收藏 / 列表

developer-tianyiyun 頭像

天翼雲開發者社區 - 分佈式架構基礎

本文分享自天翼雲開發者社區《分佈式架構基礎》，作者：胡****衝 基礎 事務 事務指的就是一個操作單元，在這個操作單元中的所有操作最終要保持一致的行為，要麼所有操作都成功，要麼所有的操作都被撤銷 本地事務 本地事物其實可以認為是數據庫提供的事務機制（ACID 原則） 分佈式事務 分佈式事務指事務的參與者、支持事務的服務器、資源服務器以及事務管理器分別位於不同的分佈式系統的不同節點之上，分佈式事務就

雲計算

ververica 頭像

ApacheFlink - Flink 智能調優：從人工運維到自動化的實踐之路

作者：黃睿阿里雲智能集團產品專家 本文基於阿里雲Flink平台的實際實踐經驗整理，希望能為廣大流計算從業者提供有價值的參考。 引言 在流計算領域，ApacheFlink作為業界領先的流處理引擎，為眾多企業提供了強大的實時數據處理能力。然而，隨着業務規模的不斷擴大和數據量的持續增長，如何確保Flink作業能夠長期穩定運行，同時實現資源的高效利用，成為了每個技術團隊都必須面對的核心挑戰。 根據前期用户

大數據 , flink , 實時計算

doge_king 頭像

泊浮目 - 入門向：下一代實時計算基礎設施-Fluss

本文在綠泡泡“狗哥瑣話”首發於2024.12.15 -關注不走丟。 上期講Flink Forward Aisa的視頻比較受歡迎，這期加更講Fluss。 為了方便新觀眾瞭解Fluss。簡單介紹一下Fluss，這玩意兒主要是為實時分析而生的流存儲。 所以它會有和Kafka一樣的能力，但是比起Kafka，多一個直接查的能力。 用在數據湖場景，比如配合Paimon，那麼就可以當作一個實時層，整個鏈路的延

fluss , 大數據 , flink , kafka

starrocks 頭像

StarRocks - StarRocks 4.0：Real-Time Intelligence on Lakehouse

回顧 StarRocks 的進化之路，每一次大版本迭代都緊扣時代對數據分析的核心訴求。 StarRocks 1.x，打造極速查詢性能，解決 BI 報表、數據探尋慢的痛點問題。 StarRocks 2.x，解決‘實時分析’的難題，幫助用户更快的洞察業務。 StarRocks 3.x，升級存算分離架構，打造極速統一的湖倉分析能力，讓數據分析更加的簡單高效。 在新的 AI 時代，模型訓練推理與

人工智能 , starrocks , 數據湖 , Json

u_15459354 頭像

ApacheSeaTunnel - （四）收官篇！從分層架構到數據湖倉架構系列：數據服務層和數據應用層及湖倉技術趨勢小結

《新興數據湖倉設計與實踐手冊·從分層架構到數據湖倉架構設計（2025 年）》 系列文章將聚焦從數據倉庫分層到數據湖倉架構的設計與實踐。手冊將闡述數據倉庫分層的核心價值、常見分層類型，詳解分層下的 ETL 架構及數據轉換環節，介紹數據倉庫分層對應的技術架構，並以貼源層（ODS）、數據倉庫層（DW）、數據服務層（DWS）為例，深入剖析數湖倉分層設計，最後探討數據倉庫技術趨勢並進行小結。

spark , WhaleStudio , 大數據 , 數據倉庫 , 數據庫 , 白鯨開源

u_15879876 頭像

Aloudata - 企業級 VS 個人級：智能問數的“集團軍”與“單兵作戰”的差異解析

智能問數正迅速成為企業數據消費的新入口。從初創公司到世界 500 強，眾多組織嘗試通過“一句話問數”的方式，降低數據分析門檻、提升決策效率。理想很豐滿，但現實很骨感，“問不準”、“不靈全”、“問不深”成為大量嚐鮮用户的普遍感受。 表面上看，這類失敗常被歸因於技術瓶頸——例如模型準確性不足、SQL 生成錯誤、響應延遲等。但深入剖析後不難發現，問題的根

大數據 , 數據倉庫 , 智能歸因 , 智能報告 , 數據分析 , 智能問數 , chatbi

u_17558081 頭像

饕餮大數據 - MDEP-187 從根因到修復

温馨提示 此內容版本在 ttr-2.2.1 已經修復,低於該版本需要手動處理。有任何問題可以聯繫作者，或者訪問 TTBigdata知識庫 獲取其他技術支持。 一、問題背景 在編譯 Ambari Views 模塊時，常會遇到以下錯誤： 典型報錯信息如下： [DEBUG] (f) session = org.apache

大數據 , yyds乾貨盤點 , Bigtop , 運維 , hadoop , 開源大數據 , Ambari

leguandeludeng 頭像

數據集成與治理 - 什麼是ETL增量抽取？企業數據治理必讀

兩年前，我在的數據團隊每天面對海量數據，總是在抱怨： 想要做個決策調整，結果部門報表裏的數字前後對不上；想整合一份完整的用户視圖，就得手動對接各個團隊，耗時耗力；數據在流轉中缺乏有效管控，既擔心泄露風險，又怕觸碰合規紅線...... 這些問題的根源，往往在於缺少一套行之有效的數據治理體系。而ETL正是破解這些難題最直接的技術手段。 那麼關鍵是要怎麼做呢？ 本文就直接上乾貨，不講虛的，手把手教你怎麼

數字化轉型 , 知識 , 數據庫 , 數據治理平台

u_15844731 頭像

阿森CTO - 內聯函數和auto關鍵推導和指針空值

@TOC 📝內聯函數 內聯函數是一種編譯器優化技術,它可以將函數的代碼直接插入到函數調用的地方,而不是通過函數調用的方式。這樣可以減少函數調用的開銷,提高程序的執行效率。 舉個例子，當你在一個項目中，想要頻繁調用一個Add函數 int Add(int x, int y) { return x + y; } 當你調用一千次

數組 , 大數據 , yyds乾貨盤點 , 數據倉庫 , 編譯器 , 內聯函數

vivo_tech 頭像

vivo互聯網技術 - Android 架構模式如何選擇

作者：vivo 互聯網客户端團隊-Xu Jie Android架構模式飛速演進，目前已經有MVC、MVP、MVVM、MVI。到底哪一個才是自己業務場景最需要的，不深入理解的話是無法進行選擇的。這篇文章就針對這些架構模式逐一解讀。重點會介紹Compose為什麼要結合MVI進行使用。希望知其然，然後找到適合自己業務的架構模式 一、前言 不得不感嘆，近些年android的架構演進速度真的是飛快，拿筆者工

解耦 , mvp , mvvm , mvc

kpaas 頭像

KPaaS集成擴展平台 - 數據治理：解決主數據冗餘和重複的三大方法

許多企業在享受數據紅利的同時，也飽受“數據沼澤”之苦——尤其是主數據（Master Data）的冗餘、不一致與重複問題，已成為制約業務效率與決策質量的關鍵瓶頸。 主數據，如客户、供應商、商品、組織架構等，是貫穿企業多個業務系統的核心實體。一旦這些基礎數據在不同系統中存在多個版本、命名不一或結構混亂，不僅會導致財務對賬困難、庫存管理失真，還可能引發客户體驗下降甚至合規風險。根

主數據管理 , 大數據 , yyds乾貨盤點 , 數據孤島解決方案 , MDM , 數據倉庫 , 數據一致性 , 數據集成與應用集成

u_15316473 頭像

阿里雲大數據AI技術 - 基於 Hologres 構建智能駕駛圖像高性能分析系統

隨着人工智能技術的深入發展，企業對數據的利用已不再侷限於傳統的結構化數據分析。越來越多的行業開始依賴多模態數據進行智能決策，涵蓋商品推薦、駕駛行為分析、金融風控、教育個性化等多個場景。這些場景普遍具備一個共同特徵：數據形態多樣、分析需求複雜、檢索方式多元。Hologres 4.0的整體架構圍繞“多模態分析檢索 all-in-one”設計，實現“一份數據、一份計算、多模分析”的一站

多模態分析 , 人工智能 , 數據分析 , SQL , Hologres

daimajiangxin 頭像

代碼匠心 - 從零開始學Spring Boot系列-返回json數據

歡迎來到從零開始學Spring Boot的旅程！在Spring Boot中，返回JSON數據是很常見的需求，特別是當我們構建RESTful API時。我們對上一篇的Hello World進行簡單的修改。 添加依賴 首先，確保你的build.gradle文件中已經包含了Spring Web的依賴，因為返回JSON數據通常與Web請求和響應有關。Spring Boot的starter-w

spring-mvc , springboot , JAVA , 後端 , Json

u_16272508 頭像

事辯天下 - 歐神諾中國玉第2屆空間設計大賽圓滿落幕，共築行業設計新生態！

11月11日，歐神諾金橄欖獎·中國玉第2屆空間設計大賽頒獎典禮在佛山歐神諾總部展廳圓滿落幕。活動現場匯聚了大咖評審、獲獎設計師、行業媒體等眾多嘉賓，共同見證了一場融合設計創意、產品美學與文化深度的行業盛宴。 01 賦能設計師成長 見證年度大獎榮耀誕生 活動開場，帝歐水華集團總裁、歐神諾瓷磚董事長兼總裁吳志雄誠摯歡迎蒞臨典禮的來賓，衷心感謝各位設計師

自啓動 , 大數據 , 錨點 , 數據倉庫 , 整合資源

huikaichedemianbao 頭像

合合技術團隊 - 【論文解讀】用於代碼處理的語言模型綜述

1.簡要介紹 在這項工作中，論文系統地回顧了在代碼處理方面的最新進展，包括50個+模型，30個+評估任務和500個相關工作。論文將代碼處理模型分解為由GPT家族表示的通用語言模型和專門預訓練的代碼模型，通常具有定製的目標。論文討論了這些模型之間的關係和差異，並強調了代碼建模從統計模型和rnn到預訓練的transformer和LLM的歷史轉變，這與NLP所採取的過程完全相同。還討論了特定於代碼的特

code , llm , 人工智能 , 模型

nebulabio 頭像

北京辰輝創聚生物 - 重組干擾素蛋白的結構特點與分子性質綜述​

擾素；純化干擾素蛋白；無標籤干擾素；融合標籤干擾素；干擾素蛋白質量評價 一、干擾素的類別與基礎結構特徵 干擾素（interferon，IFN）是一類具有典型結構模式的小分子蛋白，在哺乳動物中廣泛表達，其最顯著的特徵是以摺疊緊湊的 α 螺旋結構或二聚體結構實現分子穩定性。按照分子結構、序列特徵以及受體識別方式的

大數據 , 重組IFN-γ , 干擾素細胞因子 , 數據倉庫 , 重組IFN-β , 重組IFN-α , 重組干擾素蛋白

a_yu_super 頭像

企業任務調度平台 - CDH集羣管理：如何用技術簡化複雜性？

大數據集羣搭建及管理 問題:需要搭建1000 台服務器的集羣，其中集羣包含Hive、Hbase、Flume、Kafka、Spark 等集羣，需要多長時間搭建好? 思考: 搭建四台集羣與搭建1000 台集羣的區別?比較相似。 解決問題:(以搭建HDFS為例) 集羣環境規劃 首先我們需要進行集羣基礎環境的規劃:比如每台節點的網絡 ip 規劃，節點時間同步，每台節點的名稱，每台節點安裝 jdk，節點之間

集羣管理系統 , 大數據處理 , cloudera , hadoop , 集羣

zhaoqianglaoshi 頭像

趙渝強老師 - 【趙渝強老師】阿里雲大數據存儲計算服務：MaxCompute

阿里雲大數據計算服務（MaxCompute）是一種快速、完全託管的TB/PB級數據倉庫解決方案。MaxCompute向用户提供了完善的數據導入方案以及多種經典的分佈式計算模型，能夠更快速的解決用户海量數據計算問題，有效降低企業成本，並保障數據安全。 視頻講解如下： https://www.bilibili.com/video/BV19M8izmEoU/?aid=114924365812...

spark , 大數據 , hadoop , 阿里雲

tdengine 頭像

TDengine濤思數據 - 陶建輝在第 41 屆中國數據庫學術會議上深度解析時序數據庫

2024 年 8 月 7 日-9 日，由中國計算機學會主辦，中國計算機學會數據庫專業委員會和新疆大學承辦，新疆 IT 三會等單位協辦的第 41 屆中國數據庫學術會議（NDBC 2024）在新疆烏魯木齊成功舉辦。本屆大會主要關注數據庫領域所面臨的新挑戰、新問題和新方向，着力反映中國數據庫技術研究的最新進展，為高校、科研院所、科技企業的數據庫研究、開發和應用相關人員搭建交流平台。 與會人員合影（第一

濤思數據 , 數據庫 , tdengine , sqlserver