StarRocks + Paimon 在阿里集团 Lakehouse 的探索与实践
阿里集团在推进湖仓一体化建设过程中，依托 StarRocks 强大的 OLAP 查询能力与 Paimon 的高效数据入湖特性，实现了流批一体、存储成本大幅下降、查询性能数倍提升的显著成效：
A+ 业务借助 Paimon 的准实时入湖，显著降低了存储成本，并引入 StarRocks 提升查询性能。升级后，数据时效提前60分钟，开发效率提升50%；JSON列化存储减少50%，查询性能提升最高达10倍；OLAP分析中，非JOIN查询快1倍，JOIN查询快5倍。
饿了么升级为准实时Lakehouse架构后，在时效性仅损失1-5分钟的前提下，实现Flink资源缩减、StarRocks查询性能提升（仅5%
MPP 架构与 Hadoop 架构技术选型指南
MPP架构与Hadoop架构是处理海量数据的两大选择。MPP通过大规模并行处理实现快速查询响应，适用于企业级数据仓库和OLAP应用；Hadoop则以分布式存储和计算为核心，擅长处理非结构化数据和大数据分析。两者各有优劣，MPP适合结构化数据和高性能需求场景，而Hadoop在扩展性和容错性上表现更佳。选择时需综合考虑业务需求、预算和技术能力。
智能运维与数据治理：基于 Apache Doris 的 Data Agent 解决方案
本文基于 Apache Doris 数据运维治理 Agent 展开讨论，如何让 AI 成为 Doris 数据运维工程师和数据治理专家的智能助手，并在某些场景下实现对人工操作的全面替代。这种变革不仅仅是技术层面的进步，更是数据运维治理思维方式的根本性转变：从“被动响应”到“主动预防”，从“人工判断”到“智能决策”，从“孤立处理”到“协同治理”。
深入解析：AnalyticDB中的高级查询优化与性能调优
【10月更文挑战第22天】
AnalyticDB（ADB）是阿里云推出的一款实时OLAP数据库服务，它能够处理大规模的数据分析任务，提供亚秒级的查询响应时间。对于已经熟悉AnalyticDB基本操作的用户来说，如何通过查询优化和性能调优来提高数据处理效率，是进一步提升系统性能的关键。本文将从个人的角度出发，结合实际经验，深入探讨AnalyticDB中的高级查询优化与性能调优技巧。
小红书推荐大数据在阿里云上的实践
本篇内容主要分三个部分，在第一部分讲一下实时计算在推荐业务中的使用场景。第二部分讲一下小红书是怎么使用Flink的一些新的功能。第三部分主要是讲一些OLAP的实时分析的场景，以及和阿里云MC-Hologres的合作。