基于DataWorks搭建新零售数据中台
文章作者：许日（欢伯），在2016年盒马早期的时候，转到盒马事业部作为在线数据平台的研发负责人，现任阿里云计算平台DataWorks建模引擎团队负责人。
文章简介：本篇文章向大家分享新零售企业如何基于DataWorks搭建数据中台，从商业模式及业务的设计，到数据中台的架构设计与产品选型，再到数据中台搭建的最佳实践，最后利用数据中台去反哺业务，辅助人工与智能的决策。
内容贡献：李启平（首义），盒马从初创至今的数据研发负责人，有非常资深的数仓及数据中台建设的经验，原阿里巴巴国际业务数仓负责人。
菜鸟积分系统稳定性建设 - 分库分表&百亿级数据迁移
拆库&数据迁移说白了，考验的不是一个人的技术功底，而是一个人干活的细致程度，以及抗压能力。无论在哪个公司，数据库迁移的机会都不会太多，因此，我也是非常珍惜这次历练，用阿里的一句老话来说就是 “因人成事，借事修人”。写这篇文章的目的主要是自己进行一个总结，也希望能给需要的同学们一些参考。
如何让SQL跑快一点？（优化指南）
这篇文章主要探讨了如何在阿里云MaxCompute（原ODPS）平台上对SQL任务进行优化，特别是针对大数据处理和分析场景下的性能优化。
基于阿里云大数据平台的实时数据湖构建与数据分析实战
在大数据时代，数据湖作为集中存储和处理海量数据的架构，成为企业数据管理的核心。阿里云提供包括MaxCompute、DataWorks、E-MapReduce等在内的完整大数据平台，支持从数据采集、存储、处理到分析的全流程。本文通过电商平台案例，展示如何基于阿里云构建实时数据湖，实现数据价值挖掘。平台优势包括全托管服务、高扩展性、丰富的生态集成和强大的数据分析工具。
Hologres实时数仓在B站游戏的建设与实践
本文介绍了B站游戏业务中实时数据仓库的构建与优化过程。为满足日益增长的数据实时性需求，采用了Hologres作为核心组件优化传统Lambda架构，实现了存储层面的流批一体化及离线-实时数据的无缝衔接。文章详细描述了架构选型、分层设计（ODS、DWD、DIM、ADS）及关键技术挑战的解决方法，如高QPS点查、数据乱序重写等。目前，该实时数仓已广泛应用于运营分析、广告投放等多个场景，并计划进一步完善实时指标体系、扩展明细层应用及研发数据实时解析能力。
MCP、MaxFrame与大数据技术全景解析
本文介绍了 MCP 协议、MaxFrame 分布式计算框架以及大数据基础设施建设的相关内容。MCP（Model Context Protocol）是一种开源协议，旨在解决 AI 大模型与外部数据源及工具的集成问题，被比喻为大模型的“USB 接口”，通过统一交互方式降低开发复杂度。其核心架构包括 Client、Server、Tool 和 Schema 四个关键概念，并在百炼平台中得到实践应用。MaxFrame 是基于 Python 的高性能分布式计算引擎，支持多模态数据处理与 AI 集成，结合 MaxCompute 提供端到端的数据处理能力。
企业大数据平台下数仓建设思路
介然（李金波），阿里云高级技术专家，现任阿里云大数据数仓解决方案总架构师。8年以上互联网数据仓库经历，对系统架构、数据架构拥有丰富的实战经验，曾经数据魔方、淘宝指数的数据架构设计专家。
与阿里云大数据数仓结缘
介然之前在一家软件公司给企业客户做软件开发和数仓开发实施，数仓开发和实施都是基于传统的