文章
SpringBoot同时集成Redis和Guava作为缓存组件
请先看https://my.oschina.net/u/3866531/blog/1840386CompositeCacheManager类Composite,混合的,混成的
SpringBoot同时集成Redis和Guava作为缓存组件
请先看https://my.oschina.net/u/3866531/blog/1840386CompositeCacheManager类Composite,混合的,混成的
Spark Streaming和Kafka集成深入浅出
写在前面本文主要介绍SparkStreaming基本概念、kafka集成、Offset管理本文主要介绍SparkStreaming基本概念、kafka集成、Offset管理一、概述Spark Streaming顾名思义是spark的流式处理框架,是面向海量数据实现高吞吐量、高可用的分布式实时计算。关于spark的安装可以参考Spa
SkyWalking观测Service Mesh技术大公开
云栖号资讯:【点击查看更多行业资讯(https://www.oschina.net/action/GoToLink?urlhttps%3A%2F%2Fyqh.aliyun.com%2F%3Fcate%3D%25E8%25B5%2584%25E8%25AE%25AF)】在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来!
Kettle构建Hadoop ETL实践(一):ETL与Kettle
点击上方蓝色字体,选择“设为星标”回复”资源“获取更多资源!(https://oscimg.oschina.net/oscnet/c89e158d10cd4b32aa814d82441219a9.jpg)!(https://oscimg.oschina.net/oscnet/5e8f53277a9c4e51
Flink集成数据湖之实时数据写入iceberg
背景iceberg简介flink实时写入准备sqlclient环境创建catalog创建db创建table插入数据查询代码版本总结
Flink1.12集成Hive打造自己的批流一体数仓
点击上方蓝色字体,选择“设为星标”回复”资源“获取更多资源!(https://oscimg.oschina.net/oscnet/cb27ec9ea9a44baf91e605697be9360a.jpg)简介小编在去年之前分享过参与的实时数据平台的建设,关于实时数仓也进行过分享。客观的说,我们当时做
Flink 助力美团数仓增量生产
简介:本文由美团研究员、实时计算负责人鞠大升分享,主要介绍Flink助力美团数仓增量生产的应用实践。内容包括:1、数仓增量生产;2、流式数据集成;3、流式数据处理;4、流式OLAP应用;5、未来规划。一、数仓增量生产1.美团数仓架构先介绍一下美团数仓的架构以及增量生产。如下图所示,这是美团数仓的简单架构,我
Flink 作为现代数据仓库的统一引擎:Hive 集成生产就绪!
在2020年,你的数据仓库和基础设施需要满足哪些需求?我们总结了几下几点:首先,当下的企业正快速转向更实时化的模式,这要求企业具备对线上流式数据进行低延迟处理的能力,以满足实时(realtime)或近实时(nearrealtime)的数据分析需求。人们对从数据产生到数据可用之间延迟的容忍度越来越低。曾经几个小时甚至几天的
Flink JDBC Connector:Flink 与数据库集成最佳实践
整理:陈政羽(Flink社区志愿者)摘要:Flink1.11引入了CDC,在此基础上,JDBCConnector也发生比较大的变化,本文由 ApacheFlinkContributor,阿里巴巴高级开发工程师徐榜江(雪尽)分享,主要介绍Flink1.11JDBCConnector的最佳实践。大纲如下:
已加载文章中没有匹配内容,试试其他关键词或清空搜索。