分类： 大数据

引言 随着数字化转型深入推进，大数据技术已成为各行业的核心竞争力。本文将全面概述当前工业界主流的大数据技术栈及 […]

Hive 还是离线数仓的主要产品吗？ 为什么 Hive 的地位受到挑战？ 有什么更好的代替品吗？ 是的，目前业 […]

Apache 软件基金会（ASF）旗下与大数据相关的开源项目列表，这是一个非常庞大的生态系统，要列出“所有”项 […]

Apache Kafka 和 Apache Pulsar 是两种流行的分布式消息系统，它们都主要用于构建实时数 […]

本指南将帮助你安装Trino并运行一个示范查询。我们将使用单节点部署方式，适合测试和学习。 1. 系统要求 2 […]

Presto(现在称为PrestoDB)和Trino(原PrestoSQL)是同源的开源分布式SQL查询引擎， […]

如下是spark数据集合的schema: 如下是数据集合的示例： 针对上述数据集合，常见的spark操作如下， […]

1. 数据湖架构中的协同 具体场景：一家电商企业构建数据湖，管理PB级数据。 协同工作模式： 工作流示例： 技 […]

Spark的count并不是惰性执行的，而是立刻落地（action）。可以从如下案例看出。 首先读取一个文件到 […]