Milvus是一款开源的向量数据库，专为处理向量搜索任务而设计，尤其擅长处理大规模向量数据的相似度检索。

MyCat和Sharding-JDBC都是优秀的数据库中间件，它们各自具有独特的特点和优势。在选择时，需要根据具体的应用场景和需求进行权衡。如果追求高可用性、灵活扩展和安全管理等功能，MyCat可能是一个更好的选择；而如果希望获得轻量级设计、高效的分片功能以及广泛的数据库兼容性，则Sharding-JDBC可能更合适。

类型：DuckDB是一个轻量级、高性能的嵌入式数据库，不需要单独的服务器进程，可以直接在应用程序中嵌入。设计目标：提供高效的SQL查询能力，支持数据分析和处理。特点：支持多种数据格式（如CSV、Parquet等），可以与Pandas、NumPy等数据科学工具无缝集成。

Chat2DB 是一款有开源免费的多数据库客户端工具，支持 Windows、MAC 本地安装，也支持服务器端部署，Web 网页访问。和传统的数据库客户端软件Navicat、DBeaver 相比 Chat2DB 集成了 AIGC 的能力，能够将自然语言转换为 SQL，也可以将 SQL 转换为自然语言，可以给出研发人员 SQL 的优化建议，极大地提升人员的效率，是 AI 时代数据库研发人员的利器。总体

这四个时序数据库在性能、功能和适用场景上各有千秋。选择哪个数据库取决于具体的应用场景和需求。如果需要高性能读写和实时分析能力，InfluxDB和TDengine是不错的选择；如果需要处理大规模集群的metrics并进行存储和分析，OpenTSDB可能更适合；而QuestDB则可能更适用于对性能有极高要求的特定场景。建议在实际应用中根据具体需求进行测试和选型。

DBSyncer作为一款开源的数据同步中间件，以其多种同步场景支持、自定义同步转换业务、实时监控与统计等功能特点，在数据库迁移、数据备份、数据同步等场景中得到了广泛应用。虽然存在一些缺点，但其优点仍然使得DBSyncer成为一款值得推荐的数据同步工具。

1，执行读取和写入的mysqltomysql.json，（我这里文件名叫new.json）里面有数据源库表的信息，读取的字段等设置，并且接收外部传入的两个时间参数（格式化为时间戳），路径为/usr/local/datax/job下，修改注意格式为标准json,格式化无问题再使用。可以看到，数据已同步，具体还可以优化，请参考datax官方文档，搭建运行中间不要怕出问题，大胆尝试细心排错，有可能格式，

后续课程我会给大家介绍如何搭建本地化模型，因为上面的课程里面咱们还是使用的大厂的模型，虽然个人测试不需要收费，但是用的人多了，还是会把token额度耗尽，有条件的话，最好搭建开源的本地化模型，这样无论怎么用都不受限制了。到此为止，咱们就完成了基本的大模型和知识库结合的应用，是不是很简单，大家可以准备一台cpu虚拟机，按照我介绍的步骤，来体验一下大模型的魅力吧。到了这一步，基本就完成了底层模型的配置

在maxkb 管理界面中系统设置-模型设置选择ollama，基础模型选择gemma，api域名填写http://10.32.23.15:11434，apikey随便填写；浏览器访问ollama：http://localhost:3000 (需要等待WEBUI启动，并且放通了3000端口的访问规则)开箱即用：支持直接上传文档、自动爬取在线文档，支持文本自动拆分、向量化，智能问答交互体验好；访问：ht

DockerUI 是一个 Web 用户界面，它允许用户通过浏览器与 Docker 守护进程进行交互，而无需在命令行中执行 Docker 命令。它为 Docker 容器、镜像、网络等提供了直观的图形界面管理。然而，需要注意的是，DockerUI 已经不再是最流行的 Docker 管理工具之一，因为随着 Docker 的发展，社区中出现了更多功能强大且持续维护的工具，如 Portainer、Ranch