数仓数据质量

大数据架构（一）背景和概念

现在市场回归理性后：普通岗：大数据/数仓开发，实际上除超一线城市之外，尚存很多大型企业转型期信息化、互联网（物联网IOT）还在发展，数据还在爆发式增长，仍大有可为。精英岗/管理岗：大数
野生的狒狒·2023-12-18 02:50

大数据架构（二）大数据发展史

1.背景随着数据量的暴增和数据实时性要求越来越高，以及大数据技术的发展驱动企业不断升级迭代，传统数仓经历了以下发展过程：传统数仓架构->离线大数据架构->Lambda架构->Kappa架构->新一代实时数仓
野生的狒狒·2023-12-18 02:50

flink sql 知其所以然（十二）：流 join 很难嘛？？？（上）

下面即是文章目录，也对应到本文的结论，小伙伴可以先看结论快速了解本文能给你带来什么帮助：背景及应用场景介绍：join作为离线数仓中最常见的场景，在实时数仓中也必然不可能缺少它，f
程序员的隐秘角落·2023-12-17 22:25

基于Hadoop的智慧社区大数仓库系统设计与开发

基于Hadoop的智慧社区大数仓库系统设计与开发DesignandDevelopmentofaSmartCommunityDataWarehouseSystembasedonHadoop目录目录2摘要3
wusp1994·2023-12-17 18:45

数据中台：企业数据质量参差不齐？听听专家怎么说

本文节选自《数据中台》作者：付登坡，江敏，任寅姿，孙少忆等1数据质量管理的目标数据质量管理主要解决“数据质量现状如何，谁来改进，如何提高，怎样考核”的问题。
中生代技术·2023-12-17 14:30

阿里云RDS MySQL 数据如何快速同步到 ClickHouse

云数据库RDSMySQL和云数据库ClickHouse是阿里云推出的两个备受欢迎的数据库解决方案，它们为用户提供了可靠的数据存储方案、分析数仓方案，本文介绍如何快速将RDSMySQL的数据同步到云数据库
NineData·2023-12-17 13:04

【华为数据之道学习笔记】5-3数据入湖标准

数据入湖是数据消费的基础，需要严格满足入湖的6项标准，包括明确数据Owner、发布数据标准、定义数据密级、明确数据源、数据质量评估、元数据注册。
码农丁丁·2023-12-17 10:03

大数据治理

数据治理数仓建设真正的难点不在于数仓设计，而在于后续业务发展起来，业务线变的庞大之后的数据治理，包括资产治理、数据质量监控、数据指标体系的建设等。
lz_matlab·2023-12-17 09:09

电商数仓项目----笔记三(用户行为数据同步)

在前面的笔记一和笔记二中，我们已经分别将用户行为数据和业务数据采集到kafka中了：在实时数仓中，由于Flink会从kafka中读取数据，也无需我们再同步数据了，因此同步数据是我们离线数仓的事。
zmx_messi·2023-12-17 08:43

电商数仓项目----笔记一(用户数据的采集)

数据仓库（DataWarehouse），是为企业制定决策，提供数据支持的。可以帮助企业，改进业务流程、提高产品质量等。通常数据仓库的输入数据有三种：业务数据、用户行为数据和爬虫数据等；业务数据：比如用户在电商网站中登录、下单、支付等过程中，需要和网站后台数据库进行增删改查交互，产生的数据就是业务数据。通常存储在MySQL、Oracle等数据库中。用户行为数据：用户在使用产品过程中，通过埋点收集与客
zmx_messi·2023-12-17 08:13

（网络二）网络布线，交换机和路由器基本原理与配置，ENSP工具

信号概念信号：是计算机在传输信息的数据过程中使用的技术手段信号一般分为模拟信号和数字信号数字信号：只有0和1两种值，因此表达的信息有限，但抗干扰能力强，传输距离远，数据质量有保障。
木合杉·2023-12-17 03:53

数仓项目建设------思路及架构

离线数仓架构方案经典传统数仓架构阶段一:1991年比尔-恩门（billinmon）出版第一版数据仓库的书,标志数据仓库概念的确立,称为恩门模型主张自上而下的建设企业级数据仓库,建设过程中需要满足三范式要求从分散异构的数据源
小希 fighting·2023-12-16 18:02

深度学习在人体动作识别领域的应用：开源工具、数据集资源及趋动云GPU算力不可或缺

预处理：对采集到的数据进行预处理，包括图像去噪、颜色调整等，以确保输入数据质量。特征提
virtaitech·2023-12-16 14:24

大数据和智能数据应用架构系列教程之：大数据与农业决策支持

传统的数据采集方式为人工采集、存放，并且存在各种各样的问题，比如缺乏统一管理、数据质量问题、缺乏有效反馈机制等。
禅与计算机程序设计艺术·2023-12-16 13:24

云原生向量计算引擎 PieCloudVector：为大模型提供独特记忆

除云原生虚拟数仓PieCloudDB，πDataCS支持的第二款计算引擎：云原生向量计算引擎Pie
OpenPie｜拓数派·2023-12-16 12:34

【编测编学】如何做好大数据测试

1，从数据质量模型入手，分析数据展现的规律什么是数据的质量模型？
BCBX_编测编学·2023-12-16 06:34

华为大数据开发者教程知识点提纲

SparkSql，spark，hive（，Flink）2.HadoopNamenode（metadata），client（备份block），datanode（blocks结构）core-site.xml3.Hive数仓软件
qq_1418269732·2023-12-16 06:08

6.大数据架构详解：从数据获取到深度学习 --- 交互式分析

6.1交互式分析的概念在数仓领域有个概念"即席查询"(AdhocQuery)，指的是用户在使用系统时，根据自己当时的需求定义查询。
enlyhua·2023-12-16 02:42

机器学习——数据清洗

1、数据清洗简介在处理数据之前，需要进行数据质量分析，了解数据的功能和作用，检查原始数据中是否存在脏数据。脏数据一般是指不符合要求以及不能直接进行相应分析的数据。
风月雅颂·2023-12-15 13:26

数据仓库相关概念

目录实时数仓和离线数仓数仓分层ETL（Extract-Transform-Load）数仓指标一些缩写实时数仓和离线数仓离线数仓和实时数仓主要的区别在于数据处理和更新的速度。
可以睡到中午吗·2023-12-15 13:48

【数仓理论】

一、数仓建模方法论1.1ER模型（EntityRelationship、实体关系模型、范式模型）ER模型是BillInmon提出的一种建模方法，实体关系模型将复杂的数据抽象为两个概念----实体和关系该模型在范式理论上符合
想当运维的程序猿·2023-12-15 07:52

物流实时数仓：采集通道搭建

系列文章目录物流实时数仓：环境搭建文章目录系列文章目录前言一、环境准备1.前置环境2.hbase安装1.上传并解压2.配置环境变量3.拷贝jar包4.编写配置文件5.分发配置文件3.Redis安装1.安装需要的编译环境
超哥--·2023-12-15 06:34

物流实时数仓：数仓搭建（DIM）

系列文章目录物流实时数仓：采集通道搭建物流实时数仓：数仓搭建物流实时数仓：数仓搭建（DIM）文章目录系列文章目录前言一、文件编写1.pom.xml2.目录创建3.DimApp.java4.KafkaUtil.java5
超哥--·2023-12-15 06:34

06 数仓平台MaxWell

Maxwell简介Maxwell是由Zendesk公司开源，用Java编写的MySQL变更数据抓取软件，能实时监控MySQL数据库的CRUD操作将变更数据以json格式发送给Kafka等平台。Maxwell输出数据格式Maxwell原理Maxwell工作原理是实时读取MySQL数据库的二进制日志（Binlog），从而获取变更数据，再将变更数据以JSON格式发送给Kafka等流处理平台。Maxwel
kk_io·2023-12-15 06:02

07用户行为日志数据采集

用户行为数据由Flume从Kafka直接同步到HDFS，由于离线数仓采用Hive的分区表按天统计，所以目标路径要包含一层日期。具体数据流向如下图所示。
kk_io·2023-12-15 06:22

物流实时数仓：数仓搭建（DWD）一

系列文章目录物流实时数仓：采集通道搭建物流实时数仓：数仓搭建物流实时数仓：数仓搭建（DIM）物流实时数仓：数仓搭建（DWD）一文章目录系列文章目录前言一、文件编写1.目录创建2.bean文件1.DwdOrderDetailOriginBean2
超哥--·2023-12-15 06:22

数据质量管理软件行业分析：2023年复合增长率达到31.9%

数据质量管理软件按照一般的功能模块划分可以划分为产品信息管理、存货管理、销售管理、采购管理、生产管理、设备管理、实验室管理、品质管理、售后管理等模块，质量管理绝非仅仅检验，或者常说的批检、巡检、首检、自检等
QY调研所·2023-12-14 22:23

Flink 项目系列

Flink项目系列1-项目介绍-墨天轮Flink实时电商实战项目:基于尚硅谷开源项目的Flink电商实战项目（全流程）大数据Flink电商数仓实战项目流程全解（一）_尚硅谷flinksql大数据项目实战
清风明月一壶酒·2023-12-14 16:22

快手数仓面试题附答案

题目1讲一下你门公司的大数据项目架构？2你在工作中都负责哪一部分3spark提交一个程序的整体执行流程4spark常用算子列几个，6到8个吧5transformation跟action算子的区别6map和flatmap算子的区别7自定义udf，udtf，udaf讲一下这几个函数的区别，编写的时候要继承什么类，实现什么方法8hive创建一个临时表有哪些方法9讲一下三范式，三范式解决了什么问题，有什么
话数Science·2023-12-06 21:59

Databend 开源周报第 122 期

Databend是一款现代云数仓。专为弹性和高效设计，为您的大规模分析需求保驾护航。自由且开源。即刻体验云服务：https://app.databend.cn。
Databend·2023-12-06 06:35

构建满足流批数据质量监控用火山引擎DataLeap

更多技术交流、求职机会，欢迎关注字节跳动数据平台微信公众号，回复【1】进入官方交流群面对今日头条、抖音等不同产品线的复杂数据质量场景，火山引擎DataLeap数据质量平台如何满足多样的需求？
字节数据平台·2023-12-06 04:25

【黑马甄选离线数仓day08_会员主题域开发】

1.会员主题域需求说明1.1各类会员数量统计说明：公司为了对不同会员进行不同的营销策略，对各类会员的数量都非常敏感，比如注册会员、消费会员、复购会员、活跃会员、沉睡会员。不仅需要看新增数量还要看累积数量。指标：新增注册会员数、累计注册会员数、新增消费会员数、累计消费会员数、新增复购会员数、累计复购会员数、活跃会员数、沉睡会员数、会员消费金额维度：时间粒度：时间维度（天、周、月）涉及库：sale、m
LKL1026·2023-12-05 21:31

【黑马甄选离线数仓day09_会员主题域开发_DWD和DWM层】

leftjoin的结果集unionall增量数据4.把最新的拉链数据优先保存到DWD对应的临时表中5.使用insert+select方式把临时表中数据灌入DWD拉链表中拉链表实现流程:DWD层开发DWD层:数仓明细层
LKL1026·2023-12-05 21:31

【黑马甄选离线数仓day06_核销主题域开发】

1.核销主题_DWD和DWM层1.0ODS层操作数据存储层:==OperateDataStore==核心理念:几乎和源数据保持一致,粒度相同注意事项:==同步方式(全量同步,全量覆盖,增量仅新增,增量新增和更新)+内部表+分区表(部分)+指定字符分隔符+orc+zlib==第二天的时候已经完成了从mysql以及sqlserver抽取数据到ods层的过程1.1DWD层数据仓库细节层:==DataWa
LKL1026·2023-12-05 21:00

【黑马甄选离线数仓day07_常见优化手段及核销主题域开发】

1.常见优化手段1.1分桶表基本介绍分桶表:分文件的,在创建表的时候,指定分桶字段,并设置分多少个桶,在添加数据的时候,hive会根据设置分桶字段,将数据划分到N个桶(文件)中,默认情况采用HASH分桶方案,分多少个桶,取决于建表的时候,设置分桶数量,分了多少个桶最终翻译的MR也就会运行多少个reduce程序(HIVE的分桶本质上就是MR的分区操作)如何构建一个分桶表呢?createtable表名
LKL1026·2023-12-05 21:26

入门级认证 | Salesforce管理员认证最新备考指南！

Admin认证对备考者的要求Salesforce管理员认证验证了备考者在管理客户和简档、维护数据质量、配置自动化、创建报告和仪表板，以及确保Salesforce组织的整体健康方面的专业知识。
自由侠部落Salesforce学习·2023-12-05 21:20

黑马一站制造数仓实战1

1.项目目标一站制造企业中项目开发的落地：代码开发代码开发：SQL【DSL+SQL】SparkCoreSparkSQL数仓的一些实际应用：分层体系、建模实现2.内容目标项目业务介绍：背景、需求项目技术架构
ZhaoXiangmoStu·2023-12-05 15:20

大数据转型方案：首推数据湖！

数仓技术应对关系型结构化数据游刃有余，但对于多元异构数据，却爱莫能助。最近行业大佬都在聊怎么部署数据湖，这波操作未来走向如何？数据湖技术能够实现全量数据的单一存储，通常存储原始格式的对象块或者文件。
zhisheng_blog·2023-12-05 02:12

大数据开发：Hive on Spark设计原则及架构

在Spark越来越受到主流市场青睐的大背景下，Hive作为Hadoop生态当中的数仓组件工具，在于Spark生态的配合当中，开始有了HiveonSpark的思路，那么具体是怎么实现的呢？
成都加米谷大数据·2023-12-05 01:44

大数据的技术栈-逐步完善

c.MapReducesql引擎d.Impalasql引擎e.工具概观2.数据仓库知识a.Hive数据库1)HiveSql2)数据库结构b.Doris数据库3.混合处理框架SPARKa.Sparkb.集群架构4.数仓模型知识
刘文钊1·2023-12-04 20:12

为什么要构建指标中台？数据指标的问题

1、综合内部实践和外部交流，指标使用问题主要集中在以下六大方面：指标口径不一致：常规数据质量问题统计中，约有31%涉及指标口径问题；指标入口不统一：缺少一个企业级的统一消费入口，不知道从哪去找，拿到了不知道口径是否一致
AIGC方案·2023-12-04 07:25

03 数仓平台 Kafka

kafka概述定义Kafka是一个开源的分布式事件流平台（EventStreamingPlantform），主要用于大数据实时领域。本质上是一个分布式的基于发布/订阅模式的消息队列（MessageQueue）。消息队列在大数据场景中主要采用Kafka作为消息队列。传统消息队列主要应用场景包括：缓存/削峰、解耦和异步通信。消息队列的模式包含了2种，点对点订阅模式和发布/订阅模式。Kafka采用了发布
kk_io·2023-12-04 04:17

hql面试题之上海某资深数仓开发工程师面试题-求不连续月份的月平均值

1.题目A,B两组产品的月平均值，月平均值是当月的前三个月值的一个平均值，注意月份是不连续的，如果当月的前面的月份不存在，则为0。如A组2023-04的月平均值为2023年1月的数据加2023-02月的数据的平均值，因为没有其他月份则需要再加一个0，再求平均值。要求：求出每个月的月平均值。‘A’,‘2023-01’,3030‘A’,‘2023-02’,5464‘A’,‘2023-04’,5467‘
江南正晓时·2023-12-03 12:56

茗创：脑电-核磁-近红外数据处理业务

任务态数据时频域分析04溯源分析05功能连通性分析06网络属性分析07跨频域耦合图7.跨频域耦合08微状态分析图8.微状态分析09无标度属性分析图9.无标度属性分析10定制化分析MRI功能磁共振数据处理01数据质量检查好的数据是一切的开始
茗创科技·2023-12-03 11:56

02数仓平台Zookeeper

概述ZooKeeper是一种分布式协调服务，用于管理大型主机集。在分布式环境中协调和管理服务是一个复杂的过程。ZooKeeper通过其简单的架构和API解决了这个问题。ZooKeeper允许开发人员专注于核心应用程序逻辑，而不必担心应用程序的分布式性质。Zookeeper工作机制Zookeeper从设计角度来理解，就是一个观察者模式设计的分布式服务管理框架，它负责存储和管理核心数据，接受观察者的注
kk_io·2023-12-03 09:52

CRM系统：实现精细化的客户管理，提升客户满意度

1、管理客户数据，提高数据质量CRM系统可以帮助企业建立多种沟通渠道，全面收集客户数据，并将这些数据储存在数据库中。这些信息包括客户基本资料、购买历史、偏好反馈等。业务人员可以通过查看客户数据，快速了
TICKI™·2023-12-03 09:50

vlookup处理数字和文本格式的数据对比

今天遇到了一个信用卡的数据问题由于这个银行的信用卡的数据直接来源于银联，根本就没有好好去维护，数据质量是一团糟，居然客户号都没有直接在信用卡系统，还得用身份证号码去核心系统的证件表去关联取，而且机构号，
limuqing_134·2023-12-03 04:38

中国湖泊面积-水位长时序数据产品（2000-2020）

数据溯源信息「数据来源描述」Landsat、HJ、ZY、Jason、ENVISAT、Cryosat、ICESat和HY「数据生成过程描述」湖泊面积提取->水位「提取数据质量信息」面积平均提取误差0.41%
DataAssassin·2023-12-03 03:37

实现数据一体化的有效措施

数据治理：数据一体化需要进行数据治理，包括数据质量管理、数据安全管理、数据标准化等，以保证数据的准确性、完整性、安全性和可靠性。数据集成：
ETLCloud数据集成社区·2023-12-03 01:51

实现数据一体化的有效措施

数据治理：数据一体化需要进行数据治理，包括数据质量管理、数据安全管理、数据标准化等，以保证数据的准确性、完整性、安全性和可靠性。数据集成：
ETLCloud数据集成社区·2023-12-03 01:21
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他