發(fā)簡信
IP屬地：上海
-
該如何設(shè)計數(shù)倉的匯總層(DWS)
關(guān)于數(shù)據(jù)倉庫的分層沾谜，似乎大家都有一個共同的認識疹蛉。但涉及到每一層該如何去建模吓妆，可能每個人都有自己的理解邻吭。數(shù)據(jù)建模，毫無疑問是數(shù)倉建設(shè)的重中之重躲株，然...
-
實時數(shù)倉|以upsert的方式讀寫Kafka數(shù)據(jù)——以Flink1.12為例
在某些場景中汉匙，比如GROUP BY聚合之后的結(jié)果，需要去更新之前的結(jié)果值疹瘦。這個時候崩哩，需要將 Kafka 消息記錄的 key 當(dāng)成主鍵處理，用來確...
-
Flink on Hive構(gòu)建流批一體數(shù)倉
Flink使用HiveCatalog可以通過批或者流的方式來處理Hive中的表言沐。這就意味著Flink既可以作為Hive的一個批處理引擎邓嘹，也可以通...
-
Flink集成Hive之Hive Catalog與Hive Dialect--以Flink1.12
在上一篇分享Flink集成Hive之快速入門--以Flink1.12為例[https://mp.weixin.qq.com/s/99ehmNzJ...
-
Flink集成Hive之快速入門--以Flink1.12為例
使用Hive構(gòu)建數(shù)據(jù)倉庫已經(jīng)成為了比較普遍的一種解決方案。目前险胰，一些比較常見的大數(shù)據(jù)處理引擎汹押，都無一例外兼容Hive。Flink從1.9開始支持...
-
數(shù)倉開發(fā)需要了解的5大SQL分析函數(shù)
基本語法 analytic_function_name: 函數(shù)名稱 — 比如 RANK(), SUM(), FIRST()等等 partitio...
-
第十一篇|基于SparkSQL的電影分析項目實戰(zhàn)在之前的分享中起便，曾系統(tǒng)地介紹了Spark的基本原理和使用方式棚贾，感興趣的可以翻看之前的分享文章。在本篇分享中榆综，將介紹一個完整的項目案例妙痹，該案例會真...
-
篇五|ClickHouse數(shù)據(jù)導(dǎo)入(Flink、Spark鼻疮、Kafka怯伊、MySQL、Hive)
本文分享主要是ClickHouse的數(shù)據(jù)導(dǎo)入方式判沟，本文主要介紹如何使用Flink耿芹、Spark崭篡、Kafka、MySQL吧秕、Hive將數(shù)據(jù)導(dǎo)入Clic...
-
篇四|ClickHouse的可視化界面與集群狀態(tài)監(jiān)控介紹 tabix支持通過瀏覽器直接連接 ClickHouse琉闪，不需要安裝其他軟件，就可以訪問ClickHouse砸彬，具有以下特點： ?亮語法的編輯...
個人介紹