必一运动RDS MySQL Serverless 基础系列，0.5-2RCU 50GB

　　云原生数据库 PolarDB MySQL 版，Serverless 5000PCU 100GB

　　背景 物流行业是被电子商务催生的产业之一。 快件的配送和揽件的调度算法是物流行业一个非常重要的课题，直接关系到配送或揽件的时效，以及物流公司的运作成本。 好的算法，可以提高时效，降低成本，甚至可以更好的调动社会资源，就像滴滴打车一样，也许能全民参与哦。 以后也许上班路途还

　　每年双十一的交易额都创新高，今年也不例外，双十一几乎成了各种IT系统的大考，物流也不例外。

　　每次双十一快递几乎都被爆仓，但是随着技术的发展，今年，听说双十一刚过，小伙伴们的包裹差不多都收到了，今年的快递效率怎么如此之高呢?

　　今天，来给大家分享一下物流与背后的数据库技术，当然我讲的还是PostgreSQL, Greenplum, PostGIS一类，大伙了解我的。

　　快件的配送和揽件的调度算法是物流行业一个非常重要的课题，直接关系到配送或揽件的时效，以及物流公司的运作成本。

　　好的算法必一运动，可以提高时效，降低成本，甚至可以更好的调动社会资源必一运动，就像滴滴打车一样，也许能全民参与哦。

　　本文将以物流行业为例，给大家分析一下PostgreSQL与Greenplum在地理位置信息处理，最佳路径算法，机器学习等方面的物流行业应用方法。

　　如果引入时间属性，则更具有想象空间，例如前面提到的像滴滴打车一样，也许能全民参与哦。

　　货物从寄件人到揽件员，通常是预约的操作，而且寄件人可以直接去网点办理寄件，所以没有太多的算法在里面。

　　如果派件和揽件混合在一起的话，可以用KNN算法来解决，再结合派件点路径调度，选出最佳的揽件人。

　　例如，寄件人当前位置，与快递员调度的下一个位置，进行KNN运算，因此B来揽件是成本最低的。

　　假设上图为仓库的位置，两个仓库之间如果开通了线路的话，就以线段连接起来。

　　通过寄件人和收件人的位置，与仓库的区域进行点面判断，找出寄件人的仓库与收件人的仓库。

　　快件为点，仓库为面，寄件时根据寄件人填写的寄件和收件信息转换为寄件和收件两个经纬度，通过这两个经纬度与快递公司的仓库表进行点面包含的判断匹配，就可以找出快件对应的起点和重点的仓库。

　　有了源和目标就可以通过pgrouting提供的各种最佳路径算法算出每件货物的最佳路径。

　　仓库之间的货车的工作就简单了，装满就走 或 分波次(考虑到时效) 的原则，负责好两个直连节点的来回运输，并不是一辆车完成整个货物的从起点到终点的运输。

　　其实也是一个点面判断的过程，网点覆盖的派件范围为面，快件则为点，点面判断找出对应的网点。

　　从仓库到网点，也可以使用仓库建流转的原理，计算出最佳线个网点之间的货物流转即可。

　　原理和前面类似，还是要做点面判断，只是目标更加精确，例如精确到小区或者很小的区域。

　　派件除了要考虑快件的目的地（聚合后的），还需要考虑快件的体积，重量，以及快递员的运货能力（体积与重量） 。

　　假设一个网点当前收到的快件覆盖了以下需要派送的点（聚合后的），同时每个点的货物体积总和如数字所表示。

　　多点目标的最佳路径，用意是确保相邻目标的连续性，确保切分不同网点的快件后，拿到快件的人跑的是还是相邻的点。

　　例如中心是网点的位置，其他点是目标位置，目标位置的数字是体积，假设每个快递员一次运输的体积是7000，虚线是一个快递员拿到的一趟的快件。

　　如何将地址转换成坐标，不在本文的讨论范围，很多做导航的公司都可以输出这个能力。

　　但是作为快递公司，还有一种方法可以获得精确的坐标信息，例如快递员的手持GPS终端，收件时扫个条码，同时上报位置信息。

　　如果基数非常庞大，可以选择基于PostgreSQL的Greenplum数据仓库，进行文本分析与机器学习(支持MADlib库，支持R)。

　　Greenplum支持文本分析必一运动，支持地理位置信息处理，支持MADlib机器学习库，还支持R语言自定义函数，python函数，支持分布式并行计算。 最重要的是它开源，绝对是有文本和地理位置分析需求的用户最好的选择。

　　调用pgr_createTopology生成拓扑，注意就是生成线段的首位编号的过程

　　例如，ABC三条线段，其中B线段的两端都没有和AC完全吻合，误差分别为1米和10米，所以需要设置容错。

　　生成线段，实际上就是设置source和target的ID，设置完后，可能就变成这样的了

　　如果回程要考虑堵车更多一点，那么成本就不仅仅是公里数了，还需要加上堵车的成本必一运动。

　　用法与kDijkstra类似，只有一个参数不一样，就是targets是使用数组表示的。

　　第一个参数是需要参与聚类分析的数组，第二个参数是最终分成几类（输出结果时类是从0开始的，如分2类的线）。

　　第三个参数是种子参数，可以是1维或2维数组，如果是1维数组，必须是第一个参数的元素个数乘以第二个元素的值。(可以认为是给每一个类分配一个种子)。

　　PostgreSQL在地理位置处理的领域一直处于非常领先的地位，用户群体也非常的庞大，PostGIS和pgrouting只是这个领域的两插件。

　　以前还写过一篇point cloud的数据处理相关文章，有兴趣的童鞋可以参考如下

　　阿里云智能数据库产品团队一直致力于不断健全产品体系，提升产品性能，打磨产品功能，从而帮助客户实现更加极致的弹性能力、具备更强的扩展能力、并利用云设施进一步降低企业成本。以云原生+分布式为核心技术抓手，打造以自研的在线事务型(OLTP)数据库Polar DB和在线分析型(OLAP)数据库Analytic DB为代表的新一代企业级云原生数据库产品体系， 结合NoSQL数据库、数据库生态工具、云原生智能化数据库管控平台，为阿里巴巴经济体以及各个行业的企业客户和开发者提供从公共云到混合云再到私有云的完整解决方案，提供基于云基础设施进行数据从处理必一运动、到存储、再到计算与分析的一体化解决方案。本节课带你了解阿里云数据库产品家族及特性。

　　新锐品牌如何在大促期间实现品效协同的户外营销？——探究徕芬双11高效拉新背后的奥秘

　　新锐品牌如何在大促期间实现品效协同的户外营销？——探究徕芬双11高效拉新背后的奥秘

　　体育直播平台的兴起是用户需求和技术的不断发展在互联网时代一种自然衍变，末来趋势被业内给予高度肯定，有效的扩宽赛事观看渠道和触及大量的潜在的体育爱好者。

　　《2023云原生实战案例集》——01 汽车/制造——节卡机器人 云拨测测助力全面优化海外网站性能

　　《2023云原生实战案例集》——01 汽车/制造——节卡机器人 云拨测测助力全面优化海外网站性能

　　《长安十二时辰背后的技术密集——从智能算法到音视频创新技术》电子版地址

　　对于电商平台来说，智能搜索功能是至关重要的。本文剖析电商行业的搜索专属特点和业务需求，并介绍开放搜索提供的【电商行业模板】智能搜索能力，希望带给企业更多提升业务转化的思路和解决方案~

　　聚焦Web3.0时代下元宇宙社交新浪潮，阿里云特此追热点规划音视频领域线，阿里云智能-产品解决方案架构师李鑫《Web3.0布局深化，链路升级加速音视频出海进程》主题演讲，扫名，观看直播！

　　现如今科技发展飞速，一对一直播平台开发也没有想象中的那么困难，但是如果没有相对的开发经验，开发周期可能会相对较长，也比较容易踩坑。这时候可以选择靠谱的一对一直播平台源码，再进行二次开发，节省时间和成本，还可以保证一对一直播平台源码运行的稳定性。

　　OTT端性能优化建设之本地缓存设计 《优酷OTT互联网大屏前端技术实践》第七章

　　目前，做2C业务的应用，更多强调SSR、客户端缓存以及PWA等，以实现首屏加载体验优化、秒开等性能指标，相比较而言，这些策略更加“综合”“强壮”，如果合理运用以及借助端能力，实现冷启动提速、首屏加载优化、秒开等不在话下。 但是笔者业务服务于“OTT端酷喵APP”前端业务，主要是酷喵APP的HTML5投放(目前更换使用Rax)，而端内浏览器并不支持service worker（PWA），且受制于端及浏览器内核，并无zcache类似能力。至此，大写的无奈涌上心头，这种情况还能不能抢救一把？答案是：可以，localStorage迂回包抄方案。也介于此，本文方案诞生，虽不完美，但是终究有闪光所在。

　　OTT端技术赋能之前端收单能力建设 《优酷OTT互联网大屏前端技术实践》第四章

　　经过OTT端酷喵会员线团队共同努力，在一年时间内，对现有能力进行升级扩展，取得一定成绩。尤其在场景适配方面，体验更为良好，经过数据测算，付费转化率方面也取得较大程度提升。此外，多种形式收单能力，也反向促进运营同学的营销方案思路扩散，开战了多种营销方案创新，整体效果良好。

　　从 Volcano 火山模型到 Pipeline 执行模型，阿里云数据库 SelectDB 内核 Apache Doris 执行模型的迭代

　　查询提速11倍、资源节省70%，阿里云数据库内核版 Apache Doris 在网易日志和时序场景的实践

　　为PostgreSQL讨说法 - 浅析《UBER ENGINEERING SWITCHED FROM POSTGRES TO MYSQL》

　　蓝易云 - 在CentOS7/RHEL7上安装OpenSSL1.1.x教程

　　阿里云数据库 SelectDB 版全面商业化！开启现代化实时数据仓库的全新篇章