打造立体化监控体系的最佳实践
如果将分布式系统比作高速公路网，每个前端的请求就相当于高速上行驶的车辆，而处理请求的应用就是高速上的收费站，在收费站上将车辆通行信息记录成日志，包括时间、车牌、站点、公路、价格等，如果将所有收费站上的日志整合在一起，便可以通过唯一的车牌号确定该车的完整通行记录；分布式调用系统跟踪和监控就是类比这种思想，对每一次请求进行跟踪，进而明确每个请求所经过的应用、耗时等信息。
有了Tableau，为什么AWS还要做BI？
Quicksight是整个AWS生态中离商业决策最近的服务，直接解决大数据应用的“最后一公里”问题。其在整个生态中的定位如下：
它不需要用户有代码能力，自动识别和整合各种不同的数据源，并且自动进行数据可视化。最大程度降低了商业决策端用户使用大数据的成本，也有望解决业务和数据中心方一直存在的矛盾。
各种系统架构图与详细说明
原文:各种系统架构图与详细说明
共享平台逻辑架构设计
如上图所示为本次共享资源平台逻辑架构图，上图整体展现说明包括以下几个方面：
1 应用系统建设
本次项目的一项重点就是实现原有应用系统的全面升级以及新的应用系统的开发，从而建立行业的全面的应用系统架构群。
实时计算Flink——应用场景
实时计算 Flink使用Flink SQL，主打流式数据分析场景。目前在如下领域有使用场景。
实时ETL
集成流计算现有的诸多数据通道和SQL灵活的加工能力，对流式数据进行实时清洗、归并、结构化处理。
年服务人次3300万+，网鱼网咖的大数据挑战及架构
从98年成立至今的18年中，网鱼累计签约门店已接近900家，已拥有超过830万会员，2016年网鱼网咖共服务了3300多万人次，服务范围覆盖全国100多个城市，现在网鱼网咖已走出国门，在加拿大、澳大利亚、新加坡等国家开设多家门店。
大数据分析平台产品对比之MaxCompute 篇
之前尝试使用过一些国内外的云产品，特别是大数据分析型产品，例如：亚马逊的EMR、Redshift，Google的Bigquery以及阿里云的MaxCompute。相信大多数人对亚马逊的EMR、Redshift，Google的Bigquery都比较了解。
双11数据大屏背后的秘密：大规模流式增量计算及应用
回顾大数据技术领域大事件，最早可追溯到06年Hadoop的正式启动，而环顾四下，围绕着数据库及数据处理引擎，业内充斥着各种各样的大数据技术。在云栖社区2017在线技术峰会大数据技术峰会上，阿里云大数据计算平台架构师钱正平做了题为《大规模流式增量计算及应用》的分享，钱正平结合阿里巴巴真实的业务场景为大家分享了流式增量计算编程方面的挑战和当前的解决方案。
