方块海绵

像是上下文压缩 milvus & mysql & redis 感觉就是套了一层大模型的壳 记忆 知识库检索：RAG 使用哈希去重 为什么需要记忆 解决大模型"健忘"的根本问题 没有记忆的缺点 上下文稀

自建 Redis 系统是得物 DBA 团队自研高性能分布式 KV 缓存系统，目前管理的 ECS 内存总容量超过数十TB，数百多个 Redis 缓存集群实例，数万多个 Redis 数据节点，其中内存规格

什么是 DDD 领域层：从业务逻辑开始下手，不考虑数据库的实现，将原本的 Service 拆成领域层和应用层 应用层：应用层是领域层的上层，依赖领域层，是各聚合的协调和编排，原则上是不包括任何业务逻辑

基本概念 支持事务：4.2版本增加了分布式事务，增加对分片集群上多文档事务的支持 和传统数据库的对比 对比项 mongo 数据库 table collection 表 row document 行 c

5.7 之后支持了 json 格式 但是在实际应用中好像不怎样 配置&使用流程 springboot+mybatisplus+mysql5.7 代码配置 java： mysql 中的表： 配置类型转换

分布式情况下，id 一般就不是自增了 幸运码设计 https://juejin.cn/post/7522392183367385130 背景/要求 每期一百万唯一无重复的 6 位数字幸运码 人数到达上

多级缓存的痛点： 热点探测：如何快速且准确的发现热点访问key 数据一致性：前置在应用层的缓存，如何保障与分布式缓存系统的数据一致性 效果验证：看本地缓存命中率 透明接入：减少入侵性 TMC解决方案

0.前置SPI 此处为语雀内容卡片，点击链接查看：https://www.yuque.com/fanglikuai/java-dev/es2w7dwrbz6593sl#C5zS6 dubbo的spi：

定义 所谓海量数据处理，就是基于海量数据的存储，处理，操作 海量就是数据量太大，所以导致要么是无法在短时间内迅速解决，要么是无法一次性装入内存 解决办法： 针对时间，可以采用巧妙的算法搭配合适的数据结