玉汝于成

sys.path.append是指Python中用于动态增加搜索路径的一种方法。具体来说，它是用来在系统模块搜索路径sys.path列表的末尾添加新的目录路径。这样，Python解释器在导入模块时就能在这个新增的路径中查找所需的模块。使用sys.path.append()可以帮助解决“Module Not Found Error”错误，因为你可以通过它指定某个特定目录作为模块的来源，即使该目录不在默认的搜索路径中。

12

‌MySQL中删除操作比查询操作更消耗性能‌。删除操作通常会比查询和插入操作慢，因为它会导致数据库内部数据的重新组织和重建。当执行删除操作时，MySQL会锁定要删除的行，确保数据的一致性。如果删除的行数量很大，可能会导致较长的锁定时间，从而影响系统的并发性能‌。

LangChain是一个用于开发由大型语言模型提供支持的Python框架。它提供了一系列工具和组件，帮助我们将语言模型集成到自己的应用程序中。有了它之后，我们可以更轻松地实现对话系统、文本生成、文本分类、问答系统等功能。

支持从向量数据库和其他来源检索数据，以便LLM（大型语言模型）工作流程集成。他们对于应用程序来说非常重要，这些应用程序需要获取数据以作为模型推理的一部分进行推理，就像检索增强生成（RAG）的情况一样。需要安装：pip install langchain-chroma。安装本地运行环境和依赖。

首先下载：Microsoft Visual C++ Build Tools：https://visualstudio.microsoft.com/zh-hans/downloads/

【代码】【无标题】

总的来说，Spring Boot通过内置这些Web容器，大大简化了Web应用的开发和部署过程。开发者可以根据自己的需求选择合适的Web容器，并通过简单的配置即可快速启动和运行Web应用。

Caffeine是对Guava缓存组件的重写版本，虽然功能不如EhCache多，但是其提供了最优的缓存命中率。

Guava Cache与ConcurrentMap很相似，但也不完全一样。最基本的区别是ConcurrentMap会一直保存所有添加的元素，直到显式地移除。相对地，Guava Cache为了限制内存占用，通常都设定为自动回收元素。在某些场景下，尽管LoadingCache 不回收元素，它也是很有用的，因为它会自动加载缓存。例如当你需要多次访问一个计算或者查询加载耗时成本高时，你就可以考虑使用缓存。例如，计算或检索一个值的代价很高，并且对同样的输入需要不止一次获取值的时候，就应当考虑使用缓存。

聚合（aggregations）可以让我们及其方便的实现对数据的统计、分析、运算。什么品牌的手机最受欢迎这些手机的平均价格、最高价格、最低价格这些手机每月的销售情况如何使用场景电商平台的销售分析。社交媒体的用户行为分析。物流企业的运输分析。金融企业的交易分析。只能家具设备监控分析。

在搜索引擎中，描述一个文档与查询语句匹配程度的度量标准。Elasticsearch5之前的版本，评分机制或者打分模型是基于TF-IDF实现的。从Elasticsearch5之后，默认的打分机制改成了Okapi BM25。

该analyzer参数指定在索引或搜索字段时用于 文本分析的分析器。text除非使用映射参数覆盖search_analyzer，否则此分析器将用于索引和搜索分析。该search_quote_analyzer设置允许您指定短语分析器，这在处理禁用短语查询的停用词时特别有用。要禁用短语的停用词，需要一个利用三个分析器设置的字段：analyzer设置索引所有词，包括停止词。search_analyzer设置将删除停止词的非短语查询。

match_all查询是一个特殊的查询类型，它用于匹配索引中的所有文档，而不考虑任何特定的查询条件。

Elasticsearch是基于 Apache Lucene 构建的分布式搜索和分析引擎、可扩展数据存储和矢量数据库。它针对生产规模工作负载的速度和相关性进行了优化。使用 Elasticsearch 可以近乎实时地搜索、索引、存储和分析各种形状和大小的数据。Elasticsearch 是Elastic Stack的核心。

官网：https://www.elastic.co/guide/en/elasticsearch/reference/8.6/analysis-charfilters.html字符过滤器将原始文本作为字符流接收，并可以通过添加、删除或更改字符来转换该流。例如，字符过滤器可用于将印度-阿拉伯数字 (٠‎١٢٣٤٥٦٧٨‎٩‎) 转换为阿拉伯-拉丁数字 (0123456789)，或从流中剥离 HTML 元素。

‌Elastic normalizer‌是Elasticsearch中用于处理keyword类型字段的一种工具，主要用于对字段进行规范化处理，确保在索引和查询时保持一致性。Normalizer与analyzer类似，都是对字段进行处理，但normalizer不会对字段进行分词，即没有tokenizer。它主要用于keyword类型的字段（不能再其他字段设置normalizer），可以在索引和查询时对字段值进行额外的处理，如转换为小写。例如，可以使用normalizer将字段值转换为小写，这在处理大小写不敏感

MPP数据库，即大规模并行处理数据库，是一种分布式数据库系统，尤其适合于大数据场景。这种类型的数据库采用的是水平扩展（Horizontal Scaling）的方式，通过将数据分散到多个服务器节点上，并行处理查询任务。

使用形式：java -Dpath=D:\jacoco -jar获取方式：System.getProperties()

https://help.aliyun.com/zh/rds/support/test-results-of-apsaradb-rds-instances-that-run-mysql-8?spm=a2c4g.11174283.6.1675.426d5b832磁盘IO型：