名称 类型 定义 auditor name 审计策略的创建者或所有者的用户名，通过pgcatalog.pggetuserbyid函数根据S.auditorid获取。 objectschema name 被审计对象（通常是表）所在的模式（schema）的名称，通过连接pgclass表和pgnamespace表获取。 objectname name 被审计对象的名称，直接从pgclass表中获取。 policyname name 审计策略的名称，直接从pgauditfgaconf表中获取。 auditcolumns text 被包含在审计策略中的列的列表，直接从pgauditfgaconf表中获取。

开发解冻脚本 appexampleunfreeze.sh示例如下： !/bin/sh AGENTROOTPATH$1 Agent程序调用脚本时，传入的的根目录，日志函数等会使用此变量，请不要改名 PID$2 Agent程序调用脚本时，传入的PID数字，用于结果的输出，请不要改名 . "${AGENTROOTPATH}/bin/agentfunc.sh" 引用脚本框架，提供了日志，加解密等功能 结果处理函数，用于将结果写入到文件中，供脚本调用者获取返回值。 入参 $1: 0表示成功，1表示失败 无返回值 RESULTFILE在agentfunc.sh中进行了定义 function ExitWithResult() { Log "[INFO]:Freeze result is $1." echo $1 > ${RESULTFILE} chmod 666 ${RESULTFILE} exit $1 } function Main() { Log "" Log "[INFO]:Begin to freeze appexample." 查找appexample是否存在，如果appexample不存在，则返回0，退出 在解冻IO步骤中，Agent程序会依次调用每个解冻脚本，如果一个失败，总体就会失败。所以为了防止干扰其他程序的解冻过程，找不到appexample时，应返回0 which appexample if [ $? ne 0 ] then Log "[INFO]:appexample is not installed." ExitWithResult 0 fi 调用实际的解冻命令 appexample unfreeze if [ $? ne 0 ] then Log "[INFO]:appexample freeze failed." 解冻失败，记录结果并退出 ExitWithResult 1 fi Log "[INFO]:Freeze appexample. success" 解冻成功，记录结果并退出 ExitWithResult 0 } Main

本文主要介绍计算加速型P3v 概述 P3v型弹性云主机采用NVIDIA A800 GPU，在提供云主机灵活性的同时，提供超高性能计算能力。适用于AI深度学习、科学计算，在深度学习训练、科学计算、计算流体动力学、计算金融、地震分析、分子建模、基因组学等领域都能表现出巨大的计算优势。理论单精度浮点性能：FP32：19.5TFLOPS。Tensor核心浮点性能：TF32: 156TFLOPS，BFLOAT16: 312TFLOPS。 类型 CPU基频/睿频 CPU型号 P3v 2.6GHz/3.5GHz 第三代英特尔® 至强® 可扩展处理器 6348 规格 规格名称 vCPU 内存（GiB） 最大带宽/基准带宽（Gbps） 最大收发包能力（万PPS） 网卡多队列数 网卡个数个数上限 GPU GPU连接技术 显存（GiB） 虚拟化类型 p3v.3xlarge.8 12 96 17/5 200 4 4 1 × NVIDIA A800 80GB N/A 80 KVM p3v.24xlarge.8 96 768 40/36 850 32 8 8 × NVIDIA A800 80GB NVLink 640 KVM P3v型弹性云主机功能如下： 处理器：第三代英特尔® 至强® 可扩展处理器 6348，主频2.6GHz，睿频3.5GHz。 支持NVIDIA A800 GPU卡，每台云主机支持最大8张A800显卡。 支持NVIDIA CUDA并行计算，支持常见的深度学习框架Tensorflow、Caffe、PyTorch、MXNet等。 单精度能力19.5 TFLOPS，双精度能力9.7 TFLOPS。 支持NVIDIA Tensor Core能力，深度学习混合精度运算能力达到156 TFLOPS。 单实例最大网络带宽40Gb/s。 单卡 80GB HBM2显存，显存带宽2039Gb/s，支持多卡NVLINK互联技术。 完整的基础能力： 网络自定义，自由划分子网、设置网络访问策略。 海量存储，弹性扩容，支持备份与恢复，让数据更加安全。 弹性伸缩，快速增加或减少云主机数量。 灵活选择： 与普通云主机一样，P3v型云主机可以做到分钟级快速发放。 优秀的超算生态： 拥有完善的超算生态环境，用户可以构建灵活弹性、高性能、高性价比的计算平台。大量的HPC应用程序和深度学习框架已经可以运行在P3v实例上。

本节包含了专属云（计算独享型）的服务协议。 天翼云专属云（计算独享型）服务协议

本节包含专属云（计算独享型）用户使用手册。 天翼云专属云（计算独享型）用户使用指南.pdf

本节介绍了专属云（计算独享型）申请时候的步骤。 下面为您介绍如何申请专属云（计算独享型）服务。 1、登录天翼云控制中心，切换节点； 2、单击“控制中心”，选择【专属云】； 3、在申请页面查看申请流程。请与您的专属客户经理确定您的专属云开通需求，如果没有专属客户经理，可拨打天翼云客服电话4008109889咨询； 4、待物理服务器到位后，专属云（计算独享型）资源将在2天内完成开通。

本章节主要介绍翼MapReduce的动态资源操作。 简介 Yarn是大数据集群中的分布式资源管理服务，大数据集群为Yarn分配资源，资源总量可配置。Yarn内部为任务队列进一步分配和调度计算资源。对于Mapreduce、Spark、Flink和Hive的任务队列，计算资源完全由Yarn来分配和调度。 Yarn任务队列是计算资源分配的基本单位。 对于租户，通过Yarn任务队列申请到的资源是动态资源。用户可以动态创建并修改任务队列的配额，可以查看任务队列的使用状态和使用统计。 资源池 现代企业IT经常会面对纷繁复杂的集群环境和上层需求。例如以下业务场景： 集群异构，集群中各个节点的计算速度、存储容量和网络性能存在差异，需要把复杂应用的所有任务按照需求，合理地分配到各个计算节点上。 计算分离，多个部门需要数据共享，但是需要把计算完全分离在不同的计算节点上。 这就要求对计算资源的节点进一步分区。 资源池用来指定动态资源的配置。Yarn任务队列和资源池关联，可实现资源的分配和调度。 一个租户只能设置一个默认资源池。用户通过绑定租户相关的角色，来使用该租户资源池的资源。若需要使用多个资源池的资源，可通过绑定多个租户相关的角色实现。 调度机制 Yarn动态资源支持标签调度（Label Based Scheduling）策略，此策略通过为计算节点（Yarn NodeManager）创建标签（Label），将具有相同标签的计算节点添加到同一个资源池中，Yarn根据任务队列对资源的需求，将任务队列和有相应标签的资源池动态关联。 例如，集群中有40个以上的节点，根据各节点的硬件和网络配置，分别用Normal、HighCPU、HighMEM、HighIO为四类节点创建标签，添加到四个资源池中，资源池中的各节点性能如下表所示。 不同资源池中的各节点性能 标签名 节点数 硬件和网络配置 添加到 关联 Normal 10 一般 资源池A 普通的任务队列 HighCPU 10 高性能CPU 资源池B 计算密集型的任务队列 HighMEM 10 大量内存 资源池C 内存密集型的任务队列 HighIO 10 高性能网络 资源池D IO密集型的任务队列 任务队列只能使用所关联的资源池里的计算节点。 普通的任务队列关联资源池A，使用硬件和网络配置一般的Normal节点。 计算密集型的任务队列关联资源池B，使用具有高性能CPU的HighCPU节点。 内存密集型的任务队列关联资源池C，使用具有大量内存的HighMEM节点。 IO密集型的任务队列关联资源池D，使用具有高性能网络的HighIO节点。 Yarn任务队列与特定的资源池关联，可以更有效地使用资源，保证节点性能充足且互不影响。 FusionInsight Manager中最多支持添加50个资源池。系统默认包含一个默认资源池。

天翼云为您提供专属云（计算独享型）服务协议协议说明，请您点击查看。 专属云（计算独享型）服务协议

本文介绍如何校验上传对象的数据一致性。 应用场景 媒体存储提供了数据一致性校验功能，可以避免因为网络劫持、数据缓存等原因导致的数据不一致问题。 能力概述 媒体存储提供通过计算MD5值的方式对上传的数据进行一致性校验。默认情况下，服务不会进行一致性校验。 上传对象时，客户端需要先计算出对象的MD5值然后携带上传至媒体存储，媒体存储服务端再根据上传的对象内容计算出MD5值，最终与携带上传的MD5值进行对比。 如果对比结果一致，对象上传成功，否则上传失败。 具体校验逻辑如下图所示： 校验方法 本地对象计算出的MD5值作为请求头。 上传时设置请求消息参数ContentMD5为本地计算得出的校验值，具体示例如下： 请求示例： PUT /v1/testbucket/test HTTP/1.1 请求头header： Host:gdoss.xstore.ctyun.cn Date:Wed, 28 Oct 2023 09:32:00 GMT Authorization:authorization string ContentType:text/plain ContentLength:1145 ContentMD5:gnzLDuhOew 请求体body： 实际文件数据。 MD5计算方式为：openssl dgst md5 binary 上传的对象（example.txt） base64 。

类型 vCPU 内存 标准价格 限时折扣价 普通计算包 10核 20GB 410 360.8 国产化计算包 10核 20GB 428 308 国产化计算包目前未全量放开订购，如需订购，请联系您的专属客户经理或拨打天翼云客服电话：4008109889

天翼AI云电脑同步工具的传输速率是如何计算的？ 天翼AI云电脑同步工具对文件采用压缩传输，传输速率使用原始文件大小进行计算。例如：原始文件10MB，压缩后为2MB，网络带宽1MB/s，则实际传输耗时 2MB / 1MB/s 2s, 计算的传输速率为10MB / 2s 5MB/s。

入参 $1: 0表示成功，1表示失败 无返回值 RESULTFILE在agentfunc.sh中进行了定义 function ExitWithResult() { Log "[INFO]:Freeze result is $1." echo $1 > ${RESULTFILE} chmod 666 ${RESULTFILE} exit $1 } function Main() { Log "" Log "[INFO]:Begin to freeze appexample." 查找appexample是否存在，如果appexample不存在，则返回0，退出 在冻结IO步骤中，Agent程序会依次调用每个冻结脚本，如果一个失败，总体就会失败。所以为了防止干扰其他程序的冻结过程，找不到appexample时，应返回0 which appexample if [ $? ne 0 ] then Log "[INFO]:appexample is not installed." ExitWithResult 0 fi 调用实际的冻结命令 appexample freeze if [ $? ne 0 ] then Log "[INFO]:appexample freeze failed." 冻结失败，记录结果并退出 ExitWithResult 1 fi Log "[INFO]:Freeze appexample success." 冻结成功，记录结果并退出 ExitWithResult 0 } Main 开发解冻脚本 appexampleunfreeze.sh示例如下： !/bin/sh AGENTROOTPATH$1 Agent程序调用脚本时，传入的的根目录，日志函数等会使用此变量，请不要改名 PID$2 Agent程序调用脚本时，传入的PID数字，用于结果的输出，请不要改名 . "${AGENTROOTPATH}/bin/agentfunc.sh" 引用脚本框架，提供了日志，加解密等功能 结果处理函数，用于将结果写入到文件中，供脚本调用者获取返回值。

本文为您介绍如何创建模式。 模式本质上是一个名字空间，Oracle里一般叫用户，SQL Server中叫框架，MySQL 中叫数据库，模式里面包含表、数据类型、函数以及操作符，对象名称可以与在其他模式中存在的对象重名，访问某个模式中的对象时可以使用模式名.对象名 。 您可参考如下操作创建模式。 标准语法 plaintext teledb create schema teledbschema; CREATE SCHEMA 扩展语法，不存在时才创建 plaintext teledb create schema if not exists teledbschema; NOTICE: schema "teledbschema" already exists, skipping CREATE SCHEMA 指定所属用户 plaintext teledb create schema teledbschemaowner AUTHORIZATION teledbuser; CREATE SCHEMA teledb dn teledbschemaowner List of schemas Name Owner + teledbschemaowner teledbuser (1 row)

CALL pdefaultvalue(2); NOTICE: aint 2 CALL teledb CALL pdefaultvalue(); NOTICE: aint 1 CALL teledb 如果原来存在一个pdefaultvalue () 这样的存储过程，则上面的执行就会出错，因为系统无法清楚到底要执行哪个函数，如下所示。 plaintext teledb CREATE OR REPLACE PROCEDURE pdefaultvalue() AS $$ BEGIN RAISE NOTICE '无参数'; END; $$ LANGUAGE plpgsql ; CREATE PROCEDURE teledb CALL pdefaultvalue(); ERROR: procedure pdefaultvalue() is not unique LINE 1: CALL pdefaultvalue(); ^ HINT: Could not choose a best candidate procedure. You might need to add explicit type casts. teledb 出错提示，pdefaultvalue () 存储过程不是唯一的，这是使用上一个需要特别注意的地方。

本文为您介绍天翼云云搜索服务的存算分离能力及使用方法。 功能简介 天翼云云搜索服务的OpenSearch和Elasticsearch都支持通过天翼云对象存储ZOS实现存算分离功能，这一功能显著提升了数据管理的灵活性和系统的可扩展性。 存算分离是现代分布式系统中一种重要的架构设计，通过将存储和计算资源解耦，使得数据存储和处理能力可以独立扩展，从而优化资源利用率并降低运营成本。 在传统的分布式搜索引擎架构中，存储和计算通常是紧耦合的，数据存储在同一集群的节点上，并由这些节点负责数据的索引和查询处理。然而，随着数据规模的增长和计算需求的变化，存算耦合的架构可能面临扩展性和成本效益方面的挑战。 通过支持对象存储，搜索引擎允许用户将数据存储在外部的对象存储系统天翼云ZOS中。这种架构下，计算节点主要负责数据的索引和查询处理，而数据存储则由对象存储系统来管理。计算节点可以根据需要动态地从对象存储中拉取数据，进行处理后再将结果返回。 应用场景与优势 弹性扩展 存算分离使得存储和计算资源可以独立扩展。用户可以根据数据量和计算需求的变化分别扩展存储容量和计算节点数量，从而实现灵活的资源管理，避免过度配置带来的浪费。 成本优化 对象存储通常具有较低的成本，尤其适合存储大量不常访问的冷数据。通过将数据存储在对象存储中，用户可以显著降低存储成本，同时只需为需要处理的热数据配置计算资源。

本文将为您介绍如何查看已创建的专属云资源。 目前专属云（计算独享型）服务仅支持通过填写业务需求单或直接联系客户经理的方式进行申请，下面将为您介绍如何通过填写业务需求单申请计算专属云服务。 操作步骤 1. 登录天翼云官网www.ctyun.cn。 2. 在首页，单击“产品 > 专属云 > 专属云（计算独享型）”。 3. 在专属云（计算独享型）的官网页面，单击“申请开通”，进入天翼云支持中心页面。 4. 在支持中心页面填写“业务需求单”，确认填写信息无误后点击“提交”。 5. 提交后可在“管理中心​>工单中心​>我的业务需求单”栏目查询咨询进度。 说明 若在填写业务需求单的过程中遇到任何问题，可拨打天翼云客服电话4008109889进行咨询。

专业术语 解释 实例 一个包含了计算节点、行存节点、管理节点等多种类型节点的分布式融合数据库HTAP服务，其容量及性能由计算节点、行存节点、列存节点的节点规格和数量决定。 计算节点 负责接收并处理 SQL 相关的逻辑。推荐2个或以上计算节点以实现高可用。 行存节点 支持事务的分布式行式 KeyValue 存储引擎。至少3个节点。 管理节点 整个实例的管理模块，负责存储元信息，对行存、列存集群进行调度和负载均衡，并分配全局唯一且递增的事务 ID。固定3个节点。 列存节点 列式存储引擎，可为分析型的场景提供加速。如果无分析需求，节点数量可为0。 监控节点 用于采集、处理实例的各种监控信息。 节点规格 分配给分布式融合数据库HTAP的各个节点的计算及存储资源，比如 8核32G，超高IO 1000GB存储。

本章节主要介绍翼MapReduce集群Hive组件使用规则。 Hive 3.1版本与Hive 1.2版本相比不兼容内容主要如下： 字段类型约束：Hive 3.1不支持String转成int。 UDF不兼容：Hive 3.1版本UDF内的Date类型改为Hive内置。 索引功能废弃。 时间函数问题：Hive 3.1版本为UTC时间，Hive 1.2版本为当地时区时间。 驱动不兼容：Hive 3.1和Hive 1.2版本的JDBC驱动不兼容。 Hive 3.1对ORC文件列名大小写，下划线敏感。 Hive 3.1版本列中不能有名为time的列。 当前，翼MR集群提供的是高稳定、高性能的3.1版本Hive组件能力，建议客户在开通翼MR集群后，优先考虑完成业务上Hive使用版本的升级适配。

本页介绍天翼云TeleDB数据库Oracle语法中的系统函数。 extract plaintext extract(xmltype类型,节点)。 create table xmlexample(ID varchar(100),name varchar(20),data xmltype); insert into xmlexample(id,name,data) values('xxxxxxxxxxxxxxx','my document',' nam022^^^450 抗震救灾 奥运会 经济学 计算机 10001 20050709 计算机 笔记本 '::xmltype); teledb select id,name, extract(x.data,'/collection/record/datafield/subfield') as A from xmlexample x; id name a ++ xxxxxxxxxxxxxxx my document 抗震救灾 奥运会 经济学 计算机 10001 20050709 计算机 笔记本 (1 row)

本页介绍天翼云TeleDB数据库Oracle语法中的系统函数。 extract extract(xmltype类型,节点)。 create table xmlexample(ID varchar(100),name varchar(20),data xmltype); insert into xmlexample(id,name,data) values('xxxxxxxxxxxxxxx','my document',' nam022^^^450 抗震救灾 奥运会 经济学 计算机 10001 20050709 计算机 笔记本 '::xmltype); teledb select id,name, extract(x.data,'/collection/record/datafield/subfield') as A from xmlexample x; id name a ++ xxxxxxxxxxxxxxx my document 抗震救灾 奥运会 经济学 计算机 10001 20050709 计算机 笔记本 (1 row)

CloudFlow Studio编辑页 当在顶部菜单栏 选中CloudFlow Studio 按钮时， 在工作流编辑区即可出现状态浏览器 、流程画布区 以及参数配置区方便用户对工作流流程进行可视化编排。 状态浏览区 操作tab 包含集成优化后的常用操作 以及包含网络与CDN、计算、存储、容器与中间件、数据库以及人工智能在内的天翼云云产品的OpenAPI列表；状态浏览器顶部的搜索栏可进行模糊搜索API， 即可展示匹配到的API列表。可以将操作tab 、流程tab下 所需状态节点拖拽到流程画布区。 目前常用操作中集成优化后的包含函数调用（InvokeFunction）、工作流执行（ExecuteWorkflow）、Http请求、发送信息（SendMsg）、CheckObject、LLMTextGeneration等。其中SendMsg支持基于webhook发送信息到飞书、企业微信、钉钉。CheckObject支持检查目标对象存储object是否存在并生成临时共享下载链接方便用户在任务中使用。LLMTextGeneration可以调用天翼云息壤和阿里云百炼平台支持的部分比较流行的开源通用大模型。 流程画布区 选择状态浏览区 的Operation类状态或流程控制类状态并拖曳至右侧的画布，待出现一条横线或竖线时放开鼠标，将其放至所需位置，编排和定制完全符合用户业务的流程图。生成流程图的同时将自动生成工作流流程定义，无需手动编写。 拖拽放入流程画布区前状态 拖拽放入流程画布区后状态 另外， 还可以点击流程画布区左上角的功能按钮进行撤销上一步动作、删除选中的状态节点、缩放画布、居中流程图等操作。

规格名称 计算 磁盘类型 网络 网络增强计算型c8ne 1.CPU/内存配比：1:2/1:4 2.vCPU数量范围：2192 3.处理器：第五代英特尔®至强®可扩展处理器 4.基频/睿频：2.6GHz/3.1GHz 1.XSSD0 2.XSSD1 1.支持IPv6 2.实例网络性能与计算规格对应，规格越高网络性能越强 3.最大网络收发包：3600万PPS 4.最大内网带宽：64Gbps 网络增强内存型m8ne 1.CPU/内存配比：1:8 2.vCPU数量范围：2192 3.处理器：第五代英特尔®至强®可扩展处理器 4.基频/睿频：2.6GHz/3.1GHz 1.XSSD0 2.XSSD1 1.支持IPv6 2.实例网络性能与计算规格对应，规格越高网络性能越强 3.最大网络收发包：3600万PPS 4.最大内网带宽：64Gbps 网络增强计算型c7ne 1.CPU/内存配比：1:2/1:4 2.vCPU数量范围：2148 3.处理器：第三代英特尔®至强®可扩展处理器 4.基频/睿频：2.8GHz/3.5GHz 1.普通IO 2.高IO 3.通用型SSD 4.超高IO 5.极速型SSD 1.支持IPv6 2.实例网络性能与计算规格对应，规格越高网络性能越强 3.最大网络收发包：3000万PPS 4.最大内网带宽：32Gbps

费用类型 描述 标准存储 低频存储 归档存储 存储费用 按实际使用的存储容量收费，不同存储类型的存储费用单价有所不同。 注意 对于低频存储类型对象，如果提前删除（包括彻底删除、修改存储类型），将持续计费至30天；对于归档存储类型对象，会持续计费至90天。 √ √ √ 流量费用 包括存储数据被调用或下载产生的公网流出流量费用、跨域复制、CDN回源流量流出流量费用，按实际使用时产生的流量收费。 注意 部分浏览器会出现重复下发下载请求的情况，可能导致公网流出流量翻倍。 √ √ √ 请求费用 按照发送到对象存储的请求指令次数进行计算，每次调用API都计算一次请求次数。 注意 用户在对象存储控制台进行的操作也视为对对象存储系统的请求，会正常计算请求次数。 √ √ √ 数据取回费用 对于低频存储，数据取回费用按服务端读取的数据量计算，当用户通过公网下载低频存储对象时，会同时计算数据取回费用和公网流出流量费用。 对于归档存储，数据取回费用按解冻数据量计算，当用户解冻归档存储时，收取解冻数据量的数据取回费用。当用户通过公网下载已解冻的归档存储对象时，仅计算公网流出流量费用。 × √ √

$$ teledb$ DECLARE teledb$ 定义时赋值 teledb$ vint1 integer 1; teledb$ 使用 :兼容于plsql teledb$ vint2 integer : 1; teledb$ vtxt1 text; teledb$ vfloat float8; teledb$ 使用查询赋值 teledb$ vrelname text (select relname FROM pgclass LIMIT 1); teledb$ vrelpages integer; teledb$ vrec RECORD; teledb$ BEGIN teledb$ 在函数体中赋值 teledb$ vtxt1 'teledbpg'; teledb$ vfloat random(); teledb$ 使用查询赋值的另一种方式 teledb$ SELECT relname,relpages INTO vrelname,vrelpages FROM pgclass ORDER BY random() LIMIT 1; teledb$ RAISE NOTICE 'vrelname % , relpages %',vrelname,vrelpages; teledb$ END; teledb$ $$ teledb LANGUAGE plpgsql; CREATE FUNCTION teledb SELECT FROM f25(); NOTICE: vrelname pgtsparser , relpages 1 f25 (1 row)

$$ teledb$ DECLARE teledb$ 定义时赋值 teledb$ vint1 integer 1; teledb$ 使用 :兼容于plsql teledb$ vint2 integer : 1; teledb$ vtxt1 text; teledb$ vfloat float8; teledb$ 使用查询赋值 teledb$ vrelname text (select relname FROM pgclass LIMIT 1); teledb$ vrelpages integer; teledb$ vrec RECORD; teledb$ BEGIN teledb$ 在函数体中赋值 teledb$ vtxt1 'teledbpg'; teledb$ vfloat random(); teledb$ 使用查询赋值的另一种方式 teledb$ SELECT relname,relpages INTO vrelname,vrelpages FROM pgclass ORDER BY random() LIMIT 1; teledb$ RAISE NOTICE 'vrelname % , relpages %',vrelname,vrelpages; teledb$ END; teledb$ $$ teledb LANGUAGE plpgsql; CREATE FUNCTION teledb SELECT FROM f25(); NOTICE: vrelname pgtsparser , relpages 1 f25 (1 row)

本节主要介绍产品定义。 GeminiDB Influx接口是一款基于计算存储分离架构，兼容InfluxDB生态的云原生NoSQL时序数据库。在云计算平台高性能、高可用、高可靠、高安全、可弹性伸缩的基础上，提供了一键部署、快速备份恢复、计算存储独立扩容、监控告警等服务能力。广泛应用于资源监控、业务监控分析、物联网设备实时监控、工业生产监控、生产质量评估和故障回溯等。提供大并发的时序数据读写，压缩存储和类SQL查询，并且支持多维聚合计算和数据可视化分析能力。 GeminiDB Influx接口具有高写入、灵活弹性、高压缩率和高查询的特点。 高写入性能 数据按“时间Range + 时间线Hash”两层打散，分布式并行写入,且最高每天处理万亿级时间点写入。 灵活弹性 计算独立按需扩展、扩容不迁移数据，分钟级完成集群节点扩缩容。 高压缩率 列式存储布局和专用压缩算法，相比开源版本压缩率可以提升5~10倍左右。 高查询性能 多节点多线程并行查询，可高效处理高并发大数据量分析任务。 典型应用 IoT传感器时序数据分析 物联网应用，规模和可靠性至关重要。GeminiDB Influx接口提供了高吞吐量和并发性，您可以通过快速的响应时间来支持大量的连接。因此非常适合要求苛刻的物联网应用。 优势 ： 超强写入：小批量写入场景性能为开源版本InfluxDB的4.5倍，大批量写入场景性能为开源版本InfluxDB的3.3倍。 弹性扩展：基于计算存储分离的分布式架构，分钟级计算节点扩容，应对业务高峰期。

本文为您介绍如何创建模式。 模式本质上是一个名字空间，Oracle里一般叫用户，SQL Server中叫框架，MySQL 中叫数据库，模式里面包含表、数据类型、函数以及操作符，对象名称可以与在其他模式中存在的对象重名，访问某个模式中的对象时可以使用模式名.对象名 。 您可参考如下操作创建模式。 标准语法 plaintext teledb create schema teledbschema; CREATE SCHEMA 扩展语法，不存在时才创建 plaintext teledb create schema if not exists teledbschema; NOTICE: schema "teledbschema" already exists, skipping CREATE SCHEMA 指定所属用户 plaintext teledb create schema teledbschemaowner AUTHORIZATION teledbuser; CREATE SCHEMA teledb dn teledbschemaowner List of schemas Name Owner + teledbschemaowner teledbuser (1 row)

本文介绍MySQL数据库修改authenticationstring字段为显示密码后无法登录的处理办法。 场景描述 用户通过navicat修改MySQL的user表root帐号的“authenticationstring”字段，修改为为显示密码后无法登录客户端。 原因分析 修改密码方式错误，不应直接改user表的authenticationstring字段的hash key，需要通过控制台重置root密码方式修改。 解决方案 由于8.0版本不支持password函数，因此需要通过以下步骤恢复： 找出帐号的authenticationstring字段，使用以下命令更新update mysql.user set authenticationstring'XXX' 其中XXX为新修改的密码。重置root帐号密码。 ALTER USER 'root'@'%' IDENTIFIED WITH mysqlnativepassword BY 'XXX'; flush privileges; 修改后用户就可以正常登录root帐号。

本文为您介绍如何创建模式。 模式本质上是一个名字空间，Oracle里一般叫用户，SQL Server中叫框架，MySQL 中叫数据库，模式里面包含表、数据类型、函数以及操作符，对象名称可以与在其他模式中存在的对象重名，访问某个模式中的对象时可以使用模式名.对象名 。 您可参考如下操作创建模式。 标准语法 plaintext teledb create schema teledbschema; CREATE SCHEMA 扩展语法，不存在时才创建 plaintext teledb create schema if not exists teledbschema; NOTICE: schema "teledbschema" already exists, skipping CREATE SCHEMA 指定所属用户 plaintext teledb create schema teledbschemaowner AUTHORIZATION teledbuser; CREATE SCHEMA teledb dn teledbschemaowner List of schemas Name Owner + teledbschemaowner teledbuser (1 row)

init容器（根据spec.initContainers计算） 业务容器（根据spec.containers计算） Pod（根据spec.containers和spec.initContainers计算） 是否受影响 Guaranteed Besteffort Burstable 是 Guaranteed Burstable Burstable 否 Guaranteed Guaranteed Guaranteed 否 Besteffort Besteffort Besteffort 否 Besteffort Burstable Burstable 否 Besteffort Guaranteed Burstable 是 Burstable Besteffort Burstable 是 Burstable Burstable Burstable 否 Burstable Guaranteed Burstable 是

2.3 检查 Docker 镜像是否存在 if ! docker image inspect "$IMAGE" &> /dev/null; then echo e "${RED}错误: 镜像 $IMAGE 不存在，请先拉取镜像。${NC}" exit 1 fi echo e "${GREEN} ✔ Docker 镜像已存在${NC}" 2.4 检查模型文件是否存在 if [ ! f "$HOSTMODELDIR/config.json" ]; then echo e "${RED}错误: 模型文件未找到 (检查路径: $HOSTMODELDIR/config.json)${NC}" exit 1 fi echo e "${GREEN} ✔ 模型文件检查通过${NC}" } 3. 清理旧容器函数 cleanupoldcontainer() { echo e "${YELLOW}[2/5] 清理旧容器...${NC}" if [ "$(docker ps a q f name$NAME)" ]; then echo e " 正在停止并删除旧容器: $NAME" docker rm f $NAME fi } 4. 启动服务函数 startservice() { echo e "${YELLOW}[3/5] 正在启动 vLLM Ascend 容器...${NC}" docker run d name $NAME nethost ipchost shmsize1g device /dev/davinci0 device /dev/davinci1 device /dev/davinci2 device /dev/davinci3 device /dev/davinci4 device /dev/davinci5 device /dev/davinci6 device /dev/davinci7 device /dev/davincimanager device /dev/devmmsvm device /dev/hisihdc v /usr/local/dcmi:/usr/local/dcmi v /usr/local/Ascend/driver/tools/hccntool:/usr/local/Ascend/driver/tools/hccntool v /usr/local/bin/npusmi:/usr/local/bin/npusmi v /usr/local/Ascend/driver/lib64/:/usr/local/Ascend/driver/lib64/ v /usr/local/Ascend/driver/version.info:/usr/local/Ascend/driver/version.info v /etc/ascendinstall.info:/etc/ascendinstall.info v /etc/hccn.conf:/etc/hccn.conf v $HOSTMODELDIR:$CONTAINERMODELDIR e USEMULTIBLOCKPOOL1 e OMPPROCBINDfalse e OMPNUMTHREADS10 e PYTORCHNPUALLOCCONFexpandablesegments:True e ACLOPINITMODE1 e TRITONALLBLOCKSPARALLEL1 restartonfailure $IMAGE vllm serve model $CONTAINERMODELDIR host 0.0.0.0 servedmodelname $SERVEDMODELNAME maxmodellen 65536 maxnumbatchedtokens 8192 gpumemoryutilization 0.9 maxnumseqs 16 dataparallelsize 1 tensorparallelsize $TENSORPARALLELSIZE enableexpertparallel quantization ascend port $PORT blocksize 128 asyncscheduling additionalconfig '{"enablecpubinding": "true", "multistreamoverlapsharedexpert": true}' speculativeconfig '{"numspeculativetokens": 1,"method": "deepseekmtp"}' compilationconfig '{"cudagraphmode":"FULLDECODEONLY"}' echo e "${GREEN} ✔ 容器启动命令已执行${NC}" }

安装部署 1. CTCCL0.4.0版本及以上。安装方式可参考CTCCL 使用指南。 2. 安装慢节点工具套件 · 安装ctccm 下载合适版本的ctccm whl安装包，使用以下命令安装： pip install ctccmxxx 通过pip show可以查看安装包的位置，并配置环境变量： pip show ctccm export PATH"/usr/local/python3/bin:$PATH" 启动命令： ctccm nodes 4 port 8000 debug（可选） · 安装ctcclprofilercomm 下载合适版本的ctcclprofilercomm安装包，使用以下命令安装： pip install ctcclprofilercommxxx 通过import ctccl profiler comm，在训练任务中调用ctcclprofilercomm提供的API使用。ctcclprofilercomm包括以下可用API： savetpdpgroups(tpgroup, dpgroup): 保存任务拓扑信息到本地文件。 •tpgroup (ProcessGroup)：张量并行组（由megatron内置函数gettensormodelparallelgroup() 获取） •dpgroup (ProcessGroup)：数据并行组（由megatron内置函数getdataparallelgroup() 获取） •返回：无 使用示例： from ctcclprofilercomm.gettpdpgroups import savetpdpgroups from megatron.core.parallelstate import gettensormodelparallelgroup from megatron.core.parallelstate import getdatamodelparallelgroup tpgroup gettensormodelparallelgroup() dpgroup getdatamodelparallelgroup() savetpdpgroups(tpgroup, dpgroup) CtcclProfiler(trainiters): 初始化CtcclProfiler类，创建CtcclProfiler对象。 •trainiters (int)：训练任务迭代总数 •返回：CtcclProfiler对象 CtcclProfiler.gettime(): 时间打点，用于每个迭代前后，获得每次迭代的时间。 •返回：当前时间点 CtcclProfiler.updatestep(starttime, endtime, iteration): 根据当前的训练迭代数，以及迭代时间，判断是否要开启、继续收集、停止profiler。 •starttime (float)：当前迭代开始时间（由 CtcclProfiler.gettime() 获取） •endtime (float)：当前迭代结束时间（由 CtcclProfiler.gettime() 获取） •iteration (int)：当前执行到的迭代步数 •返回：无 使用示例： from ctcclprofilercomm.ctcclprofiler import CtcclProfiler profiler CtcclProfiler(args.trainiters) ... while iteration < args.trainiters: ... starttime profiler.gettime() trainstep()