在高并发、高可用场景中，为了满足后续数据库水平扩容，如由于日益增长的数据需要分库分表时，通过数据库默认的ID生成策略显然有诸多问题，例如他只能满足在单个数据库实例中唯一，不能全局唯一，其次如果所有的insert依赖数据库的自增也会有一定的性能问题。这就引出了我们今天的主角：分布式ID生成

Elasticsearch介绍 Elasticsearch 是一个基于 Apache Lucene 的开源搜索和分析引擎，设计用于云计算中，能够快速地处理大量数据。它可以近实时地进行复杂的查询，并且可以用于全文搜索、结构化搜索以及分析。

随着ChatGPT的爆火，其embedding背后的向量检索技术让大家熟知。事实上，向量数据库并非近近两年才出现的新技术，它已经存在了很长时间了。要了解什么是向量数据库，我们先来了解下什么是向量。

对于数学/物理工作者来说，一个常见的需求是想要在Hexo博客中支持复杂数学公式的渲染。MathJax 和 KaTeXKATEX 是两个常见的渲染引擎，MathJax 使用者多、兼容性好、但渲染速度慢，而 KaTeXKATEX 渲染速度快，且

macOS升级高版本系统后Navicat 15或16版本会出现无法保存数据库密码问题，报"AIled to save password error code -34018",每次重启都要重新编辑连接输入数据库密码，超级崩溃