技术栈
高炉炼铁
段一凡-华北理工大学
6 天前
数据库
·
人工智能
·
算法
·
性能优化
·
向量检索
·
高炉炼铁
·
高炉智能化
向量数据库实战：选型、调优与落地~系列文章04：HNSW 索引深度剖析：为什么它是向量检索的“王者算法“？
🔥 本文是《向量数据库实战：选型、调优与落地》专栏第 04 篇⏱️ 阅读时间：约 14 分钟一个真实的故事 📖
段一凡-华北理工大学
3 天前
大数据
·
数据库
·
人工智能
·
算法
·
机器学习
·
向量相似度
·
高炉炼铁
向量数据库实战：选型、调优与落地~系列文章03：向量相似度算法全解：余弦、欧氏、内积，到底该用哪个？
🔥 本文是《向量数据库实战：选型、调优与落地》专栏第 03 篇⏱️ 阅读时间：约 12 分钟上一篇我们聊了嵌入模型的选型，今天来聊另一个直接影响检索效果的关键因素——相似度算法。
段一凡-华北理工大学
8 天前
大数据
·
数据库
·
人工智能
·
embedding
·
高炉炼铁
·
jina
·
工业智能体
向量数据库实战：选型、调优与落地~系列文章02：Embedding 嵌入模型选型指南：OpenAI、BGE、Jina、Cohere 横评
🔥 本文是《向量数据库实战：选型、调优与落地》专栏第 02 篇⏱️ 阅读时间：约 15 分钟一个残酷的事实：你的向量数据库检索效果不好，80% 的锅不在数据库，而在嵌入模型 😱
段一凡-华北理工大学
9 天前
运维
·
网络
·
人工智能
·
性能优化
·
高炉炼铁
·
工业智能体
AI Agent 从入门到封神：24 讲打造你的超级智能体~系列文章23：从Demo到上线：Agent应用的架构设计、性能优化与成本控制实战
导读：Agent在本地跑通了，但怎么上线？ 延迟太高、成本爆炸、并发扛不住……从Demo到生产，中间隔着十万八千里！今天给你一套完整的生产级Agent架构方案！🏗️
段一凡-华北理工大学
1 个月前
网络
·
人工智能
·
架构
·
langchain
·
高炉炼铁
·
高炉智能化
·
高炉智能体
LangChain框架在高炉炼铁智能化领域的应用~系列文章09：工具调用Tool — 让AI学会操作高炉仪表盘
专栏：《LangChain框架在高炉炼铁智能化领域的应用》 前情回顾：上期我们构建了高炉Agent，有了"自主决策大脑" 本期重点：Tool —— Agent的"双手"，让AI真正"动手操作"
段一凡-华北理工大学
1 个月前
大数据
·
人工智能
·
学习
·
架构
·
langchain
·
prompt
·
高炉炼铁
LangChain框架在高炉炼铁智能化领域的应用~系列文章02：从Prompt开始，让大模型听懂高炉的“黑话“
专栏：《LangChain框架在高炉炼铁智能化领域的应用》 前情回顾：上期我们搭建了第一个"高炉助手"，但AI刚进场时就是个"钢铁小白"😂 本期重点：Prompt Engineering —— 如何让大模型变成"炼铁专家"
段一凡-华北理工大学
1 个月前
大数据
·
人工智能
·
hadoop
·
分布式
·
学习
·
架构
·
高炉炼铁
工业领域的Hadoop架构学习~系列文章24：adoop工业应用总结与展望 - 技术路线图与最佳实践
导言：作为专栏的收官之作，本期对《工业领域的Hadoop架构学习》进行系统性总结，回顾核心技术要点，提炼最佳实践经验，并展望未来的技术发展方向，为读者提供完整的技术路线图和持续学习指南。
段一凡-华北理工大学
1 个月前
大数据
·
人工智能
·
hadoop
·
分布式
·
学习
·
架构
·
高炉炼铁
工业领域的Hadoop架构学习~系列文章23：物流行业Hadoop应用实践 - 智能物流的数字化引擎
导言：物流行业是数据密集型行业，涵盖仓储、运输、配送、最后一公里等多个环节。本期深入讲解Hadoop在智能仓储、路径优化、需求预测、车辆调度等场景的应用，从数据采集到智能决策，完整呈现物流大数据的落地实践。
段一凡-华北理工大学
1 个月前
大数据
·
人工智能
·
hadoop
·
分布式
·
学习
·
架构
·
高炉炼铁
工业领域的Hadoop架构学习~系列文章22：Hadoop生态展望 - 面向未来的技术演进
导言：大数据技术正在经历深刻变革，云原生化、湖仓一体、AI融合成为新的发展方向。本期深入探讨Hadoop生态的技术演进趋势，分析云原生Hadoop、数据网格、向量数据库等前沿技术，为企业和开发者提供技术路线参考。
段一凡-华北理工大学
1 个月前
大数据
·
人工智能
·
hadoop
·
学习
·
架构
·
高炉炼铁
·
工业智能体
工业领域的Hadoop架构学习~系列文章20：故障诊断与根因分析 - 从表象到本质的智能推理
导言：故障诊断与根因分析是工业大数据平台的核心价值体现。本期深入讲解基于规则、基于统计、基于机器学习、基于知识图谱等多种故障诊断方法，详细剖析工业故障传播模型与因果推断技术，并结合实战代码展示完整的故障诊断与根因分析系统。
段一凡-华北理工大学
1 个月前
大数据
·
人工智能
·
hadoop
·
分布式
·
学习
·
架构
·
高炉炼铁
工业领域的Hadoop架构学习~系列文章19：能源行业Hadoop应用实践
导言：能源行业是Hadoop大数据技术的重要应用领域，涵盖电力、石油、天然气、新能源等多个细分行业。本期深入讲解智能电网、油气生产优化、新能源运维等典型场景的Hadoop解决方案，从数据采集到智能分析，完整呈现能源大数据的落地实践。
段一凡-华北理工大学
2 个月前
大数据
·
人工智能
·
hadoop
·
分布式
·
学习
·
架构
·
高炉炼铁
工业领域的Hadoop架构学习~系列文章18：制造业Hadoop应用实践 - 从数据到智能的完整闭环
导言：制造业是Hadoop大数据技术最重要的应用领域之一。本期结合真实的智能制造场景，深入讲解生产质量分析、设备预测性维护、工艺参数优化、能源管理等典型应用，从业务需求到技术实现，完整呈现Hadoop在制造业的落地实践。
段一凡-华北理工大学
2 个月前
大数据
·
人工智能
·
hadoop
·
分布式
·
学习
·
架构
·
高炉炼铁
工业领域的Hadoop架构学习~系列文章17：Hadoop性能调优- 调度集群每一分性能
导言：Hadoop集群的性能优化是一项系统工程，需要从JVM参数、内存管理、网络配置、磁盘IO等多个维度综合调优。本期深入剖析Hadoop各组件的性能瓶颈，详细讲解HDFS读写优化、YARN资源调度优化、MapReduce/Spark作业调优，并给出实战案例和监控方法。
段一凡-华北理工大学
2 个月前
大数据
·
数据仓库
·
hadoop
·
分布式
·
学习
·
架构
·
高炉炼铁
工业领域的Hadoop架构学习~系列文章16：实时流处理架构 - 工业数据的实时动脉
导言：实时流处理是工业4.0的核心能力之一，从设备传感器数据到业务告警，每毫秒的延迟都可能影响生产效率和质量。本期深入讲解Kafka+Flink+Kafka Connect构建的端到端实时数据管道，剖析Exactly-Once语义、时间窗口、乱序处理等核心机制，并给出工业场景的实战代码。
段一凡-华北理工大学
2 个月前
大数据
·
人工智能
·
hadoop
·
分布式
·
架构
·
高炉炼铁
·
高炉智能化
工业领域的Hadoop架构学习~系列文章13：数据湖架构 - 工业大数据的统一存储底座
导言：数据湖是工业大数据平台的核心基础设施，它解决了多源异构数据的统一存储与分析难题。本期深入对比Delta Lake、Apache Iceberg、Apache Hudi三大开源数据湖方案，从架构原理出发，详细讲解表格式事务、时间旅行、增量处理等核心能力，并给出工业场景的选型建议与实战代码。
段一凡-华北理工大学
2 个月前
大数据
·
数据库
·
人工智能
·
hadoop
·
学习
·
架构
·
高炉炼铁
工业领域的Hadoop架构学习~系列文章14：Hadoop集群部署 - 从规划到上线的全流程实践
导言：工业大数据平台的集群部署是一项系统工程，需要综合考虑硬件选型、网络规划、软件架构、容灾备份等多方面因素。本期从企业级Hadoop集群规划出发，详细讲解物理机部署、容器化部署（Kubernetes）以及自动化运维工具的使用，助您构建生产级Hadoop集群。
段一凡-华北理工大学
2 个月前
大数据
·
人工智能
·
hadoop
·
学习
·
架构
·
高炉炼铁
·
高炉炼铁智能化
工业领域的Hadoop架构学习~系列文章12：Hadoop集群监控与运维
导言：工业大数据平台的稳定运行是智能制造的生命线。本期从监控体系架构设计出发，深入剖析Ganglia、Prometheus、Grafana等主流监控工具的集成方案，详细讲解JMX、Metrics接口的暴露与采集，构建完整的告警体系和自动化运维流程。
段一凡-华北理工大学
2 个月前
数据仓库
·
hadoop
·
学习
·
架构
·
高炉炼铁
·
工业智能体
·
高炉炼铁智能化
工业领域的Hadoop架构学习~系列文章11：Kerberos安全认证
导言：在工业4.0时代，数据安全已成为智能制造的生命线。本期深入剖析Kerberos认证协议的对称加密数学原理，详细解析Ticket Granting Ticket的信任链传递机制，以及Hadoop各核心组件的Kerberos集成方案，为工业大数据平台提供企业级的安全保障。
段一凡-华北理工大学
2 个月前
数据库
·
人工智能
·
hadoop
·
架构
·
hbase
·
高炉炼铁
·
高炉炼铁智能化
工业领域的Hadoop架构学习~系列文章09：HBase列式数据库
导言：任何不理解HBase数据模型和Region管理的工程师无法设计高可用的NoSQL存储系统。本期我们将深入HBase的核心设计，从LSM-Tree的数学本质出发，阐明写放大问题的根因与优化；解析Region分裂的策略与调优；以及工业场景的高并发读取优化。
段一凡-华北理工大学
2 个月前
人工智能
·
hadoop
·
学习
·
架构
·
flink
·
高炉炼铁
·
高炉炼铁智能化
工业领域的Hadoop架构学习~系列文章08：Flink流处理引擎
导言：任何不理解Flink WaterMark机制的工程师无法设计可靠的实时工业系统。本期我们将深入Flink的核心设计，从事件时间处理的水印理论出发，阐明乱序事件处理的数学保证；解析窗口计算的数学形式化；以及Exactly-Once端到端语义的实现原理。