Hadoop 怎么了,大数据路在何方?
自2015年开始Hadoop暴露出诸多问题引起注意。随后Gartner、IDG等公司分析师、Hadoop用户和Hadoop和大数据圈内人士越来越多的反映出各种问题。本文以Hadoop的盛衰变化为楔子聊下大数据分析的发展现状和未来趋势。
自2015年开始Hadoop暴露出诸多问题引起注意。随后Gartner、IDG等公司分析师、Hadoop用户和Hadoop和大数据圈内人士越来越多的反映出各种问题。本文以Hadoop的盛衰变化为楔子聊下大数据分析的发展现状和未来趋势。
Kubernetes,容器管理平台的事实标准以及云原生应用程序的基础设施,成为分布式数据库上云的最佳解决方案。如何通过Greenplum Operator对数据库在云端进行自动化部署和运维? 在这个过程中有哪些经验与教训。
Greenplum创新的MPP架构使得数据分析速度得到革命性的提升,相对的,数据实时地从各种异构数据库平台集成到大数据/数据湖就成为实时分析面临的挑战。
分布式数据库作为一个庞大的系统,运行在复杂的硬件环境上,同时受到稳定性和性能的考验,对分布式数据库调优,总是让DBA既兴奋又头疼。来自Pivotal Greenplum核心开发工程师郭峰从EXPLAIN讲起,告诉大家如何读懂并理解分布式查询计划,并分享了怎样通过查询计划找到问题。
聚水潭作为国内SaaS产品领头羊,采用与传统软件完全不同的架构,特别是在数据仓库上做了很多不同于传统的尝试。本次将介绍聚水潭产品的架构,以及数据仓库的演进过程。
各类数据库新技术和产品正在加速涌现,例如以Greenplum为代表的的MPP数据库技术等,技术频繁的更新换代使得企业和用户在尝试新技术的同时也承担了更多的风险。信通院正在尝试用行业标准和统一测试来推动着这些问题的解决。
数据模型迁移和数据迁移都紧密依赖于范围分析,需要根据范围分析的结果进行工作量评估、方案设计、计划排期等相关工作,所以本期将介绍范围分析、数据模型迁移、数据迁移模块的相关实施经验,以及一些经验总结…
建行的数据平台从Teradata迁移到Greenplum挺早之前就开始了,本文所说的就是Teradata迁移到Greenplum第一期,从2016年的12月开始筹划,2017年3月算是正式开始,2017年9月迁移完成,2017年11月上层应用系统正式切换…
深度学习(Deep Learning)开始成为企业计算的一个更重要的部分,这是因为人工神经网络在自然语言处理,图像识别,欺诈检测和推荐系统等领域非常有效。在过去的五到十年中,计算机的计算能力有了极大的增强,以及海量数据的出现,这一切促使人们对使用深度学习算法解决问题产生了兴趣。
互联网业务,通常以保障高并发、高性能、大容量的 OLTP 业务为第一要务,但与之相关的,各种 OLAP 需求也是对公司运营、发展状态的直观展示和反映,也是至关重要的数据库功能。如果简单的将这两大类需求在一套数据库中实现,则很容易产生各种问题,比如性能问题、容量问题。那么如何解决这些问题,响应好各种需求?如何设计和实践 OLAP 架构,让两大类需求相互关联并行不悖?从数据角度看,这些需求的本质是什么?本文分享斗鱼网络资深 DBA赵飞祥关于互联网公司的 OLAP 实践与思考,使用 Greenplumn 和 PostgreSQL 的经验和注意事项,希望能给大家带来借鉴和启发。
Click and Get More Information!
.side-bar{font-family:helvetica;color:#6CB21B;font-size:15px;text-align:left;} .side-bar a{ color:#11567F; } .side-bar h5{ display:none; }