自动续订价格 自动续订下单扣费时按当时的标准价自动续订，续订1年或以上可享受包年折扣。 0元、秒杀等特价促销活动产品订购后，自动续订下单扣费时将恢复标准价。 预付费您暂不支持代金券支付，仅支持余额支付，您需确保账户余额充足。 自动续订扣费规则 支付方式及支付时间：将在资源到期前10天和前7天进行两次自动续订下单及扣费。 自动续订订单出账后不可取消。客户如有问题，可发起退订，自动续订订单的退订与退订规则保持一致，退订的同时，该资源的自动续订自动关闭。 自动续订和手动续订的关系 开通自动续订功能后，也可以进行手动续订。在自动续订扣费日前进行手动续订，系统将按照手动续订后的到期日期，重新计算下一次自动续订的下单时间。

FOREACH vrandom SLICE 0 IN ARRAY vrandomarr LOOP teledb$ RAISE NOTICE '%',vrandom ; teledb$ END LOOP; teledb$ END; teledb$ $$ teledb LANGUAGE plpgsql; CREATE FUNCTION teledb SELECT f27(); NOTICE: 0.0588191924616694 NOTICE: 0.368828620761633 NOTICE: 0.813376842066646 NOTICE: 0.415377039927989 f27 (1 row) 循环会通过计算expression得到的数组的个体元素进行迭代。 plaintext teledb CREATE OR REPLACE FUNCTION f27() RETURNS VOID AS teledb $$ teledb$ DECLARE teledb$ vrandomarr float8[][]:ARRAY[ARRAY[random(),random()],ARRAY[random(),random()]]; teledb$ vrandom float8[]; teledb$ BEGIN teledb$ FOREACH vrandom SLICE 1 IN ARRAY vrandomarr LOOP teledb$ RAISE NOTICE '%',vrandom ; teledb$ END LOOP; teledb$ END; teledb$ $$ teledb LANGUAGE plpgsql; CREATE FUNCTION teledb SELECT f27(); NOTICE: {0.578366641886532,0.78098024148494} NOTICE: {0.783956411294639,0.450278480071574} f27 (1 row) 通过一个正SLICE值，FOREACH通过数组的切片而不是单一元素迭代。

FOREACH vrandom SLICE 0 IN ARRAY vrandomarr LOOP teledb$ RAISE NOTICE '%',vrandom ; teledb$ END LOOP; teledb$ END; teledb$ $$ teledb LANGUAGE plpgsql; CREATE FUNCTION teledb SELECT f27(); NOTICE: 0.0588191924616694 NOTICE: 0.368828620761633 NOTICE: 0.813376842066646 NOTICE: 0.415377039927989 f27 (1 row) 循环会通过计算expression得到的数组的个体元素进行迭代。 plaintext teledb CREATE OR REPLACE FUNCTION f27() RETURNS VOID AS teledb $$ teledb$ DECLARE teledb$ vrandomarr float8[][]:ARRAY[ARRAY[random(),random()],ARRAY[random(),random()]]; teledb$ vrandom float8[]; teledb$ BEGIN teledb$ FOREACH vrandom SLICE 1 IN ARRAY vrandomarr LOOP teledb$ RAISE NOTICE '%',vrandom ; teledb$ END LOOP; teledb$ END; teledb$ $$ teledb LANGUAGE plpgsql; CREATE FUNCTION teledb SELECT f27(); NOTICE: {0.578366641886532,0.78098024148494} NOTICE: {0.783956411294639,0.450278480071574} f27 (1 row) 通过一个正SLICE值，FOREACH通过数组的切片而不是单一元素迭代。

使用关系数据库MySQL版时，如果您的CPU使用率很高或接近100%，会导致数据读写处理缓慢、连接缓慢、删除出现报错等，从而影响业务正常运行。 问题原因 CPU使用率高由多种原因导致，最常见的几种原因如下： 1.慢sql：执行时间较长的 SQL 查询可能会占用大量的 CPU 资源，尤其是当查询涉及复杂的计算、联表或大量数据处理时。慢 SQL 会导致 CPU 负载持续增加，拖慢数据库整体性能，进而影响其他查询的执行。 2.高并发场景：高并发指的是同时有大量的用户请求或事务操作数据库，这会增加 CPU 的计算负担。在高并发场景下，CPU 需要处理更多的任务调度和上下文切换，从而导致使用率攀升，系统性能可能随之下降。 3.不合理索引：缺乏必要的索引时，查询需要进行大量数据处理，而冗余或不优化的索引可能会带来额外的负担，导致 CPU 使用率升高。 4.全表扫描：全表扫描通常会导致查询性能下降，特别是当表数据量大时，CPU 使用率会显著增加，影响整体系统响应速度。 解决方法一 分析慢SQL日志以及CPU使用率监控指标来定位效率低的SQL查询，再查看SQL执行计划来优化相关查询效率低的SQL语句。 查看慢SQL日志来确定是否存在运行缓慢的SQL查询以及对应的执行计划，来定位查询运行缓慢的原因。查询关系数据库MySQL版慢日志，请参见 查看慢日志。 查看关系数据库MySQL版实例的CPU使用率指标，协助定位问题。 创建添加只读实例负责部分查询业务，减轻主实例负载，分担主数据库查询压力。 多表关联查询时，关联字段要加上索引。 尽量避免用select 语句进行全表扫描，可以指定字段或者添加where条件。 like条件中以%开头会引起索引失效，不用%开头(或者以%结尾)可以使用索引。 不要在索引列上进行运算操作。 避免SQL中出现不必要的隐式类型转换。 涉及到order by/group by的语句，将where条件和order/group的字段作为联合索引，排序方法要一致。 联合索引遵循最左侧原则，将where使用最频繁的列放在最左侧。

本节主要介绍PUT Bucket Lifecycle。 此操作用来设置Bucket生命周期规则。只有根用户和具有PUT Bucket Lifecycle权限的子用户才能执行此操作。 通过设置存储桶的生命周期规则，可以： 删除与生命周期规则匹配的文件：当文件的生命周期到期时，OOS会异步删除它们。生命周期中配置的到期时间和实际删除时间之间可能会有一段延迟。但文件到期被删除后，用户将不需要为到期的文件付费。OOS删除到期文件后，会在Bucket log中记录一条日志，操作项是"OOS.EXPIRE.OBJECT"。 将与生命周期规则匹配的文件由标准存储转换为低频访问存储：可以根据需要设置生命周期规则从文件最后一次修改时间生效，还是从文件最后一次访问时间生效。OOS转换存储类型为低频访问存储后，会在Bucket log中记录一条日志，操作项是"OOS.TRANSITIONSIA.OBJECT"。 注意 如果文件的生命周期规则设置的是到期后删除，文件到期后将被永久删除，无法恢复。 如果Bucket内的生命周期规则正在执行时被修改配置，则修改后的配置并不立即生效，需等原生命周期规则执行完成后才能生效。 如果Bucket没有配置过生命周期规则，执行该操作将创建新的生命周期规则。如果Bucket已存在生命周期规则，则执行此操作将覆盖原有规则。 每个Bucket最多创建1000条生命周期规则。 同一Bucket，同一类型（到期删除或者到期转成低频访问存储）的生命周期规则不能存在叠加前缀，例如已创建到期删除文件的生命周期规则的前缀是ABC，则无法再创建前缀为ABCD或AB或A的到期删除文件的生命周期规则。 当用户为Bucket设置了生命周期规则，这些规则将同时应用于已有文件和后续新创建的文件。例如，用户今天增加了一个生命周期，指定某些前缀的文件30天后过期，那么OOS将会将满足条件的30天前创建的文件都加入到待删除队列中。 OOS通过将文件的最后一次修改时间或最后一次访问时间，加上生命周期时间来计算到期时间，并且将时间近似到下一天的GMT零点时间。例如基于创建时间设置生命周期：一个文件于GMT 2016年1月15日10:30创建，生命周期为3天，那么文件的到期时间是GMT 2016年1月19日00:00。当重写一个文件时，OOS将以最后更新时间为准，来重新计算该文件的到期时间。 可以通过GET Object、HEAD Object查询文件的到期时间。

磁盘状态 状态描述 支持的操作 正在使用 磁盘已挂载给云主机，正在使用中。 卸载 备份 说明： 当共享磁盘处于“正在使用”状态时，支持挂载操作。 可用 磁盘创建成功，还未挂载给任何云主机，可以进行挂载。 挂载 扩容 删除 正在创建 磁盘处于正在创建的过程中。 正在挂载 磁盘处于正在从云主机卸载的过程中。 正在卸载 磁盘处于正在从云主机卸载的过程中。 正在删除 磁盘处于正在删除的过程中。 正在扩容 磁盘处于正在扩容的过程中。 正在上传 磁盘数据正在被上传到镜像中。此状态出现在从云主机创建镜像的操作过程中。 正在下载 正在从镜像下载数据到磁盘。此状态出现在创建云主机的操作过程中。 错误 磁盘在创建过程中出现错误。 删除 删除失败 磁盘在删除过程中出现错误。 不能进行任何操作 扩容失败 磁盘在扩容过程中出现错误。 删除

本文介绍如何使用Python请求处理程序响应接收到的事件并执行相应的业务逻辑。 请求处理程序 请求处理程序 是您提供的一个方法。当您的函数被调用时，函数计算会运行该方法处理请求。 您可以通过函数计算控制台页面 配置请求处理程序 ，对于Python语言的函数，请求处理程序需配置为 [文件名].[方法名]。例如，您的文件名为index.py，方法名为handler，则请求处理程序可配置为 index.handler。 事件请求处理程序的方法签名定义如下： def handler(event, context): return 'Hello Python!' 方法名 您可以自定义方法名称。 event入参 您调用函数时传入的参数。 context入参 context参数中包含一些函数的运行时信息（例如RequestId、临时AccessKey等）。 HTTP请求处理程序的方法签名定义如下： coding: utf8 HELLOWORLD b'Hello world!n' def handler(environ, startresponse): status '200 OK' responseheaders [('Contenttype', 'text/plain')] startresponse(status, responseheaders) return [HELLOWORLD] 方法名 您可以自定义方法名称。 environ入参 用于存放所有HTTP请求的信息。 startresponse入参 发送 HTTP 响应的函数，包含两个参数：HTTP状态码、一组Python list对象组成的HTTP Headers。 示例：获取JSON中的字段 coding: utf8 import json def handler(event, context): person json.loads(event) name person["name"] address person["address"] return f"Input name is: {name}, address is: {address}" 示例二：使用HTTP触发器调用函数 import json import logging 配置日志 logger logging.getLogger() logger.setLevel(logging.INFO) def handler(environ, startresponse): 获取请求路径、URI和客户端IP requestpath environ.get('FCREQUESTPATH', '') requesturi environ.get('FCREQUESTURI', '') requestclientip environ.get('FCREQUESTCLIENTIP', '') 记录日志 logger.info("hello") print("print hello") 获取请求体数据 try: 读取请求体 requestbodysize int(environ.get('CONTENTLENGTH', 0)) except (ValueError): requestbodysize 0 requestbody environ['wsgi.input'].read(requestbodysize) 解析JSON请求体 try: if requestbody: jsondata json.loads(requestbody.decode('utf8')) logger.info(f"body: {json.dumps(jsondata)}") else: jsondata {} logger.info("body: empty") except json.JSONDecodeError as e: logger.error(f"JSON解析错误: {e}") jsondata {} 构建响应内容 responsecontent f"Path: {requestpath}nUri: {requesturi}nIP: {requestclientip}n" 设置响应状态和头部 status '200 OK' responseheaders [ ('header1', 'value1'), ('header2', 'value2'), ('ContentType', 'text/plain') ] startresponse(status, responseheaders) 返回响应内容 return [responsecontent.encode('utf8')]

Milvus产品使用手册 一、 产品概述 1.1 产品介绍 Milvus 作为一款开源的高性能向量数据库，具有出色的向量检索性能、高扩展性和易用性，在人工智能、机器学习、计算机视觉、自然语言处理等领域展现出了巨大的应用潜力。目标市场可以根据应用领域细分为自然语言处理、计算机视觉、推荐系统等多个市场。其客户群体主要包括互联网、电商、金融、医疗、安防等行业的企业，以及科研机构和高校等。 1.2 产品核心能力 Milvus 的核心能力是作为一个高性能、高扩展性的云原生向量数据库，专门为处理大规模非结构化数据和支持人工智能应用而设计。 它的能力主要围绕高效的向量相似性搜索展开，具体体现在以下几个方面： 1. 高效的向量搜索与检索 (1) 大规模相似性搜索（ANN）: 能够从数十亿甚至千亿级的高维向量数据集中，快速、准确地找到与查询向量最相似的 K 个向量（K近邻搜索）。 (2) 异构计算支持 (Knowhere): Milvus 的核心向量执行引擎Knowhere 能够集成并优化各种流行的向量相似性搜索库（如 Faiss, Hnswlib, Annoy），并能控制在 CPU 或 GPU 上执行索引构建和搜索请求，以充分利用硬件能力。 (3) 多样化的搜索模式: 除了基础的 ANN 搜索，还支持过滤搜索（基于标量字段的条件过滤）、范围搜索和混合搜索（结合向量和标量数据），极大地满足了复杂的业务检索需求。 2. 高性能与底层优化 (1) C++ 搜索引擎: 使用 C++ 语言实现核心搜索引擎组件，以实现高性能、底层优化和高效的资源管理。 (2) 硬件感知优化: 集成了汇编级向量操作、多线程并行化和调度等优化，最大限度地利用硬件性能。 (3) 面向列的存储 (ColumnOriented): 采用面向列的数据库系统，在执行查询时只读取涉及的特定字段，大大减少了数据访问量，并有利于向量化操作。 3. 灵活的功能与应用支撑 (1) 多模态检索: 结合 AI 推理和 Embedding 模型，高效索引和检索图片、视频、文本、声纹等多种非结构化数据。 (2) 数据导入与管理: 支持高通量数据导入，并提供数据分片、分区键、可调一致性模型等管理功能。

本文为您介绍编辑脚本黑名单的具体操作。 操作步骤 1. 登录天翼云，进入控制中心。 2. 单击管理控制台左上角的，选择区域。 3. 在服务列表选择“计算”“多活容灾服务”，进入多活容灾服务控制台。 4. 点击左侧菜单栏“脚本管理”“脚本黑名单”，进入脚本黑名单列表页。 5. 点击脚本黑名单列表操作列中的“编辑”按钮，弹出编辑黑名单弹窗。 6. 填写脚本黑名单相关信息。各配置项说明与创建黑名单各配置项相同。 7. 填写配置信息完毕后，点击“确认”按钮，完成黑名单编辑。

名称 描述 类型 IsTruncated 参数解释： 列表结果是否被截断。 Boolean Marker 参数解释： 列举key的起始位置。 String NextMarker 参数解释： 若结果被截断，则给出分页所需的Marker。 String Contents 参数解释： 单个对象信息的容器。 Container Name 参数解释： Bucket的名称。 String Prefix 参数解释： 列出请求时指定的前缀。 String Delimiter 参数解释： 列出请求时指定的路径分隔符。 String MaxKeys 参数解释： 列出请求时指定的最大记录数。 Long CommonPrefixes 参数解释： 在计算返回数时，所有键（最多 1000 个）汇总在一个公共前缀中计为单个返回。仅当指定分隔符时，响应才能包含 commonPrefixes。 Container

本节为您介绍如何修改私有镜像属性。 操作场景 除了在创建私有镜像的时候，创建完成后用户也有修改镜像信息的需求，为了方便用户对私有镜像的管理，用户可以按需修改私有镜像的信息。 前提条件 目前只支持修改名称与描述。 只有状态是“正常”的私有镜像才允许用户修改。 操作步骤 1. 登录天翼云控制中心。 2. 单击控制中心顶部的选择区域，此处我们选择华东1为例。 3. 在左侧导航栏选择“计算 > 镜像服务”。 4. 在“镜像”列表页面，在目标私有镜像操作栏“更多”下拉列表单击“修改”，进入修改镜像页面。 5. 名称为必填，描述为选填，填入名称与描述信息，单击“确定”完成镜像信息的修改。

名称 描述 类型 IsTruncated 参数解释： 列表结果是否被截断。 Boolean Marker 参数解释： 列举key的起始位置。 String NextMarker 参数解释： 若结果被截断，则给出分页所需的Marker。 String Contents 参数解释： 单个对象信息的容器。 Container Name 参数解释： Bucket的名称。 String Prefix 参数解释： 列出请求时指定的前缀。 String Delimiter 参数解释： 列出请求时指定的路径分隔符。 String MaxKeys 参数解释： 列出请求时指定的最大记录数。 Long CommonPrefixes 参数解释： 在计算返回数时，所有键（最多 1000 个）汇总在一个公共前缀中计为单个返回。仅当指定分隔符时，响应才能包含 commonPrefixes。 Container

本章节主要介绍天翼云物理机的续订说明。 1．登录管理控制台。 2．单击管理控制台左上角的区域按钮 ，选择地域和项目。 3．选择“计算 > 物理机服务”，进入物理机页面。 4．在物理机的“操作”列下，单击“更多 >续费”，进入“续订”界面。 5．点击“确定”。 通过业务受理开通的用户可通过业务受理完成续订。 自动续订：用户购买物理机后，在费用中心续订管理 ，选中产品可开通自动续订。 设置续费周期，确认提交即可。

本页介绍了排查内存使用率高问题方式与解决方案。 内存使用率高问题排查方式与解决方案： 1. 使用【监控图表】的【内存】进行查看。 2. 解决方案： 1. 控制并发连接数。连接数据库时，需要计算业务一共有多少个客户端， 每个客户端配置的连接池大小是多少，总的连接数不宜超过当前实例能承受的最大连接数的80%。连接太多会导致内存和多线程上下文的开销增加，影响请求处理延时。 2. 建议配置连接池，连接池最大不要超过200。 3. 降低单次请求的内存开销，例如通过创建索引减少集合的扫描、内存排序等。 4. 在连接数合适的情况下内存占⽤持续增⾼，建议升级内存配置，避免可能存在内存溢出和大量清除缓存而导致系统性能急剧下降。

Redis实例支持命令重命名。 当前主要针对一些高危的命令，这些命令可能会极大影响REDIS服务的可用性或对性能有很强的副作用 ，具体支持重命名的命令如下：command、keys、flushdb、flushall、hgetall、scan、hscan、sscan、zscan、shutdown、config 等，其他命令暂时不支持。 其中，容量型的实例不支持命令重命名。 操作步骤 1. 登录 Redis管理控制台。 2. 在管理控制台左上角选择实例所在的区域。 3. 对需要重命名命令的缓存实例右侧，单击“操作”栏下的“更多 > 命令重命名”。 4. 在“命令重命名”对话框中，打开开关，点击“添加重命名命令”， 选择需要重命名的高危命令，并输入重命名名称，单击“确定”。 5. 如果要关闭重命名，在“命令重命名”对话框中， 关闭开关， 单击”确定“。 注意 1.重命名的过程中会重启实例，请谨慎操作。 2.每次操作都会覆盖之前的重命名命令，只有当前设置的重命名命令会生效。 3.因为涉及安全性，页面不会显示这些被重命名的命令，请记住重命名后的命令。 4.需要还原某个重命名命令的话，和原命令填写相同即可还原。 5.命令不能重命名为除自己外的其他原始命令。 6.关闭重命名会清理所有重命名命令。 7.重命名执行期间不能执行FLUSHALL或FLUSHDB的命令, 或触发对应命令的操作。 8.重命名的命令必须以字母开头，长度范围为4~64个字符，且只能包含字母、数字、中划线和下划线。

本文介绍SQL Server任务列表的功能和操作方法。 背景信息 SQL Server控制台提供任务列表的功能，旨在为用户提供便捷的任务管理操作，提供运维效率。任务列表提供任务列表，能够实时查看任务类型、进度、时间等关键信息，同时能够根据任务状态快速筛选匹配任务。 在任务列表管理的任务类型具体如下： 创建实例 重启实例 应用参数模板 修改参数 主备切换 备份数据 恢复数据 数据空间扩容 实例规格扩容 备份空间扩容 退订实例 续订实例 实例类型扩容 启动实例节点 停止实例节点 删除手动备份 修改端口 删除跨域备份 实例规格缩容 冻结对象存储备份 解冻对象存储备份 存储空间自动扩容任务提交 实例规格自动扩容任务提交 实例规格自动缩容任务提交 开启SSL 关闭SSL 迁移可用区 按需转包周期 包周期转按需 操作步骤 1. 在天翼云官网首页的顶部菜单栏，选择【产品 > 数据库 > 关系型数据库 > 关系数据库SQL Server版】，进入关系数据库SQL Server产品页面。然后单击【管理控制台】，进入TeleDB数据库【概览】页面。 2. 在左侧导航栏，选择【SQL Server > 任务列表】，进入任务中心页面。然后在顶部菜单栏，选择区域和项目。 3. 在任务列表上方，选择任务开始时间、关键字（任务ID、任务类型、实例ID）、任务状态等筛选条件可以查询出符合条件的目标任务。 4. 对于筛选出的符合条件的目标任务，将在页面上显示其对应的任务类型、资源ID、任务状态、任务进度、任务开始时间及任务结束时间。

临时表导致实例I/O高 现象 通常情况下MySQL产生的临时文件很小，同时也会及时释放，但是一些异常情况下，比如慢查询，会导致短时间产生大量的临时文件。如果临时目录很大，可能存在慢SQL排序、去重等操作导致创建很大的临时表。临时表写入也会造成I/O增加。您可以在实例监控指标页面查看临时表创建情况。 解决方案 在控制台的慢日志页面，下载并查看执行缓慢的SQL，通过分析慢SQL的执行耗时和执行计划，优化对应的SQL。 读取冷数据导致实例I/O高 现象 关系型数据库MySQL版采用的是buffer pool缓存架构，SQL访问或者修改的数据行，不在buffer pool中命中，就需要到文件系统中读取物理文件，这时会产生大量的读IO，如果buffer pool空闲页不够，还需要交换部分脏页数据到磁盘，同时又会产生大量的写IO。您可以在实例监控指标页面查看缓冲池命中率。 解决方案 根据业务场景重新设计业务缓存策略，或者升级实例规格。 大事务写Binlog导致实例I/O高 现象 关系数据库MySQL版在事务提交时候需要写binlog，默认binlog日志为行格式，当出现大事务时候，比如一个大表一次delete大量数据，这时候会产生大量的binlog日志，可能达到几十G甚至更多，binlog文件需要刷盘，造成突然很高的磁盘IO使用率。 解决方案 建议尽量将大事务拆分为小事务，避免大事务和降低刷新磁盘频率。

本章节主要介绍数据治理中心的管理Agent功能。 对于HDFS和关系型数据库类型的数据源，不方便暴露节点的场景，可选择在源端网络中部署Agent。CDM通过Agent拉取客户内部数据源的数据，但不支持写入数据。Agent的使用流程详见下图 前提条件 已具备CDM集群。 新建Agent 1.进入CDM主界面，单击左侧导航上的“集群管理”，选择集群后的“作业管理 > Agent管理 > 新建Agent”，配置Agent相关信息。 详见下图：配置Agent IP地址：配置为源端网络中部署Agent的IP地址。 端口：Agent自定义的端口。建议范围：1024~65535。 启用压缩：是否对数据使用gzip算法进行压缩传输。 −对于文本数据（基于字符编码的数据，例如MySQL的INT等数据类型，详见相关数据库的说明文档），建议开启此选项，gzip压缩可以达到较好的压缩效果。 −对于二进制数据（基于值编码的数据，例如MySQL的BINARY等数据类型，详见相关数据库的说明文档），由于其本身已经压缩过，不推荐再开启gzip压缩，压缩后可能会导致压缩效果较差，同时会增大客户端解压缩的压力，带来不必要的性能损耗。 启用SSL：是否启用SSL双向认证，保证数据的安全性。如果对安全性要求较高，则可以开启SSL。 限流：设置agent的最大下行速率，默认不限流。 2.单击“确定”，完成Agent的创建。在Agent管理页面可查看已成功创建的Agent。

本节介绍了变更数据捕获（CDC）的相关内容。 操作场景 使用存储过程对指定数据库开启或关闭变更数据捕获功能。变更数据捕获可记录应用到所启用的表中的插入、更新和删除活动，同时采用易于使用的关系格式提供变更详细信息。 说明 仅RDS for SQL Server企业版和RDS for SQL Server 2016及其以上版本的标准版支持变更数据捕获。 关于变更数据捕获的其他功能可参考官方文档。 前提条件 成功连接RDS for SQL Server实例。关于连接关系型数据库实例， 执行此存储过程的必须是拥有[CREATE ANY DATABASE]权限的用户。如果不具备此权限的用户尝试执行该存储过程，系统将会如下提示： plaintext Database restores can only be performed by database logins with [CREATE ANY DATABASE] permissions. 约束 对于系统库，不可进行开启或关闭变更数据捕获功能。如果您试图对系统库进行此操作，系统将会如下提示： plaintext CDC can not open on system database and [rdsadmin]. 变更数据捕获功能操作仅包括 1，0，若尝试进行其他操作，系统将会如下提示： plaintext @dbAction just support 1:open 0:close 操作步骤 执行以下命令，开启或关闭变更数据捕获。 EXEC msdb.dbo.rdscdcdb '@DBName', @dbAction; @ DBName：指定要操作的数据库。 @ dbAction：指定操作，1为开启变更数据捕获，0为关闭变更数据捕获。 对“testDB1”打开变更数据捕获，示例如下： EXEC msdb.dbo.rdscdcdb 'testDB1', 1;

本节介绍了一块磁盘可以挂载到多台云主机上的问题。 当磁盘为非共享盘时，只能挂载到一台云主机上。 当磁盘为共享盘时，支持同时挂载最多16台云主机。

本节介绍了安全管理角色的用户指南。 操作场景 基于角色（Role）的访问控制（RBAC）是一种基于组织中用户的角色来调节控制对计算机或网络资源的访问的方法。 RBAC 的 Role 或 ClusterRole 中包含一组代表相关权限的规则。 这些权限是纯粹累加的（不存在拒绝某操作的规则）。 Role 总是用来在某个名字空间内设置访问权限； 在你创建 Role 时，你必须指定该 Role 所属的名字空间。与之相对，ClusterRole 则是一个集群作用域的资源。这两种资源的名字不同（Role 和 ClusterRole）是因为 Kubernetes 对象要么是名字空间作用域的，要么是集群作用域的，不可两者兼具。 前提条件 已创建云容器引擎集群，具体操作请参见创建一个集群。若已有容器集群，无需重复操作。 操作步骤 创建Role或Cluster Role 1. 登陆云容器引擎控制台， 点击左侧导航栏中的集群，进入集群列表页。 2. 在集群列表中点击需要创建Role的集群，进入集群管理页面。 3. 在集群管理页面导航栏中选择安全管理 > 角色，进入角色信息页面。 4. 在上⽅选项卡中选择Role或Cluster Role创建对应的角色，本文以Cluster Role为例。 5. 点击创建进入创建YAML页面，Yaml编辑窗口提供⼀个默认的Cluster Role Yaml模板，可参考模板创建需要的Cluster Role。

本节介绍了SRIOV场景下Windows 7弹性云主机安装82599网卡驱动报错的解决办法。 问题描述 从Intel官网下载最新的20.4.1版本驱动包（下载地址： 64位SRIOV直通弹性云主机上安装时会提示“找不到英特尔适配器”错误。 原因分析 Intel 82599直通网卡在未安装驱动时被操作系统识别为以太网控制器设备，20.4.1版本驱动包在安装时未能正确识别出Intel网卡设备，导致程序报错。 处理方法 在20.4.1驱动包文件夹下运行Autorun.exe。安装驱动包前先给网卡安装驱动，使网卡被系统识别为Intel 82599 VF设备，安装驱动有两种方法。 方法1：通过版本更新方法安装驱动 a. 从Intel官网下载18.6版本驱动包。 b. 到18.6驱动包安装文件夹下运行Autorun.exe进行安装。 c. 成功后到20.4.1版本驱动包文件夹下运行Autorun.exe更新驱动。 方法2：设备管理器手动安装驱动 a. 打开Windows资源管理器，右键单击“计算机”，选择“管理”，打开“设备管理器”，在设备管理器中找到网卡，未安装驱动时，网卡位于“其他设备”一栏，名字为“以太网控制器”。 b. 右键单击“以太网控制器”，选择“更新驱动程序软件”。 c. 单击“浏览”，选择驱动包所在路径，单击“下一步”。 d. 驱动安装成功后，可以在设备管理器的“网络适配器”一栏看到网卡。 e. 单击“Autorun.exe”安装20.4.1版本一键安装驱动包。

技术亮点 TeleChat12Bbot 在模型结构、训练数据、训练方法等方面进行了改进，在通用问答和知识类、代码类、数学类榜单上相比TeleChat7Bbot均有大幅提升。 在模型结构方面，使用小规模的模型尝试多种模型结构的组合，选择最优结构。相比TeleChat7Bbot模型，TeleChat12Bbot模型采用了词嵌入层与输出层解耦的结构，将词嵌入层和输出lm head层参数分开，有助于增强训练稳定性和收敛性。 在训练数据方面，收集了覆盖书籍、百科、新闻、政务、法律、医药、专利、论文、数学、代码等诸多方面的大量中英文数据；通过优化数据清洗策略大幅提升数据的文本干净度、观点无偏性、内容有效性、格式规范性。 在训练方法方面，使用科学数据配比学习与课程学习的方法，使用小参数模型在多种数据配比的数据上拟合，得到对各个数据集难度的先验估计；训练过程中每隔一段时间自动化评估当前模型在所有数据集上的loss，以及在评测集上的生成效果，动态提升较难学习的数据集权重，保证模型在各个数据集上都有较佳的拟合效果。 模型结构 采用标准的 Decoderonly 结构设计了 TeleChat 模型，并在模型维度做了如下的一些改进： 位置编码：我们引入了 Rotary Embedding 的位置编码方法。该方法将相对位置信息集成到 selfattention 机制中，不仅增强了模型对位置信息的捕捉能力，还具备较好的位置外推性。此外，Rotary Embedding 与 FlashAttention v2 配合使用时，能够显著提升模型的训练速度，大约提高了20%。 激活函数：为了优化模型的计算效率和性能，我们选用了 SwiGLU 激活函数来替代传统的 GELU 激活函数。同时，为了进一步减少计算量，我们将 ffnhiddensize 设置为小于原始 SwiGLU 结构中推荐的4倍隐藏层大小。这一调整有助于在保证模型性能的同时，降低计算成本。 层标准化：在模型架构中，我们采用了基于 RMSNorm 的 PreNormalization 方法。这种方法在层标准化过程中，通过引入 RMS（Root Mean Square，均方根）归一化，使得模型在训练过程中更加稳定，有助于提升收敛速度和模型性能。 词嵌入层与输出层解耦：在 TeleChat12Bbot 版本中，我们将词嵌入层和输出层的参数进行了解耦。这种设计使得词嵌入层和输出lm head层可以独立地进行优化，从而增强了模型的训练稳定性和收敛性。这一改进对于提升大模型的训练效果和性能尤为重要。 综上所述，通过对 TeleChat 模型在位置编码、激活函数、层标准化以及词嵌入层与输出层解耦等方面的改进，我们旨在打造一个更加高效、稳定且性能优异的对话生成模型。

技术亮点 TeleChat12Bbot 在模型结构、训练数据、训练方法等方面进行了改进，在通用问答和知识类、代码类、数学类榜单上相比TeleChat7Bbot均有大幅提升。 在模型结构方面，使用小规模的模型尝试多种模型结构的组合，选择最优结构。相比TeleChat7Bbot模型，TeleChat12Bbot模型采用了词嵌入层与输出层解耦的结构，将词嵌入层和输出lm head层参数分开，有助于增强训练稳定性和收敛性。 在训练数据方面，收集了覆盖书籍、百科、新闻、政务、法律、医药、专利、论文、数学、代码等诸多方面的大量中英文数据；通过优化数据清洗策略大幅提升数据的文本干净度、观点无偏性、内容有效性、格式规范性。 在训练方法方面，使用科学数据配比学习与课程学习的方法，使用小参数模型在多种数据配比的数据上拟合，得到对各个数据集难度的先验估计；训练过程中每隔一段时间自动化评估当前模型在所有数据集上的loss，以及在评测集上的生成效果，动态提升较难学习的数据集权重，保证模型在各个数据集上都有较佳的拟合效果。 模型结构 采用标准的 Decoderonly 结构设计了 TeleChat 模型，并在模型维度做了如下的一些改进： 位置编码：我们引入了 Rotary Embedding 的位置编码方法。该方法将相对位置信息集成到 selfattention 机制中，不仅增强了模型对位置信息的捕捉能力，还具备较好的位置外推性。此外，Rotary Embedding 与 FlashAttention v2 配合使用时，能够显著提升模型的训练速度，大约提高了20%。 激活函数：为了优化模型的计算效率和性能，我们选用了 SwiGLU 激活函数来替代传统的 GELU 激活函数。同时，为了进一步减少计算量，我们将 ffnhiddensize 设置为小于原始 SwiGLU 结构中推荐的4倍隐藏层大小。这一调整有助于在保证模型性能的同时，降低计算成本。 层标准化：在模型架构中，我们采用了基于 RMSNorm 的 PreNormalization 方法。这种方法在层标准化过程中，通过引入 RMS（Root Mean Square，均方根）归一化，使得模型在训练过程中更加稳定，有助于提升收敛速度和模型性能。 词嵌入层与输出层解耦：在 TeleChat12Bbot 版本中，我们将词嵌入层和输出层的参数进行了解耦。这种设计使得词嵌入层和输出lm head层可以独立地进行优化，从而增强了模型的训练稳定性和收敛性。这一改进对于提升大模型的训练效果和性能尤为重要。 综上所述，通过对 TeleChat 模型在位置编码、激活函数、层标准化以及词嵌入层与输出层解耦等方面的改进，我们旨在打造一个更加高效、稳定且性能优异的对话生成模型。

本章节介绍消费者调用API签名计算 签名过程 客户端 1. 从原始请求中提取关键请求信息，构造签名字符串； 2. 利用加密算法和AppSecret对签名字符串进行加密处理，得到签名； 3. 将签名相关的头部信息加入到原始请求中，发送请求； 服务端 1. 从接收到的请求中提取关键请求信息，得到一个用来签名的签名串； 2. 从接收到的请求中读取APPKey，通过APPKey查询到对应的APPSecret； 3. 使用加密算法和APPSecret对关键请求信息签名串进行加密处理，得到签名； 4. 从接收到的请求中读取客户端签名，对比服务器端签名和客户端签名的一致性。 签名生成公式 签名的计算公式为signature HMACSHAxHEX(secretkey, signingstring)，从公式可以看出，想要获得签名需要得到 secretkey 和 signingstring 两个参数。其中 secretkey 为对应应用所配置的，signingstring 的计算公式为 signingstring HTTP Method + n + HTTP URI + n + canonicalquerystring + n + accesskey + n + Date + n + signedheadersstring。如果 signingstring 中的某一项不存在，也需要使用一个空字符串代替。 字段解释 1. HTTP Method：指 HTTP 协议中定义的 GET、PUT、POST 等请求方法，必须使用全大写的形式。 2. HTTP URI：要求必须以“/”开头，不以“/”开头的需要补充上，空路径为“/”。 3. Date：请求头中的 Date （ GMT 格式 ）。 4. canonicalquerystring：是对于 URL 中的 query（ query 即 URL 中 ? 后面的 key1valve1&key2valve2 字符串）进行编码后的结果。 5. signedheadersstring：是从请求头中获取客户端指定的字段，并按顺序拼接字符串的结果。 其中canonicalquerystring 编码步骤如下： 提取URL 中的 query 项，即 URL 中 ? 后面的 key1valve1&key2valve2 字符串。 将query 根据&分隔符拆开成若干项，每一项是 keyvalue 或者只有 key 的形式。 当该项只有key 时，转换公式为 urlencode(key) + "" 的形式。 当该项是keyvalue 的形式时，转换公式为 urlencode(key) + "" + urlencode(value) 的形式。这里 value 可以是空字符串。 将每一项转换后，以key 按照字典顺序（ ASCII 码由小到大）排序，并使用 & 符号连接起来，生成相应的 canonicalquerystring 。

2、查看智能路由状态 智能路由创建完成后，点击右上角刷新按钮，查看状态，如下图所示： 后台资源就绪约5s左右 ，智能路由状态处于运行中即可对外提供服务。 3、查看智能路由日志信息 通过切换Pod列表查看不同网关实例的日志信息。 4. 查看智能路由监控信息 注意 需要有访问记录才能生成智能路由监控指标信息。 5、访问智能路由 调用信息 创建智能路由成功后，会生成调用信息，如下图所示： 调用信息跟选择的网关实例有关，若网关绑定公网访问型的负载均衡，则会显示公网调用地址和VPC调用地址，否则只会显示VPC调用地址。 Host配置 由于网关可关联多个智能路由，为了区分后端服务，采用如下命名规则： shell Host: ${inferenceName}scheduler.${namespace}.inference.cn 服务调用 VPC内访问 （1）访问示例 shell curl H "Host: inferencero04orscheduler.ir.inference.cn" H "ContentType: application/json" d '{ "model": "inferencero04or", "prompt": "San Francisco is a", "maxtokens": 7, "temperature": 0 }' （2）访问结果 PortForward访问 （1）本地映射网关实例服务端口 进入主菜单：网络>服务，选择命名空间icce，输入实例名称进行搜索 （2）端口映射 shell

本页面介绍如何在数据库实例中快速查看业务库表结构设计和数量分布情况 操作步骤 1. 进入实例详情页面。 2. 单击数据表管理，进入数据表管理页面。 3. 选择表查询对比 或表数据分布，查看数据表信息。 表查询对比： 场景：对比2个不同节点上相同业务表的建表差异，用于发现和分析可能因手动建表差异带来性能问题和数据安全问题。 1. 选择指定cluster及指定库/表，再选择对比的节点。 2. 单击对比，即可查看2个节点上的相同业务表的建表SQL差异。 表数据分布： 场景：查看业务表在多个节点上的表分布，用于发现数据分布是否合理，是否存在数据倾斜的情况 1. 选择指定cluster及指定库/表，再选择对比的数据节点。 2. 选择完成后，即可查看该表在不同计算存储节点上的数据分布情况。

训推用一体 内置端到端大模型“训推用”全链路工具平台，深度融合DeepSeekR1/V3/蒸馏版系列大模型，为用户提供模型训练、推理、应用全套工具，实现大模型从训练到应用的一体化解决方案。 算力多样化 采用先进的硬件架构，集成高性能计算服务器，支持多种AI芯片，如NVIDIA、昇腾等主流品牌，为DeepSeek系列大模型提供强大的算力支持，满足不同用户对算力的多样化需求。 高效能 裸金属直接部署容器运行环境，无虚拟化开销，释放硬件最大效能，提高DeepSeek系列大模型的训练和推理效率，降低能耗和成本。 极简运维 提供7×24小时在线运维服务，一二三线运维服务全覆盖，全面监控实例、任务、资源的使用情况和调度情况，及时发现异常，降低运维难度和成本。

本章节主要介绍如何管理私有IP地址。 1.登录管理控制台。 2.单击管理控制台左上角的，选择地域和项目。 3.选择“计算 > 物理机”。 进入物理机页面。 4.单击“高速网络”，选择要配置的高速网络，单击“管理私有IP地址”。 若需要在高速网络内预留一个私有IP，用于申请物理机时指定该IP绑定高速网卡或其他用途，执行5~6。 若需要删除私有IP地址，执行7。 5.单击“分配私有IP地址”。 若选择“自动分配”，系统将自动分配一个私有IP地址。 若选择“手动分配”，您可以在该高速网络的IP范围内自己指定某个IP作为私有IP地址。 6.单击“确定”完成操作。 7.在要删除的私有IP的操作栏，单击“删除”，弹出提示界面，单击“确定”完成私有IP地址的删除。

本文向您介绍如何通过标签搜索企业版VPN对端网关。 场景描述 用户在使用VPN服务时，根据使用场景不同，可以将VPN资源按照特定规则进行分类，便于资源管理与费用计算。 VPN支持对接标签管理服务（Tag Management Service，简称TMS），通过给账号下VPN资源添加标签，可以对VPN资源进行自定义标记，实现资源的分类。已添加标签的VPN资源，用户可以在控制台对应位置，按照标签进行搜索。 前提条件 已为VPN资源添加标签。 操作步骤 1. 登录管理控制台，单击“网络 > VPN”进入VPN控制台。 2. 在左侧导航栏，单击“虚拟专用网络 > 企业版对端网关”。 3. 单击右上角“标签搜索”，选择对应标签键值，然后单击“搜索”。 此查询功能仅支持选择下拉列表中已存在的键和值。 支持最多20个不同标签的组合搜索。

本文向您介绍如何通过标签搜索企业版VPN网关。 场景描述 用户在使用VPN服务时，根据使用场景不同，可以将VPN资源按照特定规则进行分类，便于资源管理与费用计算。 VPN支持对接标签管理服务（Tag Management Service，简称TMS），通过给账号下VPN资源添加标签，可以对VPN资源进行自定义标记，实现资源的分类。已添加标签的VPN资源，用户可以在控制台对应位置，按照标签进行搜索。 前提条件 已为VPN资源添加标签。 操作步骤 1. 登录管理控制台，单击“网络 > VPN”进入VPN控制台。 2. 在左侧导航栏，单击“虚拟专用网络 > 企业版VPN网关”。 3. 单击右上角“标签搜索”，选择对应标签键值，然后单击“搜索”。 此查询功能仅支持选择下拉列表中已存在的键和值。 支持最多20个不同标签的组合搜索。

SOC工具与技术 安全信息和事件管理（SIEM） SOC中最重要的工具之一是基于云的SIEM解决方案，它将来自多个安全解决方案和日志文件的数据聚合在一起。借助威胁情报和AI，这些工具帮助SOC检测不断演化的威胁、加快事件响应速度并先于攻击者行动。 安全编排、自动化和响应（Security Orchestration, Automation and Response，SOAR） SOAR可自动执行定期和可预测的扩充、响应和修正任务，从而空出时间和资源来进行更深入的调查和搜寻。 扩展检测和响应（Extended Detection and Response，XDR） XDR是一种服务型软件工具，它通过将安全产品和数据集成到简化的解决方案中来提供全面、更优的安全性。企业/组织使用这些解决方案在多云混合环境中主动有效地应对不断演化的威胁环境和复杂的安全挑战。与终端节点检测和响应 (EDR) 等系统相比，XDR扩大了安全范围，从而跨更广泛的产品集成了保护，包括企业/组织的终端节点、服务器、云应用程序和电子邮件等。在此基础中，XDR将预防、检测、调查和响应相结合，提供可见性、分析、相关事件警报和自动化响应来增强数据安全并对抗威胁。 防火墙 防火墙会监视进出网络的流量，根据SOC定义的安全规则允许或阻止流量。 日志管理 日志管理解决方案通常是SIEM的一部分，它会记录来自企业/组织中运行的每个软件、硬件和客户端的所有警报。这些日志提供了网络活动的相关信息。 漏洞管理 漏洞管理工具会扫描网络来帮助识别攻击者可能利用的任何薄弱点。 用户和实体行为分析（User and Entity Behavior Analytics，UEBA） 用户和实体行为分析构建在许多新式安全工具之中，它使用AI来分析从各种设备收集的数据，来为每个用户和实体建立正常活动的基线。当事件偏离基线时，会标记该事件供进一步分析。