时序数据在许多领域中具有广泛的应用，例如金融市场分析、气象预测、交通流量监测、生产过程监控等，时序数据通常是大规模的、高维度的、需要实时计算和分析，针对时序数据的特点与其所带来的挑战，针对时序数据处理所面临的挑战，通用数据库处理大规模数据效率低下，且无法提供丰富的数据保留策略、连续查询、灵活的时间聚合等功能。时序数据库则是为处理时序数据而设计的数据库，目的是实现时序数据的高效采集、存储、计算和应用

开发过程中，本地通常会有无数次 commit ，可以合并相同功能的多个 commit，以保持历史的简洁。

基于日志数据的异常检测数据对象智能运维(AIOps)是通过机器学习等算法分析来自于多种运维工具和设备的大规模数据。智能运维的分析数据对象多源运维数据包括系统运行时数据和历史记录数据，历史记录数据主要包含表单和系统更新文档等。与历史记录数据相比，系统运行时数据能够反映系统的动态特征及系统发生故障时的上下文信息，对未知故障具有更好的探测和表达能力。系统运行时数据主要包含监控数据和日志数据，监控数据记录

TimescaleDB 是一个时间序列数据库，建立在 PostgreSQL 之上。然而，不仅如此，它还是时间序列的关系数据库。使用 TimescaleDB 的开发人员将受益于专门构建的时间序列数据库以及经典的关系数据库 (PostgreSQL)，所有这些都具有完整的 SQL 支持。本文介绍 TimescaleDB 的 CentOS 7 环境源码编译安装与使用。

基于日志数据的异常检测数据对象智能运维(AIOps)是通过机器学习等算法分析来自于多种运维工具和设备的大规模数据。智能运维的分析数据对象多源运维数据包括系统运行时数据和历史记录数据，历史记录数据主要包含表单和系统更新文档等。与历史记录数据相比，系统运行时数据能够反映系统的动态特征及系统发生故障时的上下文信息，对未知故障具有更好的探测和表达能力。系统运行时数据主要包含监控数据和日志数据，监控数据记录

基于日志数据的异常检测数据对象智能运维(AIOps)是通过机器学习等算法分析来自于多种运维工具和设备的大规模数据。智能运维的分析数据对象多源运维数据包括系统运行时数据和历史记录数据，历史记录数据主要包含表单和系统更新文档等。与历史记录数据相比，系统运行时数据能够反映系统的动态特征及系统发生故障时的上下文信息，对未知故障具有更好的探测和表达能力。系统运行时数据主要包含监控数据和日志数据，监控数据记录

ChatGLM 是一个开源的、支持中英双语的对话语言模型，由智谱 AI 和清华大学 KEG 实验室联合发布，基于 General Language Model (GLM) 架构，具有 62 亿参数。ChatGLM3-6B 更是在保留了前两代模型对话流畅、部署门槛低等众多优秀特性的基础上增加了更多特性。虽然，目前 ChatGLM 比 GPT 稍有逊色，但是，在部署后可以完全本地运行，完全由自己掌控！

八大排序算法八大排序分类01 冒泡排序02 直接插入排序03 简单选择排序04 希尔排序05 快速排序06 堆排序07 归并排序08 桶排序/基数排序参考资料八大排序分类​笔者是在LeetCode刷题过程中来复习排序算法的，虽然在刷题中我们可以使用高级编程语言提供封装好的排序算法便捷实现排序任务，例如 C++ 里可以通过 STL 中基于快速排序实现的 std::sort() 算法便捷实现排序任务。

MADlib 一个可以在数据库上运行的开源机器学习库，支持 PostgreSQL 和 Greenplum 等数据库；并提供了丰富的分析模型，包括回归分析，决策树，随机森林，贝叶斯分类，向量机，风险模型，KMEAN 聚集，文本挖掘，数据校验等。本文介绍，如何在 Linux 环境中为 PostgreSQL 数据库使用源码编译安装 MADlib 插件，并提供的基础例子演示通过 SQL 使用 MADlib

Docker 是一个开源的商业产品，有两个版本：社区版（Community Edition，缩写为 CE）和企业版（Enterprise Edition，缩写为 EE）。企业版包含了一些收费服务，个人开发者一般用不到。下面的介绍都针对社区版。01 Docker 安装本次安装的操作系统是Ubuntu，并使用Docker仓库进行安装，其他系统的 Docker CE 的安装方式请参考 官方文档使用Doc