一、DingoDB 的设计理念2015年前，数据架构以数据仓库（DataWarehouse）为主，专注于结构化数据的统一存储。到2016-2022年期间，流行数据湖（DataLake）的概念，扩展了数据维度并管理了更多类型的数据。最近一年，AIGC飞速发展，数据生态随之演进到了新的数据栈时代，随着数据分析复杂度的不断提升，由最初的查询处理需求，扩展到机器学习和深度学习，又发展到了现在的自助分析、生成式内容创作（AIGC）、自动化机器学习平台（AutoML、GPT）等场景。这些都离不开对现实世界中的结构化、半结构化和非结构化数据的高效管理。需求的增长催生了新的数据生态。在新的数据栈时代，原有数据
二分查找【多种方法+图解】前言介绍以及简单思路介绍第一种解法，[left,right]区间第二种解法，[left,right)区间递归解法前言二分查找其实是一个十分容易理解的方法，在很多人思路里都知道先这个…再那个…，其实二分查找也有许多细节需要去细细分析介绍以及简单思路介绍二分查找是对于一个有序数组进行查找，如果数组无序，可以通过最简单的冒泡排序去排序1找到数组的中间位置检查中间位置的数组是否与要查找的数据key相等a:相等，就找到，打印下标跳出循环b:key，则key可能在arr[mid]的左半侧，继续到左半侧进行二分查找c:key》arr[mid]，则key可能在arr[mid]的右半侧
排序主要是快速排序和归并排序，定义排序算法稳定不是指时间效率是稳定的，而是指两个原序列的值是相同的，在排完序以后位置不发生变化就为稳定的，可能发生变化则不稳定，快排不稳定，可想一个机制让快排的数都不同，可把a[i]定义为二元组（加上下标）双关键词排序，此时快排中数都不同，一定稳定，归并稳定。快排和归并的时间复杂度都为n乘以以2为底n的对数,快排为平均时间复杂度，最快为n的平方但没达到，归并起初长度为n，排一次为两个二分之n，第三层为四个四分之n，直到n个长度为1的区间，n除logn次为1，共logn层，每层的复杂度为n，总共nlogn，快排每次划分期望为二分之n，因此高度期望也为logn，一共
RAG是目前大语言模型从工具走向生产力实践的最热门的方式，它可以实现从海量的文本数据中检索相关的信息，并用于生成高质量的文本输出。而聊到RAG，我们就很难避开使用RAG的基础设施-向量数据库今天我将带领大家，以最为基础的CRUD入手来看看向量数据库应该如何使用。考虑到目前市面上的向量数据库众多，每个数据库的操作方式也无统一标准本文将基于LangChain提供的VectorStore类中的统一操作方法，以chroma向量数据库作为示例进行演示。文章目录通俗易懂讲解大模型系列技术交流&资料向量数据库-新增向量数据库-删除向量数据库-更新向量数据库-查询结语通俗易懂讲解大模型系列做大模型也有1年多了
整数二分与浮点数二分二分的数学思想：一、整数二分1、思路2、模板C++版二、浮点数二分1、思路：2、代码：C++版C二分的数学思想：二分的数学思想其实就是极限，我们通过取中点的方式，不断地缩小答案所在的区间，让这个区间不断地逼近答案，类似于我们在高数中所学的极限：一、整数二分1、思路我们假设想要寻找上述数轴中的左右边界。我们先看左边界中的A点，不看B点。我们仔细观察一下A点处符合的性质。根据上图中的性质，我们就可以开始写二分了。根据刚刚的描述二分是一个不断逼近地过程，可以理解为两侧端点不断靠近的过程。将左端点的下标设为lll，右端点下标设为rrr，中间点的下标设为midmidmid，mid=(
一、前言 通过学习"开源模型应用落地"系列文章，我们成功地建立了一个完整可实施的AI交付流程。现在，我们要引入向量数据库，作为我们AI服务的二级缓存。本文将继续基于上一篇“开源模型应用落地-工具使用篇-向量数据库（三）”详细介绍如何通过Java来使用MilvusLite来为我们的AI服务部署一个前置缓存。二、术语2.1、向量数据库 向量数据库是一种专门用于存储和处理高维向量数据的数据库系统。与传统的关系型数据库或文档数据库不同，向量数据库的设计目标是高效地支持向量数据的索引和相似性搜索。 在传统数据库中，数据通常是以结构化的表格形式存储，每个记录都有预定义的字段。但是，对于包含大量高维向
特征值与特征向量EigenValues&EigenVectorsPartI:特征值，特征向量的意义与性质 已知任意向量x，现有矩阵A对x进行操作后，得到新的向量Ax。这就好比是自变量x与函数f(x)的关系一样，向量x通过类似“函数”的处理得到了一个新的向量Ax。这个新的向量可能和原向量x方向相同，也可能不同(事实上大多都不同)。此外，新的向量与原向量的长度可能向量，也可能不同。而特征向量(Eigenvector)指的就是那些和原始向量x平行的那些Ax，这是线性代数所研究的两大问题的的另一个部分(在我看来，线性代数的两个主要方向一个是研究垂直，另一个就是这里的平行)。特征向量与特征值的意义
目录一，AArch64异常向量表 二，栈指针以及SP寄存器的选择三，从异常返回 一，AArch64异常向量表异常向量表（vectortables）是一组存放于普通内存（normalmemory）空间的，用于处理不同类型异常的指令（exceptionhandler）。当异常发生时，处理器需要跳转到对应的异常处理器（exceptionhandler）来处理异常。异常处理器充当调度代码，识别异常的原因，然后调用相关的处理程序代码（异常处理子程序）来处理异常。exceptionvector：在内存中存储异常处理器（exceptionhandler）的位置称为异常向量。exceptionvectorta
文章目录矩阵类、向量类、Cube类和泛型类Matmatcx_matColveccx_vecRowrowveccx_rowvecCubecubecx_cubefieldSpMatsp_matsp_cx_mat运算符：+−*%/==！==&&||矩阵类、向量类、Cube类和泛型类Matmatcx_mat密集矩阵的类，其元素按列优先顺序存储（即逐列）根矩阵类是Mat，其中type是以下项之一：float、double、std::complex、std::complexshort、int、long和无符号的short、int、long为方便起见，定义了以下typedef：mat = Matdmat =
矩阵和向量的基本概念矩阵的基本概念（这里不多说，应该都知道）而向量就是一个特殊的矩阵，即向量只有一列，是个n*1的矩阵注：一般矩阵用大写字母表示，向量用小写字母表示矩阵的加减运算两个矩阵的乘法矩阵向量相乘先从简单开始，即一个矩阵和一个向量相乘的运算矩阵向量相乘在机器学习中的应用两个矩阵相乘矩阵相乘的结果的维度为m*k矩阵相乘的应用矩阵乘法的一些特性矩阵乘法满足结合律不满足交换律（当有一个矩阵是单位矩阵时满足交换律）单位矩阵的基本概念矩阵的逆运算和矩阵的转置矩阵的逆在实数中，一个数乘以它的倒数等于1，类似的，一个矩阵A乘以另一个矩阵得到单位矩阵，那么这个矩阵就称为矩阵A的逆矩阵，如下定义注意：只
