本文讨论的问题：大规模数据的近似最近邻问题（Approximate Nearest Neighbor，ANN）
讨论的范围：由于不同类型的数据处理方法区别较大，本文只讨论可以用集合表示的数据，如文档（词项集合）、基因序列，用 Jaccard 相似度衡量两个集合的相似程度
K 近邻问题 KNN
发表于
分类于
llm
RAG 在检索时，会在向量数据库中找出与查询向量 P 最相近的 k 个文档向量，如何从海量向量中找出与 P 最相近 k 个向量呢，这是一个 K 近邻问题（ K-Nearest Neighbors，KNN）
本文介绍下问题 KNN 的两种方法
大模型应用技术综述
本文介绍大模型应用中常用的技术，你可以了解到大模型应用的一整套运行机制及其原理
Raft 算法原理
Raft 是一种分布式一致性算法，解决的是分布式系统中如何实现一致性的问题；在很多分布式服务中都使用了 Raft 算法，如分布式协调服务 etcd、consul，分布式数据库 TiDB，分布式消息队列 RocketMQ
hyperloglog 算法思想与流程
uv (Unique Visitor) ，指在特定时间内访问网站的不同用户数量
本文讨论一种统计 uv 的方法及其原理
k8s-learn
发表于
分类于
k8s
学习 k8s
增益模型 Uplift Model
发表于
更新于
本文介绍增益模型 - Uplift Model
LSM-Tree
LSM-Tree (Log-Structured-Merge Tree) 是一种用于存储键值对的数据结构，经常用于写密集型场景，广泛应用于现代键值存储系统和数据库（如 RocksDB、LevelDB 等），具有高效的写入性能和良好的读取效率
线程池原理解析
发表于
更新于
本文介绍 jdk 线程池原理
Disruptor 介绍与原理解析
Disruptor 是 LMAX 公司开发的一个高性能队列，开发初衷是解决 Java 提供的内存队列的延迟问题。目前有很多知名项目都应用了 Disruptor 以获得高性能，包括 Apache Storm、Camel、Log4j2 等，大量项目借鉴了它的设计机制，故了解 Disruptor 的实现原理是有必要的
这里所说的队列，是系统内部的内存队列，不是分布式队列
本文代码基于 disruptor:4.0.0 源码地址：https://github.com/LMAX-Exchange/disruptor