年度归档: 2024年

99 篇文章

thumbnail
Redis基础篇19 — geospatial特殊数据类型
基本地理知识 如同 ES 中的 geo_point 字段类型,geospatial 是一种使用经纬度标识位置的数据类型。在一些使用地理位置定位的应用中特别常用,例如打车时的地理位置坐标、发快递时填写的发件人地址、外卖附近的店铺、地图中附近的加油站、汽车地图导航等等。 地球是一个三维的球体,但是人们为了标识地理位置的某一位置,使用了二维的坐标轴系统(...
thumbnail
Rocky Linux 9 从入门到精通007 — DNS 管理(CoreDNS 插件篇)
本文详细介绍了如何在 CoreDNS 中配置和使用 `hosts`、`forward` 以及 `header` 插件,通过具体示例讲解了插件配置的实践方法和注意事项,并强调了插件顺序和配置细节在确保 DNS 解析效率和准确性中的重要性 ...
thumbnail
Rocky Linux 邀请社区参与 Hacktoberfest
Rocky Linux 已为 Hacktoberfest 做好准备 十月到了,这意味我们又到了举办 Hacktoberfest 的季节!这个长达一个月的,由 Digital Ocean 举办的活动旨在通过鼓励向 GitHub 和 GitLab 上的公共仓库做贡献来支持开源社区。我们庆祝这个计划背后的愿景。去年,超过 98,000 人参与到了这个活动...
thumbnail
使用 PowerShell 批量删除 Windows DNS 正向解析
前述 最近,木子公司将 Windows DNS 上的正向查找区域和域名转发器迁移到 CoreDNS。正向查找区域通过 CoreDNS 的 Hosts 插件实现,而域名转发器继续使用 forward 插件。由于在 Windows DNS 上逐条手动删除原有的正向查找区域非常繁琐,为了简化这个过程并实现批量删除不需要的正向查找区域,木子特别编写了一个 ...
thumbnail
Redis基础篇18 — stream特殊数据类型
消息队列概述 消息队列 是分布式系统中不可缺少的组件之一,主要有异步处理、应用解耦、限流削峰的功能。目前广为使用的消息队列有: RabbitMQ RocketMQ Kafka 集群:强调的是计算机的物理形态与统一管理,但有时也强调软件的集群——将同一个软件(或组件或系统)部署在集群环境的各个计算机上,这也被称为集群。 分布式:指的是将一个业务...
thumbnail
使用 PowerShell 批量导出 Windows DNS 正向解析及条件转发器记录
前述 这是 Windows DNS 迁移到 CoreDNS 过程中的一个子任务,主要目的是解决手动逐条迁移正向查找区域 A 记录和条件转发器的繁琐问题。最近,木子公司计划将 Windows DNS 上的正向查找区域 A 记录以及条件转发器中的所有域名记录迁移到 CoreDNS。为此,木子特别编写了一个 PowerShell 脚本来实现这一功能。 ...
thumbnail
Rocky Linux 9 AI 系列 012 — 安装大模型拉取工具 Git-LFS
Git LFS 简介 Git LFS(Large File Storage)是一种 Git 扩展,用于管理和存储大文件和二进制文件。它通过将大文件的实际内容存储在外部服务器上,并在 Git 仓库中保存指向这些文件的引用,从而优化了版本控制系统的性能。以下是 Git LFS 的一些关键特性和功能: 大文件管理 :Git LFS 通过对大文件进行...
thumbnail
Redis基础篇17 — bitfield特殊数据类型
bitfield 概述 bitfields(位域):位域是计算机中的术语,也称 位段,它是指信息在存储时,并不需要占用一个完整的字节,而只需占用一个或几个二进制位,这样做的目的是为了节约存储空间。 在 C 编程语言中,除了基本的数据类型(char、short、int、、long、float、double)外,还有一些特殊的数据类型,如下图所示: ...
thumbnail
Redis基础篇16 — bitmap特殊数据类型
bitmap概述 除了基本的常用的五大数据类型(string、hash、list、set、zset)之外,还有其他的五大特殊数据类型: bitmap:位图 bitfield:位域 stream:流 geospatial:地理位置经纬度 HyperLogLog:一种纯数学的概率算法 bitmap 数据类型是 string 类型的拓展,其本质是一个...
thumbnail
密码保护:Rocky Linux 9 AI 系列 011 — 使用开源 RAGFlow 结合 Azure OpenAI 构建企业知识库
本文首先介绍了RAGFlow,这是一款基于深度文档理解的开源检索增强生成(RAG)引擎,可为不同规模的企业和个人提供简化的RAG工作流程。接着,详细描述了RAGFlow的部署步骤,包括系统要求、Linux内核参数调整和Docker容器安装。文中还展示了如何配置Azure OpenAI模型提供商、知识库和数据集,并提供了基于个人笔记的实例进行测试验证,显示了RAGFlow在问答及引用方面的效果。此外,本文探讨了在企业环境中构建有效知识库所面临的挑战,以及不同大语言模型(LLM)在此过程中表现出的差异,尤其是嵌入模型与大语言模型的最佳组合。文章也提示了构建企业级知识库时需要重点考虑的诸多复杂问题,并对不同行业人员给出针对性的建议。最后,文中提供了一些主要参考文献,以便读者深入了解和进一步研究。