OB体育我们整理了一些从实用角度看 ClickHouse & ByConity 的异同点，与大家分享：

　　ClickHouse 提出了分布式表的概念，当 Client 做查询时，首先连接节点找到分布式表，通过 sharding key 的定义以及集群的配置知道分布式表对应的本地表及分布节点。再通过两阶段的执行，先到节点上做本地表的查询，再把查询结果汇聚到分布式表，然后再返回给客户端。

　　ClickHouse 提供数据复制的能力，通过对每一个本地表配置 Replica 进行数据复制。不管是分布式的执行，还是数据的复制，都需要 Coordinator 进行节点之间的通信，包括任务的分发等。

　　ByConity 是存算分离的架构，整体架构主要分为三层：服务接入层、计算层和云存储层。

　　计算层由一个或者多个 Virtual Warehouse （计算组）构成，执行具体的计算任务。一个 Virtual Warehouse 由多个 worker 构成。

　　计算层为无状态的一层，为了查询的某些性能，这里会有 Disk 的参与，把一些数据缓存在 worker 本地做 disk_cache。在 ByConity 的查询中有冷查（首先次查询）和热查的区别，冷查需要从远端的云存储把数据拉到 disk_cache，后续查询可以直接重用 disk_cache 的数据，查询速度更快。

　　在部署 ByConity 时，不同的组件有不同的硬件要求。对一些共享服务，如 TSO、Daemon Manager 和 Resource Manager，其资源需求相对较低且比较固定；server 和 worker 所需资源相对较多，尤其是 worker，需要根据不同的查询场景部署到不同的硬件规格上。

　　ByConity 社区推荐使用 Kubernetes 来部署，可通过官方提供的工具和脚本来实现自动化操作，集群后期的运维管理也更方便。具体的部署方式可在文档中查看：

　　由于部署 ByConity 也包括元数据以及远端的存储，即使部署测试环境也有前置要求，即 HDFS 和 Foundation DB。如本身已有环境，可直接进行配置使用。如果没有，可参考对应的部署文档进行设置。

　　ByConity 的架构演进源于字节在使用 ClickHouse 过程中所遇到的痛点。ByConity 的组件虽然比较复杂，但设计这些组件有其对应的优势。

　　资源隔离是一个业务高速发展中集群环境变复杂的过程中不可避免的问题。资源隔离有多个层面。

　　租户隔离，在 ToB 的业务上指多租户；在企业内部一般指各个业务线之间在共享集群上的业务隔离。不同的业务线之间通常希望独占部分系统资源，在进行分析、查询这些工作时可以相互不影响。这里必然也伴随着计算资源的隔离。

　　读写分离，由于读操作和写操作对硬件的要求、发生的时间以及热点都不一样，通常希望读写之间也不要互相影响，能够分开用不同规格的资源去跑。

　　冷热分离，一般指冷数据和热数据的存储能够用不同的硬件资源分离，一方面可以减少成本，另一方面也可以让冷热不同的查询之间不受影响。比如说如果有缓存的话，冷查询不会冲掉热查询的缓存，进而对热查询造成性能影响。

　　ClickHouse 没有在架构层面对资源隔离做专门的设计，因此 ClickHouse 在做上述这些资源隔离时需要单独的方案。

　　读写分离可以通过准确配置 replica（部分专门负责读，部分专门负责写），结合 load balance 策略以及集群的部署方式做一定的区分。但此方案有一定局限性，一是运维成本较高，需要手动准确控制。二是读写分离的资源不方便重用，专门用来负责写的 replica，在读请求高峰时无法 serve 读请求。

　　冷热分离可以通过 TTL，TO DISK，TO VOLUME 的功能，把冷数据和热数据分别指定不同的存储介质去存储。存储方面能够带来成本节约的好处，但是在计算层面依然使用同样的资源，无法做到分离。

　　租户隔离：不同的业务线可以根据各自需求创建不同的 Virtial Warehouse，对计算资源可以天然做到物理隔离。计算资源也可以在计算热点不同时做调整，实现成本控制和节省。

　　读写分离：ByConity 的设计要求用户在部署时指定好读和写操作分别使用哪个 Virtial Warehouse，系统会自动地根据不同的读写请求把计算转发到不同的 Virtial Warehouse 中，其天然具备读写分离的能力。

　　冷热分离：从存储上来讲，因为 ByConity 存算分离，所有的数据都会落在远端存储中，不需要做数据冷存介质和热存介质之间的区分，所有的数据都会有完整的一份在远端存储中。由于 disk_cache 的存在，热数据有缓存加速，且所有热数据的载入不需要用户介入，都是自动计算的过程，可以根据查询把所需要的热数据载入到 worker 本地。

　　扩缩容是在业务不断增长的场景中必须要考虑的话题。业务在爆发式增长的过程中，可能每两周就需要对集群进行一次扩容，每次扩容都需要伴随很多操作，带来很多的成本。因此扩缩容不得不考虑。

　　ClickHouse 架构层面未专门考虑扩缩容。ClickHouse 的扩缩容需要通过一定手段来实现：

　　扩容副本，通过使用新的节点来部署新的 ClickHouse server，并把副本转移到新的节点上。但是副本扩容之后需要一定的时间进行复制，并且需要对复制的成功率及结果进行校验。这些操作都需要运维手动去做，没有专门的功能支持。

　　扩容分片，通过增加 Shard 把新的分片部署到新的节点。这种方式会导致数据无法再均衡，即老的数据依然落在老的分片上，在进行具体查询时不同节点上的数据分布不均，需要进行数据再均衡。而数据再均衡的过程在 ClickHouse 中无法自动实现。

　　业务隔离：Virtial Warehouse 可以根据不同的业务线去创建，其创建和销毁均无感。

　　负载隔离：每个 Virtial Warehouse 可以根据业务量的变化调整 worker 的数量。具体来说：一些组件如 Resource Manager 可以自动发现新增加到集群中的 worker，并自动实现数据再均衡。

　　ByConity 对于基础 insert、外部文件导入以及外表数据导入与 ClickHouse 相同，语法上也一样。此外，ByConity 提供了更多的数据导入方式，包括一个数据导入工具，PartWriter。

　　可以集成在 Spark 的流程处理中，不通过 ByConity 的表引擎，直接将数据文件转换为 ByConity 能够识别的的 parts 文件。

　　在数据导入时有很多后台任务需要管理，如数据导入之后的 merge 和 mutate 任务，Kafka 表引擎实时消费任务等。通过操作语句跟后台任务进行交互，监控后台任务的执行情况及系统表的性能指标，能够实现对后台任务的准确控制。

　　Kafka 的数据导入在创建以上三个部分之后会在后台运行，之后不停地把数据从 Kafka 消费出来写入到目标表。

　　本身具有调度能力的产品更倾向于用 Low Level 的消费方式，如 Flink 和 Spark streaming。此方式的一个比较大的好处是不会造成数据重复，尽量保证 Exactly Once，准确控制哪个 Partition 由哪个 consumer 消费。同时在提交 offset 时，也会让数据写入和 offset 的提交有事务保证。在线上运维排查及数据审计时也更加方便，Partition 不会乱飘，如发现 Partition 有比较大的 LAG 也有迹可循，直接从 server 上找到具体的 worker，进而找到具体失败的原因。

　　ClickHouse 对复杂查询的支持并不完整，它采用两阶段聚合的方式，即分布式表和本地表。在分布式表把查询分发到本地表，在本地表做首先个阶段的聚合之后再聚合到分布式表做第二阶段的聚合，也称为scatter/gather 的模式。

　　ByConity 的复杂查询通过优化器来实现，优化器对复杂查询有非常大的性能提升，推荐默认打开。ByConity 引入了多阶段的查询，首先由优化器生成执行计划并分派到各个 worker，进而支持比较复杂的查询，如节点之间有数据的消费能力的查询。

　　优化器的工作需要统计信息支撑，因为它里面有 CBO，需要去手动地维护统计信息。ByConity 提供了对统计信息操作的手段，包括 create Stats，drop stats，以及去查看统计信息的手段。具体内容可以参考优化器的分享：ByConity Monthly Webinar-20230321-优化器原理解析与性能差异_哔哩哔哩_bilibili

　　在分布式系统中，不同的系统对事务支持程度不同，一般考虑 ACID 四个特性。OLTP 数据库对事务的要求较高，一般支持多种事务的隔离级别，且会支持比较高的级别，如 Serializable。但是一些 NO SQL 的数据库，为了达到较好的性能，会把 ACID 的部分特性做得相对较弱。

　　OLAP 的环境中很多时候并不特别强调事务的重要性。但在真正的业务中，即使对 OLAP 系统，事务也是非常重要的。其中一个关键是保证数据的准确性，有些系统虽然能够保证最终的一致性，但在过程中会出现数据不准确的情况。对实时性要求比较高的系统，数据不准确会带来不好的用户体验。

　　此外在使用 OLAP 系统时，因为数据不都是一次性导入的，经常会有数据的增量更新，在这种需求里面也需要事务操作。

　　ClickHouse 虽然有分布式的查询，但是并不支持分布式事务，本地事务支持目前仅针对单次写入在 max_insert_block_size 以内的数据有事务保证。

　　此种事务保证对于大部分在 ClickHouse 里面真正跑的查询是不够的，ClickHouse 社区目前正在实现事务增强，如提供 MVCC 和 RC 的隔离级别，支持多 insert 和多 select 组成的交互性事务。此功能还目前还在 experimental 阶段，需要特殊配制才能使用。即使最终完全实现也还是一个 local 的事务，只针对本地表有事务保证，无分布式事务的规划。

　　ByConity 进行了比较完整的分布式事务实现，其 ACID 的特性保证如下：

　　原子性（Atomicity）：ByConity 在各种情况下都会保证原子性，包括掉电，错误和宕机等各种异常情况。

　　一致性（Consistency ）：保证数据库只会从一个有效的状态变成另外一个有效的状态，不会有中间状态被看到，任何数据的写入必须遵循已经定义好的规则。

　　隔离性（Isolation ）：ByConity 为用户提供的是 read committed(rc)隔离级别的支持。未完成的事务写入对于其他事务是不可⻅的

　　持久性（Durability ）：ByConity 采取的存储计算分离结构，利用了成熟的高可用分布式文件系统或者对象存储，保证成功事务所提交数据的高可用。

　　在事务的具体实现中，这是一个典型的两阶段提交的实现。首先个阶段写入事务记录，包括写 undo buffer，远端存储，提交元信息等。第二个阶段真正提交事务，并更新事务记录的提交时间。在事务成功和失败的时候，用 undo buffer 去做一些清理。

　　很多分析型数据库有 Upsert 的需求，如果表中存在已有数据，希望覆盖掉前面的重复数据，因此需要仅有键的保证来进行判读。ClickHouse 很难保证数据插入的仅有性。ClickHouse 提供的 replacing MergeTree 可以在一定程度上达到此效果，但 replace MergeTree 不保证键一定是仅有的，因为它是异步，要在 merge 时才能做数据的覆盖。如果 merge 一直不做或者做得比较晚则会出现重复数据的状态，而这种状态在很多场景下不允许出现。因此需要一个能够保证键的仅有性的场景来做 Upsert 的支持。

　　仅有性的保证也需要控制写冲突的发生。在并发的情况下，如果有不同的写请求过来，需要加锁去保证写冲突不会发生。从上可知，Unique 表引擎需要一定代价，是在真正需要此场景的表里才会需要用到的表引擎。

　　Snowflake 提出了 cluster table 的概念，即当一个表的数据量比较大时能够对表的数据进行再分片。即使是同一个 Partition 中的数据，也希望能够再分片，增加整个系统的并行度，并利用分片的 key 做性能优化。

　　首先表的数据要足够大，一个 Partition 的数据要产生足够多且比较大的 Parts，⾄少需要显著多于 worker 的数量，不至于产生很多的小文件。另外要有一些性能优化的场景，有助于查询中性能的提升。

　　针对 cluster key 的点查可以过滤掉大部分数据，降低 ΙΟ 量以获得更短的执⾏时间和更⾼的并发QPS

　　针对 cluster key 聚合计算，计算节点可以在数据子集进行预计算，实现更小的内存占用和更短的执行时间

　　在两张表或多张表 join 时，针对 cluster key 可以获得 co-located join 的优化，极大程度上降低 shuffle 的数据量并得到更短的执行时间，提升查询效率。

　　用 Bucket 表的时候，需要注意 cluster key 的选择，选择的时候要尽量去选在查询条件中经常会用到的组合的 column、经常需要聚合的 column，以及 join 时的一些 join key。

　　分桶数量可以参考 worker 的数量。做 Bucket 表一定程度上的目的是能够尽量发挥多个 worker 的计算能力去进行并行计算。所以在分桶数量选择上可以尽量地去选 worker 的倍数，比如 1 倍或者 2 倍。

　　分桶指定好了可以改变，但是改变需要一定的代价，需要数据的重新分配。因此建议尽量在必要的时候才进行 recluster 的操作。

　　ClickHouse 支持以外表的形式读取 Hive 以及 Hudi/Iceberg 等格式。这些外表都是以本地单机表的形式存在，因此性能并不能令人满意。且实现上较为割裂，使用起来较为不便。目前 Hive 仅能支持读取 HDFS 上数据，Hudi/Iceberg 仅能支持读取S3 上的数据。

　　Multi-Catalog 的设计允许用户在同一个 Hive 实例中同时连接多个不同的存储和元数据服务，而不必为每个存储创建单独的 Hive 实例。这简化了数据管理和查询的复杂性，使组织能够更好地管理和利用其多样化的数据资源。目前已经支持的外部 Catalog 有：Hive，Apache Hudi，AWS Glue。

　　ByConity CnchHive 可以充分使用 Virtual Warehouse 的计算资源执行查询。支持 HDFS 和 S3 文件系统。为了优化性能，ByConity Hive 外表支持统计信息集成优化器，它可以根据数据的统计信息自动选择理想的执行计划。统计信息集成优化器可以在 benchmark 中显著提高查询性能。目前ByConity Hive 外表不仅能完整跑通 TPC-DS 基准测试，同时在性能方面表现出色。

　　下表总结了 ClickHouse 和 ByConity 之间的一些不同点，帮助大家有一个比较清晰的了解。除此之外，ByConity 还有很多特性。欢迎关注更多相关的内容分享。

　　对于一个开源项目，引入更多参与者、让社区往多元化方向发展往往是重要目标之一，ByConity 也不例外。我们积极与社区成员共同探讨和解决大家在试用过程中遇到的问题，团队有耐心、也有信心，更是非常期待未来能够与更多开发者和合作伙伴一起共建共享，激发更多创造力。欢迎加入 ByConity 社区，与我们共建～

　　11.11云上盛惠！海量产品 · 轻松上云！云服务器首年1.8折起，买1年送3个月！超值优惠，性能稳定，让您的云端之旅更加畅享。快来腾讯云选购吧！

　　从今年春天开始，Citywalk火遍全网。随着「秋天第一场Citywalk」的标语出现，秋日的宜人气温正在续航Citywalk热度。在大众认知下，脱去精致外衣的Citywalk还是应该回归到本来的样子——走路、吃饭、休息。

　　雷军表示，小米的澎湃OS采用了全新的XiaomiHyperConnect框架，这一框架实现了统一互联协议和跨设备自主动态实时组网，标志着小米在互联互通领域取得了历史性的突破。这一突破的关键在于HyperConnect，它处于澎湃OS系统架构的最上层，成功打破了硬件设备之间的隔阂。这一系统贯穿内核层、服务框架层和跨端层。

　　聚焦创新与临床转化，面向全球张开怀抱，年度预算可达70万美元，2023IOF临床研究资助项目正式向全球正畸研究者发出申请邀约！IOF创始专家委员会成员、IOF科学委员会成员西班牙马德里康普顿斯大学牙科学院正畸学和研究方法学教授chitaMartin带来了项目的申请建议。更多相关内容请关注：或公众号：IOF研究院。

　　2023年的大语言模型是一次激进的尝试，随着其不断变革与发展，该领域的影响力逐渐扩大。面对这个其日新月异、快速发展的领域，我们不禁深思，什么才是落地的关键？5.本次活动方可能在活动宣传中使用参会者肖像，您愿意授权活动方将包含肖像的活动图片、视频素材在相关平台或媒体中发布和传播。

　　因为深知一口健康亮白的牙齿对于我们的重要性，再加上自己的牙齿没那么好，所以就格外注重家里孩子的牙齿情况。我家宝贝今年4岁半，刷牙总是不太积极，大多时候都是应付了事，刷牙的力度、方式不太对，口腔深处的几颗牙齿很难刷到，持续的时间也不够，这就导致了牙齿清洁不彻底的情况，眼看着牙齿表面有泛黄的趋势，真让坏了心！近期还在为孩子刷牙问题烦恼的宝妈们，不妨看看这款Coficoli可菲可丽儿童声波电动牙刷，帮助孩子培养科学刷牙的好习惯吧！

　　蚂蚁集团旗下CodeFuse代码大模型宣布开源了ModelCache大模型语义缓存，可以降低大型模型应用的推理成本，提升用户体验。ModelCache的架构包括adapter、embedding、similarity和data_manager模块。将进一步改进语义表示技术和相似度评估模块，以提高模型对复杂语义的理解能力和召回率。

　　今年三月，微软首次宣布了SecurityCopilot，这是一项旨在帮助企业和组织处理计算机安全需求的新生成式人工智能服务。微软宣布已经为希望第一时间尝试此服务的企业用户推出了SecurityCopilot的早期访问计划。目前尚不清楚该计划何时会普遍推出，以及在推出时的费用是多少。

　　百度BaiduComate编码助手，基于百度文心大模型，结合百度积累多年的编程现场大数据和外部优秀开源数据，为你生成更符合实际研发场景的优质代码提升编码效率，如何申请Comate内测申请资格呢OB体育，我们来了解下。百度Comate内测申请入口BaiduComate目前已经可以在官网入口申请，申请用户需提交各项基本信息，通过申请的话即可使用这个代码助手软件。结合飞桨深度学习框架与文心大模型，“Comate”可确保推理单次请求300ms以内，以极快的响应速度保障用户使用体验。

　　是下一个Costco是下一个李佳琦?进入双十一时间的东方甄选似乎还在左右摇摆。在双十一之前刚刚推出199元会员的东方甄选，有意发力会员制与APP。新双十一箭在弦上，夹在多个平台中的东方甄选，正如在直播间眼含热泪的董宇辉一样，疲惫又无奈。

　　AIContentGenie正式发布了，该产品将为内容创作和营销领域提供AI自动生成服务。通过使用AIContentGenie，用户可以快速生成高质量的文本内容，从节省了大量的时间和人力成本。无论您是个人博主，小型企业是营销团队，AIContentGenie都将为您节省时间和精力，帮助您实现更大的成功。

　　我们为您提供连接所有工具的一体化系统，用于创建、共享、翻译和更新所有产品的文案-适用于所有语言、所有市场。

　　NLTK是一个领先的Python平台，用于处理人类语言数据。它提供了易于使用的接口，用于访问50多个语料库和词汇资源，如WordNet，并提供了一套文本处理库，用于分类、标记、解析和语义推理。它还提供了工业级NLP库的封装，并有一个活跃的讨论论坛。NLTK适用于语言学家、工程师、学生、教育者、研究人员和行业用户。NLTK可以免费使用，并且是一个开源的社区驱动项目。

　　Project Knowledge Exploration是由Microsoft Research开发的一个用于结构化数据的交互式搜索API。它通过自然语言输入，解释用户的查询并返回相关的结果。该API支持自动完成查询、快速检索匹配对象的详细信息、使用属性直方图进行可视化和交互式的细分体验等功能。该产品可以广泛应用于各种场景，包括知识图谱、数据分析、智能搜索等。

　　Sage是一个集成了多种先进AI技术的在线写作辅助平台,可以帮助用户快速创作高质量的内容。Sage拥有强大的语言理解和生成能力,可以自动组织文章框架,补全文章细节,修正语法错误,润色措辞等,大大提高写作效率。用户无需具备专业写作技能,就可以使用Sage创作出专业水准的内容。此外,Sage还提供了诸如语音输入、多语言支持、版本控制等功能,让写作过程更加顺畅高效。Sage采用免费试用模式,用户可以免费体验Sage的部分功能。Sage是新一代AI写作工具的代表,为用户提供了前所未有的写作体验。

　　Freed是一款专为临床医生设计的人工智能医学文档工具，能够监听、转录和撰写医学文档。它可以根据医学指南和最佳实践模板生成SOAP笔记，并且能够自我学习，以适应用户的风格和格式。Freed提供免费试用版和付费版，付费版提供无限次访问，并且支持团队订阅。

　　这款APP通过与AI和母语使用者进行实时语音交流,帮助用户练习并快速提高英语口语能力。它能打破语言障碍,让用户一对一地与AI和真人语伴进行实时对话,以提高发音和流利度。用户可以下载APP,开始口语训练之旅。

　　Mindfuly使用先进的AI技术,每天早上为你生成高度个性化的正念冥想体验。Mindfuly会根据你的喜好设计每日冥想,在冥想中使用你的名字,以增强积极心态迎接新的一天。Mindfuly提供选择不同语音的冥想,语音包括各种口音与语调,你可以选择最能打动你的声音。Mindfuly致力于让全球用户都能体验正念冥想,冥想内容包括英语、德语、西班牙语、法语、葡萄牙语和印地语等多种语言版本。除了每日生成的冥想外,Mindfuly也提供冥想素材库,随时随地帮助找到平静。每段冥想内容都基于科学验证的正念冥想研究。

　　Sintra AI是一款强大的AI助手工具，通过AI提示和自动化机器人来优化工作流程。它可以帮助您自动完成日常任务，提供高效的工作方式，让您专注于建立有意义的变革。Sintra AI提供2500+免费的AI提示和自动化机器人，涵盖多个行业。

　　Vinterview 是一款 AI 面试助手，提供面试准备、模拟面试、面试技巧等功能。它可以帮助用户提升面试表现，增加面试成功的机会。Vinterview 的优势在于精准的面试问题和答案，以及个性化的面试建议。定价分为免费和付费版本，付费版本提供更多高级功能。Vinterview 定位于求职者和招聘方。

　　Optimist 是一个帮助您编写更好提示的工具。它将帮助您以可靠的方式编写提示，将提示代码化，提供优势、定价和定位信息。它还提供功能点列表，使用场景和标签。

　　flowlist.io 是一个基于人工智能的任务和生产力管理网站。它使用人工智能来保持任务的新鲜和有趣。用户只需输入关键任务，AI 会为其创建项目名称和激励的下一步行动。用户也可以输入自己的想法或情绪，AI 会生成相应的项目名称和激励的任务。flowlist.io 还提供了拖放排序、项目间移动和更多细分步骤等功能。目前 flowlist.io 处于测试阶段，使用 Chat-GPT 模型，免费提供服务。

　　Coframe利用最新的AI技术为网站或APP生成个性化的文案。它能根据用户数据进行内容优化,就像A/B测试,但具有更强大的功能。Coframe可24/7为您的网站或APP工作,而非相反。集成简单,只需要几行代码即可运行。完全可控,您可见一切细节。Coframe的使命是赋予每个数字界面以自我学习和适应的能力。

　　RipX DAW 是一款获奖的 AI 分轨编辑工具，可以将音乐混音文件分离成 6 个以上的音轨，支持逐音符编辑和替换音轨，拥有无与伦比的混音能力和乐器替换功能。RipX DAW PRO 还提供强大的音轨清理、音频修复和音效处理工具。定价请参考官网。

　　Daetama 是领先的数据科学和面试准备平台，旨在为学生提供优质的 SQL 和数据科学相关学习资料。我们的数据科学材料由 Meta 和 Google 数据科学家精心策划，他们用相同的材料成功获得了心仪的工作。现在我们想通过提供这些高质量内容以可负担的月度订阅价格来为您提供同样的帮助。

　　ColorMagic 是一个具备人工智能的色彩搭配生成器。通过关键词为您输入的颜色图像生成色彩搭配。

　　404 Error Hound是一个由人工智能驱动的网站错误检测和修复工具。它可以自动扫描你的网站,检测各类错误如面找不到等,并将这些错误按照不同的源头如自然搜索流量、付费推广流量、内部流量等进行分类,从而帮助你快速定位问题所在并提出解决方案,大大提高你的网站体验和搜索引擎优化效果。

　　Rewatch是一个视频协作工作空间,专为帮助团队进行更好的异步沟通而设计。它可以打破团队之间的壁垒,捕捉团队的反馈、想法和客户见解,让每个人都能做出更好的决策。Rewatch可以自动记录、转录会议,并生成会议笔记,充分利用你团队会议中的知识。它还使每个人都可以分享想法,讨论反馈,即使你错过了会议也可以进行后续问答,从而提高团队的协作效率。此外,Rewatch还提供了视频信息中心功能,可以轻松搜索和组织视频知识,确保团队能够即时获取相关信息。

　　designstripe 是一款 AI 驱动的社交媒体设计工具，可帮助用户快速创建符合品牌的社交媒体内容。它分析用户的网站和社交媒体渠道，深入了解品牌、产品和受众，并将这些应用于设计中。用户可以每天获得与行业、产品、季节、新闻故事等相关的推文建议。无需设计技能，用户可以编辑文本和添加完美的图片，同时确保每个创建的帖子都得到设计师的认可。创建的设计可适用于 Instagram、Facebook、LinkedIn 等社交平台的各种格式。

　　MagicPattern 是一个图形设计工具，提供多种功能，包括社交媒体编辑、几何图案生成、无缝图案生成、网格渐变生成等。用户可以轻松创建独特的图形，无需设计技能。MagicPattern 提供丰富的导出选项，支持JPG、PNG和SVG格式，也可以直接获取CSS代码嵌入到网页中。用户可以使用自定义颜色调色板和上传品牌元素，以独特的方式品牌自己的图形。MagicPattern 已被20000多人在大公司和机构中使用。产品提供免费套餐，并有付费工具。MagicPattern 的创建者Jim Raptis致力于帮助人们无需设计技能即可创建专业图形。

　　GPT考试视觉是一款基于GPT图像分析的Chrome插件，可将考试题目的图片转换为答案，帮助您在考试和评估中取得好成绩。通过该插件，您可以即时获得问题的分析结果，并深入学习材料。该插件采用最新的GPT技术，确保每次结果准确、深入。您的学习材料将实时分析，不会被保存，以确保您的隐私和学术诚信。