数据

本章介绍了Delta Lake的起源及其最初设计旨在解决PB级系统中的数据完整性问题。如果你对Delta Lake的历史已有了解，并且想深入了解Delta Lake是什么，它的架构以及Delta事务协

本章内容： ScyllaDB 用于存储字符串、数字、日期、ID 等的基本数据类型 ScyllaDB 用于聚合数据的集合类型 何时使用这些数据类型，以适应你的设计需求 在上一章中，你学习了查询优先设计（

本章内容： 执行基于查询的设计 ScyllaDB 如何在集群中分配数据 实施基于查询的设计，为示例应用程序构建架构 存储数据是运行数据库的简单部分。ScyllaDB 的设计目标就是存储数据，通常来说，

本章内容： 使用 Docker 本地运行 ScyllaDB 使用 nodetool 查看集群的操作详情 创建表并进行数据读取和写入 实验故障模拟并调整一致性级别 用户使用数据库来存储数据。无论是博客帖

本章内容： ScyllaDB及其定义 ScyllaDB与其他数据库的比较 ScyllaDB如何利用分布式系统的优势 ScyllaDB是一款分布式NoSQL数据库，旨在作为Apache Cassandr

在本章中，我们将学习数据转换模式及其在数据管理中的作用。接下来的部分将介绍Lambda、Kappa和微服务架构模式。我们还将讨论一些重要的数据转换方法，如数据清洗、标准化、掩码、去重、数据增强、验证和

本章深入探讨了将不同数据源整合为统一、可访问格式的各种策略和方法。章节的第一部分介绍了两种主要的数据集成模型——点对点集成和基于中间件的集成。将详细分析每种模型的优缺点和适用场景，以便您更好地理解它们

数据摄取是处理和分析数据的关键起点。正是在这一环节，一切开始展开，正如您所知，稳固的基础对于任何项目的成功至关重要。在本章中，我们将深入探讨数据摄取这一迷人领域，揭示其重要性、复杂性和优势。 想象一下

在当今快节奏、数据驱动的世界中，企业必须管理和分析其数据资产，以获得竞争优势。这些数据呈现多种形式，从结构化数据（如商业交易）到非结构化数据（如社交媒体帖子或电子邮件）。快速存储和处理这些多种类型数据

在本章中，我们将继续探索数据源，特别是深入了解列式数据格式。正如您将学到的，这些格式具有显著的优势，特别适用于分析型工作负载。然而，它们也带来了一些挑战，需要经过深思熟虑的考虑。 接下来，我们将比较不

数据源是组织在运营或分析中使用的数据的起点。它们可以是结构化的或非结构化的，采用各种格式，且位于不同的地方。在现代数据集成中，数据源对于在需要时向正确的人员提供准确、及时和可靠的信息至关重要。 我们将

在本章中，我们将回顾数据集成的历史，并探索多种架构，这对于理解这一快速发展的主题至关重要。正如一句格言所说，要知道我们将要去哪里，我们首先必须了解我们来自哪里。带着这一理念，我们将回顾数据集成的起点、

数据集成之所以重要，是因为它为在数据管理和分析领域获得洞察性结论奠定了基础。在当今这个数据驱动的世界中，能够快速收集并统一来自不同来源的数据，这些数据的体量、种类和复杂性不断增长，是至关重要的。 本章

数据集成在不断变化的技术环境中扮演着关键角色，它连接多样化的数据源，促进信息的顺畅传输。这一过程对于确保不同系统和应用程序能够高效协作至关重要，从而帮助组织做出明智决策，并从数据中提取有价值的洞察。作

在本书中，关系图被用来支持示例并以文字无法表达的方式阐明思想。尽管介绍了各种建模风格和符号，但我们尚未全面概述建模的视觉语义、各种元素及其属性。 在本章中，我们将完整讲解可视化工具包，帮助用户加速物理

在其最纯粹的形式中，关系建模（规范化表格并严格执行物理约束）最常见于在线事务处理（OLTP）数据库中。事务数据库存储最新的（即时的）业务信息版本，不同于数据仓库，后者存储历史快照并跟踪信息随时间的变化

上一章介绍了支持 Data Cloud 的创新架构，以及它在其他数据库中从未实现过的可能性。在本章中，我们将探讨 Snowflake 客户在建模过程中会使用到的数据库对象。对于大多数有 SQL 经验的

自数据库诞生以来，它们就不断面临在日益增长的数据量和处理需求下管理并发性和可扩展性的挑战。多年来，许多创新设计被尝试过，并取得了不同程度的成功。然而，这些成功往往伴随着新的缺点。 Snowflake

上一章引入了模型这一概念——它是一种对现实的选择性简化。就像哈里·贝克为伦敦地铁设计的线路图那样，其他地图形式（如街道图和地形图）也存在，用于描述地理的不同方面。同样的原则也适用于数据库及依赖于数据库

在数据库系统实践的半个世纪里，“建模”一词的含义已经发生了显著变化。本章旨在揭开建模的神秘面纱，探讨其应用、方法论及其带来的益处。通过这一旅程，建模的概念将逐步展开，成为一套帮助组织设计和管理数据的方