产品价格 服务名称 计费模式 产品规格 价格 单位 密钥管理(KMS) 按需计费 密钥实例 0.015458 元/小时 密钥管理(KMS) 按需计费 密钥管理API（API请求次数小于等于2万次） 0 元/万次 密钥管理(KMS) 按需计费 密钥管理API（API请求次数大于2万次） 0.6 元/万次 专属加密(DHSM) 包年/包月 专属加密基础版 2000 元/月 包年优惠：专属加密支持包年优惠，一年8.5折，推荐包年购买。 密钥管理（按需计费）说明 假设您在密钥管理界面创建了一个密钥，在创建页面的底部，您将看到所需费用的明细，如下图所示。 说明 上图中的密钥费用显示为0.02/小时，该价格为0.015458四舍五入保留两位小数展示，此处仅为展示，实际密钥实例价格按照0.015458/小时计算，计算结果保留小数点后两位。 费用计算将包括以下部分： 密钥费用：密钥实例费用，创建后的密钥按照时长计费。 API请求费用：创建密钥后按照API请求次数计费，每个密钥每月有20000次的免费请求次数。

本节介绍智算套件基本概念。 基本概念 关键术语 说明 断点续训 基于 CheckPoint 的“故障检测→秒级定位→分钟级恢复→自动重调度→断点续训”机制，有效保障训练任务的连续性，将故障导致的损失（时间、算力）降至最低 。 AI网关 AI网关通过“优化请求、智能调度、减少重复计算”三大核心能力，将推理服务从“被动响应请求”转变为“主动优化流量”，大幅提升推理效率。 KVCache 通过“跨节点协同管理缓存”+“多级缓存”的组合策略，突破单节点容量限制，平衡访问速度与存储成本，实现系统吞吐量的数量级提升。 PD分离 PD分离（PrefillingDecoding Disaggregation）：通过将推理过程拆分为计算密集型的预填充（Prefill）和内存敏感型的解码（Decode）两个独立阶段，为每个阶段匹配最优的硬件资源和调度策略，实现推理效率的革命性提升。

本章为您介绍挂载文件系统的前提条件。 确定云主机操作系统类型，参考支持的操作系统，对于NFS协议类型文件系统，不同操作系统安装NFS客户端的命令不同。 已完成创建文件系统实例，在文件系统详情页可获取到文件系统的挂载地址。 根据您资源所在资源池，选择与文件系统相同的VPC或VPC及子网相同的计算服务进行挂载。支持权限组功能的资源池须保证计算服务与须与文件系统归属相同的VPC，否则须要与文件系统归属相同的VPC及子网。具体资源池信息请参考产品能力地图。 说明 若您要使用IPV6网络访问文件系统，云主机主网卡须启用IPV6。支持IPV6的资源池请参见

本节介绍天翼云息壤一体化智算服务平台的应用场景。 天翼云息壤一体化智算服务平台，根据不同应用场景可提供不同产品组合解决方案。 调度运营分散算力管理 场景1：拥有分散的多种算力，需建设统一纳管调度平台，高效利用资源。 场景2：拥有多余算力，希望纳入算力联盟，进行统一管理与运营，实现资源变现。 解决方案：息壤·公共算力服务+定制化开发+业务运营。 科研实训高阶智算服务 场景：适用于高校或科研机构等进行科学计算，广泛应用于科研教育、影视视频渲染、生物数据分析、高性能计算等领域。 解决方案1：基于公有云，快速使用息壤·科研助手，针对仿真、流体计算、材料化学、数学计算等科研场景，可灵活调度各类计算资源，并搭载常用科研软件，支持一键部署、开箱即用。 解决方案2：基于私有化，息壤·科研助手+算力网关，纳管智算设备基础上进行科研训练，搭载常用科研软件，开箱即用。 深度自研大模型训推 场景：用户有大模型训推需求，需调用算力资源和训推平台能力。 解决方案1：基于公有云，快速使用息壤·训推服务平台；或基于私有化，以息壤·科研助手+算力网关的搭配形式，纳管智算设备基础上以IDE开发的形式使用平台运行训练和推理任务，对用户的专业水准有一定要求。 解决方案2：基于公有云，息壤·模型推理服务平台，以低代码形式使用平台运行训练和推理任务，操作的专业门槛较低 。 解决方案3：息壤·智算一体机，低成本落地小型化训推一体化。

AOne边缘安全加速平台套餐续费介绍。 避免AOne边缘安全加速平台的资源到期后，域名会自动发起停用，防护服务终止服务，您可以在资源到期前为资源手动续订，或者设置自动续订服务。针对AOne边缘安全加速平台情况，为您进行说明，请在续费前务必阅读以下内容。 续订规则 只有通过实名认证的客户，才可以执行续订操作。 未完成订单中的资源不允许续订，如开通中的资源、规格变更中的资源、退订中的资源。 已退订或释放的资源不可续费。 资源处于服务中且过期时长大于7天可以设置自动续订。 若资源到期后续费，续费周期自资源续订解冻开始，计算新的服务有效期，按照新的服务有效期计算费用。例如，客户资源2020年9月30号到期，10月11号续订1个月，那么资源新的服务开始时间为10月11号，到期时间为11月10号。相关费用自10月11号开始计算。 成套订购的套餐类组合产品，需整体续订，非成套订购单具有挂载关系的资源可以对单资源进行续订。 需要满足续订的规则，具体规则详见续订规则说明。 手动续订 满足续订规则的资源您可以随时手动续AOne边缘安全加速平台，本文介绍手动续订操作方式。 登陆天翼云官网右上角我的产品视图中找到需要续订的产品，点击“续订”，根据需求调整续订周期后，提交续订订单。 当续订周期达到1年或以上时，续订单将可享受包年折扣。

本章节将为您介绍如何续订云硬盘。 操作场景 随云主机一起订购的系统盘、数据盘不支持单独续订，需要与云主机一起续订，详细操作请参考弹性云主机续费说明。 本文主要介绍在云硬盘控制台单独订购的包年/包月的数据盘如何续订。 约束与限制 只有通过实名认证的客户，才可以执行续订操作。 按需资源、包年/包月转按需（已完成转按需或正在进行转按需）的资源不可续订。 未完成订单中的资源不允许续订，如开通中的资源、规格变更中的资源、退订中的资源。已退订或释放的资源不可续订。 若资源到期后续订，续订周期自资源续订解冻开始，计算新的服务有效期，按照新的服务有效期计算费用。例如，客户资源2020年9月30号到期，10月11号续订1个月，那么资源新的服务开始时间为10月11号，到期时间为11月10号。相关费用自10月11号开始计算。 已到期资源不支持设置/修改自动续订。 您可以随时手动续订包年/包月且未退订、未释放的资源，延长相关资源的使用时间。 “已挂载”状态下的云硬盘到期后，状态变为“已到期”，该云硬盘不会自动从云主机卸载。 若续订成功，云硬盘状态从“已到期”变为“已挂载”。 若不续订，该云硬盘将继续占用云主机资源。建议您续订云硬盘以继续正常使用资源或卸载云硬盘以释放云主机资源。

section8dc200ffb40d9ca5) 说明 极端情况下，一个备份大小和磁盘大小相同。全量备份时的“已分配的空间”和增量备份时的“变化的空间”，都是通过计算磁盘内数据块变化实现的，不是通过计算操作系统中的文件变化实现的，不能通过操作系统中间文件大小评估全量备份的大小，或者通过文件大小的变化评估增量备份的大小，结果会产生偏差。 为了数据安全起见，会默认执行365次增量备份后执行一次全量备份。 备份和容灾的区别是什么？ 对比维度 备份 容灾 使用目的 避免数据丢失，一般通过快照、备份等技术构建数据的数据备份副本，故障时可以通过数据的历史副本恢复用户数据。 避免业务中断，一般是通过复制技术（应用层复制、主机I/O层复制、存储层复制）在异地构建业务的备用主机和数据，主站点故障时备用站点可以接管业务。 使用场景 针对病毒入侵、人为误删除、软硬件故障等场景，可将数据恢复到任意备份点。 针对软硬件故障以及海啸、火灾、地震等重大自然灾害，运行故障切换，尽快恢复业务。源端可用区恢复正常时，可轻松利用故障恢复能力重新切换回到源端可用区。 成本 通常是生产系统的1~2%。 通常是生产系统的20%~100%（根据不同的RPO/RTO要求而定），高级别的双活容灾，要求备用站点也要部署一套和主站点相同的业务系统，基础设施成本需要翻倍计算。 说明 RPO（Recovery Point Objective）：最多可能丢失的数据的时长。 RTO（Recovery Time Objective）：从灾难发生到整个系统恢复正常所需要的最大时长。

本章节主要介绍Spark作业相关问题中有关运维指导的问题。 添加Python包后，找不到指定的Python环境 添加Python3包后，找不到指定的Python环境。 可以通过在conf文件中，设置spark.yarn.appMasterEnv.PYSPARKPYTHONpython3，指定计算集群环境为Python3环境。 目前，新建集群环境均已默认为Python3环境。 为什么Spark jar 作业 一直处于“提交中”？ Spark jar 作业 一直处于“提交中”可能是队列剩余的CU量不足导致作业无法提交。 查看队列的的剩余步骤如下： 1. 查看队列CU使用量。 点击“云监控服务 > 云服务监控 > 数据探索湖 > 队列监控 > 队列CU使用量” 。 2. 计算剩余CU量。 队列剩余CU量队列CU量 队列CU使用量。 当队列剩余CU量小于用户提交的CU量，则需要等待资源，才能提交成功。

本文主要介绍计费说明 计费概述 通过阅读本文，您可以快速了解应用性能管理APM 2.0的计费模式、计费项、欠费等主要计费信息。 计费模式 APM目前产品规格包括免费版和企业版。当您从免费版切换到企业版后，计费方式默认为按需计费。如果购买了特惠包，则使用的Agent实例数优先在特惠包中扣除，超出特惠包额度的Agent实例，则以按需计费的方式计算价格。 费用账单 您可以在“费用中心”查看与APM相关的流水和明细账单，以便了解您的消费情况。 欠费 账户欠费后，可能会影响云服务资源的正常运行，需要及时充值。 停止计费 当APM不再使用时，可以退订或删除，从而避免继续收费。 计费说明 APM提供按需计费和特惠包两种方式。APM支持按需计费和特惠包叠加的计费方式，即如果您购买了特惠包，则先扣除特惠包内的Agent实例，超出部分按需计费。如果您没有购买特惠包，则所有Agent实例均按需计费。 APM目前产品规格包括免费版和企业版。当您从免费版切换到企业版后，会以按需计费，如果购买了特惠包，则使用的Agent实例数优先在特惠包中扣除，超出特惠包额度的Agent实例，则会以按需计费计算价格。 说明 Agent实例使用时长不足1小时按照1小时计算。 1个企业版Agent实例为1个Agent计费单元。 Agent计费单元是指按需计费和特惠包计费中Agent的基本计费单位。

本文介绍了RDSPostgreSQL的只读实例资费信息。 说明 天翼云关系数据库PostgreSQL版因不同地域成本有所区别，因此对Ⅰ类型资源池和Ⅱ类型资源池的价格有所区分。 本次价格调整及包年折扣变更主要针对Ⅱ类型资源池，将分为通用型和独享型两种类型，两种类型价格不同，独享型包含计算增强型和内存优化型。 Ⅰ类型资源池价格及优惠维持不变，不区分主机类型。 具体资源池类型请见 Ⅱ类型资源池资费 天翼云提供了多种规格的PostgreSQL只读实例，区分通用型和独享型（独享型包含计算增强型和内存优化型）。 通用型 CPU（核） 内存（GB） 按需标准价格(元/小时) 2 4 0.31 2 8 0.38 4 8 0.74 4 16 0.99 8 16 1.50 8 32 1.97 16 32 3.33 16 64 4.34 32 64 7.98 32 128 10.15 独享型（包含计算增强型和内存优化型） CPU（核） 内存（GB） 按需标准价格(元/小时) 2 4 0.57 2 8 0.72 2 16 0.88 4 8 1.11 4 16 1.43 4 32 1.77 8 16 2.22 8 32 2.77 8 64 3.53 16 32 4.44 16 64 5.45 16 128 7.07 32 64 8.88 32 128 10.79 32 256 14.14 64 128 17.75 64 256 21.58 64 512 27.74 96 192 24.75 96 384 32.36 96 768 42.41 128 256 34.74 128 512 43.15 128 1024 55.48 192 384 49.49 192 768 65.24 192 1536 98

避免嵌套文档和父子关系 如果可能，尽量避免使用嵌套文档和父子关系，因为这些操作会增加写入的复杂度和资源消耗。 优化查询性能 文档结构设计 避免使用过多的嵌套结构和过深的嵌套字段。嵌套文档虽然可以满足复杂的数据结构需求，但会显著增加查询的复杂度和时间。 尽量使用扁平化的数据模型，这样可以减少在查询时的计算和数据加载时间。 合适的字段类型 根据需要选择正确的字段类型。例如，数值类型字段（integer、float等）比字符串类型字段更容易索引和查询，查询速度也更快。 对于大文本字段，考虑使用text类型，并结合keyword字段来处理精确匹配的需求。 优化映射 禁用不需要的字段索引，例如，通过将不需要搜索的字段设置为index: false，可以减少索引的大小和查询时的开销。 合理使用docvalues，将其关闭以减少内存使用，但在需要进行排序或聚合的字段上仍然保持开启。 查询合并与简化 尽量合并多个查询条件，避免过多的布尔查询（bool query）和过滤器（filter）。这不仅可以减少查询的复杂度，还能降低查询的时间开销。 在查询中使用filter而非query来过滤不影响得分计算的条件，因为filter查询不会计算相关性得分，性能更高。 缓存利用 利用Elasticsearch的缓存机制，例如request cache和filter cache，对经常使用的查询进行缓存，以减少查询响应时间。 对于相同或类似的查询，使用cache选项启用缓存，例如在bool查询的filter部分。

本文为您介绍如何使用ECI快速部署Tensorflow。 前提条件 确保您已经创建Serverless集群，具体操作请参阅创建Serverless集群 。 已开通天翼云弹性文件或对象存储服务，用于存储tensorflow训练结果。 背景信息 TensorFlow是一个开源的机器学习框架，由Google开发和维护。它提供了一个灵活的编程环境，可以用于构建和训练各种机器学习模型，包括神经网络。TensorFlow使用图形计算的方式来表示计算任务，并通过优化技术来实现高效的计算。它支持多种编程语言，包括Python和C++，并且可以在各种硬件平台上运行，包括CPU、GPU和TPU。TensorFlow已经成为机器学习和深度学习领域最受欢迎的框架之一，被广泛应用于各种领域，如图像识别、自然语言处理、推荐系统等。 准备工作 1. 准备训练数据和容器镜像。 1. 训练数据：本文以Github的一个TensorFlow训练任务为例。 2. 容器镜像：在最佳实践中，已准备好适用的示例镜像，示例镜像已上传到天翼云容器镜像仓库中。 2. 创建镜像缓存。在ECI控制台的镜像缓存页面手动创建镜像缓存，如下图所示： 创建镜像缓存时需拉取镜像，受镜像大小和网络的影响，需要一定时间。可通过镜像缓存列表页或者镜像缓存详情页查看进度。镜像缓存状态显示ready时，表示镜像缓存已经创建成功。 3. 创建NAS文件系统。在文件存储控制台创建文件系统。NAS文件系统需和ACK Serverless集群处于同一VPC。

本节包含了通用计算增强型C6s弹性云主机的概述、规格、适用场景。 概述 C6s型云主机搭载第二代英特尔® 至强® 可扩展处理器，兼具高性能、高稳定性、低时延、高性价比的特点，适用于互联网、游戏、渲染等场景，特别是对计算及网络稳定性有较高要求的场景。 类型 CPU基频/睿频 CPU型号 ::: C6s 2.6GHz/3.5GHz Intel 6278C 适用场景 适用于互联网、游戏、渲染等场景，特别是对计算及网络稳定性有较高要求的场景。 游戏业务场景：满足游戏行业高性能、高稳定性要求。 渲染场景：优质渲染效果下提供极致性价比。 其他场景：游戏加速器、视频弹幕、建站、APP开发等。 规格 表 C6s型弹性云主机的规格 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） 网络连接数（万） 网卡多队列数 网卡个数上限 虚拟化类型 c6s.large.2 2 4 1/1 30 50 2 2 KVM c6s.xlarge.2 4 8 2/2 60 50 2 3 KVM c6s.2xlarge.2 8 16 4/4 120 100 4 4 KVM c6s.3xlarge.2 12 24 5.5/5.5 180 150 4 6 KVM c6s.4xlarge.2 16 32 7.5/7.5 240 150 8 8 KVM c6s.6xlarge.2 24 48 11/11 350 200 8 8 KVM c6s.8xlarge.2 32 64 15/15 450 300 16 8 KVM c6s.12xlarge.2 48 96 22/22 650 400 16 8 KVM c6s.16xlarge.2 64 128 30/30 850 500 32 8 KVM c6s.large.4 2 8 1/1 30 50 2 2 KVM c6s.xlarge.4 4 16 2/2 60 50 2 3 KVM c6s.2xlarge.4 8 32 4/4 120 100 4 4 KVM c6s.3xlarge.4 12 48 5.5/5.5 180 150 4 6 KVM c6s.4xlarge.4 16 64 7.5/7.5 240 150 8 8 KVM c6s.6xlarge.4 24 96 11/11 350 200 8 8 KVM c6s.8xlarge.4 32 128 15/15 450 300 16 8 KVM c6s.12xlarge.4 48 192 22/22 650 400 16 8 KVM c6s.16xlarge.4 64 256 30/30 850 500 32 8 KVM

翼MR集群版本 X86计算 翼MR2.16.0 CtyunOs 2.0.1

本节介绍了使用天翼云电脑（政企版）过程中涉及的基本概念，方便您查询和了解相关概念。 概念 说明 云资源池 云资源池是指中国电信采用虚拟化技术将计算、存储、网络等IT基础资源虚拟化成相应的逻辑资源池。 公有云 公有云是指云资源池被公众用户通过订阅使用云资源服务，云资源服务可以包括计算、存储、网络、应用程序和服务。 AI云电脑管理平台 提供整套AI云电脑管理平台软件，包含虚拟化、存储管理等组件，具备AI云电脑的开通、管理、监控、运维等能力。 电脑实例 可提供给用户电脑服务的最小单位，一台电脑实例包括vCPU、内存、电脑操作系统和系统盘等基础计算组件。 资源包 AI云电脑所需资源的总和，包括AI云电脑计算包、存储资源包和网络资源包。 单实例订购 直接选定AI云电脑规格并订购开通AI云电脑实例的一种AI云电脑订购方式。以单实例方式订购AI云电脑后，如有数据盘及上网带宽需求，数据盘及带宽服务需单独订购。 资源包订购 先订购资源包，再开通AI云电脑实例、数据盘及上网带宽的一种AI云电脑订购方式。资源包开通后，企业管理员可对AI云电脑、数据盘及上网带宽进行自助管理。 计算包 可供用户开通AI云电脑（vCPU、内存和系统盘）的资源总和。订购AI云电脑计算包后，企业管理员可自助开通、删除及管理AI云电脑，可开通的最大AI云电脑总数为用户订购计算包大小。 存储包 可供用户开通AI云电脑的数据盘的资源总和。订购存储包后，企业管理员可自助为AI云电脑添加数据盘、扩容数据盘，可开通的最大数据盘总容量为用户订购存储包容量大小。 网络包 可供用户开通AI云电脑上网带宽的资源总和。订购网络包后，企业管理员可自助开通、删除及配置带宽，可开通的最大上网带宽总和为用户订购网络包带宽大小。 AI云电脑升级/降级 升级/降级已购买的AI云电脑，如从2核4G内存升级至4核8G内存。 续订 延长AI云电脑及数据盘的订购可使用时间。 数据盘扩容 增加AI云电脑的已购数据盘容量，如从100GB扩容至2000GB。 管理员 管理员即为租户，具有对资源池下的资源进行订购、分配的权限。也可对租户下的用户进行创建、删除、分配桌面等操作。 用户 AI云电脑终端用户，AI云电脑（政企版）管理台支持两种创建用户方式： 管理员激活：输入用户账号和密码，即可生成用户账号。 邮件通知激活：输入用户通知邮箱和用户账号。账号信息会发送至用户通知邮箱，用户完成账号认证，即可使用该账号。 桌面池 桌面池是一批桌面集合，管理员提对桌面池桌面进行统一管理和运维。桌面池包含池化桌面、并发桌面两种类型。 池化桌面：可以创建一定数量的AI云电脑，与桌面池关联的用户通过先到先得的排队方式使用桌面池中的电脑资源。池化桌面数量和用户数量最高支持 1:3 配比，若池化桌面已使用完，用户需排队等待。 并发桌面：开通多个桌面，每个桌面只属于单个用户。根据并发桌面比例或数量进行相应的资源扣减。但每个桌面只属于单个用户，每次最多可在线使用的桌面数量占总并发桌面数量的一定比例。 基础策略 基础策略是为桌面配置的一组关于USB重定向、文件重定向读写权限、剪切板读写权限、水印、客户端自动重连间隔、画面显示等的安全规则集合，用于控制用户终端与AI云电脑之间的数据传输和外设接入权限。 移动终端 移动终端是指在移动设备上安装AI云电脑的客户端，使用户能通过该设备接入AI云电脑，该移动设备即称为移动终端。目前AI云电脑（政企版）支持移动终端包含了：iOS手机、iPad、安卓手机、安卓pad。 电脑终端 电脑终端是指在PC设备上安装AI云电脑的客户端，使用户能通过该设备接入AI云电脑，该PC设备即称电脑终端。目前AI云电脑（政企版）支持电脑终端包含了：Windows、Mac、Ubuntu瘦终端、安卓瘦终端、国产化终端。 触屏式 用户通过手指触碰显示屏，就能实现对移动端的AI云电脑进行操作。 鼠标式 用户通过在显示屏上移动鼠标指针，实现对移动端的AI云电脑进行操作。 虚拟键盘 可以在移动端的AI云电脑内进行文字输入、表格修改等其他操作的键盘。 组合键 将普通键盘的常用快捷键，以按钮的形式展现在移动端的AI云电脑内进行操作。

CREATE OR REPLACE PROCEDURE pcollatepinyin() AS $$ DECLARE vtxt1 TEXT COLLATE "zhCN.utf8" : '严'; vtxt2 TEXT COLLATE "zhCN.utf8" : '丰'; BEGIN IF vtxt1 > vtxt2 THEN RAISE NOTICE ' % > % ',vtxt1,vtxt2; ELSE RAISE NOTICE ' % > % ',vtxt2,vtxt1; END IF; END; $$ LANGUAGE plpgsql; CREATE PROCEDURE teledb CALL pcollatepinyin(); NOTICE: 严 > 丰 CALL teledb 变量赋值 plaintext teledb CREATE OR REPLACE PROCEDURE psetval() AS $$ DECLARE 定义时赋值 vint1 integer 1; 使用 :兼容于plsql vint2 integer : 1; vtxt1 text; vfloat float8; 使用查询赋值 vrelname text (select relname FROM pgclass LIMIT 1); vrelpages integer; vrec RECORD; BEGIN 在函数体中赋值 vtxt1 'teledbpg'; vfloat random(); 使用查询赋值的另一种方式 SELECT relname,relpages INTO vrelname,vrelpages FROM pgclass ORDER BY random() LIMIT 1; RAISE NOTICE 'vrelname % , relpages %',vrelname,vrelpages; END; $$ LANGUAGE plpgsql; CREATE PROCEDURE teledb CALL psetval(); NOTICE: vrelname pgtoast17220index , relpages 1 CALL teledb BULK COLLECT BULK COLLECT 将一个查询结果集保存起来。 示例1 plaintext teledb create table t5(f1 integer,f2 varchar(10)); CREATE TABLE teledb insert into t5 values(1,'teledbpg1'); INSERT 0 1 teledb insert into t5 values(2,'teledbpg2'); INSERT 0 1 teledb

在检查结果页面对某检查项加白名单 如果您不需要对某检查项进行检查，或者不需要对某检查项下的部分服务资源实例进行检查，可以执行加白名单操作。 加白名单后，再次检查时，将不再对已加白检查项进行检查，且“检查项合格率”中，也将不再纳入计算中。 1. 登录管理控制台。 2. 单击页面左上方的，选择“安全 > 态势感知（专业版）”，进入态势感知（专业版）管理页面。 3. 在左侧导航栏选择“工作空间> 空间管理”，并在工作空间列表中，单击目标工作空间名称，进入目标工作空间管理页面。 4. 在左侧导航栏选择“风险预防> 基线检查”，默认进入检查结果页面。 5. 在检查结果列表中，单击对应检查项所在行操作列的“加白名单”。 6. 在弹出的确认框中，单击“确定”。加白名单后，检查结果列表中将不展示该检查项的信息。加白名单后，再次执行检查时，将不再对已加白检查项进行检查，且“检查项合格率”中，也将不再纳入计算中。 在遵从包详情页对某检查项加白名单 如果您不需要对某检查项进行检查，可以执行加白名单操作。 加白名单后，再次检查时，将不再对已加白的检查项进行检查，且“检查项合格率”中，也将不再纳入计算中。 1. 登录管理控制台。 2. 单击页面左上方的，选择“安全 > 态势感知（专业版）”，进入态势感知（专业版）管理页面。 3. 在左侧导航栏选择“工作空间> 空间管理”，并在工作空间列表中，单击目标工作空间名称，进入目标工作空间管理页面。 4. 在左侧导航栏选择“风险预防> 基线检查”，进入基线检查页面后，选择“安全遵从包”页签，默认进入遵从包页面。 5. 单击目标遵从包名称，进入遵从包详情页面。 6. 在遵从包列表中搜索目标检查项，搜索到指定检查项后，单击待忽略检查项“操作”列的“加白名单”。 7. 在弹出的确认框中，单击“确定”。加白名单后，检查结果列表中将不展示该检查项的信息。加白名单后，再次执行检查时，将不再对已加白检查项进行检查，且“检查项合格率”中，也将不再纳入计算中。

类型 参数 说明 Index settings参数 vector 当需要使用向量索引加速时，需要设置该值为true。 Field mappings参数 type 字段类型，“vector”表示该字段为向量字段。 Field mappings参数 dimension 向量数据维度。 取值范围：[1, 4096] Field mappings参数 indexing 是否开启向量索引加速。 可选值： l false：表示关闭向量索引加速，向量数据仅写入docvalues，只支持使用ScriptScore以及Rescore进行向量查询。 l true：表示开启向量索引加速，系统将创建额外的向量索引，索引算法由"algorithm"字段指定，写入数据后可以使用VectorQuery进行查询。 默认值：false。 Field mappings参数 algorithm 索引算法。仅当“indexing”为“true”时生效。 可选值： l FLAT：暴力计算，目标向量依次和所有向量进行距离计算，此方法计算量大，召回率100%。适用于对召回准确率要求极高的场景。 l GRAPH：图索引，内嵌深度优化的HNSW算法，主要应用在对性能和精度均有较高要求且单shard中文档数量在千万个以内的场景。 l GRAPHPQ：将HNSW算法与PQ算法进行了结合，通过PQ降低原始向量的存储开销，能够使HNSW轻松支撑上亿规模的检索场景。 l IVFGRAPH：算法将IVF与HNSW结合，对全量空间进行划分，每一个聚类中心向量代表了一个子空间，极大地提升检索效率，同时会带来微小的检索精度损失。适用于数据量在上亿以上同时对检索性能要求较高的场景。 l IVFGRAPHPQ：PQ算法与IVFHNSW的结合，PQ可以通过配置选择与HNSW结合和IVF结合，进一步提升系统的容量并降低系统开销，适用于shard中文档数量在十亿级别以上同时对检索性能要求较高的场景。 默认值：GRAPH。 说明 当选择IVFGRAPH或者IVFGRAPHPQ索引时，需要额外进行预构建中心点索引以及注册等步骤，具体内容请参考 Field mappings参数 见下表“可选参数说明” 当使用向量索引加速时（即“indexing”为“true”时），为了获得更高的查询性能以及查询精度，ES提供了与向量索引相关的可选参数配置。 Field mappings参数 metric 计算向量之间距离的度量方式。 可选值： l euclidean：欧式距离。 l innerproduct：内积距离。 l cosine：余弦距离。 l hamming：汉明距离。 默认值：euclidean

海光通用型hs3x 产品名称 包月标准价格（元/核/月） 按需标准价格（元/核/小时） vCPU 45 0.0938 产品名称 包月标准价格（元/G/月） 按需标准价格（元/G/小时） 内存 16 0.0333 海光通用型hs1 产品名称 包月标准价格（元/核/月） 按需标准价格（元/核/小时） vCPU 45 0.0938 产品名称 包月标准价格（元/G/月） 按需标准价格（元/G/小时） 内存 16 0.0333 海光计算型hc3x 产品名称 包月标准价格（元/核/月） 按需标准价格（元/核/小时） vCPU 89 0.1854 产品名称 包月标准价格（元/G/月） 按需标准价格（元/G/小时） 内存 14 0.0292 海光计算型hc1 产品名称 包月标准价格（元/核/月） 按需标准价格（元/核/小时） vCPU 89 0.1854 产品名称 包月标准价格（元/G/月） 按需标准价格（元/G/小时） 内存 14 0.0292

参数 说明 Rulename 限流规则名称。 Running 匹配到该限流规则，且正常执行的SQL语句数量。 Waiting 匹配到该限流规则，且正在等待队列里的SQL语句数量。 Killed 匹配到该限流规则，且被Kill的SQL语句数量。 Totalmatch 匹配到该限流规则的总次数。 Maxconcurrencypernode 每个计算节点的并发度。 Waitqueuesizepernode 每个计算节点上等待队列的最大长度。 Waittimeout SQL语句在等待队列的最大等待时间。 Maxmergerows SELECT语句从DN返回的最大行数。 Sqltype SQL语句类型，可能值： SELECT DELETE UPDATE INSERT User 用户名。 Keywords 关键词列表。 Templateid SQL模板的哈希值。 Createdtime 限流规则的创建时间。 Templatesql SQL模板。

本文主要介绍Volcano调度器。 插件简介 Volcano调度器是一个基于Kubernetes的批处理平台，提供了机器学习、深度学习、生物信息学、基因组学及其他大数据应用所需要而Kubernetes当前缺失的一系列特性。 Volcano提供了高性能任务调度引擎、高性能异构芯片管理、高性能任务运行管理等通用计算能力，通过接入AI、大数据、基因、渲染等诸多行业计算框架服务终端用户。(目前Volcano项目已经在Github开源) Volcano针对计算型应用提供了作业调度、作业管理、队列管理等多项功能，主要特性包括： 丰富的计算框架支持：通过CRD提供了批量计算任务的通用API，通过提供丰富的插件及作业生命周期高级管理，支持TensorFlow，MPI，Spark等计算框架容器化运行在Kubernetes上。 高级调度：面向批量计算、高性能计算场景提供丰富的高级调度能力，包括成组调度，优先级抢占、装箱、资源预留、任务拓扑关系等。 队列管理：支持分队列调度，提供队列优先级、多级队列等复杂任务调度能力。 项目开源地址： 安装插件 步骤 1 登录CCE控制台，单击集群名称进入集群，单击左侧导航栏的“插件管理”，在右侧找到 Volcano ，单击“安装”。 步骤 2 该插件可配置“单实例”、“高可用”或自定义规格。 选择自定义时，volcanocontroller和volcanoscheduler的建议值如下： 小于100个节点，可使用默认配置，即CPU的申请值为500m，限制值为2000m；内存的申请值为500Mi，限制值为2000Mi。 高于100个节点，每增加100个节点（10000个Pod），建议CPU的申请值增加500m，内存的申请值增加1000Mi；CPU的限制值建议比申请值多1500m，内存的限制值建议比申请值多1000Mi。 volcanocontroller和volcanoscheduler的建议值 节点/Pods规模 CPU Request(m) CPU Limit(m) Memory Request(Mi) Memory Limit(Mi) 50/5k 500 2000 500 2000 100/1w 1000 2500 1500 2500 200/2w 1500 3000 2500 3500 300/3w 2000 3500 3500 4500 400/4w 2500 4000 4500 5500 步骤 3 配置volcano默认调度器配置参数。 cacert: '' defaultschedulerconf: actions: 'allocate, backfill' tiers: plugins: name: 'priority' name: 'gang' name: 'conformance' plugins: name: 'drf' name: 'predicates' name: 'nodeorder' plugins: name: 'ccegputopologypredicate' name: 'ccegputopologypriority' name: 'ccegpu' plugins: name: 'nodelocalvolume' name: 'nodeemptydirvolume' name: 'nodeCSIscheduling' name: 'networkresource' servercert: '' serverkey: '' 插件 功能 参数说明 用法演示 binpack 将pod调度到资源使用较高的节点以减少资源碎片 binpack.weight：binpack插件本身在所有插件打分中的权重 binpack.cpu：cpu资源在资源比重的比例，默认是1 binpack.memory：memory资源在所有资源中的比例，默认是1l binpack.resources： plugins: name: binpack arguments: binpack.weight: 10 binpack.cpu: 1 binpack.memory: 1 binpack.resources: nvidia.com/gpu, example.com/foo binpack.resources.nvidia.com/gpu: 2 binpack.resources.example.com/foo: 3 conformance 跳过关键Pod，比如在kubesystem命名空间的Pod，防止这些Pod被驱逐 gang 将一组pod看做一个整体去分配资源 priority 使用用户自定义负载的优先级进行调度 overcommit 将集群的资源放到一定倍数后调度，提高负载入队效率。负载都是deployment的时候，建议去掉此插件或者设置扩大因子为2.0。 overcommitfactor: 扩大因子，默认是1.2 plugins: name: overcommit arguments: overcommitfactor: 2.0 drf 根据作业使用的主导资源份额进行调度，用的越少的优先 predicates 预选节点的常用算法，包括节点亲和，pod亲和，污点容忍，node ports重复，volume limits，volume zone匹配等一系列基础算法 nodeorder 优选节点的常用算法 nodeaffinity.weight：节点亲和性优先调度，默认值是1 podaffinity.weight：pod亲和性优先调度，默认值是1 leastrequested.weight：资源分配最少的的节点优先，默认值是1 balancedresource.weight：node上面的不同资源分配平衡的优先，默认值是1 mostrequested.weight：资源分配最多的的节点优先，默认值是0 tainttoleration.weight：污点容忍高的优先调度，默认值是1 imagelocality.weight：node上面有pod需要镜像的优先调度，默认值是1 selectorspread.weight: 把pod均匀调度到不同的节点上，默认值是0 volumebinding.weight: local pv延迟绑定调度，默认值是1 podtopologyspread.weight: pod拓扑调度，默认值是2 plugins: name: nodeorder arguments: leastrequested.weight: 1 mostrequested.weight: 0 nodeaffinity.weight: 1 podaffinity.weight: 1 balancedresource.weight: 1 tainttoleration.weight: 1 imagelocality.weight: 1 volumebinding.weight: 1 podtopologyspread.weight: 2 ccegputopologypredicate GPU拓扑调度预选算法 ccegputopologypriority GPU拓扑调度优选算法 ccegpu 结合CCE的GPU插件支持GPU资源分配，支持小数GPU配置 numaaware numa拓扑调度 weight: 插件的权重 networkresource 支持预选过滤ENI需求节点，参数由CCE传递，不需要手动配置 NetworkType: 网络类型（eni或者vpcrouter类型） nodelocalvolume 支持预选过滤不符合local volume需求节点 nodeemptydirvolume 支持预选过滤不符合emptydir需求节点 nodeCSIscheduling 支持预选过滤everest组件异常节点 步骤 4 单击“安装”。

在当今数字化浪潮中，人工智能与高性能计算的融合正驱动着各行业的创新变革。随着数据量的爆炸式增长以及复杂算法的不断涌现，对计算资源的高效利用和模型部署的灵活性、高性能提出了严格要求。昇腾 910B 物理机，作为前沿计算领域的佼佼者，凭借其卓越的算力与强大的并行处理能力，为各类复杂任务提供了坚实的硬件支撑。通过嵌入式模型的部署，能够将先进的人工智能技术深度融入各类设备与系统，实现智能化的精准赋能。 本指南将详细阐述如何依托昇腾 910B 物理机及其镜像，顺利完成嵌入式模型部署工作。从前期依托 Galaxy 镜像构建 Slurm 集群并部署 DS 服务的环境搭建，到精准下载 BGEM3 等关键模型并巧妙配置启动脚本，再到运用 TEIATB 容器镜像灵活管理服务，每一个环节都紧密相扣。旨在帮助技术人员、科研工作者以及相关领域从业者，全面掌握基于昇腾 910B 的嵌入式模型部署技巧，充分释放硬件潜能，推动人工智能应用在各场景中的高效落地，助力行业迈向智能化发展的新高度。 一、环境准备

在当今数字化浪潮中，人工智能与高性能计算的融合正驱动着各行业的创新变革。随着数据量的爆炸式增长以及复杂算法的不断涌现，对计算资源的高效利用和模型部署的灵活性、高性能提出了严格要求。昇腾 910B 物理机，作为前沿计算领域的佼佼者，凭借其卓越的算力与强大的并行处理能力，为各类复杂任务提供了坚实的硬件支撑。而嵌入式模型的部署，能够将先进的人工智能技术深度融入各类设备与系统，实现智能化的精准赋能。 本指南将详细阐述如何依托昇腾 910B 物理机及其镜像，顺利完成嵌入式模型部署工作。从前期依托 Galaxy 镜像构建 Slurm 集群并部署 DS 服务的环境搭建，到精准下载 BGEM3 等关键模型并巧妙配置启动脚本，再到运用 TEIATB 容器镜像灵活管理服务，每一个环节都紧密相扣。旨在帮助技术人员、科研工作者以及相关领域从业者，全面掌握基于昇腾 910B 的嵌入式模型部署技巧，充分释放硬件潜能，推动人工智能应用在各场景中的高效落地，助力行业迈向智能化发展的新高度。 一、环境准备

操作步骤 1. 登录控制中心。 2. 单击“左侧导航栏>服务列表”，选择“计算 > 物理机”。 3. 在物理机列表页，单击右上角的“导出”，在弹出的确认框中单击“确定”。系统会将您帐号下，当前区域的所有物理机信息自动导出，并下载至本地。 4. 在本地计算机的下载路径，可以获取到导出的物理机列表信息。

CREATE OR REPLACE PROCEDURE pcollatepinyin() AS $$ DECLARE vtxt1 TEXT COLLATE "zhCN.utf8" : '严'; vtxt2 TEXT COLLATE "zhCN.utf8" : '丰'; BEGIN IF vtxt1 > vtxt2 THEN RAISE NOTICE ' % > % ',vtxt1,vtxt2; ELSE RAISE NOTICE ' % > % ',vtxt2,vtxt1; END IF; END; $$ LANGUAGE plpgsql; CREATE PROCEDURE teledb CALL pcollatepinyin(); NOTICE: 严 > 丰 CALL teledb 变量赋值 plaintext teledb CREATE OR REPLACE PROCEDURE psetval() AS $$ DECLARE 定义时赋值 vint1 integer 1; 使用 :兼容于plsql vint2 integer : 1; vtxt1 text; vfloat float8; 使用查询赋值 vrelname text (select relname FROM pgclass LIMIT 1); vrelpages integer; vrec RECORD; BEGIN 在函数体中赋值 vtxt1 'teledbpg'; vfloat random(); 使用查询赋值的另一种方式 SELECT relname,relpages INTO vrelname,vrelpages FROM pgclass ORDER BY random() LIMIT 1; RAISE NOTICE 'vrelname % , relpages %',vrelname,vrelpages; END; $$ LANGUAGE plpgsql; CREATE PROCEDURE teledb CALL psetval(); NOTICE: vrelname pgtoast17220index , relpages 1 CALL teledb BULK COLLECT BULK COLLECT 将一个查询结果集保存起来。 示例1 plaintext teledb create table t5(f1 integer,f2 varchar(10)); CREATE TABLE teledb insert into t5 values(1,'teledbpg1'); INSERT 0 1 teledb insert into t5 values(2,'teledbpg2'); INSERT 0 1 teledb

select '丰'::bytea; bytea xe4b8b0 (1 row) 按汉字的拼音对比大小。 teledb CREATE OR REPLACE PROCEDURE pcollatepinyin() AS $$ DECLARE vtxt1 TEXT COLLATE "zhCN.utf8" : '严'; vtxt2 TEXT COLLATE "zhCN.utf8" : '丰'; BEGIN IF vtxt1 > vtxt2 THEN RAISE NOTICE ' % > % ',vtxt1,vtxt2; ELSE RAISE NOTICE ' % > % ',vtxt2,vtxt1; END IF; END; $$ LANGUAGE plpgsql; CREATE PROCEDURE teledb CALL pcollatepinyin(); NOTICE: 严 > 丰 CALL teledb 变量赋值 teledb CREATE OR REPLACE PROCEDURE psetval() AS $$ DECLARE 定义时赋值 vint1 integer 1; 使用 :兼容于plsql vint2 integer : 1; vtxt1 text; vfloat float8; 使用查询赋值 vrelname text (select relname FROM pgclass LIMIT 1); vrelpages integer; vrec RECORD; BEGIN 在函数体中赋值 vtxt1 'teledbpg'; vfloat random(); 使用查询赋值的另一种方式 SELECT relname,relpages INTO vrelname,vrelpages FROM pgclass ORDER BY random() LIMIT 1; RAISE NOTICE 'vrelname % , relpages %',vrelname,vrelpages; END; $$ LANGUAGE plpgsql; CREATE PROCEDURE teledb CALL psetval(); NOTICE: vrelname pgtoast17220index , relpages 1 CALL teledb BULK COLLECT BULK COLLECT 将一个查询结果集保存起来。 示例1 teledb create table t5(f1 integer,f2 varchar(10)); CREATE TABLE teledb

transtion字段 当前只支持到nextState属性，用于标记下一个跳转的state名称 字段 类型 是否必须 含义 nextState string 是 下一个跳转state的名称，下一个state必须声明的states中的其中一个 一个简单的涉及transtion和end属性设置的流程定义， "Hello"状态即设置了transtion属性字段，通过nextState指定了下一个跳转的状态是Final状态。 Final状态设置了end属性为true，代表工作流执行到该状态时并执行完成， 则该工作流执行结束。 plaintext specVersion: "0.8" name: "demo" start: "Hello" states: name: "Hello" type: "Operation" actions: functionRef: type: "Noop" transition: nextState: "Final" name: "Final" type: "Operation" metadata: description: "工作流执行的最后一个节点定义" actions: functionRef: type: "Noop" end: true stateDataFilter字段 用于控制当前state输入输出字段的过滤，按照jsonPath方式获取指定路径的输入输出参数或者按照指定结构重新构造参数。 字段 类型 是否必须 含义 input string(单一jsonPath表达式)/object 否 按照jsonPath方式获取指定路径的输入参数或者按照object结构重新构造输入参数 output string(单一jsonPath表达式)/object 否 按照jsonPath方式输出指定路径的输出参数或者按照object结构重新构造输出参数 以输入处理为例， state的输入数据如下： plaintext { "testInt": 123, "testString": "1234", "testMap": { "k1": "v1", "k2": "v2" } } 按照jsonPath过滤输入数据或者object重构输入数据， 使用方式如下： 方式 结果 按照object重新构造数据结构： plaintext stateDataFilter: input: new1: "{ $.testInt }" new2: "{ $.testString }" 输入数据最终重构为： plaintext { "new1": 123, "new2": "1234" } 基于jsonPath过滤数据： plaintext stateDataFilter: input: "{ $.testMap }" 输入数据最终过滤为： plaintext { "k1": "v1", "k2": "v2" } 相关文档 状态流转 数据传递 输入和输出 内置函数 错误处理

本节介绍了专属云（计算独享型）如何扩容的内容。 扩容流程与专属云开通流程相同，您可向专属客户经理或拨打客服热线4008109889提出扩容需求，我们将在资源开通后告知您，原有资源使用不受影响。

新域名服务是天翼云为您提供全面的域名注册服务，提供域名注册、域名保护、域名续费等服务协助用户快速建设网站，为企业提升品牌认知度和影响力。 新域名：是互联网服务中的一个基本名称服务，是用户在互联网中用户访问相关内容的符号标志；是由一串用“点”分隔的字符组成的Internet上某一台计算机或计算机组的名称，用于在数据传输时标识计算机的电子方位（有时也指地理位置，地理上的域名，指代有行政自主权的一个地方区域）。

本文介绍了关于续订相关的规则和操作方法。 续订规则 只有通过实名认证的客户，才可以执行续订操作。 存在未完成订单中的资源不允许续订，如开通中的资源、规格变更中的资源、退订中的资源。 已退订或释放的资源不可续费。 若资源到期后续费，续费周期自资源续订解冻开始，计算新的服务有效期，按照新的服务有效期计算费用。例如，客户资源2020年9月30号到期，10月11号续订1个月，那么资源新的服务开始时间为10月11号，到期时间为11月10号。相关费用自10月11号开始计算。 说明 按量付费的文件系统不涉及续订，包年包月的文件系统才可续订。 手动续订 您可在弹性文件服务控制台完成在线续订操作，操作步骤如下： 1. 登录"控制中心" ，切换到服务所在资源节点。 2. 选择"存储>弹性文件服务SFS Turbo"进入弹性文件服务控制台页面，在文件系统列表处找到需要进行续订的目标文件系统。 3. 在操作栏下或点击进入详情页，点击"续订”按钮。 4. 在弹出的续订框中根据实际需要选择续订时长，点击“确定”，进行后续付费操作。 5. 返回文件系统列表页或详情页，查看文件系统到期时间。 自动续订 为避免由于未及时对资源采取续订操作，资源被到期冻结或超期释放，您可在创建文件系统时勾选“自动续订”选项，或者购买包月包年文件系统后再设置开通自动续订。开通自动续订后，系统将在资源到期前自动续订，无需再手动操作。自动续订相关操作可参考费用中心产品文档。

本节主要介绍产品定义。 什么是云容器引擎？ 云容器引擎(CT Cloud Container Engine，简称CCE)提供高可靠、高性能的企业级Kubernetes集群托管服务，支持运行Docker容器，帮助用户在云上轻松部署、管理和扩展容器化应用程序。 为什么选择云容器引擎？ 云容器引擎深度整合高性能的计算（ECS）、网络（VPC/EIP/ELB）、存储（EVS/OBS/SFS）等服务，支持多可用区（Available Zone，简称AZ）、多区域（Region）容灾等技术构建Kubernetes高可用集群。 产品形态 云容器引擎包含多种产品形态。 集群类型 CCE Standard CCE Turbo 产品定位 标准版本集群，提供高可靠、安全的商业级容器集群服务。 面向云原生2.0的新一代容器集群产品，计算、网络、调度全面加速。 使用场景 面向有云原生数字化转型诉求的用户，期望通过容器集群管理应用，获得灵活弹性的算力资源，简化对计算、网络、存储的资源管理复杂度。 适合对极致性能、资源利用率提升和全场景覆盖有更高诉求的客户。 网络模型 云原生网络1.0：面向性能和规模要求不高的场景。 容器隧道网络模式 VPC网络模式 云原生网络2.0：面向大规模和高性能的场景。 组网规模最大支持2000节点 hostPort 支持 不支持 网络性能 VPC网络叠加容器网络，性能有一定损耗 VPC网络和容器网络融合，性能无损耗 容器网络隔离 容器隧道网络模式：集群内部网络隔离策略，支持NetworkPolicy。 VPC网络模式：不支持 Pod可直接关联安全组，基于安全组的隔离策略，支持集群内外部统一的安全隔离。 容器资源隔离 普通容器：Cgroups隔离 安全容器：当前仅物理机支持，提供虚机级别的隔离 普通容器：Cgroups隔离 边缘基础设施管理 不支持 支持管理智能边缘小站

多表关联查询规范 多表关联应该显式使用 join 子句，避免漏掉关联条件，造成笛卡尔积。 嵌套SQL语句应该为不同表指定不同别名。 高并发交易场景，单条语句关联表不超过两张，使用执行计划为 IndexJoin 的多表关联语句，外表建立了正确的条件过滤索引，内表建立了正确的关联和条件过滤索引。 低并发的分析场景，单条语句关联表不超过 10 张，其中亿级表不超过 2 张。 大事务处理规范 单个事务的总大小默认不超过 100 MB，最大支持 10 GB，实际的单个事务大小限制还取决于服务器剩余可用内存的大小，执行事务时计算节点进程的内存消耗大约是事务大小的 6 倍以上。 由于执行事务时计算节点进程的内存消耗大约是事务大小的 6 倍以上，事务设置过大，或者 Batch 过高，可能导致计算节点进程 OOM，需要评估好内存容量。 为了使性能达到最优，需要对大事务按某个业务维度进行拆分，每 100～500 行提交一个事务。 防范写入热点创建规范 对于写入量非常大的表，应当通过应用性能压测等方法在测试环境模拟表的热点情况。 通过以下三种手段进行配置，规避表的主键写入热点。 避免连续自增主键的设计，建议采用雪花算法生成 UUID 主键。 主键是非整数的表或者启用 altprimarykeytrue 配置后创建的所有表，使用 SHARDROWIDBITS 语法创建基于 rowid 的分片方案，例如：CREATE TABLE t (c int) SHARDROWIDBITS 4 或 ALTER TABLE t SHARDROWIDBITS 4。 创建按照 Hash 或 Range 分区表避免热点。