首页
沸点
课程
APP
AI用量
作品广场
专家标注
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
登录
注册
排行榜
综合
后端
前端
Android
iOS
人工智能
开发工具
代码人生
阅读
综合
后端
排行榜
前端
Android
iOS
人工智能
开发工具
代码人生
阅读
全部
后端
Java
Python
数据库
架构
Go
前端
Spring Boot
大数据
展开
全部
后端
Java
Python
数据库
架构
Go
前端
Spring Boot
大数据
人工智能
AI编程
Elasticsearch
面试
GitHub
数据分析
暂无数据
推荐
最新
Agent Loop 深度解析:理解、规划、行动、观察与纠错
Agent 的最小核心可以表示为:理解目标->决定下一步->作用于环境->读取真实结果->更新状态并修正->满足条件后结束。
安全评审卡了三周,我把部署形态的四种选项重新排了一遍
一、先说结论 部署形态对照(全部为官方文档口径): 形态 Apache Doris 生态 Snowflake 开源自建 开源版,物理机/虚拟机/K8s 官方未列出开源版或自托管版 私有化部署 企业版
特征导出卡在 JDBC 上,我换成了 Arrow Flight SQL 试试
一、先说结论 四项能力,一句话概括各自形态: 能力 Apache Doris Snowflake Arrow Flight SQL 读取 2.1 起内置高速链路,官方称部分场景比 JDBC/ODBC
压完一轮 TPC-H SF100,我才学会怎么读基准数字
一、先说结论 三组负载,三个量级,配置与出处都在官方公开材料里: 负载 官方实测数字 出处 TPC-H SF100(100GB,22 条 SQL) 快约 6 倍;约 1/10 价格跑出 5 倍性能(约
从 StarRocks 走向 Apache Doris:如何实现引擎平滑替换与架构升级?
在实时分析与 OLAP 领域,StarRocks 与 Apache Doris 是两款极具代表性的引擎。从技术渊源看,两者同源异构:StarRocks 早期分支自 Apache Doris 项目,两者
从实时入库到实时可用:Apache Doris 5.0 增量计算场景与实践
数据的实时写入只是第一步,如何让下游指标与宽表低延迟、低成本地同步变更,是实时数仓搭建的核心挑战。依赖定时全量重算,不仅数据滞后,也会造成极大的计算资源浪费。
SelectDB 架构演进与 ClickHouse 迁移指南
在海量数据分析与实时数仓领域,SelectDB(基于 Apache Doris 内核构建的企业级实时数据仓库)凭借高并发吞吐、毫秒级响应、多表极速 JOIN 以及强大的半结构化数据处理能力,正在成为替
GoWind UBA 拆解:把 Doris UNIQUE KEY 翻译成 ClickHouse——读数正确性对齐实录
GoWind UBA 拆解:把 Doris UNIQUE KEY 翻译成 ClickHouse——读数正确性对齐实录 GoWind UBA 的 OLAP 层原本只跑 Doris。为了适配"已有 Cli
每天认识一个组件:JanusGraph
JanusGraph 通过“图数据库引擎 + 分布式存储 + 外部搜索索引”的架构,把属性图查询能力接入成熟的大数据基础设施;它的优势集中在海量关系数据、多跳遍历、水平扩展和后端可插拔。
每天认识一个组件:Elasticsearch
Elasticsearch 的核心价值在于把 Lucene 的搜索能力、分布式系统能力和工程生态整合到一起,让开发者可以用统一的 API 处理全文检索、日志分析、聚合统计、地理空间查询和向量检索。
什么场景能承接与建议保留:Doris vs Snowflake 边界速查
摘要:「Doris 能不能替代 Snowflake」不能一句 yes/no 回答——结论取决于工作负载类型。在实时分析、高并发 BI、成本敏感报表、JSON 半结构化、标准 SQL 多表关联这几类场景
云数仓成本结构拆解速查:五层计费 vs Doris / 托管形态
摘要:Snowflake 账单难估,因其把成本拆成五层互相独立计量的变量叠加——credit 单价随 Edition 与区域浮动、计算按规格与时长计费且带 60 秒最小计费、存储按三态合并计量、附加项
时间旅行与快照能力速查:Doris 侧三条落地路径
摘要:历史版本回溯在 Apache Doris 官方文档中分三条路径落地。其一,Iceberg / Hudi / Paimon / Lance 等外部湖表有官方 SQL 级 Time Travel 语
Inmon和Kimball到底差在哪?
Inmon 和 Kimball 到底差在哪?别在建模流派上吵架 数仓圈有个老话题,隔一阵就会被翻出来吵一次:到底该学 Inmon,还是学 Kimball?
Databend 8-9 月双月报:物化视图、数据共享与数据血缘能力升级
更新概览 2026 年 8 月至 9 月 Databend 产品更新围绕这些使用链路展开。物化视图和 Dynamic Table 补充了分析结果持久化与复用能力,Data Sharing 扩展了跨租户
数据开发与任务治理:从表治理走向链路治理
大数据数据治理不能停留在“表治理”。表是生产结果,链路才是生产过程。真正稳定的数据平台,需要把治理前移到开发阶段,把规范、扫描、命名、依赖、调度、队列、重试和 SLA 纳入同一套工程控制体系。
每天认识一个组件:Apache HBase
HBase 的价值来自一个清晰的工程取舍:放弃部分关系数据库能力,换取在 Hadoop/HDFS 之上的海量稀疏表存储、严格一致随机读写和水平扩展能力。
每天认识一个组件:Apache Paimon
Apache Paimon 是一个面向批流一体的湖格式,目标是在数据湖架构中支持高吞吐写入、实时更新、低延迟查询、快照管理与多引擎访问,反映了湖仓架构从“离线分析型数据湖”向“实时更新型湖仓”的演进。
Workload Group 参数速查:排队与并发配置、CPU 软硬限切换与常见配置问题清单
一份面向日常配置的速查:Apache Doris Workload Group 自 2.0 起提供进程内资源隔离,2.1 起 CPU 隔离依赖 CGroup;核心参数包括 cpu_share、c
Apache Doris 基于 Lance 的向量检索深度解析
导读:Apache Doris 5.0 多模湖仓预告(7)|技术解析篇:随着自动驾驶等多模态应用的发展,大规模数据查询需要同时满足向量检索、条件过滤和业务分析需求。Apache Doris 集成 La