# 实时数仓 Hologres #
1
关注
4256内容
十大行业经典案例！Apache Flink 的 40 个最佳实践
如今，Apache Flink 行业应用几何？在降本增效的需求驱动下，企业如何实现数据与算力价值最大化？本文整理了 Flink 社区近一年的社区案例，并按照行业进行分类，供大家参考！
构建 Streaming Lakehouse：使用 Paimon 和 Hudi 的性能对比
Apache Paimon 和 Apache Hudi 作为数据湖存储格式，有着高吞吐的写入和低延迟的查询性能，是构建数据湖的常用组件。本文将在阿里云EMR 上，针对数据实时入湖场景，对 Paimon 和 Hudi 的性能进行比对，然后分别以 Paimon 和 Hudi 作为统一存储搭建准实时数仓。
基于实时深度学习的推荐系统架构设计和技术演进
整理自 5 月 29 日 阿里云开发者大会，秦江杰和刘童璇的分享，内容包括实时推荐系统的原理以及什么是实时推荐系统、整体系统的架构及如何在阿里云上面实现，以及关于深度学习的细节介绍
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。
基于阿里云PAI平台搭建知识库检索增强的大模型对话系统
基于原始的阿里云计算平台产技文档，搭建一套基于大模型检索增强答疑机器人。本方案已在阿里云线上多个场景落地，将覆盖阿里云官方答疑群聊、研发答疑机器人、钉钉技术服务助手等。线上工单拦截率提升10+%，答疑采纳率70+%，显著提升答疑效率。
【最佳实践】实时计算Flink在IoT行业的实时数仓建设实践
据 IDC 估计，到 2020 年物联网将在全球范围内产生 1.46 万亿美元的价值。据预测，届时中国的物联网市场规模将超过 1.8 万亿人民币。
饿了么基于Flink+Paimon+StarRocks的实时湖仓探索
饿了么的实时数仓经历了多个阶段的演进。初期通过实时ETL、报表应用、联动及监控构建基础架构，随后形成了涵盖数据采集、加工和服务的整体数据架构。1.0版本通过日志和Binlog采集数据，但在研发效率和数据一致性方面存在问题。2.0版本通过Dataphin构建流批一体化系统，提升了数据一致性和研发效率，但仍面临新业务适应性等问题。最终，饿了么选择Paimon和StarRocks作为实时湖仓方案，显著降低了存储成本并提高了系统稳定性。未来，将进一步优化带宽瓶颈、小文件问题及权限控制，实现更多场景的应用。
Flink + Iceberg 全场景实时数仓的建设实践
Apache Flink 是目前大数据领域非常流行的流批统一的计算引擎，数据湖是顺应云时代发展潮流的新型技术架构，以 Iceberg、Hudi、Delta 为代表的解决方案应运而生，Iceberg 目前支持 Flink 通过 DataStream API /Table API 将数据写入 Iceberg 的表，并提供对 Apache Flink 1.11.x 的集成支持。
MCP+Hologres+LLM搭建数据分析Agent
本文探讨了LLM大模型在数据分析领域的挑战，并介绍了Hologres结合MCP协议和LLM搭建数据分析Agent的解决方案。传统LLM存在实时数据接入能力不足、上下文记忆短等问题，而Hologres通过高性能数据分析能力和湖仓一体支持，解决了这些痛点。MCP协议标准化了LLM与外部系统的连接，提升集成效率。文中详细描述了如何配置Hologres MCP Server与Claude Desktop集成，并通过TPC-H样例数据展示了分析流程和效果。最后总结指出，该方案显著提高了复杂分析任务的实时性和准确性，为智能决策提供支持。
基于 Flink+Paimon+Hologres 搭建淘天集团湖仓一体数据链路
本文整理自淘天集团高级数据开发工程师朱奥在Flink Forward Asia 2024的分享，围绕实时数仓优化展开。内容涵盖项目背景、核心策略、解决方案、项目价值及未来计划五部分。通过引入Paimon和Hologres技术，解决当前流批存储不统一、实时数据可见性差等痛点，实现流批一体存储与高效近实时数据加工。项目显著提升了数据时效性和开发运维效率，降低了使用门槛与成本，并规划未来在集团内推广湖仓一体架构，探索更多技术创新场景。
免费试用