随着互联网web2.0网站的兴起，非关系型的数据库现在成了一个极其热门的新领域， 非关系数据库产品的发展非常迅速。而传统的关系数据库在应付web2.0网站，特别是超大规模和高并发的SNS类型的web2.0纯动态网站已经显得力不 从心，暴露了很多难以克服的问题，例如：1、High performance – 对数据库高并发读写的需求 web2.0网站要根据用户个性化信息来实时生成动态页面和提供动态信
转载
2024-07-04 18:48:00
39阅读
Azure Data Lake 刚刚全面上
原创
2022-08-10 08:59:44
215阅读
数据湖概念一、什么是数据湖数据湖是一个集中式的存储库，允许你以任意规模存储
原创
精选
2022-05-30 09:39:42
1863阅读
数据湖2018.2.21版权声明：本文为博主chszs的原创文章，未经博主允许不得转载。我们生量的数据随着时间在继续生成，特别是在手持设备和互联网连接设备数量的指数增长的背景下。对于参与其中的组织来说，这是事实...
原创
2018-02-22 19:15:00
89阅读
|0x00 什么是数据湖数据湖的概念最初是由大数据厂商提出的，可以简单理解为一个集中存储数据的数据库，不论是结构化数据or非结构化数据，海量数据or少量数据，都能够支持存储和计算。就像在湖中有多个支流进入一样，结构化数据、非结构化数据、日志数据、实时数据，都流入了同一种数据存储结构之中，并进行不同类型的分析处理，以指导做出更好的决策。数据湖通常采用Hadoop作为数据的承载对象，随着企业规模的扩大
转载
2024-01-02 15:01:28
174阅读
1.数据湖的简单介绍：1.1 官网https://delta.io/看一张官网的图1.2 特点：1.不限格式，来之不拒，均可流入
2.集中存储、到处可访问。
3.高性能分析能力 -- 借助于Spark、MR、SparkSQL等高性能分析计算引擎，可以对海量的数据进行分析。
4.原始数据存储
5.数据湖是一个存储企业的各种各样原始数据的大型仓库，其中的数据可供存取、处理、分析及传输。1.3 数据湖，
转载
2024-04-09 19:45:05
162阅读
最近几年数据湖热度很高，当搞大数据的同学聚在一起时候，经常会谈到这方面的话题，可能有的同学说“我们在做 Hudi 数据湖，你们用 Delta 还是 Iceberg？”，也会有同学说“我在阿里云上搞了一个OSS数据湖”、“什么，你们数据湖用 HDFS？”、“我们在阿里云上搞 JindoFS，优化数据湖”、“最近搞了个湖仓一体”等等的讨论。数据湖的相关讨论可以说是千人千面，每一个技术同学面对数据湖的时
转载
2024-01-24 22:05:27
111阅读
数据湖iceberg-day011.1 什么是数据湖1.1.1 什么是数据湖数据湖是一个集中式的存储库，允许你以任意规模存储多个来源、所有结构化和非结构化数据，可以按照原样存储数据，无需对数据进行结构化处理，并运行不同类型的分析，对数据进行加工，例如：大数据处理、实时分析、机器学习，以指导做出更好地决策。1.1.2 大数据为什么需要数据湖当前基于Hive的离线数据仓库已经非常成熟，在传统的离线数据
转载
2024-08-01 10:47:47
140阅读
数据湖概述数据湖这一概念，最早是在2011年由CITO Research网站的CTO和作家Dan Woods首次提出。其比喻是：如果我们把数据比作大自然的水，那么各个江川河流的水未经加工，源源不断地汇聚到数据湖中。业界便对数据湖一直有着广泛而不同的理解和定义。“数据湖是一个集中化存储海量的、多个来源，多种类型数据，并可以对数据进行快速加工，分析的平台，本质上是一套先进的企业数据架构。”"数据湖"的
1、数据湖是什么？能干什么？为啥是数据湖？ 数据湖发展至今，已经成为一个当下大数据行业比较火爆的话题，并且很多大公司介入开始使用和研究，下面这篇博文带你深入了解相关的概念，有助2、从0到1本地搭建数据湖环境 本地
转载
2024-08-21 09:15:18
73阅读
数据湖是非结构化和结构化数据池，按原样存储，没有特定的目的，可以建立在多种技术上，如Hadoop，NoSQL，Amazon Si
原创
2024-01-08 15:50:13
120阅读
2017 年，基于 Jstorm + Canal 的方式实现了第一个版本的实时数据集成方案。但是此方案存在诸多问题，比如无法保证数据的一致性、吞吐率较低、难以维护。2019 年，随着 Flink 社区的不断发展，它补齐了很多重要特性，因此基于 Flink + Canal 的方式实现了第二个版本的实时数据集成方案。但是此方案依然不够完美，经历了内部调研与实践，2022 年初，我们全面转向 Flink
转载
2024-05-04 17:11:47
87阅读
数据湖(Data Lake)是Pentaho公司创始人及CTO James Dixon于2010年10月在2010年10月纽约Hadoop World大会上提出来的一种数据存储理念—即在系统或存储库中以自然格式存储数据的方法。数据湖作为一个集中的存储库，可以在其中存储任意规模的结构化和非结构化数据。在数据湖中，可以存储不需要对其进行结构
转载
2023-11-20 02:13:16
127阅读
系列专题：数据湖系列文章 随着互联网的加速发展和移动互联网的快速兴起，数据采集更方便、数据种类更丰富，行为轨迹、语音视频等非结构化数据爆发式增长，数据规模进一步扩大。在新形势下，传统的数据库、数据仓库等处理技术无法适应快速响应、实时分析的数据需求，难以处理日志、语音等非结构化数据，企业迫切需要一个新型大数据解决方案——“
转载
2023-09-21 07:43:21
119阅读
自2010年国际上首次提出“数据湖”概念以来，数据湖就被视为大数据的终极挑战。所谓数据湖，即把所有的数据以原始格式存储在一个统一的地方，以供后续使用。数据湖的出现，是为了应对城市和企业无法及时处理各种海量数据而先行将数据存储起来，后续使用的时候随需取用。“数据湖”被视为打破城市和企业的数据孤岛的重要基础设施，而且由于“数据湖”中存储了全量全域数据而更能为人工智能所用，从而创造更大的价值，例如用人工
转载
2024-02-05 11:45:38
32阅读
第一个维度是方法论，数据湖其实是一个文件存储系统，用户可以往里面放任何一种文件或者数据，它的一个典型特点是事后建模，它的方法论是用户先把数据放上来，然后再考虑如何使用，也叫做SchemaOnRead。数据仓库正好相反，它是事前建模的模式，当你在把数据推进数据仓库的时候，要求先CreateTable/Schema，这是方法论上的不同。第二维度存储的形态上，数据湖存储的是文件，数据仓库存储的是表(具体
转载
2024-04-17 19:26:22
48阅读
转载
2024-01-27 19:36:36
31阅读
目录0. 相关文章链接1. 总述2. 时间轴Timeline3. 文件管理4. 索引Index5. Hudi数据存储管理1. 总述 Hudi 提供了Hudi 表的概念，这些表支持CRUD操作，可以利用现有的大数据集群比如HDFS做数据文件存储，然后使用SparkSQL或Hive等分析引擎进行数据分析查询。
转载
2024-01-02 08:32:17
48阅读
一、简介Hudi是Uber公司开源的数据湖架构，它是围绕数据库内核构建的流式数据湖。 Hudi设计文件存储和管理，数据模型有2种：COW和MOR 基本使用：hudi底层的数据可以存储到hdfshudi的数据文件是parquet列式存储hudi可以使用spark/flink 来消费 kafka消息队列的数据hudi先将数据处理为 hudi 格式的 row tables （原始表），然后原始表被 In
转载
2023-08-13 20:26:17
221阅读
一、什么是数据湖维基百科上定义，数据湖（Data Lake）是一个以原始格式存储数据的存储库或系统。它按原样存储数据，而无需事先对数据进行结构化处理。一个数据湖可以存储结构化数据（如关系型数据库中的表），半结构化数据（如CSV、日志、XML、JSON），非结构化数据（如电子邮件、文档、PDF）和二进制数据（如图形、音频、视频）。二、数据湖之Delta Lake官网：https://delta.io
转载
2024-02-22 14:17:57
85阅读
