大資料說了很多年，我說雷聲大，雨點小，這您同意嗎？ 為什麼？ 關鍵在創造的價值，如果僅僅是輔助決策，效果難以顯現，如何才能夠立竿見影？從技術上，對應的就是流式計算，因為它對應的是業務，能夠帶來收入的應用

來這裡找志同道合的小夥伴！ 引言 本文講述如何去構建一個日誌系統，用到了哪些技術？為什麼用這些技術？遇到的問題及優化的過程，希望給大家在實踐中提供一些參考。 這是一個有關於日誌的專案，負責收

序 本文主要研究一下flink Table的Time Attributes Processing time 通過fromDataStream定義 DataStream<Tuple2<

一、前言 1、這一文開始進入Storm流式計算框架的學習 二、Storm簡介 1、Storm與Hadoop的區別就是，Hadoop是一個離線執行的作業，執行完畢就結束了，而Storm是可以源源不斷的

一、前言 1、上文中我們搭建好了一套HBase叢集環境，這一文我們學習一下HBase的基本操作和客戶端API的使用 二、shell操作 先通過命令進入HBase的命令列操作 /work/soft

前言 Flink 是一種流式計算框架，為什麼我會接觸到 Flink 呢？因為我目前在負責的是監控平臺的告警部分，負責採集到的監控資料會直接往 kafka 裡塞，然後告警這邊需要從 kafka topic 裡

前言 Flink 是一種流式計算框架，為什麼我會接觸到 Flink 呢？因為我目前在負責的是監控平臺的告警部分，負責採集到的監控資料會直接往 kafka 裡塞，然後告警這邊需要從 kafka topic 裡面實時讀

大資料時代，資料計算已經滲透到了各行各業。業務沉澱資料，資料計算產生新的業務價值，資料計算正不斷地用這種方式推動業務向前發展。 大資料的計算模式主要分為批量計算(batch computing)、流式

本文來自網易雲社群 作者：汪建偉 前言 前一段時間參與哨兵流式監控功能設計，調研了兩個可以做流式計算的框架：storm和spark streaming，我負責storm的調研

在本文中，我們將深入探討Flink新穎的檢查點機制是如何工作的，以及它是如何取代舊架構以實現流容錯和恢復。我們在各種型別的流處理應用程式上對Flink效能進行測試，並通過在Apache Storm（一種廣泛使用

很多企業正在將雲端計算投入其IT戰略。越來越多的IT預算正在轉向雲端計算服務和運營支出，而不是資本支出。與此同時，IT團隊被要求加強並改進企業的數字計劃。 根據調研機構Forrester公司在2019年的預測，大

目錄 1、從一個新聞入口網站案例引入 2、推算一下你需要分析多少條資料？ 3、黃金搭檔：分散式儲存+分散式計算 這篇文章聊一個話題：什麼是分散式計算系統？ （1）從一個新聞入口網站案例引入

今日，致力於成為面向未來下一代計算架構的PlatON，完成了V0.4.0版本的升級，開始支援基於可驗證計算（Verifiable computation，簡稱VC）的可驗證合約釋出。可驗證計算可以說是解決分散

歡迎關注個人公眾號：石杉的架構筆記（ID:shishan100） 週一至週五早8點半！精品技術文章準時送上！ 億級流量架構專欄： 億級流量系統架構之如何支撐百億級資料的儲存與計算

2018-11-19/   閱讀數：2  /   分類：作業系統 馮·諾依曼架構中，指令和資料均儲存在記憶體中，徹底打開了計算機“通用”的大門。這個結構中，“線性陣列”記憶體天生攜帶