登录社区云，与社区用户共同成长
邀请您加入社区
2026年9月4日，Anthropic宣布，由清华姚班校友彭天翼团队主导，Claude大模型在11天内完成了费马大定理的首个端到端可计算机核验的形式化证明。项目生成约1300万行Lean代码，证明超3万个中间定理，最终证明仅依赖三条标准公理。该工作并非发现新证明，而是将怀尔斯1995年的经典证明完整转译为机器可检查的形式化版本。此前数学界预计该工程需数年时间。成果显著提升了复杂数学证明的验证效率，
Day58|从0学习 Claude Code（八）：对话越聊越长，我给它装了个自动碎纸机
Day57|从0学习 Claude Code（七）：我没把说明书全塞给它，用到哪本才翻哪本
摘要：本文介绍如何利用Grafana+ClickHouse构建TTL数据清理进度监控系统。通过配置Grafana数据源连接ClickHouse，创建包含5个核心面板的仪表盘：待清理Parts数量/数据量、各表TTL状态分布、历史清理记录、清理延迟分析和TTL策略概览。重点展示system.parts和system.part_log表的SQL查询方法，支持监控过期数据量、清理效率、策略执行延迟等关键
摘要： ClickHouse与MinIO结合可构建低成本、高性能的本地数据湖方案。MinIO提供兼容S3的廉价对象存储，ClickHouse负责高性能分析，实现湖仓一体架构。方案支持热数据本地存储（ClickHouse）、冷数据自动归档（MinIO），并通过S3表函数实现联邦查询。部署步骤包括：MinIO配置（Docker）、创建Bucket、ClickHouse集成（TTL策略/物化视图），支持
ClickHouse的TTL功能是数据生命周期管理的核心工具，支持自动清理过期数据（如日志保留30天）、冷热分层存储（SSD→HDD→S3）和多级归档。通过异步合并任务触发，TTL可配置分层策略，并支持监控删除状态。最佳实践包括：合理设置时间间隔、优先使用分区删除、定期检查system.parts表。TTL实现了数据从写入到删除的全自动化管理，显著降低存储成本，特别适合日志、监控等时效性数据场景。
本文介绍了一个完整的实时数据链路架构：Flink → Kafka → ClickHouse → MinIO，实现了从数据采集、处理、分析到归档的全流程闭环。该方案通过Flink进行实时ETL处理，Kafka作为消息缓冲，ClickHouse存储热数据支持高性能查询，MinIO存储冷数据以降低成本。文章详细讲解了各组件配置、数据流转实现（包括Kafka数据自动摄入ClickHouse、TTL自动归档
本文详细介绍了如何监控ClickHouse Keeper这一关键组件，它是ClickHouse集群的协调中心，负责元数据管理、副本同步和Leader选举。文章指出，Keeper一旦异常会导致数据无法写入、查询失败等问题，因此必须建立完善的监控体系。内容涵盖：Keeper的核心架构与工作原理；5类关键监控指标（角色状态、节点存活、Raft日志延迟等）；使用Prometheus+Grafana的实战监
摘要： ClickHouse 通过物化视图自动归档数据到 S3，实现冷热数据分层，兼顾性能与成本。核心步骤包括：创建源表（热数据）、配置物化视图监听写入并触发 S3 归档（推荐 Parquet 格式），支持 AWS S3/MinIO/OSS 等存储。该方案具备实时性、自动化、低存储成本优势，适用于日志长期留存、湖仓一体等场景。通过动态路径和压缩优化，可进一步提升效率。需注意权限控制、网络稳定性及监
的-c 512与的-c 1024形成了典型的 CPU 权重对比场景，直观展示了 Docker 如何通过 cgroup 的cpu.shares机制实现相对公平的资源分配。这种方式适合在多容器共享主机时，根据业务优先级分配 CPU 资源（如核心服务权重高，非核心服务权重低）。Docker 提供三种 user-defined 网络驱动：bridge, overlay 和 macvlan。overlay
