最近的文章
顯示全部
免費的雲端資料庫 Aiven 使用指南
在上篇文章" 資料庫、分散式資料庫、網路資料庫、雲端資料庫差別是什麼? "提過， 雲端資料庫 (Cloud Database) 指的是建構、部署於雲端運算平台（如 AWS、GCP、Azure），並透過該平台進行存取與管理的資料庫服務。 它與傳統資料庫最大的差別不在於技術底層（底層可能還是 MySQL 或 PostgreSQL），而是在於「交付與維運的模式」。 現在來看看雲端資料庫 Aiven 的實際使用，到底跟網路資料庫有何差異? 網址 : https://aiven.io/ 如何使用雲端資料庫 Aiven 步驟一 : 註冊帳號。 按下首頁的「Start for free」，如下圖 : 然後按下「Signup With Google」，如下圖 : 選擇要登入的 Google 的帳號，登入後即可，如下圖 : 步驟二 : 建立雲端資料庫服務。 登入後按下右上角的「Create service」，即可以開始建立你的雲端資料庫，如下圖 : Aiven 提供了九種雲端資料庫服務，我們選擇了 MySQL 資料庫，如下圖 : 然後就會讓你選擇雲端方案，我們選擇 Free 的免費方案，如下圖 : 而免費的方案還可以選擇伺服器的位置，預設會離你的地域最近的伺服器…
Vibe Data Modeling (AI協同資料塑模) 如何操作?
什麼是 Vibe Data Modeling ? Vibe Data Modeling 是用對談把業務語意 (Business Semantics) 逐步外顯，並用可驗證的約束 (Constraints) 把語意落到資料結構 (Schema) 的迭代流程。 也就是強調與 AI 溝通，將需求轉化為實體資料表的過程。 這篇文章" AI 將威脅傳統軟體業嗎? 軟體工程師還有未來嗎? "提到 : AI 將威脅低階的軟體代工業，但是暫時威脅不了資深的軟體工程師。 可是這個情況能夠維持多久呢? 對於資料庫管理師或是後端資料庫工程師來說，AI 是否會開始威脅到他們的工作呢? 原本資料塑模在做什麼? 根據這篇文章" Data Modeling (資料塑模) : 概念塑模、邏輯塑模、實體塑模 "，資料塑模可以分成概念塑模、邏輯塑模、實體塑模。 概念塑模就是要產生實體關係圖 (ER Diagram)，邏輯塑模就是要產生資料表的定義關聯綱目 (Schema)，實體塑模就是要產生真正的實體資料表 (Tables)。 為何資料塑模要經過這三個程序? 因為概念塑模是把實體世界的需求轉換成資料的第一步，邏輯塑模是把資料間的關聯建立起來，而實體塑模就是用語法把邏輯概…
Vibe Coding 的真正核心競爭力：資料庫思維
在這兩年，「 Vibe Coding (氛圍編碼)」從一個矽谷的迷因演變成了許多開發者與創作者口中的關鍵字，也讓寫不出程式的小白燃起一絲希望。有人把它理解成「用 AI 寫程式」，有人認為是「不被語法綁住，專注做出東西」。 然而隨著 AI 工具如 Cursor 、 Replit Agent 或 Lovable 的普及，我們開始發現一個弔詭的現象：為什麼同樣是用 AI 協作，有些人能在半天內做出一個可擴展的 SaaS 產品，而有些人卻在處理簡單功能需求時，系統就開始崩潰、出錯，最後陷入無止盡的錯誤循環？ 關鍵在於：真正進入 Vibe Coding 狀態的人，幾乎一定具備扎實的資料庫思維，因為所有系統的主要目的都是正確的處理資料。只要你交給AI的需求與資料庫邏輯是正確的，就能產出正確的系統。 Vibe Coding 的本質從來不是在「寫 code」，而是在「組建系統」。 一、 範式轉移：從「語法導向」到「結構導向」 在傳統開發流程中，工程師的思維路徑通常是「由小到大」：先選擇程式語言，寫下第一個 Function (函式)，決定 Variable (變數) 命名，最後在功能快完成時，才去思考資料要怎麼存、Table Schema (資料表綱要) 要怎麼開。 但在 Vib…
AI時代，如何有效驗收學生的學習成效?
現在老師上課出「作業」給學生或是「筆試 」，能夠有效辨識學生的學習成效嗎? 答案很清楚 : 不行。 為何「作業」無法有效辨識學生的學習成效呢? 因為任何作業題目都可以透過 ChatGPT 或是 Google Gemini 等工具互相驗證得到水準以上的作業內容。這個作業內容再經過人類的修飾之後，AI 的味道就會逐漸淡化，最後就很難分辨到底是人寫的還是 AI 寫的? 為何「筆試」無法有效辨識學生的學習成效呢? 因為學生習慣使用 AI 工具，已經不太記憶一些基礎的東西。就像計算機用習慣了，加減乘除的能力自然會降低一樣。 Closed Book 的筆試下，大半學生寫的答案內容慘不忍睹，根本無法辨識學生程度。學生都已經習慣打字並且依賴AI協作，就算好學生也可能書寫得亂七八糟。 Open Book 的筆試下，學生寫的答案內容大多是從 AI 工具抄襲而來，根本沒有意義。就像考試時有個老師在旁邊協助，根本無法知道答案內容到底是誰寫的。 現在要有效驗收學生的學習成效，只有五種方式 : 口試、討論、即問即答、實作 、不看稿報告 。 以 MySQL 課程來說，因為口試、不看稿報告這兩種方式太花時間，大多不太可能施行。討論的方式對於工科的學生來說像是凌虐，因此透過工具「即問即答」或是「實作」，就是比較可…
InfinityFree 安裝 WordPress 跑 Woocommerce 外掛，為何統計總是不正常
InfinityFree 可以安裝 WordPress，也可以安裝 Woocommerce 外掛，但是當你測試下訂單再去看後台的 Woocommerce 的分析數據時，會發現怎麼訂單數字都是「0」? 這不是你的問題，而是 InfinityFree 提供的免費帳戶關閉了 Cron jobs。 Cron jobs 是什麼? 為何關閉後會讓 Woocommerce 不正常呢? 因為 Woocommerce 很多工作都依靠 Action Scheduler 在運作，而 Action Scheduler 會運作就是依賴 Cron jobs。 Cron 是一款基於時間的任務管理系統，使用者們可以通過 cron 在固定時間、日期、間隔下，執行定期任務。InfinityFree 不提供 cron 給免費帳戶是為了安全與效率因素，因為如果免費帳戶用 了太多的 cron jobs，會浪費資源拖垮其他使用者。 如果你去後台觀察，就可以看到如下圖 : 以上如果很多行程都沒有「完成」，就是因為 Action Scheduler 無法運作了。 因為效率問題，Woocommerce 不會在處理訂單時把彙整的動作一起做，他只會做寫入的動作，因此很多關聯的資料就必須靠 Action Scheduler 把正確的…
WordPress 加上 Woocommerce 電子商務，如何從後台撈出訂單資料?
在學校課堂練習時，訂單資料表可能只有 order_head、order_body 兩張而已。但到了職場上，老闆叫你「從後台撈訂單資料做報表」，你會發現 WooCommerce 的訂單資料被拆在一堆 WordPress 核心資料表裡面，再加上一些 WooCommerce 自己的資料表，結構跟你熟悉的「訂單表頭／表身」完全不一樣。 我們在" WordPress 加上 Woocommerce 電子商務，如何從後台撈出商品資料? "，已經知道如何從後台撈出商品資料，現在我們來看看如何從後台撈出[訂單資料]。 首先要確定你的 Woocommerce 是舊的還是 HPOS (High Performance Order Storage 高效能訂單儲存) 的結構。 HPOS 高效能訂單儲存是什麼? 它是 WooCommerce 把「訂單」從 WordPress 的 posts/postmeta 架構搬出去，改用專用訂單資料表來儲存的一套機制（以前叫做 Custom Order Tables）。它採用 WooCommerce 的 CRUD（Create, Read, Update, Delete） 設計，讓訂單查詢更符合電商需求、也更好擴充與最佳化效能。 以往 WooComme…
WordPress 加上 Woocommerce 電子商務，如何從後台撈出商品資料?
我們在之前的文章探討過很多[產品/訂單]的實作練習 : 公司的產品資料與訂單 B2B網站的資料流流向圖 這些資料表結構其實都很簡單，就是產品資料表、產品類別資料表、訂單表頭資料表、訂單表身資料表。但是在實際應用上，到了公司上班以後，當老闆叫你從後台撈資料做報表時，你會發現怎麼跟我在學校學的都不一樣呢? 就好像下面這幅漫畫描述的一樣 : 學生會抱怨「老師教的都是沒用的東西」，因為上班時會發現怎麼跟學校學的差這麼多? 其實老師心裡想的是 : 「我教這麼簡單的內容，你都學不會了，我教企業現場應用的東西，不是自找麻煩嗎?」 現在，我們就來自找麻煩一下，看看許多中小企業在使用的 WordPress 平台下，使用 Woocommerce 電子商務的資料表是長什麼樣子? 我們將使用 InfinityFree 的免費平台安裝 WordPress 跟 Woocommerce ，安裝過程就不在這邊贅述，有空再另文說明。 從 phpMyAdmin 管理介面可以看到 WordPress 與 Woocommerce 的一大堆資料表如下 : 我們的目的不是要研究全部資料表，我們只把焦點放在跟 Woocommerce 有關的資料表上。 Woocommerce 由於要跟 WordPress 整合…
