最新

<a href="https://x.com/flowersslop/status/1953908930897158599" rel="nofollow">https://x.com/flowersslop/status/1953908930897158599</a>

大型语言模型层出不穷——ChatGPT、Claude、Perplexity、Mistral、Gemini等等。每个模型都有其优势和特点。我很好奇：您最常用的是哪一个，它对您来说有什么突出之处？是准确性、速度、个性、功能、成本，还是其他什么因素？期待听到您的使用体验和见解。

目前我只有 42 个标签页，其中只有 36 个已加载。但有时我可能会有数百个标签页。我的 Grasshopper 扩展（https://addons.mozilla.org/en-US/firefox/addon/grasshopper-urls/）的一些用户会同时使用数千个标签页。

如果你大规模运行 InfluxDB，你一定深有体会：保留策略意味着要丢弃历史数据，而保留所有数据则意味着巨大的硬件和许可成本。 我们构建了 ExyData Historian 来解决这个问题。 它能做什么？ * 自动将旧的 InfluxDB 1.x/2.x 数据导出到 S3 或 MinIO 中的压缩 Parquet 格式 * 在 InfluxDB 中保留最近的热数据，将剩余数据移至廉价存储 * 通过 Apache Arrow + DuckDB 在归档数据上运行快速 SQL * 通过一个接口和 / API 查询所有数据。用户无需区分热数据和冷数据 为什么这很重要？ * 降低 70–80% 的存储成本 * 历史查询速度与 InfluxDB 本身一样快（或更快） * 无需手动导出，无需重写查询，无需停机 目前谁在使用它？ InfluxDB 企业版客户以及大型 OSS 实例、电信公司和物流公司正在试用。 我们帮助您降低企业许可成本，因为您将缩小 InfluxDB 集群的规模。 您保持现有的 InfluxDB 运行，Historian 与之并行工作，将历史数据移至廉价存储，同时为您提供更强大的分析能力。 我们欢迎任何管理大型 InfluxDB 部署的人提供反馈。