sql

AI工作流的自动化趋势：从手动实验到自主Agent的研究范式转变过去十年，AI 领域的叙事主线始终围绕「模型能力」展开——更大的参数、更深的网络、更强的基准分数。但近几年，一个微妙而深刻的转变正在发生：越来越多的研究精力不再投向「如何训练更强的模型」，而是投向「如何让模型自己完成一整个研究流程」。

【好靶场】报错注入-sql注入-字符型在 SQL 注入学习中，很多人习惯直接复制 Payload 拿 Flag，却无法独立分析漏洞成因与利用逻辑。想要真正掌握注入，必须建立一套标准化探测流程：判断可控输入、确定闭合方式、探测字段数量、定位回显位置、枚举库表结构、读取目标数据。

【MySQL】基础入门：库操库、数据表操作与数据类型详解字符集：决定数据在底层的存储和编码方式。比如使用utf8mb4 字符集：MySQL 中默认的字符集为 utf8，可以通过 vim /etc/my.cnf 在配置文件中查看。

【Flink SQL 学习笔记三】维表关联：Lookup Join、Temporal Join、窗口 Join前两篇讲了流怎么进来、怎么聚合、怎么按窗口切分。但订单流里只有 ID——city_id、product_id，大盘看板上总不能给运营看一堆数字吧？得把 ID 换成名称：北京、上海、iPhone 15、MacBook Pro。这就是 Join 干的事：把订单流和维表关联起来，补全业务可读的字段。

DBeaver 使用教程：开源免费数据库管理工具 100+ 数据库连接 SQL编辑器 ER图 AI生成SQL 全平台GitHub 5万 Star：DBeaver从零部署完整教程 · 新手照着做就能跑起来 · 效率工具指南 · 原创教程

数据库工程：Explain执行计划对比调优实战‌去年安徽阜阳一家本土大型建筑集团的工程管理系统，在2026年开春项目集中开工的高峰期，系统突然出现大面积接口超时，几十名现场工程师提交施工测量数据的时候，页面转半天都提交不成功，后台监控显示数据库的CPU使用率长时间维持在98%以上，运维团队连续重启了两次数据库服务，卡顿的情况只缓解了不到十分钟就再次复发。后来负责系统维护的资深工程师没有继续折腾服务器配置，从慢查询日志里捞出了当天新增的17条慢SQL，逐条用Explain导出执行计划做前后对比，只用了一个半小时就定位到了问题根源：开发人员给工程量清单表加

达梦产品与服务

SQLark 实战 | 高频 SQL 脚本的导入、管理与复用做数据库开发和运维的人，手里总有一些高频使用的 SQL 脚本：在 SQLark 里，可以将这些脚本保存到对应连接下的「查询」文件夹。保存查询功能会把脚本连同数据库连接、所属库/模式信息一起存下来，下次打开直接执行。本地的存量脚本怎么批量搬进来、脚本多了怎么分组、新的怎么随手存、要用的时候怎么快速找到——往下看👇👇

V079： Milvus 向量数据库：AI 日记本的三组件部署、集合字段建模与余弦索引第六十五天（2026-08-28）动手把 Milvus 向量数据库从 Docker 装起来，用最新版 SDK 建了一个"AI 日记本"的集合：日记的增删改查放在 MySQL（非 AI 功能），"最近心情比较好的日记"这类语义检索，则把日记向量化存进 Milvus（AI 功能）。一条数据分两个库存，MySQL 管精确查找、Milvus 管语义匹配，这就是向量数据库在一套应用里的位置。围绕这个动手过程有三个技术核心：Milvus standalone 不是"一个容器"，而是 etcd + MinIO + Mi

数据库 CI/CD 再升级：CloudDM 4.1.0 支持多数据库发布流编排一次新版本发布，从开发环境走到生产环境，通常需要经历开发、测试、预发布、生产等等多个阶段。当数据库变更越来越多，除了自动检查和执行 SQL，环境一多，问题也随之而来：

阿里云大数据AI技术

一套 Spark SQL，打通多种 Catalog：EMR Serverless Spark 统一数据处理实践企业的数据往往分散在不同的系统中：数仓、数据湖、在线分析库各自独立，而业务计算又常常需要把它们放在一起。过去，跨系统加工通常意味着多套连接配置、中间表搬运和一串相互依赖的任务。

从“金鱼脑”到“大象记忆”：AI Agent 短期记忆与长期记忆的存储与检索全解很多人第一次上手 AI Agent 时都有过类似的挫败感：你费了半天劲告诉它“我喜欢简洁的代码风格”“我的项目使用 FastAPI + SQLAlchemy”“数据库密码存放在环境变量里”，结果下一次对话它又像第一次见面一样，礼貌地请你再重复一遍。

养生技术人

Oracle OCP认证考试题目详解082系列第16题Question #16, Topic 1Which three statements are true about dropping and unused columns in an Oracle database? (Choose three.)

Elastic 中国社区官方博客

驯服 PUNKs：ES|QL 如何查询 Elasticsearch 从未被告知的字段作者：来自 Elastic Alexander Spies在 Elasticsearch 9.5 中，ES|QL 可以查询未映射的字段。它会从 _source 中读取这些字段，或者返回 null，因此即使某个字段从映射中消失，查询仍然可以正常工作，从而避免需要数小时的重新索引。

【Flink SQL 学习笔记二】实时聚合：用窗口和 Watermark 把订单按时段统计上一篇用 GROUP BY city 做了全局聚合——从任务启动到现在，每个城市一共多少订单。但业务场景不是这么用的：大盘要看"每分钟订单量"，运营要看"近 5 分钟趋势"，日报要看"当天累计 GMV"。这些需求都有时间边界——按时段切分，而不是无限累加。这就是窗口解决的问题：把无限的数据流切成一段段有限的，每段单独聚合。

大模型码小白

Spring AI 框架中集成 MCP 的完整指南：从服务端到客户端的全流程实践随着大模型应用的快速发展，让 AI 模型安全、标准化地访问外部工具和数据源，成为工程化落地的关键难题。Model Context Protocol（MCP）正是 Anthropic 提出的开放协议，旨在统一模型与外部系统之间的交互方式——无论模型是调用本地文件、数据库，还是远程 API，都可以通过同一套协议完成。

MySQL 死锁怎么排查：把 innodb status 里的 HOLDS 和 WAITING 对上上周有同学甩过来一条报错，就一行：面试里这题经常被答成「四个必要条件」。线上真正要做的是读日志。InnoDB 默认会做死锁检测，挑一个事务回滚。应用侧就算 SQL 逻辑没写错，也得能重试。这是 MySQL 8.4 手册里写明的。

数据库层设计的取舍：ORM 便利性与手写 SQL 的安全性权衡一个项目有两套实现：一套是 Java 微服务版（MyBatis-Plus + MySQL），另一套是 Go 单体版（database/sql + PostgreSQL）。两套系统业务逻辑相同，但数据库层的设计思路完全不同。