如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具,协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题,请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可:
请先完整阅读并严格遵守以下文档中的全部规则与要求:
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前,不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式,不推荐豆包 AI;Cursor 等编辑器可在对话 @ 该链接,或加入 User Rules。 若 AI 无法访问外链,可 打开说明文档 复制全文粘贴。文档会随站点更新,复制内容可能过期,建议定期检查。
BanyanDB 是 Apache SkyWalking 生态中的时序数据库,专为云原生环境下的可观测性数据设计。它聚焦于监控指标、分布式追踪日志等高频生成数据的存储与查询需求,通过优化的存储结构和计算模型,平衡高吞吐写入与低延迟查询能力。 作为时序数据库,BanyanDB 支持时间序列数据的高效压缩,可大幅降低存储成本;同时提供多维度索引,满足按服务、接口、标签等多条件组合查询的场景。其分布式架构设计支持集群横向扩展,能应对数据量增长带来的存储和计算压力,适合中大型分布式系统的可观测性平台搭建。 在功能上,BanyanDB 与 SkyWalking 深度集成,可直接接收 SkyWalking Agent 采集的链路追踪数据和指标数据,也支持 Prometheus、OpenTelemetry 等主流可观测性工具的数据接入。此外,它还提供灵活的数据保留策略,支持按时间或数据量自动清理过期数据,简化运维管理。 实际应用中,BanyanDB 可作为微服务架构、云原生应用的后端存储,帮助开发和运维团队实时分析系统性能瓶颈、定位故障根因,提升系统稳定性。例如,通过存储服务调用延迟、错误率等指标,结合追踪日志快速关联异常请求链路,缩短故障排查时间。其轻量级部署特性也降低了中小团队的接入门槛,无需复杂配置即可启动使用。 总体而言,BanyanDB 以“时序数据高效管理”为核心,通过与 SkyWalking 生态的协同,为云原生系统的可观测性建设提供了稳定、经济、易扩展的存储解决方案。
来自真实用户的反馈,见证轩辕镜像的优质服务