数仓数据质量第13页

Day68 Kafka 快速实战核心原理

Storm/Spark流式处理引擎web/nginx，访问日志消息服务开放统一接口给consumerhadoop,hbase等.装载到hadoop,数仓etl做离线分析和数据挖掘.ScreenShot2022

小周爱吃瓜·2023-11-25 21:31

基于 Flink SQL 和 Paimon 构建流式湖仓新方案

传统数仓包括Hive、Hadoop正在往湖、Lakehouse架构上演进，L

阿里云大数据AI技术·2023-11-25 15:52

Flink CEP 在抖音电商的实践

本文整理自抖音电商实时数仓研发工程师张健，在FlinkForwardAsia实时风控专场的分享。本篇内容主要从FlinkCEP简介、业务场景与挑战、解决方案实践和未来展望四个方面展开介绍。

字节跳动云原生计算·2023-11-25 15:00

大数据质量管理工具-Apache Griffin

概述数据质量模块是大数据平台中必不可少的一个功能组件，ApacheGriffin（以下简称Griffin）是一个开源的大数据数据质量解决方案，它支持批处理和流模式两种数据质量检测方式，可以从不同维度（比如离线任务执行完毕后检查源端和目标端的数据数量是否一致

reco171·2023-11-25 13:07

同程数科基于 Apache Doris 构建统一实时数仓，查询提速数十倍！

为帮助业务人员提升数据开发的效率与质量，同程数科历经三代架构演进，最终引入ApacheDoris搭建统一实时数仓，在后续的实际应用中，将实时数仓平台化，进一步构建了一站式数据平台Ark，为业务人

SelectDB技术团队·2023-11-25 13:29

物流实时数仓：数仓搭建（ODS）

系列文章目录物流实时数仓：采集通道搭建物流实时数仓：数仓搭建文章目录系列文章目录前言一、IDEA环境准备1.pom.xml2.目录创建二、代码编写1.log4j.properties2.CreateEnvUtil.java3

超哥--·2023-11-25 09:53

【黑马甄选离线数仓day03_数仓设计和维度域开发】

1.数仓基本概念1-什么是数据仓库呢?存储数据的仓库,主要用于存储过去历史发生过的数据,面向主题,对数据进行统计分析的操作,从而能够对未来提供决策支持2-数据仓库最大的特点是什么呢?

LKL1026·2023-11-24 16:37

【黑马甄选离线数仓day02_数据采集】

1.数仓工具使用-DataX1.1DataX介绍DataX是阿里推出的一个异构数据源离线同步工具，致力于实现包括关系型数据库(MySQL、Oracle等)、HDFS、Hive、ODPS、HBase、FTP

LKL1026·2023-11-24 16:02

穿越数据的迷宫-数据管理知识介绍

章重点阐述了数据管理的重要性，数据管理的挑战，DAMA的数据管理原则，数据伦理，数据治理，数据生命周期管理的规划和设计，数据赋能和数据维护，使用和增强数据，数据保护、隐私、安全和风险管理，元数据管理，数据质量管理

大数据食铁兽·2023-11-24 16:21

实时分析海量新数据的难点和解决方案

2.数据质量的保障：海量新

29597739c454·2023-11-24 15:56

数据治理的意义及方式

其目的是提高数据质量、降低风险、提高数据价值、增强组织的决策能力。什么是数据质量？数据质量管理的目标是什么？答：数据质量指数据是否准确、一致、完整、准时、可靠、有效和安全。

一凡คิดถึง·2023-11-24 15:50

数据治理技术之数据清洗

数据清洗背景数据质量一般由准确性、完整性、一致性、时效性、可信性以及可解释性等特征来描述，根据Rahm等人在2000年对数据质量基于单数据源还是多数据源以及问题出在模式层还是实例层的标准进行分类，将数据质量问题分为单数据源模式层问题

白牛DATA·2023-11-24 15:15

数仓成本下降近一半，StarRocks 存算分离助力云览科技业务出海

成都云览科技有限公司倾力打造了凤凰浏览器，专注于为海外用户提供服务，公司致力于构建一个全球性的数字内容连接入口，为用户带来更为优质、高效、个性化的浏览体验。作为数据驱动的高科技公司，从数据中挖掘价值一直是公司核心任务，公司以前选用了众多组件来提升内部大数据分析效率，如Trino作为即席查询的工具、用ClickHouse和StarRocks来加速报表业务查询，但经过长期实践，最终决定将所有内部数据分

StarRocks_labs·2023-11-24 12:31

1、数仓模型概述

数仓领域中的模型指的是数据模型，要和商业分析中的模型不同数据模型就是数据组织和存储方法，它强调从业务、数据存取和使用的角度合理的存储数据2、问：模型和表的区别？

广阔天地大有可为·2023-11-24 12:57

大数据基础中台-数据仓库建设

一、数据模型架构原则数仓分层原则优秀可靠的数仓体系，往往需要清晰的数据分层结构，即要保证数据层的稳定又要屏蔽对下游的影响，并且要避免链路过长。那么问题来了，一直在讲数仓要分层，那数仓分几层最好？

SmartBrain·2023-11-24 12:22

3、如何从0到1去建设数据仓库

1、数仓实施过程1.1数据调研数据调研包括：业务调研、需求调研业务调研需要调研企业内有哪些业务线、业务线的业务是否还有相同点和差异点各个业务线有哪些业务模块，每个模型下有哪些业务流程，每个流程下产生的数据是怎样存储的业务调研完后的产出

广阔天地大有可为·2023-11-24 12:50

Flink SQL 1.11新功能详解：Hive 数仓实时化 & Flink SQL + CDC 实践

问题导读1.Flink1.11有哪些新功能？2.如何使用flink-cdc-connectors捕获MySQL和Postgres的数据变更?3.怎样利用FlinkSQL做多流join后实时同步到Elasticsearch中？1Flink1.8~1.11社区发展趋势回顾自2019年初阿里巴巴宣布向Flink社区贡献Blink源码并在同年4月发布Flink1.8版本后，Flink在社区的活跃程度犹如坐

000X000·2023-11-24 06:18

数据中台建设方法论

1、数仓的概念和了解--业务的痛点产生的痛点：数据资产比较模糊、数据的质量比较低、重复建设、代码的耦合性比较强。2、数据仓库中的常见的模型：1、心型模型：中间是一张事实表，周围都是维度表。

新手小农·2023-11-24 02:08

详解Redis的使用及缓存特性

这是springBoot框架的第二篇，REDIS的使用关联文章SpringBoot工程搭建详解缓存Redis详解数仓ElasticSearch详解消息中间件Kafka本文目录回答三个问题SpringBoot

知春路SpideMan·2023-11-23 18:00

离线数仓03——业务数据采集平台

文章目录第1章电商业务简介1.1电商业务流程1.2电商常识1.2.1SKU和SPU1.2.2平台属性和销售属性第2章业务数据介绍2.1电商系统表结构2.1MySQL安装2.1.1安装包准备2.1.2安装MySQL2.1.3配置MySQL2.2业务数据模拟2.2.1连接MySQL2.2.2建表语句2.2.3生成业务数据2.2.4业务数据建模第3章业务数据采集模块3.1采集通道3.2采集工具3.3采集

就是这个范~·2023-11-23 18:11

大数据-数仓-数据采集-业务数据（三）：增量同步采集【MySQL-(Maxwell)-＞Kafka-(Flume)-＞HDFS】【每日增量：每天只将业务数据中新增及变化的数据同步到数据仓库】

增量同步策略解释：每日增量，就是每天只将业务数据中的新增及变化的数据同步到数据仓库中，适用：表数据量大，且每天只会有新的数据插入的场景，特点：采用每日增量的表，通常会在首日先进行一个全量同步。例如：退单表、订单状态表、支付流水表、订单详情表、活动与订单关联表、商品评论表Maxwell的实现原理很简单，就是将自己伪装成Slave，并遵循Mysql主从复制的协议，从master中同步数据。Maxwel

u013250861·2023-11-23 18:41

【大数据】数仓5.0_业务采集➕数据同步策略（数仓环境搭建完成）

file_to_kafka.conf）二、业务数据采集平台1.电商业务简介1.1.电商业务流程1.2.电商常识2.业务数据介绍2.1.电商系统表结构2.2.MySQL安装2.3.业务数据模拟3.业务数据采集模块三、离线数仓数据同步策略

欧叶冲冲冲·2023-11-23 18:04

2023.11.22 -数据仓库的概念和发展

spm=1001.2014.3001.55011经典传统数仓架构2离线大数据数仓架构3数据仓库三层数据运营层,源数据层（ODS）（OperationalDataStore）数据仓库层（DW）（DataWarehouse

白白的wj·2023-11-23 16:16

2023.11.22 数据仓库2-维度建模

目录1.数仓建设方案2.数仓结构图,项目架构图2.1项目架构图2.2数仓结构图3.建模设计4.维度建模什么是事实表:什么是维度表:数据发展模式y以及对应的模型5.数仓建设规范数据库划分规范表命名规范表字段类型规范

白白的wj·2023-11-23 16:14

【数字化转型方法论读书笔记】-数据中台五要素

1、数据伴随移动互联网的发展，数据量呈爆发式增长，不同规模、不同类型的企业都面临数据质量问题。多变的用户需求和商业场景也增加了数据的复杂性。

码农丁丁·2023-11-23 15:52

AppLink定时调度操作

RestCloudAppLink2.点击授权管理3.点击应用认证菜单4.新建拼多多授权认证基础定时调度配置1.拉取一个定时器作为触发动作，通过配置定时器调度时间将定时策略配置为每天执行一次2.触发动作完成后读取mysql数仓

RestCloud·2023-11-23 13:39

广阔天地大有可为·2023-11-23 12:39

加班做报表被嘲低效！快用大数据分析工具

做数据分析报表很耗时间，因为不仅要解决多业务系统数据质量标准不一问题，还需要进行大量的公式计算、报表设计与制作。但那是以前，在大数据分析工具强势崛起的当下，这些工作都能交给大数据分析工具来做了。

qq_43696218·2023-11-23 10:29

实时数仓：基于 Flink CDC 实现 Oracle 数据实时更新到 Kudu

作者：于乐，腾讯CSIG工程师解决方案描述概述FlinkCDC于2021年11月15日发布了最新版本2.1，该版本通过引入内置Debezium组件，增加了对Oracle的支持。本方案主要对flink-connector-oracle-cdc进行试用。首先在本地对OracleCDC进行调试通过，然后结合腾讯云产品流计算Oceanus、EMR（Kudu）实现了Oracle-Oceanus-Kudu一体

腾讯云大数据·2023-11-23 09:07

Flink实时数仓项目—DWD层设计与实现

Flink实时数仓项目—DWD层设计与实现前言一、功能三：订单宽表1.需求描述2.需求分析3.思路分析与代码实现3.1实体类的创建3.2读取Kafka订单数据和订单明细数据3.3双流Join—关联事实表

自学大数据的菜鸡·2023-11-23 07:17

实时数仓维度关联的旁路缓存与异步IO

由于存在dim层中的维度表数据是在Hbase中，查询关联时一般是一行一行的读取如select*fromtwherev=v1andv=v2;而Hbase读取一条数据大概时间在10ms左右。因此Hbase的读数据速度就不能满足时效性要求，上游kafka数据发送过多而下游处理时间不够导致flink反压机制触发，任务处于亚健康状态。时间长了上游就会阻塞，flink1.5之前是通过TCP的反压机制来控制的，

菜鸟一枚7·2023-11-23 07:16

实时数仓（七）DWM层事实表关联维度表（订单宽表、旁路缓存和异步IO优化）

DWM层事实表关联维度表（订单宽表）维度关联实际上就是在流中查询存储在HBase中的数据表。但是即使通过主键的方式查询，HBase速度的查询也是不及流之间的join。外部数据源的查询常常是流式计算的性能瓶颈，所以进行一定的优化。(1)旁路缓存（先查redis）packagecom.yyds.utils;importcom.google.common.base.CaseFormat;importne

undo_try·2023-11-23 07:12

Flink实时数仓完结

文章目录主要框架版本选型集群服务器规划实时架构架构的选择分层分析FlinkCDC的选取旁路缓存优化异步查询优化先看项目成品的效果GitHub地址：https://github.com/GTyingzi/Flink_DemoGitee地址：https://gitee.com/gtcs/Flink-Demo主要框架版本选型框架版本Hadoop3.13Zookeeper3.5.7Kafka2.4.1HB

未来影子·2023-11-23 07:09

PieCloudDB Database 再次升级！社区版全新版本发布，免费下载

拓数派正式发布大模型数据计算系统「πDataCS」，基于云原生技术重构数据存储和计算，重塑数仓、向量和机器学习等数据计算引擎，实现“一份数据存储，多引擎数据计算”。

OpenPie｜拓数派·2023-11-23 02:01

【黑马甄选离线数仓day01_项目介绍与环境准备】

1.行业背景1.1电商发展历史电商1.0:初创阶段20世纪90年代，电商行业刚刚兴起，主要以B2C模式为主，如亚马逊、eBay等电商2.0:发展阶段21世纪初，电商行业进入了快速发展阶段，出现了淘宝、京东等大型电商平台，同时也出现了C2C模式和O2O模式电商3.0:成熟阶段2010年代，电商行业进入了成熟阶段，各大电商平台开始加强自身的品牌建设和服务体系，同时也出现了跨境电商、社交电商、农村电

LKL1026·2023-11-23 01:15

数据集成实施过程注意点总结

2.数据质量和一致性保证数据的质量和一

ETLCloud数据集成社区·2023-11-22 18:03

数仓问答篇（一）

数仓架构（即席查询）总体来说，Hadoop架构在数据量较低的情况下，运行速度远不及MPP架构，但数据量一旦超过某个量级，Hadoop架构在吞吐量方面将非常有优势。

AII派森·2023-11-22 16:36

数据中台项目

.系统、全面地查询元数据信息⒉.变更评估及精准变更周知3.协助数据问题定位及解决2.1元数据中心概述2.2元数据中心的核心功能第3章数据指标中心3.1数据指标中心概述3.2数据指标中心的设计思路第4章数仓模型中心

一凡คิดถึง·2023-11-22 14:37

mysql到pg库数据迁移_postgres安装及实现mysql到pg的数据迁移

ods表结构：从源库导入中间表表结构：从线上pg库导入2.2.2.准备mysql2udw.sh测试调度任务脚本：保留用户标签需要的源表和数仓中间表：文档底部列出用户标签的相关的

公子札的札·2023-11-22 13:04

知乎热议：数据仓库、数据湖、湖仓一体，究竟有什么区别？

来源：知乎作者：十叶心全文共14108个字，建议阅读20分钟一、基本概念1.1数仓发展历史数据湖是以集中方式存储各种类型数据，提供弹性的容量和吞吐能力，能够覆盖广泛的数据源，支持多种计算与处理分析引擎直接对数据进行访问的统一存储平台

浪尖聊大数据-浪尖·2023-11-22 13:30

技术分享|电商数据接口|淘宝天猫京东商品API接口之数据同步

常见的数据同步/集成场景多发生于不同的存储系统、不同的存储格式，如从mysql同步数据至数仓、excel或csv导入数据库中，但是众多数据同步解决方案很少涉及从http接口同步数据。

电商数据girl·2023-11-22 10:44

一文了解数据治理全知识体系！

本文从数据治理的误区、元数据管理、数据质量管理、数据资产管理等4个方面整理出数据治理的一套经验总结，给予数据治理相关工作的同仁们一些借鉴参考。01数据治理有哪些误区？

shining_yyds·2023-11-22 09:05

二百零七、Flume——Flume实时采集5分钟频率的Kafka数据直接写入ODS层表的HDFS文件路径下

一、目的在离线数仓中，需要用Flume去采集Kafka中的数据，然后写入HDFS中。由于每种数据类型的频率、数据大小、数据规模不同，因此每种数据的采集需要不同的Flume配置文件。

天地风雷水火山泽·2023-11-22 09:15

数据产品_数据中台06_数据沼泽边资产（数据资产）

本章主要内容什么是数据资产数据资产及应用数据资产管理及服务本节目标了解什么是数据资产以及应用熟悉数仓的指标模型熟悉标签的构成了解数据资产管理与服务的方式什么是数据资产数据是一种能源数据是一种能源，不单单是客观存在

andakiwukawa·2023-11-22 06:35

更加优雅的因子挖掘技术之自动化特征工程

图片一、为什么要自动化特征工程对机器学习有一些了解的小伙伴一定听过“GarbageinGarbageout”，也就是说模型的表现很大程度上依赖于喂给算法的数据质量。

Joe量化·2023-11-22 05:03

数据治理入门

处理模式模式名称常见场景常见框架批处理夜间几个小时，无人值守hivesparkdatax流处理7*24H一直运行，无人值守maxwell,flink,flume,kafka即席处理人机交互接口访问web页面数据治理的意义数据质量低

十七✧ᐦ̤·2023-11-22 04:36

万字详解大数据架构新概念

有人说数据湖是下一代大数据平台，各大云厂商也在纷纷的提出自己的数据湖解决方案，一些云数仓产品也增加了和数据湖联动的特性。但是数据仓库和数据湖的区别到底是什么，是技术路线之争？是数据管理方式之争？

于连林_·2023-11-21 22:53

小迈科技 X Hologres：高可用的百亿级广告实时数仓建设

通过本文，我们将会介绍小迈科技如何通过Hologres搭建高可用的实时数仓。一、业务介绍小迈科技成立于2015年1月，是一家致力以数字化领先为优势，实现业务高质量自增长的移动互联网科技公司。

阿里云技术·2023-11-21 22:32

数仓理论基础

数仓理论基础引用：尚硅谷电商数仓什么是数仓？存储数据、具备管理分析能力，为企业做决策提供数据依据。数据仓库的主体hive两种建模方式：ER和维度ER模型实体关系模型：将复杂的数据抽象为实体和关系。

Made in Program·2023-11-21 19:15

数据仓库理论

数仓理论知识点结构图本文初衷是为了学习归纳，若有错误，请指出。

宇宙中的Philip·2023-11-21 17:43

推荐频道

数仓数据质量

Day68 Kafka 快速实战 核心原理