京喜达技术部在社区团购场景下采用JDQ+Flink+Elasticsearch架构来打造实时数据报表。随着业务的发展Elasticsearch开始暴露出一些弊端，不适合大批量的数据查询，高频次分页导出

本文将从以下五部分切入，讲述日志系统的演进之路：携程日志的背景和现状、如何搭建一套日志系统、从 ElasticSearch 到 Clickhouse 存储演进、日志3.0重构及未来计划。

Flink读取Kafka数据下沉到Clickhouse 在实时流数据处理中，我们通常可以采用Flink+Clickhouse的方式做实时的OLAP处理。本文采用一个案例来简要介绍一下整体的流程。

火山引擎增长分析 DataFinder 基于 ClickHouse 来进行行为日志的分析，ClickHouse 的主要版本是基于社区版改进开发的字节内部版本。

用搭建轻量级流程引擎的方案，教你解决数据一致性难题。ClickHouse是一个开源的OLAP引擎，不仅被全球开发者广泛使用，在字节各个应用场景中也可以看到它的身影。

随着市场竞争的加剧，企业对数字营销投入的效果监测和优化需求日益增强，营销实时监控也成为企业提升运营效率的重要手段。在数字化营销中，数据是进行实时分析和监控的基础。企业需要建立符合自身需求的数据平台，整

随着数据量的增大，传统关系型数据库越来越不能满足对于海量数据存储的需求。对于分布式关系型数据库，我们了解其底层存储结构是非常重要的。

REDck 通过云原生架构升级，能够处理万亿级数据规模，实现秒级 OLAP 查询，支持分钟级自动故障恢复、弹性扩缩容能力，成本优化效果显著。

火山引擎AB测试推出的“广告投放AB实验”，可支撑企业快速、科学地验证不同投放策略的平均转化成本数据效果，并根据实验报告得到计划中不同素材、不同落地页、不同人群包、不同预算等变量到底哪种更好。