参数名称 参数用途 取值 是否必须 [value] 调整图片的锐化程度 [50,399] 推荐值：100 取值越大，图片越清晰，过大的值可能导致图片失真 是

限制项 限制说明 topic名字 限制2到64个字符，超过限制会导致创建主题失败，用户创建主题只能包含大小写字母数字以及和符号。 group名字 限制2到64个字符，超过限制会导致创建订阅组失败，用户创建订阅组只能包含大小写字母数字以及和符号。 AccessKey 高级版引擎在角色管理中创建AccessKey只能包含大小写字母数组以及符号，长度限制必须大于6个字符小于64个字符。 SecretKey 高级版引擎角色管理创建SecretKey必须包含大小写字母数字以及以下特殊符号：!@$%，长度限制必须大于8位小于64个字符。 延时消息的发送时间点 最大支持40天的延时时间点，超过40天将发送失败。 消息大小 普通消息和顺序消息大小限制4MB，延时消息消息大小限制16KB，超过限制会导致消息发送失败。 消息存储时长 消息存储时长限制默认为7天，超过最长存储时间的消息会被删除。

本文介绍Redis部分命令使用限制 大数据量命令使用限制 如果缓存实例的数据量比较大， 执行一些大数据量的命令时，可能会较长的时间内占用Redis的资源，让其他客户端的请求无法得到响应。 比如KEYS等命令。 Server命令的限制 对应经典版2.8、4.0和5.0版本，为了保护Redis的平稳运行，下面这些命令是禁止的：save、bgsave、bgrewriteaof 、sync、psync。 LUA命令使用限制 lua脚本的执行超时时间为5秒钟，不要在脚本中使用耗时的代码和命令，比如长时间的sleep、大的循环等。 注意 调用lua脚本时，建议不要使用随机函数去指定key，否则在主备节点上执行结果不一致，从而导致主备节点数据不一致。 其他限制 单个Redis命令不应执行太长。Redis本身只能单线程处理，会导致其他客户端请求无法及时处理。如果执行时间大于10秒,内部可能会触发主从切换，会导致其他客户端请求都失败。

本节主要介绍全量SQL洞察。 在实例开启DAS收集全量SQL的前提下，该模块基于全量SQL数据进行分析，并提供多维度的分析、搜索、过滤的能力，帮助用户全面洞察SQL，TOP SQL快速定位异常原因，保障数据库稳定运行。 全量SQL洞察功能在对实例性能影响极小(5%以内)的情况下，记录了全量SQL，提供了访问最频繁、更新最频繁的表，锁等待时间最长的SQL等多维度的分析、搜索、过滤能力。 使用须知 关闭DAS收集全量SQL后，DAS将不再采集您新产生的SQL，已经收集的SQL也会被删除，请您谨慎操作。 免费实例的全量SQL日志仅保留1个小时，付费实例默认保留7天，最长可保存30天，到期后自动删除。 全量SQL功能不能保证记录全部数据，针对RDS for PostgreSQL会有如下使用限制： 当前全量SQL受内存缓冲区限制，业务量大的场景下，全量SQL有较小概率因缓冲区满，存在丢弃部分记录(一般来说，qps大于1000或者CPU、内存等资源达到瓶颈会出现丢失部分记录）。 当前全量SQL单条记录超过4096字节时，会默认丢弃超过4096字节的SQL。 全量SQL洞察仅支持以下内核版本的RDS for PostgreSQL实例： 如大版本为14，小版本需 > 14.4 如大版本为13，小版本需 > 13.6 （13.6>小版本>13.2，通过psql执行的sql能被采集到，但通过其他驱动如JDBC执行的sql可能不会被采集） 如大版本为12，小版本需 > 12.10（12.10>小版本>12.6，通过psql执行的sql能被采集到，但通过其他驱动如JDBC执行的sql可能不会被采集） 如大版本为11，小版本需 > 11.15（11.15>小版本>11.11，通过psql执行的sql能被采集到，但通过其他驱动如JDBC执行的sql可能不会被采集） 如大版本为10，小版本需 > 10.20（10.20>小版本>10.16，通过psql执行的sql能被采集到，但通过其他驱动如JDBC执行的sql可能不会被采集） 如大版本为9.6，小版本需 > 9.6.24（9.6.24>小版本>9.6.21，通过psql执行的sql能被采集到，但通过其他驱动如JDBC执行的sql可能不会被采集） 如大版本为9.5，小版本需 > 9.6.25（部分9.5.25版本实例通过psql执行的sql能被采集到，但通过其他驱动如JDBC执行的sql可能不会被采集）

本章节主要介绍登录共享数据库实例 假设我有一个数据库实例，想让另一个帐号或者同一个主帐号下的子帐号登录这个实例，并且不允许另一个帐号或者子帐号看到数据库列表中的其他数据库实例，也不想让其他用户知道数据库密码，还是可以登录实例。您可以使用共享数据库登录特性。 前提条件 两个帐号或一个帐号下两个子帐号。 已获取子帐号的UID（User ID）。 使用须知 获得共享数据库登录的用户不能新增数据库、新增用户。 被共享数据库中不包括数据追踪与回滚和后台任务特性。 操作步骤 1、使用子帐号登录管理控制台。 2、单击管理控制台右上角的，选择区域和项目。 3、单击页面左上角的，选择“数据库 > 数据管理服务”，进入数据管理服务页面。 4、在左侧导航栏中，单击“开发工具”，进入开发工具页面。 5、选择“他人共享给我的数据库登录”页签。 6、单击“查看我的用户ID”，复制UID。 7、使用主帐号登录管理控制台。 8、单击管理控制台右上角的，选择区域和项目。 9、单击页面左上角的，选择“数据库 > 数据管理服务”，进入数据管理服务页面。 10、在左侧导航栏中，单击“开发工具”，进入开发工具页面。 11、在“由我创建的数据库登录”页面，选择需要共享的数据库，单击共享用户数下面的数字。 12、在“查看共享数据库登录的用户”窗口单击“添加共享”。 13、在“添加共享用户”窗口选择添加方式。 手动录入：输入需要被共享用户的UID，添加多个用户时，用分号隔开。 同步子帐号：选择当前登录主帐号下的其他子帐号。 同步EPS用户：选择企业下的分组，在待选用户中添加需要共享的用户。 14、确认信息无误后，单击“确定”。 15、返回子帐号所在数据管理服务控制台，查看是否添加成功。 16、单击操作列的登录，即可登录被共享数据库。

天翼云大数据型物理机提供高带宽、大容量的存储和计算资源，是低时延、高性能、高可靠的大数据业务基础资源，用于提升大数据分析业务资源利用率，满足大规模数据处理、分布式计算和实时分析的需求，助力企业做出准确决策和优化业务运营，挖掘数据中的价值。 规格名称 CPU 内存（GB） 处理器 处理器主频（GHz） 本地磁盘 内网带宽（Gbps） 是否支持挂载云硬盘 physical.s5se.2xlarge1.1 2路32核 512 Intel 8378A 3.0 系统盘：2960GB（SSD）数据盘：12 12000GB（SATA） 50 不支持 physical.s5.2xlarge29 2路32核 768 Intel 8378A 3.0 系统盘：2480GB（SSD）数据盘：10 3200GB（NVMeSSD） 225 不支持

应用场景 大数据分析，如广告精准营销、电商、车联网等大数据分析场景。内存存储系统，如Memcache等。

SnapCheckpoint(Snapckpt)是由息壤训推智算服务平台提供的针对大模型训练场景提供的高性能checkpoint框架。Snapckpt提供了高效便捷的断点存储、加载机制。 Snapckpt加速包 SnapCheckpoint（Snapckpt）是由息壤一体化智算服务平台 训推智算服务平台提供的针对大模型训练场景提供的高性能checkpoint框架。Snapckpt提供了高效便捷的断点存储、加载机制。 Snapckpt介绍 Snapckpt是一种为大模型训练打造的易用、可拓展、高性能的断点解决方案。Snapckpt提供了高效便捷的断点存储、加载机制，其主要有以下几大优势： 1. 异步断点保存：通过优化断点保存流程，使得断点保存过程异步化，尽可能减小断点保存过程对于训练的中断，减少训练阶段耗时。 2. 分布式断点存储：对模型机优化器参数进行分布式存储，避免集中式存储带来的额外通信开销，大幅降低存储与加载断点的耗时。 3. 多框架支持：支持MegatronLM、Deepspeed两大主流大模型训练框架。 4. 简单易用：安装及使用方式简单，用户仅需简单步骤即可使用，提升使用效率。 背景信息 在大规模分布式模型训练过程中，系统可能因硬件故障或软件异常导致训练中断。为确保训练进度可恢复，业界普遍采用周期性保存检查点(Checkpoint)的方案。值得注意的是，检查点操作耗时与模型参数量呈正相关关系，当面对参数量达百亿甚至千亿级别的大模型时，每次检查点保存往往需要耗费数分钟至十余分钟不等。特别是在使用MegatronLM框架或原生PyTorch进行训练时，检查点保存过程会强制暂停训练任务，导致宝贵的计算资源被闲置。因此，开发高效的检查点机制以降低时间成本和资源浪费，已成为当前大规模模型训练亟待解决的关键问题。 Snapckpt采用多阶段异步断点存储机制，降低断点存储耗时，减少训练中断带来的影响，从而提升训练速度，提升计算资源有效利用率。

参数 描述 取值范围 r 设置模糊半径。 [1,50] 该值越大，图片越模糊。 s 设置正态分布的标准差。 [1,50] 该值越大，图片越模糊。

云工作流支持的功能如下(公测版)： 功能集 功能 功能说明 参考文档 基本功能 流程（Flow） 云工作流基于CNCF ServerlessWorkflow Specification 0.8版本进行适配优化作为天翼云云工作流执行流程定义。执行流程时，云工作流执行引擎会根据流程定义解析并驱动执行相关状态流转。 一个流程通常包含若干状态（State），这些状态可以是简单的执行类状态，例如操作（Operation）、暂停（Sleep）、传递（Noop）和失败（Fail）等；也可以是复杂的流程控制类状态，例如条件分支（Switch）、并行（Parallel）和迭代（Foreach）。 流程定义介绍 创建流程 执行流程 基本功能 调度（Schedule） 云工作流调度（即触发器）是触发工作流执行的方式。在事件驱动的计算模型中，事件源是事件的生产者，工作流是事件的处理者。云工作流目前支持比较常见的触发器场景： 定时触发器、HTTP触发器、消息队列类型（Kafka、 RokectMQ）触发器， 云原生网关触发器 工作流调度简介 特性功能 标准（Standard）模式 云工作流支持创建标准（Standard）和快速（Express）两种模式的工作流。 标准（Standard）模式适用于传统意义上的离线业务流程编排执行场景，具备执行步骤状态的持久化存储，支持运行长时间的工作流执行状态流转。 快速工作流和标准工作流 特性功能 快速（Express）模式 云工作流支持创建标准（Standard）和快速（Express）两种模式的工作流。 快速（Express）模式适用于常见的在线业务流程编排和准实时业务流程编排场景，例如微服务API编排、流式数据处理等低延迟和大负载业务场景。 快速工作流和标准工作流 运维及可观测建设 工作流执行监控 工作流执行监控可对工作流的执行启动、执行成功、执行失败、执行超时以及执行过程中的状态转换和执行耗时等指标进行监控和展示。 监控指标 运维及可观测建设 审计事件 云工作流已接入审计服务，可以在云审计中查询用户操作云工作流产生的管控事件， 例如创建工作流、删除工作流以及执行工作流等。 审计事件 流程开发 工作流设计器 云工作流提供一个低代码、可视化的工作流设计器，包含cloudflow studio、 yaml以及工作流设置等功能区。可以基于cloudflow studio进行工作流可视化编排以及相关属性设置， 降低用户对流程定义语言的学习成本。 工作流设计器 集成建设 云服务优化集成 云工作流支持与天翼云多个云服务集成，允许在流程中调用这些云服务的API进行相关资源的操作，完成业务流程构建。 云工作流与云服务的集成类型包括普通集成和优化集成。普通集成是指允许云工作流直接调用云产品的OpenAPI服务接口，不对这些服务接口做任何包装处理和实现优化，基本包括了在天翼云OpenAPI门户注册的云服务OpenAPI服务接口。 优化集成是指对部分高频使用的云产品服务接口进行包装和优化处理，简化接口使用难度，方便用户集成。 集成模式 服务集成模式 函数计算集成 云工作流计集成 集成建设 云服务普通集成 普通集成是指云工作流直接通过在天翼云产品在天翼云OpenAPI门户注册的OpenAPI对外提供的服务接口进行集成调用，不对服务接口做任何特殊处理和优化。 允许云工作流通过调用弹性计算、存储服务、数据库、容器、大数据处理、中间件服务在内的多个天翼云服务的接口实现业务流程编排。 普通集成

本章节主要介绍数据字典 数据字典是描述数据的信息集合，包含数据库名、数据库字符集、表名、表的大小、表的记录行数、表的字符集、表的字段、表的索引、表的描述、字段的类型、字段的精度、字段的描述等。 您可以在数据管理服务控制台查看目标数据库的数据字典，也可以下载PDF到本地进行查看。 前提条件 数据库中存在表格。 操作步骤 1、登录管理控制台。 2、单击管理控制台右上角的，选择区域和项目。 3、单击页面左上角的，选择“数据库 > 数据管理服务”，进入数据管理服务页面。 4、在左侧导航栏中，单击“开发工具”，进入开发工具页面。 5、选择需要登录的目标数据库实例，单击操作列表中的“登录”，登录目标数据库实例。 6、在首页数据库列表中，单击目标数据库操作栏“数据字典”，进入数据字典文档页面。 7、在数据字典页面中，您可以查看当前数据库下数据字典文档的“文档索引”和当前数据库下所有表格的表结构信息。 8、您可以单击“导出PDF”，下载到本地查看。

参数 说明 大区域 选择大区域（单选），目前仅支持“中国大陆”、“亚太” 资源池 选择资源池（区域） 名称 输入云企业路由器名称 描述 云企业路由器描述

参数名称 参数用途 取值 是否必须 r 设置模糊半径 [1,50] 数值越大，越模糊 是 s 设置正态分布的标准差 [1,50] 数值越大，越模糊 是

第三方云站点接入公共传输通道 1. 阿里云接入公共传输通 阿里云资源池所在地市的CN2DCI PE设备通过预开通的大带宽中继电路接入阿里云资源池出口网关CGW设备。电信按客户为单位基于预开通的中继电路接入端口创建客户VBR，客户VBR与CN2DCI PE之间通过VLAN子接口对接，并进行带宽限速。 2. 腾讯云接入公共传输通道： 腾讯云资源池所在地市的CN2DCI PE设备通过预开通的大带宽中继电路接入腾讯云资源池出口网关CGW设备（腾讯云三层交换机）。电信按客户为单位创建客户专线网关，基于预开通的大带宽中继电路创建专用通道，客户专线网关与CN2DCI PE之间通过VLAN子接口对接，并进行带宽限速。 3. 华为云接入公共传输通道 华为云资源池所在地市的CN2DCI PE设备通过预开通的大带宽中继电路接入华为云资源池出口网关CGW设备（华为云POP）。电信按客户为单位基于预开通的中继电路创建客户虚拟网关，客户虚拟网关与CN2DCI PE之间通过VLAN子接口对接，并进行带宽限速。 4. 微软云接入公共传输通道 微软云资源池所在地市的CN2DCI PE设备通过预开通的大带宽中继电路接入微软云资源池出口网关CGW设备（微软云MSEE）。电信根据不同客户，在CGW与CN2DCI PE之间通过QinQ子接口对接，并进行带宽限速。 5. AWS云接入公共传输通道 AWS资源池所在地市的CN2DCI PE设备通过预开通的大带宽中继电路接入AWS资源池出口网关CGW设备（AWS DXGateway）。电信根据不同应用，CGW与CN2DCI PE之间通过VLAN子接口对接，并进行带宽限速。

标准存储 低频存储 归档存储 存储成本 中等 较低 非常低 访问频率 高 低 非常低 数据访问延迟 大文件场景：低 小文件高并发场景：低 大文件场景：低 小文件高并发场景：较高 大文件场景：低 小文件高并发场景：较高 最低存储时间 无 30天 90天 数据安全性 高 高 高 数据存储用途 经常访问的数据 低频访问的数据 长期存档和备份 数据取回 不涉及 按实际取回数据量收费 按实际解冻数据量收费 适用场景 适用于频繁访问（平均一月访问多次）的存储场景，比如移动应用、网站、音视频、社交图片、大数据分析等 适用于不频繁访问（平均一月访问一次）的存储场景，比如数据备份、视频监控数据等 适用于很少访问（平均一年访问一次）的存储场景，比如档案数据、医疗影像等合规性要求高的数据、长期备份等 服务可用性 单AZ：99.99% 多AZ：99.995% 单AZ：99% 多AZ：99.9% 99%

SnapCheckpoint(Snapckpt)是由息壤一体化智算服务平台 一站式智算服务平台提供的针对大模型训练场景提供的高性能checkpoint框架。Snapckpt提供了高效便捷的断点存储、加载机制。 Snapckpt加速包 SnapCheckpoint（Snapckpt）是由息壤一体化智算服务平台 一站式智算服务平台提供的针对大模型训练场景提供的高性能checkpoint框架。Snapckpt提供了高效便捷的断点存储、加载机制。 Snapckpt介绍 Snapckpt是一种为大模型训练打造的易用、可拓展、高性能的断点解决方案。Snapckpt提供了高效便捷的断点存储、加载机制，其主要有以下几大优势： 1. 异步断点保存：通过优化断点保存流程，使得断点保存过程异步化，尽可能减小断点保存过程对于训练的中断，减少训练阶段耗时。 2. 分布式断点存储：对模型机优化器参数进行分布式存储，避免集中式存储带来的额外通信开销，大幅降低存储与加载断点的耗时。 3. 多框架支持：支持MegatronLM、Deepspeed两大主流大模型训练框架。 4. 简单易用：安装及使用方式简单，用户仅需简单步骤即可使用，提升使用效率。 背景信息 在大规模分布式模型训练过程中，系统可能因硬件故障或软件异常导致训练中断。为确保训练进度可恢复，业界普遍采用周期性保存检查点(Checkpoint)的方案。值得注意的是，检查点操作耗时与模型参数量呈正相关关系，当面对参数量达百亿甚至千亿级别的大模型时，每次检查点保存往往需要耗费数分钟至十余分钟不等。特别是在使用MegatronLM框架或原生PyTorch进行训练时，检查点保存过程会强制暂停训练任务，导致宝贵的计算资源被闲置。因此，开发高效的检查点机制以降低时间成本和资源浪费，已成为当前大规模模型训练亟待解决的关键问题。 Snapckpt采用多阶段异步断点存储机制，降低断点存储耗时，减少训练中断带来的影响，从而提升训练速度，提升计算资源有效利用率。

本节介绍如何将Redis 3.0一键升级到高版本。 分布式缓存服务Redis 3.0已停售，且Redis 3.0版本较老，开源社区已不再对其进行更新，DCS提供的Redis高版本兼容Redis 3.0，建议客户尽快将DCS Redis 3.0升级到高版本。本章节介绍如何将Redis 3.0一键升级到高版本。 约束与限制 目前仅支持升级Redis 3.0实例到高版本，暂不支持Redis 4.0及以上版本的实例升级大版本。 建议在业务低峰期进行实例升级操作。 实例升级大版本后不支持自助回退。 升级影响 在版本升级的过程中会产生一分钟以内的只读和秒级的连接闪断，请确保客户端应用具备重连机制和处理异常的能力。 Redis 3.0实例版本升级后带宽有所降低，请评估变更后的带宽能否满足业务需求。若不满足需求，可在版本升级后 调整实例带宽。 升级前的备份文件在升级后不可用于恢复实例。 升级Redis 3.0实例大版本 1. 登录分布式缓存服务管理控制台。 2. 在管理控制台左上角单击，选择实例所在的区域。 3. 单击左侧菜单栏的“缓存管理”。 4. 在“缓存管理”页面，单击Redis缓存实例的名称，进入实例详情页面。 5. 在“基本信息”区域，单击“缓存类型”后的“升级大版本”。 6. 在升级大版本页面选择“目标版本”，并确认目标版本的带宽和价格。 建议选择Redis5.0及以上版本。 7. 单击“提交订单”。当升级任务的状态显示“成功”后，升级版本完成。 说明 Redis 3.0实例升级后，对于原实例和高版本实例都存在的配置参数，在升级后会继承原实例的参数配置值；对于升级后高版本实例新增的配置参数，会保持该配置参数的默认值。 结束

码率 码率（Bitrate）是单位时间播放连续媒体（如压缩后的音频或视频）所需的比特数量，测量单位为“比特每秒”（bit/s 或 bps）。一般来说在相同分辨率下，文件的码率越大，说明单位时间内取样率越大，数据流精度就越高，画面质量就越高，画质越清晰，要求播放设备的解码能力也越高。同样，码率越大，文件体积也越大，其计算公式是文件体积时间×码率/8。 封装格式 封装格式（Format）是将已经编码压缩好的视频流和音频流按照一定的格式规范，放到一个文件中。对于网络点播而言，更加合适的术语应该叫“流媒体网络传输协议”。在互联网中使用最为广泛的协议为： MP4：非常经典的文件格式，对 iOS、Android、PC Web 端支持度都很好。但是 MP4 的视频文件头太大，结构复杂。如果视频较长（如长达数小时），则其文件头会过大，影响视频加载速度，所以其更适用于短视频场景。 HLS（HTTP Live Streaming）：苹果公司力推的标准，iOS、Android 端支持度较好，但 IE 的支持情况依赖 Flash 的二次开发工作。 FLV：Adobe公司所推的标准，在 PC 端有 Flash 的强力支持，但在移动端只有App 实现播放器才有可能支持，大部分手机端浏览器均不支持。 视频转码 视频转码是指将一个视频文件从一种编码格式转换为另一种编码格式的过程。转码的目的可能是为了使视频文件在特定设备或软件上播放或编辑，或者为了减小视频文件的大小以节省存储空间或加快传输速度。在视频转码过程中，可以调整视频的分辨率、帧率、比特率、编码方式等参数，以适应不同的需求。

本节主要介绍弹性文件服务包含哪些文件系统类型。 弹性文件服务提供SFS容量型和SFS Turbo两种类型的文件系统。 以下表格介绍了各类型文件系统的特点、优势及应用场景。 SFS容量型 参数 说明 最大带宽 2GB/s 最高IOPS 2K 时延 3~20ms 最大容量 4PB 优势 大容量、高带宽、低成本 应用场景 大容量扩展以及成本敏感型业务，如媒体处理、文件共享、HPC、数据备份等。 说明 时延是指低负载情况下的最低延迟，非稳定时延。 10MB以上为大文件，1MB以上为大IO。 SFS TURBO SFS Turbo文件系统新规格 参数 20MB/s/TiB 40MB/s /TiB 125MB/s /TiB 250MB/s /TiB 500MB/s /TiB 1000MB/s/TiB 最大带宽 8GB/s 8GB/s 20GB/s 20GB/s 80GB/s 80GB/s 最大IOPS 25万 25万 100万 100万 100万 100万 平均单路4K延迟 25ms 25ms 13ms 13ms 13ms 13ms 容量 3.6TB1PB 1.2TB1PB 1.2TB1PB 1.2TB1PB 1.2TB1PB 1.2TB1PB 介质类型 HDD HDD SSD SSD ESSD ESSD 优势 大容量、低成本 大容量、低成本 低时延、高性价比 低时延、高性价比 高IOPS、性能高密 高IOPS、性能高密 典型应用场景 日志存储、文件共享、内容管理、网站等 日志存储、文件共享、内容管理、网站等 AI训练、自动驾驶、EDA仿真、渲染、企业NAS应用、高性能web应用等 AI训练、自动驾驶、EDA仿真、渲染、企业NAS应用、高性能web应用等 大规模AI训练、AI大模型、AIGC等 大规模AI训练、AI大模型、AIGC等 说明 SFS Turbo新规格的性能与购买的容量大小成正比。购买SFS Turbo文件系统的容量越大，该SFS Turbo所能够提供的带宽也越大。根据每1TiB容量所能提供带宽的区别，SFS Turbo实例分为多个规格，分别为：20MB/s/TiB，40MB/s/TiB，125MB/s/TiB，250MB/s/TiB，500MB/s/TiB，1000MB/s/TiB。 例如，购买6TiB容量的SFS Turbo文件系统，规格为250MB/s/TiB，则该SFS Turbo能提供的带宽为：250 6 1500MB/s。 SFS Turbo最小带宽为150M/s。当计算出来的带宽小于150M/s时，SFS Turbo带宽以最小带宽150M/s计算。由于不同规格架构的限制，每个规格都有一个最大带宽。当计算出来的SFS Turbo带宽大于最大带宽时，SFS Turbo带宽以最大带宽计算。

本文介绍使用mysqldump导出大表的注意事项。 使用mysqldump导出大表的注意事项 在使用mysqldump导出数据的场景下，如果加上参数 q ，则不会把SELECT出来的结果放在buffer中，而是直接dump到标准输出中，顶多只是buffer当前行结果，正常情况下是不会超过 maxallowedpacket 限制的，它默认情况下是开启的。如果关闭该参数，则会把SELECT出来的结果放在本地buffer中，然后再输出给客户端，会消耗更多内存。 对于小规模数据集，禁用q参数可以加快导出速度。但对于大数据集，如果没办法完全储存在内存缓存中时，就会产生swap。这不仅会消耗主机的内存，也可能会造成数据库主机因无可用内存继而宕机的严重后果。因此，当使用mysqldump来备份大数据集时，建议添加q参数。

切分原则 分表分库虽然能解决大表对数据库系统的压力，但它并不是万能的，也有一些不利之处，因此首要问题为：分不分库，分哪些库，什么规则分，分多少分片。 原则一 分片数量尽量少，分片尽量均匀分布在多个DataHost 上，因为一个查询SQL 跨分片越多，则总体性能越差，虽然要好于所有数据在一个分片的结果，只在必要的时候进行扩容，增加分片数量。 原则二 能不分片就不分片，800万以内的表，不建议分片，通过合适的索引，读写分离等方式，可以很好的解决性能问题。 原则三 不到800 万但跟大表（超800 万的表）有关联查询的表也要拆分，在此称为大表关联表。大表关联表如何拆：小于100 万的使用全局表；大于100 万小于800 万跟大表使用同样的拆分策略；无法跟大表使用相同规则的，可以考虑从java 代码上分步骤查询，不用关联查询，或者破例使用全局表。 原则四 破例的全局表（例如itemsku 表250万行数据），跟大表关联了，又无法跟大表使用相同拆分策略，也做成了全局表。破例的全局表必须满足的条件：没有太激烈的并发update，如多线程同时update 同一条id1 的记录。虽有多线程update，但不是操作同一行记录的不在此列。多线程update 全局表的同一行记录会死锁，批量insert 没问题。 原则五 拆分字段只能是一个字段，如果想按照两个字段拆分，必须新建一个冗余字段，冗余字段的值使用两个字段的值拼接而成（如大区+年月拼成zoneyyyymm 字段）。 原则六 分片规则需要慎重选择，分片规则的选择，需要考虑数据的增长模式，数据的访问模式，分片关联性问题，分片扩容问题以及数据热点问题。 原则七 分片规则的选择问题，如果某个表的数据有明显的时间特征，比如订单、交易记录等，则他们通常比较合适用时间范围分片，因为具有时效性的数据，我们往往关注其近期的数据，查询条件中往往带有时间字段进行过滤，比较好的方案是，当前活跃的数据，采用跨度比较短的时间段进行分片，而历史性的数据，则采用比较长的跨度存储。总体上来说，分片的选择是取决于最频繁查询SQL 的条件。

本文介绍执行命令时出现20010004错误码原因及解决方法 20010004错误码的含义是执行命令超时 可能的原因： （1）发起执行耗时的操作，比如删大对象，批量获取数据、存取大报文数据等，此时在管理平台监控界面查看超时操作类型、分组号、ip等信息、以及报文大小是否超过32K； （2）系统过载繁忙，通过监控界面看到的请求量巨大，伴随少量超时错误率返回，一般小于万分之一； （3）应用程序出现full gc。 解决方法: （1）优化应用程序逻辑，增加客户端超时时间，如请求报文过大，建议拆小； （2）根据监控系统错误码来自接入层还是存储层，对瓶颈节点进行系统扩容。

与自建服务对比 对比项 自建节点 ECX 搭建效率 全国寻找洽谈资源。 分钟级全国算力快速下发。 资金投入 一次性投入大量资金建设。 按需租用，用完即走。 运维复杂度 建设自有运维平台。 批量可视化自动运维。 可靠性 缺乏有效的监测恢复手段。 24小时监控告警服务，专业运维支撑团队。 与传统服务对比 ECX相对传统的IDC服务，将计算、存储、网络能力从中心云经由电信网络下沉至城域网甚至区县，时延可降至毫秒级，可为用户提供属地化云服务。通过云边端协同，将数据处理下沉至边缘，提高数据处理响应的速度，同时提升数据存储、处理的安全性，敏感数据处理只在边缘进行，更适合对低时延、高效率、高安全性有要求的客户，如工业互联、智慧交通、智慧园区等。 与其它服务对比 ECX与其他服务相比，具有覆盖范围广、低时延等优势。 服务 位置及覆盖 提供能力 适用场景 ECX 各地市，全网边缘 提供多元算力，满足多种业务需求，用户通过就近部署业务，有效降低网络时延。 直播、视频、边缘渲染加速、游戏等。 CDN 各地市，全网边缘 提高用户访问网站的响应速度与网站的可用性，解决网络带宽小、用户访问量大、网点分布不均等问题。 内容加速、网站加速、文件下载加速等。 IDC 运营商机房 机房基础风、火、水、电服务。 服务器托管等本地化业务。 弹性云主机 各省中心云 提供传统中心云计算涉及的计算、存储、网络等IaaS功能。 密集算力需求，对于可靠性要求高、时延及本地化相对要求低的场景。 一体机iStack 客户现场机房 预装场景化PaaS能力的软硬一体化服务。 物联网、智能工厂、城市智能化等场景。

SFT（Supervised FineTuning）简介 监督微调（Supervised FineTuning，SFT） 是大模型训练流程中的关键环节，其目标是通过高质量的人工标注数据（通常为问答对，包含输入的prompt和预期输出的 response），将通用预训练大模型（如Llama、Qwen等）适配到特定的下游任务或专业领域，使其生成更符合人类期望且有一定偏好格式的输出。 SFT的必要条件 何时需要启动SFT 当通过prompt工程，大模型也无法将用户所想看到的回答呈现出来（即指令跟随失败）时； 当大模型生成内容存在事实错误或专业度不足时，比如某些领域的词汇未在预训练模型的前置知识里； 当用户对大模型输出内容有格式要求时，比如某些专业领域（客服）需要格式化输出，而模型仍有部分回答不符合格式要求。 SFT的前期准备 当用户确定要使用大模型SFT时，请确保已经做好了以下准备： 用户已经使用prompt工程等方式，将基础模型的潜力发挥到极致，并且针对垂直领域的测试集，仍然存在一定数量的badcase，且数量是不可接受（一般业界定义专业领域知识测试准确率<75%即为不可接受）的； 针对该垂直领域，用户已经标注了至少1K的高质量数据集。如何评判一个数据集是否是高质量数据集请见下一节。 何为高质量数据集 高质量数据集一般存在以下特征： 针对某一领域，该数据集覆盖一定量的badcase或者与badcase特征相似的数据； 该数据集有着多样的prompt类型（即提问方式非单一）以增加模型的泛化性； 该数据集针对同类型prompt的回答方式统一或结构差异较小； 该数据集不存在模棱两可的问题以及答案； 该数据集不存在答案重复输出的数据； （如需要）该数据集会添加510%的通用数据以防止微调后的模型出现灾难性遗忘。

其他 建议使用连接池+长连接，可以有效控制连接，同时提高效率。 合理设置maxmemorypolicy(最大内存淘汰策略)。 noeviction：在这种策略下，如果缓存达到了配置的上限，实例将不再处理客户端任何增加缓存数据的请求，比如写命令，实例直接返回错误给客户端。缓存达到上限后，实例只处理删除和少数几个例外请求。 allkeyslru：根据LRU（Least recently used，最近最少使用）算法尝试回收最少使用的键，使得新添加的数据有空间存放。 volatilelru：根据LRU（Least recently used，最近最少使用）算法尝试回收最少使用的键，但仅限于在过期集合的键，使得新添加的数据有空间存放。 allkeysrandom：回收随机的键使得新添加的数据有空间存放。 volatilerandom：回收随机的键使得新添加的数据有空间存放，但仅限于在过期集合的键。 volatilettl：回收在过期集合的键，并且优先回收存活时间（TTL）较短的键，使得新添加的数据有空间存放。 allkeyslfu：从所有键中驱逐最不常用的键。 volatilelfu：从具有“expire”字段集的所有键中驱逐最不常用的键。 删除大Key时，不要直接使用del命令。 如果是Hash类型的大Key，推荐使用hscan + hdel 如果是List类型的大Key，推荐使用ltrim 如果是Set类型的大Key，推荐使用sscan + srem 如果是SortedSet类型的大Key，推荐使用zscan + zrem 使用Pipeline时，建议不要一次太多命令，集群最大1024。

select from t1 where f2 not in (select f2 from t2); f1 f2 f3 f4 f5 f6 f7 f8 f9 f10 f11 f12 +++++++++++ (0 rows) Time: 105.249 ms 可以看到，调整大workmem前发生了Materialize物化动作，即将结果集存储在了内存或磁盘上；而调大workmem后，workmem足够放下filter的数据，不需要再做 Materialize物化，filter 由原来的subplan变成了hash subplan，直接在内存 hash表中filter； 优化后SQL性能提高了40倍，效果明显。

参数 参数说明 标签键 UTF8编码格式下，不超过128个字符；支持大小写字母（区分大小写）、数字、空格和+ . : / 标签值 UTF8编码格式下，不超过128个字符；支持大小写字母（区分大小写）、数字、空格和+ . : /

参数 参数说明 标签键 UTF8编码格式下，不超过128个字符；支持大小写字母（区分大小写）、数字、空格和+ . : / 标签值 UTF8编码格式下，不超过255个字符；支持大小写字母（区分大小写）、数字、空格和+ . : /

带宽超限导致连接问题 当实例已使用带宽达到实例规格最大带宽，可能会导致部分Redis连接超时现象。 您可以查看监控指标“流控次数”，统计周期内被流控的次数，确认带宽是否已经达到上限。 然后，检查实例是否有大Key和热Key，如果存在大Key或者单个Key负载过大，容易造成对于单个Key的操作占用带宽资源过高。大Key和热Key操作，请参考缓存分析。 性能问题导致连接超时 使用了keys等消耗资源的命令，导致CPU使用率超高；或者实例没有设置过期时间、没有清除已过期的Key，导致存储的数据过多，一直在内存中，内存使用率过高等，这些都容易出现访问缓慢、连接不上等情况。 建议客户改成scan命令或者禁用keys命令。 查看监控指标，并配置对应的告警。监控项和配置告警步骤，可查看必须配置的告警监控。 例如，可以通过监控指标“内存利用率”和“已用内存”查看实例内存使用情况、“活跃的客户端数量”查看实例连接数是否达到上限等。 检查实例是否存在大Key和热Key。 DCS控制台提供了大Key和热Key的分析功能，具体使用，请参考缓存分析

混合云一体机推理基础版是一款软硬一体化的智能计算解决方案，基于国产化硬件预置大模型及混合云管平台，提供私有化部署的算力、模型、运维一站式服务。 产品架构 混合云一体机推理基础版产品架构包括算力层、平台层、应用层，内容囊括了硬件+推理平台+预置模型+典型应用。 算力层 采用先进的硬件架构，集成高性能计算服务器，支持多种国产化AI芯片，如海光K100AI、天数智凯等。 平台层 提供涵盖计算、存储、网络及大模型资源的一站式管理功能。DeepSeek专区支持多模型纳管、知识库挂载、API接口提供。 应用层 可搭载政务公文写作应用翼政通，集成智能问答、公文生成/优化、知识库管理等功能，嵌入WPS办公流。提升政务办公效率。 产品用途 目标用户 主要面向需要私有化部署大模型进行调用、成本敏感型的企业单位。 使用场景 面向医疗、教育、政务等垂直领域，内置大模型，快速实现模型调用服务。

本文主要介绍模型体验的前置条件和操作步骤。 模型市场汇集了当下主流的开源大模型，可查看并体验模型在文本、图像等方面的先进能力。模型市场包含文本大模型、视觉大模型、向量化模型，后续还会支持更多大模型，敬请期待。 前提条件 该模型具有免费Token额度且在有效期内，或已开通商用。 操作步骤 1.进入【模型市场】，可通过模型类别、模型提供方、模型框架等查询条件筛选模型。 2.选择目标模型，点击【立即体验】进入模型体验中心。 3.在模型体验中心，可进行模型参数的设置。 文本生成类模型支持调整模温度、多样性等参数设置。 文本生图类模型支持设置绘画描述、图片风格、图片比列和迭代步数等参数。 文本生成类模型 文本生图类模型 4.在对话中输入问题即可查看返回结果，体验模型的性能和效果。

数据导出 由于数据查询只限于服务少量数据的实时查询，数据量大时，需要分页查看，此时，您可通过数据导出功能，快捷获得一次查询的所有数据信息。或者当进行数据备份或迁移时，您也可通过数据导出功能，获取完整的数据信息。 数据管理服务提供数据导出功能，您可以导出整个数据库、部分数据表或者SQL查询结果集。 快速导出数据 1、登录管理控制台。 2、单击管理控制台右上角的，选择区域和项目。 3、单击页面左上角的，选择“数据库 > 数据管理服务”，进入数据管理服务页面。 4、在左侧导航栏中，单击“开发工具”，进入开发工具页面。 5、选择需要登录的目标数据库实例，单击操作列表中的“登录”，登录目标数据库实例。 6、在顶部菜单栏选择“导入·导出 > 导出”。 7、在页面左上角单击“快速导出”，选择需要导出数据的库。 说明 快速导出功能导出的是整个库的数据。 8、在创建快速导出任务弹窗中选择存储位置，并单击“确定”。 9、在任务列表中，查看快速导出任务。您可以单击操作列的查看详情，查看当前导出任务的执行情况以及本次导出的表信息。 导出数据库 1、登录管理控制台。 2、单击管理控制台右上角的，选择区域和项目。 3、单击页面左上角的，选择“数据库 > 数据管理服务”，进入数据管理服务页面。 4、在左侧导航栏中，单击“开发工具”，进入开发工具页面。 5、选择需要登录的目标数据库实例，单击操作列表中的“登录”，登录目标数据库实例。 6、在顶部菜单栏选择“导入·导出 > 导出”。 7、在页面左上角选择“新建任务 > 导出数据库”。 8、在新建数据库导出任务弹框中，根据需要设置基本信息、及高级选项等。 新建数据库导出任务时，您可以通过是否勾选“导出数据库中所有表”的选项来选择导出全库数据或者指定导出部分表的数据。 数据库部分用户库和系统库，系统库不支持导出。如需导出，您需要把创建用户数据库的业务部署到用户库，然后再执行导出操作。 DAS在执行导出操作时，会连接到您的备库进行导出，可以有效规避导出时对主库的性能影响，但当备库复制延迟较大时，会存在“导出的数据不是最新数据“的可能性。 DAS不会保存任何用户数据，导出的数据文件将保存到您创建的OBS桶中。 创建OBS桶免费，但保存文件将产生一定的费用。 9、设置完导出任务信息，单击弹出页面下方的“确定”，创建导出任务。 10、在导出任务列表页面，您可查看任务ID、任务类型、任务状态、进度等信息。 11、您可在列表操作栏，单击“查看详情”，在任务详情弹出页面，查看本次导出任务执行的详情信息。