从互联网到云计算再到 AI 原生，百度智能云数据库的演进 | 百度智能云
那 AIGC 对数据库会带来哪些变化，AIGC 和数据库又会碰撞出哪些火花，这是一个值得我们去思考和回答的问题。 在回答 AIGC 对数据库的变革和影响之前，让我们先回顾下数据库发展历史。它可以分为六个阶段。 第一阶段是上世纪五十年代。这个时候数据库还在雏形阶段，以层状数据库和网状数据库为主，基础设施以大型机为主，主要用于国防和科学研究。 第二阶段是上世纪七十年代。
云智公开课：数据库｜从互联网到云计算再到 AI原生，百度智能云数据库的演进
盘点回顾整个数据的发展历史； 分享百度智能云在数据库领域的发展情况； 共同展望数据库在AI时代的创新和变更； 您可以： 全局了解数据库行业的历史和发展趋势； 了解百度智能云数据库在各个阶段的典型产品、应用和关键技术； 了解百度智能云数据库在 AIGC 时代的创新和变革。 讲师介绍 朱洁 百度智能云数据库产品总架构师 问答交流 关注百度智能云官方微信公众号，一手资讯尽在其中！
查询指定子网 - 私有网络VPC | 百度智能云文档
查询指定子网 描述 查询指定子网的详细信息。 请求结构 GET /v{version}/subnet/{subnetId} HTTP/1.1 Host: bcc.bj.baidubce.com Authorization: authorization string 请求头域 除公共头域外，无其它特殊头域。
查询指定VPC - 私有网络VPC | 百度智能云文档
查询指定VPC 描述 查询指定VPC的详情信息。 请求结构 GET /v{version}/vpc/{vpcId} HTTP/1.1 Host: bcc.bj.baidubce.com Authorization: authorization string 请求头域 除公共头域外，无其它特殊头域。
获取慢SQL表中的索引 - 云数据库RDS | 百度智能云文档
请求参数 参数名称 类型 是否必选 参数位置 描述 version String 是 URL参数 API 版本号 instanceId String 是 URL参数 实例ID sqlId String 是 RequestBody参数 SQL标识ID schema String 是 RequestBody参数 指定数据库 table String 是 RequestBody参数 指定表 index String
分页拉取指定账户持有碎片列表 - 超级链数字商品可信登记平台XuperAsset | 百度智能云文档
分页拉取指定账户持有碎片列表 分页拉取指定账户持有碎片列表 接口描述 本接口用于分页拉取指定账户持有碎片列表 asset_id是可选参数，可以拉取指定账户持有指定藏品的碎片列表。
判断address下是否拥有指定数字藏品 - 超级链数字商品可信登记平台XuperAsset | 百度智能云文档
判断address下是否拥有指定数字藏品 判断address下是否拥有指定数字藏品 接口描述 查询指定address是否拥有指定藏品 需要携带listaddr接口下发的对应token 此接口需要联系平台申请授权才可用，需注意用户也可以取消自己的地址对外使用 请求结构 POST /xasset/scene/v 1 /hasastbyaddr HTTP/ 1.1 Host : xuper.baidu.com
查询指定实例详情 - 云服务器BCC | 百度智能云文档
查询指定实例详情 该接口用于查询指定实例的详细信息。 请求结构 GET /v{version}/instance/{instanceId} HTTP/1.1 Host: bcc.bj.baidubce.com Authorization: authorization string 请求头域 除公共头域外，无其它特殊头域。
分页拉取指定资产已授予碎片列表 - 超级链数字商品可信登记平台XuperAsset | 百度智能云文档
分页拉取指定资产已授予碎片列表 分页拉取指定资产已授予碎片列表 接口描述 本接口用于分页拉取指定资产已授予的碎片列表 请求结构 POST /xasset/horae/v 1 /listsdsbyast HTTP/ 1.1 Host : xuper.baidu.com Authorization : Authorization string Content-Type : application/x-www-form-urlencoded
千帆+Langchain+VectorDB 建立简单的 RAG 示例 - 向量数据库
MochowClient ( config_obj ) # 选择数据库 db = client . database ( document ) try : # 获取指定表的描述信息 table = db . describe_table ( chunks ) # 构建近似最近邻搜索对象 anns = AnnSearch ( vector_field = vector , # 指定用于搜索的向量字段名
