Databend

数据血缘解决什么问题？ 表结构变更可能影响下游视图、数据任务和报表；指标异常需要沿加工链路定位源数据或转换逻辑；敏感字段的传播范围也需要持续追踪。 当数据系统规模较小时，这些问题通常依靠经验、SQL

GPT-6-Astra 发布那阵子，Benchmark 和代码能力数据刷得很凶。我真正想看的却很具体。把它放进一条真实的 Coding Agent 工作流，和我平时用得最多的 Claude-Fable

AI 系统越做越多、开发速度越来越快，为什么数据链路反而越来越长，数据工程也越来越复杂？ AI 系统增多，数据工程复杂度为何同步攀升？ Databend 今年接触到的一些客户，都在从事 AI 可观测性

刷新可以延迟，结果不能过期 物化视图（Materialized View，MV）通过预先计算并持久化高频查询结果，以额外的存储空间换取更低的查询延迟和扫描成本。然而，在生产环境中，真正困难的并不是“保

Cluster Key 系列希望帮助数据工程师从“会写 CLUSTER BY”走向“能够解释、设计并验证数据布局”。 原理篇：从传统分区到微分区，Snowflake

Cluster Key 专题介绍 Cluster Key 决定了大表中的数据如何在物理层面聚集，也直接影响查询需要扫描多少数据。但从“知道语法”到“真正用对”，中间至少隔着三个问题：它为什么有效、应该

本文面向正在建设 Agent Trace、日志分析、Kafka 入仓或高吞吐半结构化数据管道的数据工程师，重点拆解 Agent Trace 从 Kafka 进入 Databend Cloud 的接入链

某中国头部 AI 大模型企业，以突破性的长文本处理能力与高阶推理技术著称，同时也是推动万亿级大模型开源的行业领跑者。随着其开源万亿级强化推理大模型投入应用，模型需要处理百万级超长上下文与 Agent

过去两个月，Databend 的技术迭代沿着三大方向加速推进：从让优化器更精准地理解数据，到推动空间索引从扫描剪枝跨越至 Join 优化，再到持续扩充 Paimon、Iceberg 等开放湖仓生态。