Hologres × PAI × DeepSeek 搭建 RAG 检索增强对话系统
本文介绍如何使用PAI-EAS部署基于DeepSeek大模型的RAG（检索增强生成）服务，并关联Hologres引擎实例。Hologres与阿里云自研高性能向量计算软件库Proxima深度整合，支持高性能、低延时的向量计算能力。通过PAI-EAS，用户可以一键部署集成了大语言模型和RAG技术的对话系统服务，显著缩短部署时间，并提高问答质量。部署步骤包括准备Hologres向量检索库、部署基于DeepSeek的RAG服务、通过WebUI进行模型推理验证，以及通过API调用进行模型推理验证。Hologres还提供了特色功能支持，如高性能向量计算等。
Hologres+函数计算+Qwen3，对接MCP构建企业级数据分析 Agent
本文介绍了通过阿里云Hologres、函数计算FC和通义千问Qwen3构建企业级数据分析Agent的解决方案。大模型在数据分析中潜力巨大，但面临实时数据接入与跨系统整合等挑战。MCP（模型上下文协议）提供标准化接口，实现AI模型与外部资源解耦。方案利用SSE模式连接，具备高实时性、良好解耦性和轻量级特性。Hologres作为高性能实时数仓，支持多源数据毫秒级接入与分析；函数计算FC以Serverless模式部署，弹性扩缩降低成本；Qwen3则具备强大的推理与多语言能力。用户可通过ModelScope的MCP Playground快速体验，结合TPC-H样例数据完成复杂查询任务。
小红书推荐大数据在阿里云上的实践
本篇内容主要分三个部分，在第一部分讲一下实时计算在推荐业务中的使用场景。第二部分讲一下小红书是怎么使用Flink的一些新的功能。第三部分主要是讲一些OLAP的实时分析的场景，以及和阿里云MC-Hologres的合作。
加速数据分析：阿里云Hologres在实时数仓中的应用实践
【10月更文挑战第9天】随着大数据技术的发展，企业对于数据处理和分析的需求日益增长。特别是在面对海量数据时，如何快速、准确地进行数据查询和分析成为了关键问题。阿里云Hologres作为一个高性能的实时交互式分析服务，为解决这些问题提供了强大的支持。本文将深入探讨Hologres的特点及其在实时数仓中的应用，并通过具体的代码示例来展示其实际应用。
Hologres Dynamic Table快速入门
本文由Hologres PD赵红梅分享，主题为Dynamic Table快速入门。内容分为三部分：一是介绍Dynamic Table，包括其在实时数仓中的应用场景及技术实现；二是讲解Dynamic Table的使用方法与实操，涵盖全量、增量及混合刷新模式的创建与操作；三是提供使用建议，如选择刷新模式、监控延迟、分区表应用及计算资源分配等。此外，还对比了Dynamic Table与其他产品（如DIS异步物化视图和Snowflake Dynamic Tables）的功能差异，并推荐下载Hologres 3.0实践手册以深入了解一体化实时湖仓平台的最新功能。
