本文介绍向量近似最近邻（Approximate Nearest Neighbor，ANN）的另一经典算法：HNSW（Hierarchical Navigable Small World，HNSW）。HNSW 工业界使用最多的 ANN 算法之一，得到了 Milvus、Elasticsearch、Fasis、pgvector 等系统或库的广泛支持。原文： Efficient and robus

本文介绍向量近似最近邻（Approximate Nearest Neighbor，ANN）的一种经典算法：NSW（Navigable Small World，NSW），原文： Approximate nearest neighbor algorithm based on navigable small world graphs 。 摘要 NSW 是一种用于度量空间的近似 K 近邻算法

关系模型是现代数据库的理论基础。1969 和 1970 年，Codd 的两篇论文 《Derivability, Redundancy and Consistency of Relations Stored in Large Data Banks》和《A Relational Model of Data for Large Shared Data Banks》提出了关系模型理论，为后续几十年数

关系模型与关系代数是关系型数据库系统的基础，SQL 是用户与数据库系统交互的媒介。本文简要介绍关系模型与关系代数的基本内容，从展示关系代数在 SQL 中的对应语句。 1. 关系模型 关系模型是对数据库系统的抽象，其用 “关系” 来表示数据库，而隐藏数据在数据库系统内部是如何组织的。关系模型的核心原则是： 以简单的数据结构(关系)存储数据库。 物理存储结构由 DBMS 实现决定。

本文是《Linux 高性能服务器编程》阅读记录，供以后查阅参考。推荐阅读原书。 主机字节序和网络字节序转换函数 123456#include <netinet/in.h>uint32_t ntohl (uint32_t __netlong); // network to host longuint16_t ntohs (uint16_t __netshort); // n

译者注： 本文译自 What is a Vector Database? ，作者：Roie Schwaber-Cohen 。译文与原文基本相同，删除部分不影响理解向量数据库基本概念的内容。 译者：arcsin2 随着人工智能的发展，出现了许多涉及大语言模型、生成式人工智能和语义搜索的应用程序。这些新应用都依赖于向量嵌入——一种包含语义信息、对人工智能在执行复杂任务时获取理解并保持

如何方便、快捷地在 Windows 和 Linux 两个操作系统切换，以既能够使用 Windows 的办公软件等，也能够使用 Linux 的开发工具，是一个困扰不少程序员的问题。通常的解决方案有以下几种： 双系统：系统之间切换必须关机并重启；能够使用最原汁原味且无性能损失的操作系统 虚拟机：方便系统之间切换；启动关闭较慢，虚拟机软件较沉重 远程开发机：原生 Linux 系统，通常硬件

本文介绍 Few-shot Font Generation 的基本概念和两篇论文。 两篇论文为： DG-Font: Deformable Generative Networks for Unsupervised Font Generation CF-Font: Content Fusion for Few-shot Font Generation 也可参考整理的 slides。

在使用 Git 管理代码库时，如果代码仓库中有含有大文件，则可能出现错误。特别是当上传代码库到 GitHub 仓库时，由于 GitHub 有文件大小限制（100MB 以上文件 push 失败；50MB 以上文件可以 push 成功，但是会有警告；且 GitHub 仅支持 1GB 的免费容量；详情参考：https://docs.github.com/zh/repositories/worki

作为第一门语言是 C++ 的程序员，一直觉得对 C 语言的一些重要特性不清晰，对一些 C 程序惯用法也不了解。故借阅读 《C 程序设计语言》 一书的机会，将相关曾经遗漏的知识整理如下。 1. extern 声明 extern 关键字用于声明外部变量，注意声明与定义的不同： 定义（define）：表示创建变量或分配存储单元 声明（declaration）：说明变量的性质，但