- 上一篇跑通了最小闭环：保存向量字段，再用 SQL 距离排序找回来。 这一篇接着讲一个更实际的问题：用了向量数据库，不代表所有查询都要变成“相似度”。分类、状态、时间、租户、权限这些确定条件，仍然应该交给 RDB。 先说结论 向量检索负责“谁更像”，RDB 条件负责“哪些记录有资格参与比较”。 真实业务里，通常不是全库做 上一篇跑通了最小闭环：保存向量字段，再用 SQL 距离排序找回来。 这一篇接着讲一个更实际的问题：用了向量数据库，不代表所有查询都要变成“相似度”。分类、状态、时间、租户、权限这些确定条件，仍然应该交给 RDB。 先说结论 向量检索负责“谁更像”，RDB 条件负责“哪些记录有资格参与比较”。 真实业务里，通常不是全库做
- 前两篇分别讲了最小闭环和 RDB 混合过滤。第三篇把它落到一个常见 AI 应用场景：本地知识库。 先说结论 本地知识库不是把整篇文章直接塞进一个向量字段。 更常见的做法是：先把长文本切成片段，再给每个片段生成向量。检索时先找相似片段，后续再把片段交给摘要、问答或生成模块。 这个 Demo 做什么 页面把一段长文本切成多 前两篇分别讲了最小闭环和 RDB 混合过滤。第三篇把它落到一个常见 AI 应用场景：本地知识库。 先说结论 本地知识库不是把整篇文章直接塞进一个向量字段。 更常见的做法是：先把长文本切成片段，再给每个片段生成向量。检索时先找相似片段，后续再把片段交给摘要、问答或生成模块。 这个 Demo 做什么 页面把一段长文本切成多
- 前面 RDB 已经写到事务和 Sendable。再往 AI 应用走一步，就会遇到“向量数据库”。 这次以华为官方文档《通过向量数据库实现数据持久化 (ArkTS)》为准：向量数据库从 API version 18 开始支持，它既能保存向量数据，也能继续处理标量的关系型数据。`floatvector` 用来保存向量化结果，查询时可以用向量距离做排序。 前面 RDB 已经写到事务和 Sendable。再往 AI 应用走一步，就会遇到“向量数据库”。 这次以华为官方文档《通过向量数据库实现数据持久化 (ArkTS)》为准：向量数据库从 API version 18 开始支持，它既能保存向量数据，也能继续处理标量的关系型数据。`floatvector` 用来保存向量化结果，查询时可以用向量距离做排序。
- RDB 前面已经写过建表、CRUD、升级、事务和 Sendable。再往多设备场景走，就会遇到一个容易混的点：关系型数据库也能做跨设备同步，但它不是“把普通表自动复制到另一台设备”。 官方文档《关系型数据库跨设备数据同步 (ArkTS)》里讲得很明确：先把表设置为分布式表，再通过同步接口在可信设备之间同步数据。API RDB 前面已经写过建表、CRUD、升级、事务和 Sendable。再往多设备场景走，就会遇到一个容易混的点：关系型数据库也能做跨设备同步，但它不是“把普通表自动复制到另一台设备”。 官方文档《关系型数据库跨设备数据同步 (ArkTS)》里讲得很明确：先把表设置为分布式表，再通过同步接口在可信设备之间同步数据。API
- 关系型数据库这一组，前面已经写了建表、CRUD、升级和事务。还剩一个容易被新手误会的点：sendableRelationalStore。 它不是另一个 RDB 引擎，也不是“分布式关系型数据库”。它更像一组工具方法，用来处理可以跨线程传递的数据类型。关系型数据库真正写入时，还是回到 relationalStore.Rd 关系型数据库这一组，前面已经写了建表、CRUD、升级和事务。还剩一个容易被新手误会的点：sendableRelationalStore。 它不是另一个 RDB 引擎，也不是“分布式关系型数据库”。它更像一组工具方法，用来处理可以跨线程传递的数据类型。关系型数据库真正写入时，还是回到 relationalStore.Rd
- 数据库里最怕什么？不是写失败，而是写了一半。 比如你在本地保存一批账单，第一条餐饮写进去了，第二条通勤失败了。页面再一刷新，用户看到一半数据，后面就很难解释。这种场景就该用事务。 官方文档可以先放在手边： 通过关系型数据库实现数据持久化 relationalStore API 参考 先说结论 事务不是“高级写法”，它只 数据库里最怕什么？不是写失败，而是写了一半。 比如你在本地保存一批账单，第一条餐饮写进去了，第二条通勤失败了。页面再一刷新，用户看到一半数据，后面就很难解释。这种场景就该用事务。 官方文档可以先放在手边： 通过关系型数据库实现数据持久化 relationalStore API 参考 先说结论 事务不是“高级写法”，它只
- 本地数据库最容易被忽略的一件事，就是升级。 第一版上线时你可能只存一个 title。过几天产品说笔记要加分类，于是你想加一个 category 字段。新用户当然没问题，老用户手机里已经有旧表了，这时就不能靠删库重建糊过去。 这篇就用一个很小的例子，演示 RDB 怎么处理表结构升级。 官方文档可以先放在手边： 通过关系型 本地数据库最容易被忽略的一件事，就是升级。 第一版上线时你可能只存一个 title。过几天产品说笔记要加分类，于是你想加一个 category 字段。新用户当然没问题，老用户手机里已经有旧表了，这时就不能靠删库重建糊过去。 这篇就用一个很小的例子，演示 RDB 怎么处理表结构升级。 官方文档可以先放在手边： 通过关系型
- 上一篇我们已经把 RDB 的建库、建表、插入和读取跑通了。但真实业务里，很少只是“全部读出来”。更常见的是：按关键字搜、按状态筛、按优先级排序，再顺手改一条、删一批。 这篇就把这些操作串起来，重点看 RdbPredicates。 官方文档可以先放在手边： 通过关系型数据库实现数据持久化 relationalStore 上一篇我们已经把 RDB 的建库、建表、插入和读取跑通了。但真实业务里，很少只是“全部读出来”。更常见的是：按关键字搜、按状态筛、按优先级排序，再顺手改一条、删一批。 这篇就把这些操作串起来，重点看 RdbPredicates。 官方文档可以先放在手边： 通过关系型数据库实现数据持久化 relationalStore
- 前面讲 Preferences 和 KVStore 时，我们存的都是比较轻的数据。到了“有字段、有列表、后面还可能按条件查”的时候，就不要硬塞键值对了，直接上关系型数据库更舒服。 这篇先不铺太多概念，只做一个待办页。能建库、建表、保存、读取，就算入门跑通。 官方文档可以先放在手边： 通过关系型数据库实现数据持久化 re 前面讲 Preferences 和 KVStore 时，我们存的都是比较轻的数据。到了“有字段、有列表、后面还可能按条件查”的时候，就不要硬塞键值对了，直接上关系型数据库更舒服。 这篇先不铺太多概念，只做一个待办页。能建库、建表、保存、读取，就算入门跑通。 官方文档可以先放在手边： 通过关系型数据库实现数据持久化 re
- 前面已经写了 Preferences、KVStore、DeviceKVStore。如果再往跨端体验走一步，就会碰到“应用接续”。 我的理解很简单：Preferences/KVStore 负责本机长期保存，onContinue() 负责把“此刻页面状态”交给另一台设备。两者不是替代关系，而是配合关系。 官方资料可以先看： 前面已经写了 Preferences、KVStore、DeviceKVStore。如果再往跨端体验走一步，就会碰到“应用接续”。 我的理解很简单：Preferences/KVStore 负责本机长期保存，onContinue() 负责把“此刻页面状态”交给另一台设备。两者不是替代关系，而是配合关系。 官方资料可以先看：
- 前面我们写过 DeviceKVStore，也写过应用接续。分布式数据对象看起来也在做“跨设备同步”，但它的定位不一样。 它不是持久化数据库，更像把一个 JS 对象封装成可同步的共享状态。你在一个设备上改对象属性，同一个 sessionId 下的另一台设备可以收到变化。 官方文档可以先放在手边： 分布式数据对象跨设备数据 前面我们写过 DeviceKVStore，也写过应用接续。分布式数据对象看起来也在做“跨设备同步”，但它的定位不一样。 它不是持久化数据库，更像把一个 JS 对象封装成可同步的共享状态。你在一个设备上改对象属性，同一个 sessionId 下的另一台设备可以收到变化。 官方文档可以先放在手边： 分布式数据对象跨设备数据
- 上一篇我们用 SINGLEVERSION 做了一个本地草稿箱。它已经能保存、读取、清空，但数据只在当前设备里。 如果场景变成“手机写一半，平板继续写”，就可以继续看 DEVICECOLLABORATION。它还是键值数据库，只是数据会带上设备维度，并且可以在可信设备之间同步。 官方文档先放这里： 通过键值型数据库实现数 上一篇我们用 SINGLEVERSION 做了一个本地草稿箱。它已经能保存、读取、清空，但数据只在当前设备里。 如果场景变成“手机写一半，平板继续写”，就可以继续看 DEVICECOLLABORATION。它还是键值数据库，只是数据会带上设备维度，并且可以在可信设备之间同步。 官方文档先放这里： 通过键值型数据库实现数
- 上一篇写了 Preferences，它适合存昵称、主题、字号这类小配置。 这篇继续看 ArkData 里的键值型数据库，也就是 distributedKVStore。它同样是 keyvalue 思路，但比 Preferences 更适合放业务数据，比如草稿、缓存、离线任务状态这类“有一点量，但又不想上关系型数据库”的数 上一篇写了 Preferences，它适合存昵称、主题、字号这类小配置。 这篇继续看 ArkData 里的键值型数据库，也就是 distributedKVStore。它同样是 keyvalue 思路，但比 Preferences 更适合放业务数据，比如草稿、缓存、离线任务状态这类“有一点量，但又不想上关系型数据库”的数
- 做 HarmonyOS 数据持久化时，新手很容易先想到数据库。 但不是所有数据都值得建表。比如：昵称、深色模式、字号、是否第一次打开应用，这些都是“小配置”。这种场景用 ArkData 里的用户首选项 Preferences 就够了。 官方文档可以放在手边： 应用数据持久化概述 通过用户首选项实现数据持久化 先说结论 做 HarmonyOS 数据持久化时，新手很容易先想到数据库。 但不是所有数据都值得建表。比如：昵称、深色模式、字号、是否第一次打开应用，这些都是“小配置”。这种场景用 ArkData 里的用户首选项 Preferences 就够了。 官方文档可以放在手边： 应用数据持久化概述 通过用户首选项实现数据持久化 先说结论
- 经过多项目实测踩坑，我深刻意识到：电竞陪玩平台的分账模块，根本不适合自研和通用工具兜底。行业多级分润、规则动态、高频并发、强监管的专属特性，决定了通用方案能力不足、自研方案成本高风险大。分账链作为聚焦电竞陪玩赛道的专业垂直分账系统，精准踩中行业所有业务和技术痛点，以轻量化接入、全场景适配、合规兜底、高稳定结算的优势，成为陪玩平台开发落地的最佳中间件方案。对于追求快速上线、稳定运行、合规长效、低 经过多项目实测踩坑，我深刻意识到：电竞陪玩平台的分账模块，根本不适合自研和通用工具兜底。行业多级分润、规则动态、高频并发、强监管的专属特性，决定了通用方案能力不足、自研方案成本高风险大。分账链作为聚焦电竞陪玩赛道的专业垂直分账系统，精准踩中行业所有业务和技术痛点，以轻量化接入、全场景适配、合规兜底、高稳定结算的优势，成为陪玩平台开发落地的最佳中间件方案。对于追求快速上线、稳定运行、合规长效、低
上滑加载中
推荐直播
-
华为云码道Skill实战与极速交付，智能开发全链路实战2026/07/22 周三 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；姜浩-华为云HCDG核心组成员
直播深度解读华为云码道6月产品新特性，从Skill市场安装专家技能，带你零距离体验从需求，开发，审查，重构全链路闭环的开发过程。从零构建并交付一个完整项目，让您体验从代码提交到服务上线的“极速”之旅。
回顾中 -
聚开发者之力，创具身新未来2026/07/23 周四 15:00-17:00
张豪杰/程文/王军/刘新春/黄钦开 /张晓天
本次华为云具身智能开发平台CloudRobo培训面向具身智能开发者，带您全流程体验机器人本体R2C小时级接入、环境重建与轨迹生成仿真数据生产、PB级数据管理、数据评测、模型训推、强化学习和Benchmark一键评测等功能，并体验业界主流具身模型应用。
回顾中
热门标签