讀全文

摘要： 目前最新的 Elasticsearch 集群采用部署包的方式安裝配置的過程還是比較復雜的，除了基本的配置外還涉及到 SSL 證書相關的配置，所以采用容器的方式部署就顯得更加方便。 官方直接提供了容器化的 Docker 鏡像，但是給的示例都只是單機情況下的偽分布式部署方案，我們稍微進行修改就可以在集群 閱讀全文

摘要： Qdrant 是一款比較新的大規模高性能向量搜索引擎，可以為 AI 應用提供底層支撐，目前已經有較為廣泛的應用。 Qdrant 使用 Rust 編寫，因此具備高性能和內存安全性的特點，同時采用獨創的可過濾的 HNSW 索引，可以有效加速向量標量混合檢索的性能，可以在性能和召回率方面有比較好地兼顧。 閱讀全文

摘要： ClickHouse 之前的版本如果要實現 UDF 需要修改源碼通過 C++ 代碼實現，不過這種方式難度比較大而且需要重新編譯，對于實現邏輯簡單或者性能要求不太高的任務可以借助于內置的 SQL UDF 或者外部可執行文件來實現，這種方式實現起來比較快，很多情況下其實都可以滿足需要。 主要方法有如下兩 閱讀全文

摘要： StarRocks 官方只提供了單節點運行的鏡像，如果是構建可以分布式運行的 StarRocks 的容器鏡像，那么基于基礎鏡像可以有兩種選擇，分別是：starrocks/artifacts-ubuntu 和 starrocks/allin1-ubuntu，這兩個都是基于 Ubuntu 22.04 的 閱讀全文

摘要： Kafka 線上性能調優是一項綜合工程，不僅僅是 Kafka 本身，還應該從硬件（存儲、網絡、CPU）以及操作系統方面來整體考量，首先我們要有一套生產部署方案，基于這套方案再進行調優，這樣就有了可靠的底層保證，才能保證 Kafka 集群整體的穩定性。 1. 線上部署方案 1.1 操作系統 我們知道 閱讀全文

摘要： 當前按照官網上的提供的安裝包方式安裝，版本是 3.2.2，部署模式為存算一體，安裝的操作系統是 Ubuntu 22.04，JDK 版本為 OpenJDK 11，這里選擇 3 個節點進行安裝，節點的 hosts 定義如下： 10.0.1.25 ec25 10.0.1.26 ec26 10.0.1.27 閱讀全文

摘要： 我們在使用 Kafka 生產和消費消息的時候，肯定是希望能夠將數據均勻地分配到所有服務器上。比如在日志收集場景，數據量是非常巨大的，例如大批量的集群每分鐘產生的日志都能以 GB 計，所以如何將這么大的數據量均勻地分配到 Kafka 的各個 Broker 上，就是一個非常重要的問題。 除了應對吞吐量的 閱讀全文

摘要： 本次實現基于 Flink 1.18 版本，具體的對象之間的關系可以先參考官網的圖： 先拿官網上的 Socket 示例來說一下實現過程： 首先編寫 SocketDynamicTableFactory 實現 DynamicTableSourceFactory 接口。 在 SocketDynamicTab 閱讀全文

摘要： Redis 作為內存數據庫，其性能表現非常出色，單機 OPS 很容易達到 10萬以上，這主要得益于其高效的內存數據結構、單線程無鎖設計、IO 多路復用等技術實現。但是在線上生產環境的使用中，我們仍然會發現在使用 Redis 的時候其性能和預期是不符的，例如出現了明顯的延遲等，如果我們能從 Redis 閱讀全文