Apache Paimon:Streaming Lakehouse is Coming
本文整理自阿里云智能开源表存储负责人，PPMC Member of Paimon，Flink PMC 成员李劲松（花名：之信）、同程旅行大数据专家，Apache Hudi & Paimon Contributor 吴祥平、汽车之家大数据计算平台负责人邸星星、联通数科大数据高级技术专家，Apache Paimon Contributor 王云朋在 Flink Forward Asia 2023 主会场的分享。
Tablestore集成MCP协议: 标量与向量混合检索的新范式
基于表格存储（Tablestore）实现的MCP（Model Context Protocol）服务，支持文档存储与混合检索工具两大功能。通过Cherry-Studio界面和通义千问qwen-max模型进行演示，展示了文本数据上传、向量嵌入及查询过程。此外，详细说明了Python和Java版本的本地运行步骤、环境配置及二次开发方法，并提供了集成三方工具如Cherry Studio的应用示例。Tablestore凭借混合查询、Serverless低成本、弹性扩展等优势，为MCP场景提供高效解决方案。
教你如何免费使用一款免运维、无限容量的表存储服务
作者：李欣前言表格存储是一款用于存储海量非关系型（NoSQL）结构化数据的云原生表存储服务，提供 Schemaless 表结构设计、多元化索引以及数据更新实时订阅通道，支撑 PB 级数据存储的同时能提供丰富且灵活的数据查询、检索和分析能力。对接了各大主流开源计算引擎，能灵活的实现流批一体分析。通过阅读本文您将了解如何免费开通和使用表格存储服务，即刻拥有一个完全免运维、弹性、高性能、低成本的表存储服
基于 MySQL + Tablestore 分层存储架构的大规模订单系统实践-数据同步 DTS 篇
前言 前文架构篇，可以看到 MySQL + Tablestore 非常适合大规模订单系统这一类需求场景。那么，我们首先要做的是，利用 CDC(Change Data Capture) 技术将订单数据实时从 MySQL 同步到 Tablestore 中。对于订单系统的数据同步，我们需要关注同步的稳定性、实时性。目前，存在多款工具可以实现这一功能，他们有的是开源工具如 Canal，有的是阿里云端服务如
基于 MySQL + Tablestore 分层存储架构的大规模订单系统实践-架构篇
背景订单系统存在于各行各业，如电商订单、银行流水、运营商话费账单等，是一个非常广泛、通用的系统。对于这类系统，在过去十几年发展中已经形成了经典的做法。但是随着互联网的发展，以及各企业对数据的重视，需要存储和持久化的订单量越来越大，数据的重视程度与数据规模的膨胀带来了新的挑战。首先，订单量对于数据的存储、持久化、访问带来了挑战，这不仅增加了开发面对的困难，也为系统的运维带来了挑战。其次，随着大数据技
当金融风控遇上人工智能，众安金融的实时特征平台实践
随着企业数字化转型升级，线上业务呈现多场景、多渠道、多元化的特征。数据要素价值的挖掘可谓分秒必争，业务也对数据的时效性和灵活性提出了更高的要求。在庞大分散、高并发的数据来源背景下，数据的实时处理能力成为企业提升竞争力的一大因素。今天分享的是众安金融实时特征平台实践。
