AI Search 高效构建 RAG 服务 - 向量数据库
用于存储文档的元数据以及文档块内容 db_name = DocumentInsight # 向量数据库的库名 meta_table_name = KnowledgeBase_Meta # 存储文档元数据的表 chunk_table_name = KnowledgeBase_Chunk # 存储文档块的表 # 向量数据库中创建对应表 meta_table = self . create_or_get_meta_table
实例扩缩容 - 云数据库RDS | 百度智能云文档
memoryCapacity Int 否 RequestBody参数 内存大小，单位GB。 取值参考 。主实例或只读实例变配时至少填写cpuCount、memoryCapacity、volumeCapacity其中的一个。 volumeCapacity Int 否 RequestBody参数 磁盘大小，单位GB，每5G递增。 取值参考 。
多用户访问控制 - 云数据库HBase
HBASEOperateAccessPolicy 运维操作云数据库 HBASE的权限 查询实例列表、修改实例名称、重启实例、重设实例WebUI密码、设置白名单列表、删除白名单列表、更新标签绑定、获取可用区列表、获取实例详情、获取白名单列表 HBASEReadAccessPolicy 只读访问云数据库 HBASE的权限 查询实例列表、获取可用区列表、获取实例详情、获取白名单列表 自定义策略 自定义策略可以实现精细的实例维度授权
lower_case_table_names参数使用详解 - 云数据库RDS | 百度智能云文档
参数lower_case_table_names设置不区分大小写时，无论数据库创建的库表是否有大写字母，都会被转为小写字母存储在操作系统；因此如果此前有区分大小写时创建的大写库、表都会在不区分大小写参数环境下失效，导致表无法识别。 数据库迁移时，需要关注参数lower_case_table_names，确保源库与目标库的取值一致。
大Key分析 - 数据库智能驾驶舱 DBSC | 百度智能云文档
注意 ： 当前支持的数据库类型为：云数据库 Redis，PegaDB（Redis 容量型）。 在大 Key 分析页面，点击左上角的 创建分析任务 。 在弹出的窗口中，配置如下参数： 配置 说明 分析节点 选择需要执行大 Key 分析的节点 ID。
按时间点恢复至新实例 - 云数据库 DocDB for MongoDB | 百度智能云文档
选择新购实例的配置信息，具体配置项及说明请参见 创建副本集实例 或者 创建分片集实例 说明 ： 不可变更实例的地域、数据库版本、存储引擎和节点数 为保障新实例具备充足的空间来恢复数据，配置的存储空间不低于源实例的存储空间。 上述配置完成后，单击立即购买。 根据提示完成支付流程。 说明: 新实例执行数据恢复所需的时间和数据量、任务队列、网络等多种因素有关，您只需等待新实例运行状态变更为运行中即可。
实例规格 - 云数据库 DocDB for MongoDB | 百度智能云文档
实例规格 单节点架构实例规格 云数据库 DocDB for MongoDB 产品提供单节点、三节点副本集架构和集群分片架构，单节点副本集架构实例规格如下： 规格类型 最大IOPS 最大连接数 存储空间范围 1核2G 2000 500 0-2000GB 2核4G 4000 1000 0-2000GB 4核8G 8000 2000 0-2000GB 4核16G 11000 3000 0-2000GB 8
数据可视化 - 时序时空数据库TSDB | 百度智能云文档
在弹出的数据源编辑框中，「类型」选择“Baidu TSDB”，「数据源名称」填写用户自定义的数据源名称，「数据库名」、「地域」填写用户名下想要接入的TSDB实例的名称和所在的区域，底部的「用户名」和「密码」填写用户在TSDB中创建的MySQL协议账号信息。TSDB创建MySQL协议账号具体操作请参见XXXX。 2. 报表示例 接下来简单说明一下如何制作报表来分析TSDB中存储的数据。
多用户访问控制 - 云数据库 TableStorage | 百度智能云文档
选择“策略管理”，搜索BTS，可以看到云数据库 TableStorage 相关策略。 自定义策略 自定义策略由主用户自己定义，可以精确指定对主用户拥有的任一实例的操作权限。配置自定义策略的步骤如下： 进入策略管理页面，选择“创建策略”。 “基本信息”中的内容由用户自己定义。 权限配置：“服务类型”选择“百度智能云表格存储BTS”。
千帆+Langchain+VectorDB 建立简单的 RAG 示例 - 向量数据库
写入向量数据库（Writing to Vector Database） 将生成的嵌入向量存储在一个向量数据库中。 数据库支持高效的相似度搜索操作。 查询生成（Query Generation） 用户提出一个问题或输入一个提示。 RAG模型根据输入生成一个或多个相关的查询。 文档检索（Document Retrieval） 使用生成的查询在向量数据库中检索相关文档。
