繼去年StreamingLakehouseMeetup順利舉辦後,StreamingLakehouseMeetup·OnlineEP.2|Paimon×StarRocks共話實時湖倉於12月10日重磅迴歸。在這場直播中,阿里雲計算平台事業部開發工程師張慶玉聚焦StarRocks與ApachePaimon的深度集成實踐,探討如何構建真正意義上的LakehouseNative數據引擎。 在數據湖已成為
在近期的 Streaming Lakehouse Meetup · Online EP.2|Paimon × StarRocks 共話實時湖倉 直播中,Apache Paimon PMC 成員/阿里雲數據湖資深工程師葉俊豪帶來了關於 Paimon 多模態數據湖的深度技術分享。 隨着大模型訓練對數據規模與多樣性的要求不斷提升,傳統以批處理為中心的數據湖架構已難以滿足 AI 工作負載對實時性、靈活性和
繼去年StreamingLakehouseMeetup順利舉辦後,StreamingLakehouseMeetup·OnlineEP.2|Paimon×StarRocks共話實時湖倉於12月10日重磅迴歸。在這場直播中,阿里雲計算平台事業部開發工程師張慶玉聚焦StarRocks與ApachePaimon的深度集成實踐,探討如何構建真正意義上的LakehouseNative數據引擎
湖倉一體(Data Lakehouse)融合了數據倉庫的高性能、實時性以及數據湖的低成本、靈活性等優勢,幫助用户更加便捷地滿足各種數據處理分析的需求。在過去多個版本中,Apache Doris 持續加深與數據湖的融合,已演進出一套成熟的湖倉一體解決方案。 為便於用户快速入門,我們將通過系列文章介紹 Apache Doris 與各類主流數據湖格式及存儲系統的湖倉一體架構搭建指南,包括 Hudi、Ic
作者:趙宇(司忱)/數據開發工程師 導讀: 本文整理自高德數據開發工程師、趙宇在StreamingLakehouseMeetup上的分享。聚焦高德地圖軌跡服務在實時湖倉方向的落地實踐。 面對軌跡數據“高實時、高併發、長週期存儲”的典型特徵,高德團隊以訪問跨度為依據完成熱/温/冷分層,並以ApachePaimon+StarRocks構建統一的數據底座,支撐軌跡數據的近實時寫入與高性能查詢。
作者:馬龍傑(澄諾) 阿里巴巴中國電商事業羣-餓了麼-DIC數據智能中心-數據研發流量組 摘要:實時湖倉架構賦能即時零售,在多端流量與億級營銷投入下支撐分鐘級決策與體驗升級。 導讀: 當“秋天的第一杯奶茶”衝上熱搜時,很多人看到的是用户的熱情與訂單的暴漲,而在背後,技術團隊同樣在全力以赴。自 4 月 30 日淘寶閃購上線以來,短短 100 天,業務團隊創造了一個奇蹟,技術團隊則在高併發與