数仓架构“瘦身”,Hologres 5000CU时免费试用

本文涉及的产品
实时数仓Hologres,5000CU*H 100GB 3个月
简介: Hologres基于创新的HSAP架构,可以将您原先数仓架构中的OLAP系统(Greenplum、Presto、Impala、ClickHouse)、KV数据库/Serving系统(HBase、Redis)统一在一个大数据计算引擎中,并提供快速的离线实时一体化分析能力。

Hologres基于创新的HSAP架构,可以将您原先数仓架构中的OLAP系统(Greenplum、Presto、Impala、ClickHouse)、KV数据库/Serving系统(HBase、Redis)统一在一个大数据计算引擎中,并提供快速的离线实时一体化分析能力。



产品核心优势:

1、简化数仓架构,减少数据搬运多处维护成本

2、实时查询性能强,刷新TPC-H 30000GB世界纪录

3、融合湖仓查询,0 ETL导入离线MaxCompute数据

Hologres使用教程简介

于MaxCompute中TPC-H数据集数据和GitHub公开事件数据,在阿里云实时数仓Hologres上创建Hologres的数据库、外部表、内部表、导入数据至内部表中以及使用Hologres分别查询内部表和外部表中数据的指引。Hologres在查询数据方面具有极速响应的优势。

准备环境和资源

开始教程前,请按以下步骤准备环境和资源:

  1. 已创建专有网络(VPC)和专有网络交换机,详情请参见创建专有网络和交换机
  2. 访问阿里云免费试用。单击页面右上方的登录/注册按钮,并根据页面提示完成账号登录(已有阿里云账号)、账号注册(尚无阿里云账号)或实名认证(根据试用产品要求完成个人实名认证或企业实名认证)。
  3. 成功登录后,在产品类别下选择大数据计算 > 数据计算与分析,在实时数仓Hologres卡片上,单击立即试用
  4. 在弹出的试用实时数仓Hologres产品的面板上完成参数信息配置。本试用教程以表格中的参数信息为例,未提及参数保持默认值。

参数

示例值

地域

华东1(杭州)

实例类型

通用型

计算资源

8核32GB(计算节点数量:1)

专有网络

选择步骤1中创建的VPC。

专有网络交换机

选择步骤1中创建的交换机。

实例名称

hologres_test

资源组

默认资源组

  1. 勾选服务协议后,单击立即试用,并根据页面提示完成试用申请。
    单击前往控制台,开启试用体验。


创建数据库

通过Hologres快速创建数据库,用于后续存放示例数据进行查询使用。

  1. 登录Hologres管理控制台,单击左侧实例列表
  2. 实例列表页面,单击对应实例名称。
  3. 实例详情页左侧导航栏,单击数据库管理
  4. DB授权页面,单击右上角新增数据库
  5. 新增数据库对话框,配置如下参数。

参数

说明

实例名

选择在哪个Hologres实例上创建数据库。默认展示当前已登录实例的名称,您也可以在下拉框中选择其他Hologres实例。

数据库名称

本示例数据库名称设置为holo_tutorial

简单权限策略

您可以为创建的数据库选择一种权限策略。更多关于权限策略的说明,请参见:

  • SPM:简单权限模型,该权限模型授权是以DB为粒度,划分admin(管理员)、developer(开发者)、writer(读写者)以及viewer(分析师)四种角色,您可以通过少量的权限管理函数,即可对DB中的对象进行方便且安全的权限管理。
  • SLPM:基于Schema级别的简单权限模型,该权限模型以Schema为粒度,划分 <db>.admin(DB管理员)、<db>.<schema>.developer(开发者)、<db>.<schema>.writer(读写者)以及 <db>.<schema>.viewer(分析师),相比于简单权限模型更为细粒度。
  • 专家:Hologres兼容PostgreSQL,使用与Postgres完全一致的权限系统。
  1. 单击确认

创建表

数据库创建成功后,您需在数据库中创建对应的表。

  1. 登录数据库。
  1. DB授权页面的顶部菜单栏,单击元数据管理
  2. 元数据管理页面,双击左侧目录树中已创建成功的数据库名称,单击确认
  1. 新建外部表。
  1. SQL编辑器页面,单击左上角的图标。
  2. 新增使用TPC-H数据集数据的外部表,TPC-H数据引用自TPC,更多信息请参见TPC
    在新增的临时Query查询页面,选择已创建的实例名数据库后,请您在SQL查询的编辑框输入示例代码,单击运行
    示例SQL语句用来创建一个映射到MaxCompute公共空间MAXCOMPUTE_PUBLIC_DATA中odps_customer_10g、odps_lineitem_10g等表的外部表,用于后续查询。
DROP FOREIGN TABLE IF EXISTS odps_customer_10g;DROP FOREIGN TABLE IF EXISTS odps_lineitem_10g;DROP FOREIGN TABLE IF EXISTS odps_nation_10g;DROP FOREIGN TABLE IF EXISTS odps_orders_10g;DROP FOREIGN TABLE IF EXISTS odps_part_10g;DROP FOREIGN TABLE IF EXISTS odps_partsupp_10g;DROP FOREIGN TABLE IF EXISTS odps_region_10g;DROP FOREIGN TABLE IF EXISTS odps_supplier_10g;IMPORT FOREIGN SCHEMA "MAXCOMPUTE_PUBLIC_DATA#default"LIMIT to
(    odps_customer_10g,    odps_lineitem_10g,    odps_nation_10g,    odps_orders_10g,    odps_part_10g,    odps_partsupp_10g,    odps_region_10g,    odps_supplier_10g
)FROM SERVER odps_server INTO public OPTIONS(if_table_exist 'error',if_unsupported_type 'error');
  1. 新增使用GitHub公开事件数据的外部表,数据引用自GitHub,更多信息请参见基于GitHub公开事件数据集的离线实时一体化实践
    单击左上角的图标,在新增的临时Query查询页面,选择已创建的实例名数据库后,请您在SQL查询的编辑框输入示例代码,单击运行
    示例SQL语句用来创建一个映射到MaxCompute公共空间MAXCOMPUTE_PUBLIC_DATA中github_eventsSchema下名为dwd_github_events_odps的外部表,用于后续查询。
DROP FOREIGN TABLE IF EXISTS dwd_github_events_odps;IMPORT FOREIGN SCHEMA "MAXCOMPUTE_PUBLIC_DATA#github_events"LIMIT to
(    dwd_github_events_odps
)FROM SERVER odps_server INTO public OPTIONS(if_table_exist 'error',if_unsupported_type 'error');
  1. 新建内部表。
  1. SQL编辑器页面,单击左上角的图标。
  2. 新建使用TPC-H数据集数据的内部表。
    在新增的临时Query查询页面,选择已创建的实例名数据库后,请您在SQL查询的编辑框输入如下语句,单击运行
    示例SQL语句用来创建名称分别为LINEITEM、ORDERS、PARTSUPP、PART、CUSTOMER、SUPPLIER、NATION和REGION的表,用于后续存储数据。
DROPTABLE IF EXISTS LINEITEM;BEGIN;CREATETABLE LINEITEM
(    L_ORDERKEY      BIGINTNOTNULL,    L_PARTKEY       INTNOTNULL,    L_SUPPKEY       INTNOTNULL,    L_LINENUMBER    INTNOTNULL,    L_QUANTITY      DECIMAL(15,2)NOTNULL,    L_EXTENDEDPRICE DECIMAL(15,2)NOTNULL,    L_DISCOUNT      DECIMAL(15,2)NOTNULL,    L_TAX           DECIMAL(15,2)NOTNULL,    L_RETURNFLAG    TEXTNOTNULL,    L_LINESTATUS    TEXTNOTNULL,    L_SHIPDATE      TIMESTAMPTZ NOTNULL,    L_COMMITDATE    TIMESTAMPTZ NOTNULL,    L_RECEIPTDATE   TIMESTAMPTZ NOTNULL,    L_SHIPINSTRUCT  TEXTNOTNULL,    L_SHIPMODE      TEXTNOTNULL,    L_COMMENT       TEXTNOTNULL,    PRIMARY KEY (L_ORDERKEY,L_LINENUMBER));CALL set_table_property('LINEITEM','clustering_key','L_SHIPDATE,L_ORDERKEY');CALL set_table_property('LINEITEM','segment_key','L_SHIPDATE');CALL set_table_property('LINEITEM','distribution_key','L_ORDERKEY');CALL set_table_property('LINEITEM','bitmap_columns','L_ORDERKEY,L_PARTKEY,L_SUPPKEY,L_LINENUMBER,L_RETURNFLAG,L_LINESTATUS,L_SHIPINSTRUCT,L_SHIPMODE,L_COMMENT');CALL set_table_property('LINEITEM','dictionary_encoding_columns','L_RETURNFLAG,L_LINESTATUS,L_SHIPINSTRUCT,L_SHIPMODE,L_COMMENT');CALL set_table_property('LINEITEM','time_to_live_in_seconds','31536000');COMMIT;DROPTABLE IF EXISTS ORDERS;BEGIN;CREATETABLE ORDERS
(    O_ORDERKEY      BIGINTNOTNULL PRIMARY KEY,    O_CUSTKEY       INTNOTNULL,    O_ORDERSTATUS   TEXTNOTNULL,    O_TOTALPRICE    DECIMAL(15,2)NOTNULL,    O_ORDERDATE     timestamptz NOTNULL,    O_ORDERPRIORITY TEXTNOTNULL,    O_CLERK         TEXTNOTNULL,    O_SHIPPRIORITY  INTNOTNULL,    O_COMMENT       TEXTNOTNULL);CALL set_table_property('ORDERS','segment_key','O_ORDERDATE');CALL set_table_property('ORDERS','distribution_key','O_ORDERKEY');CALL set_table_property('ORDERS','bitmap_columns','O_ORDERKEY,O_CUSTKEY,O_ORDERSTATUS,O_ORDERPRIORITY,O_CLERK,O_SHIPPRIORITY,O_COMMENT');CALL set_table_property('ORDERS','dictionary_encoding_columns','O_ORDERSTATUS,O_ORDERPRIORITY,O_CLERK,O_COMMENT');CALL set_table_property('ORDERS','time_to_live_in_seconds','31536000');COMMIT;DROPTABLE IF EXISTS PARTSUPP;BEGIN;CREATETABLE PARTSUPP
(    PS_PARTKEY    INTNOTNULL,    PS_SUPPKEY    INTNOTNULL,    PS_AVAILQTY   INTNOTNULL,    PS_SUPPLYCOST DECIMAL(15,2)NOTNULL,    PS_COMMENT    TEXTNOTNULL,    PRIMARY KEY(PS_PARTKEY,PS_SUPPKEY));CALL set_table_property('PARTSUPP','distribution_key','PS_PARTKEY');CALL set_table_property('PARTSUPP','colocate_with','LINEITEM');CALL set_table_property('PARTSUPP','bitmap_columns','PS_PARTKEY,PS_SUPPKEY,PS_AVAILQTY,PS_COMMENT');CALL set_table_property('PARTSUPP','dictionary_encoding_columns','PS_COMMENT');CALL set_table_property('PARTSUPP','time_to_live_in_seconds','31536000');COMMIT;DROPTABLE IF EXISTS PART;BEGIN;CREATETABLE PART
(    P_PARTKEY     INTNOTNULL PRIMARY KEY,    P_NAME        TEXTNOTNULL,    P_MFGR        TEXTNOTNULL,    P_BRAND       TEXTNOTNULL,    P_TYPE        TEXTNOTNULL,    P_SIZE        INTNOTNULL,    P_CONTAINER   TEXTNOTNULL,    P_RETAILPRICE DECIMAL(15,2)NOTNULL,    P_COMMENT     TEXTNOTNULL);CALL set_table_property('PART','distribution_key','P_PARTKEY');CALL set_table_property('PART','bitmap_columns','P_PARTKEY,P_SIZE,P_NAME,P_MFGR,P_BRAND,P_TYPE,P_CONTAINER,P_COMMENT');CALL set_table_property('PART','dictionary_encoding_columns','P_NAME,P_MFGR,P_BRAND,P_TYPE,P_CONTAINER,P_COMMENT');CALL set_table_property('PART','time_to_live_in_seconds','31536000');COMMIT;DROPTABLE IF EXISTS CUSTOMER;BEGIN;CREATETABLE CUSTOMER
(    C_CUSTKEY    INTNOTNULL PRIMARY KEY,    C_NAME       TEXTNOTNULL,    C_ADDRESS    TEXTNOTNULL,    C_NATIONKEY  INTNOTNULL,    C_PHONE      TEXTNOTNULL,    C_ACCTBAL    DECIMAL(15,2)NOTNULL,    C_MKTSEGMENT TEXTNOTNULL,    C_COMMENT    TEXTNOTNULL);CALL set_table_property('CUSTOMER','distribution_key','C_CUSTKEY');CALL set_table_property('CUSTOMER','bitmap_columns','C_CUSTKEY,C_NATIONKEY,C_NAME,C_ADDRESS,C_PHONE,C_MKTSEGMENT,C_COMMENT');CALL set_table_property('CUSTOMER','dictionary_encoding_columns','C_NAME,C_ADDRESS,C_PHONE,C_MKTSEGMENT,C_COMMENT');CALL set_table_property('CUSTOMER','time_to_live_in_seconds','31536000');COMMIT;DROPTABLE IF EXISTS SUPPLIER;BEGIN;CREATETABLE SUPPLIER
(    S_SUPPKEY   INTNOTNULL PRIMARY KEY,    S_NAME      TEXTNOTNULL,    S_ADDRESS   TEXTNOTNULL,    S_NATIONKEY INTNOTNULL,    S_PHONE     TEXTNOTNULL,    S_ACCTBAL   DECIMAL(15,2)NOTNULL,    S_COMMENT   TEXTNOTNULL);CALL set_table_property('SUPPLIER','distribution_key','S_SUPPKEY');CALL set_table_property('SUPPLIER','bitmap_columns','S_SUPPKEY,S_NAME,S_ADDRESS,S_NATIONKEY,S_PHONE,S_COMMENT');CALL set_table_property('SUPPLIER','dictionary_encoding_columns','S_NAME,S_ADDRESS,S_PHONE,S_COMMENT');CALL set_table_property('SUPPLIER','time_to_live_in_seconds','31536000');COMMIT;DROPTABLE IF EXISTS NATION;BEGIN;CREATETABLE NATION(  N_NATIONKEY INTNOTNULL PRIMARY KEY,  N_NAME textNOTNULL,  N_REGIONKEY INTNOTNULL,  N_COMMENT textNOTNULL);CALL set_table_property('NATION','distribution_key','N_NATIONKEY');CALL set_table_property('NATION','bitmap_columns','N_NATIONKEY,N_NAME,N_REGIONKEY,N_COMMENT');CALL set_table_property('NATION','dictionary_encoding_columns','N_NAME,N_COMMENT');CALL set_table_property('NATION','time_to_live_in_seconds','31536000');COMMIT;DROPTABLE IF EXISTS REGION;BEGIN;CREATETABLE REGION
(    R_REGIONKEY INTNOTNULL PRIMARY KEY,    R_NAME      TEXTNOTNULL,    R_COMMENT   TEXT);CALL set_table_property('REGION','distribution_key','R_REGIONKEY');CALL set_table_property('REGION','bitmap_columns','R_REGIONKEY,R_NAME,R_COMMENT');CALL set_table_property('REGION','dictionary_encoding_columns','R_NAME,R_COMMENT');CALL set_table_property('REGION','time_to_live_in_seconds','31536000');COMMIT;
  1. 新增使用GitHub公开事件数据的内部表。
    单击左上角的图标,在新增的临时Query查询页面,选择已创建的实例名数据库后,请您在SQL查询的编辑框输入示例代码,单击运行
    示例SQL语句用来创建名称为gh_event_data的内部表,并设置distribution_key、event_time_column、clustering_key的表属性,用于后续数据导入和高性能查询。
DROPTABLE IF EXISTS gh_event_data;BEGIN;CREATETABLE gh_event_data (    id bigint,    actor_id bigint,    actor_login text,    repo_id bigint,    repo_name text,    org_id bigint,    org_login text,    type text,    created_at timestamp with time zone NOTNULL,    action text,    iss_or_pr_id bigint,    number bigint,    comment_id bigint,    commit_id text,    member_id bigint,    rev_or_push_or_rel_id bigint,    ref text,    ref_type text,    state text,    author_association text,    language text,    merged boolean,    merged_at timestamp with time zone,    additions bigint,    deletions bigint,    changed_files bigint,    push_size bigint,    push_distinct_size bigint,    hr text,    month text,yeartext,    ds text);CALL set_table_property('public.gh_event_data','distribution_key','id');CALL set_table_property('public.gh_event_data','event_time_column','created_at');CALL set_table_property('public.gh_event_data','clustering_key','created_at');COMMIT;

导入示例数据

内部表创建成功后,可以通过以下步骤将数据导入Hologres内部表中。外部表在Hologres中不存储数据,只进行字段映射。通过外部表您可以使用Hologres直接调用存储于MaxCompute公共空间MAXCOMPUTE_PUBLIC_DATA的数据。

  1. SQL编辑器页面,单击左上角的图标。
  2. 导入TPC-H数据集数据。
    在新增的临时Query查询页面,选择已创建的实例名数据库后,请您在SQL查询的编辑框输入示例代码,单击运行
    示例SQL语句将MaxCompute公共空间MAXCOMPUTE_PUBLIC_DATA中public.odps_customer_10g、public.odps_lineitem_10g等表中数据导入到对应名称的内部表中,用于后续查询。
INSERTINTO public.customerSELECT*FROM public.odps_customer_10g;INSERTINTO public.lineitemSELECT*FROM public.odps_lineitem_10g;INSERTINTO public.nationSELECT*FROM public.odps_nation_10g;INSERTINTO public.ordersSELECT*FROM public.odps_orders_10g;INSERTINTO public.partSELECT*FROM public.odps_part_10g;INSERTINTO public.partsuppSELECT*FROM public.odps_partsupp_10g;INSERTINTO public.regionSELECT*FROM public.odps_region_10g;INSERTINTO public.supplierSELECT*FROM public.odps_supplier_10g;vacuum nation;vacuum region;vacuum supplier;vacuum customer;vacuum part;vacuum partsupp;vacuum orders;vacuum lineitem;analyze nation;analyze region;analyze lineitem;analyze orders;analyze customer;analyze part;analyze partsupp;analyze supplier;analyze lineitem (l_orderkey,l_partkey,l_suppkey);analyze orders (o_custkey);analyze partsupp(ps_partkey,ps_suppkey);
  1. 导入GitHub公开事件数据。
    单击左上角的图标,在新增的临时Query查询页面,选择已创建的实例名数据库后,请您在SQL查询的编辑框输入示例代码,单击运行
    示例SQL语句将MaxCompute公共空间MAXCOMPUTE_PUBLIC_DATA中的表dwd_github_events_odps中前一日的数据导入到内部表中,用于后续查询。由于本次活动中Hologres的资源有限,建议您导入并查询少于15天的数据。
INSERTINTO gh_event_data
SELECT*FROM    dwd_github_events_odps
WHERE    ds >=(CURRENT_DATE - interval '1 day')::text;analyze gh_event_data;


查询表中数据

  1. SQL编辑器页面,单击左上角的图标。
  2. 基于TPC-H数据集数据查询。
    在新增的临时Query查询页面,选择已创建的实例名数据库后,请您在SQL查询的编辑框输入示例代码,单击运行
    下述SQL代码均为查询内部表数据使用,如需查询外部表,请将对应代码查询的表名更换为外部表名。
    基于TPC-H演化的22条查询语句请参见查询表中数据
select        l_returnflag,        l_linestatus,        sum(l_quantity)as sum_qty,        sum(l_extendedprice)as sum_base_price,        sum(l_extendedprice *(1- l_discount))as sum_disc_price,        sum(l_extendedprice *(1- l_discount)*(1+ l_tax))as sum_charge,        avg(l_quantity)as avg_qty,        avg(l_extendedprice)as avg_price,        avg(l_discount)as avg_disc,count(*)as count_order
from        lineitem
where        l_shipdate <=date '1998-12-01'- interval '120' day
groupby        l_returnflag,        l_linestatus
orderby        l_returnflag,        l_linestatus;
  1. 基于GitHub公开事件数据查询。单击左上角的图标,在新增的临时Query查询页面,选择已创建的实例名数据库后,请您在SQL查询的编辑框输入示例代码,单击运行。本文给出一些简单的数据分析语句,您可以基于表中字段,自行设计其他分析语句并查询。下述SQL代码均为查询内部表数据使用,如需查询外部表,请将对应代码查询的表名更换为外部表名。
  • 查询昨日最活跃项目。
SELECT    repo_name,COUNT(*)AS events
FROM    gh_event_data
WHERE    created_at >= CURRENT_DATE - interval '1 day'GROUPBY    repo_name
ORDERBY    events DESCLIMIT5;
  • 查询昨日最活跃开发者。
SELECT    actor_login,COUNT(*)AS events
FROM    gh_event_data
WHERE    created_at >= CURRENT_DATE - interval '1 day'AND actor_login NOTLIKE'%[bot]'GROUPBY    actor_login
ORDERBY    events DESCLIMIT5;
  • 查询昨日编程语言排行。
SELECT    language,count(*) total
FROM    gh_event_data
WHERE    created_at > CURRENT_DATE - interval '1 day'AND language ISNOTNULLGROUPBY    language
ORDERBY    total DESCLIMIT10;
  • 查询昨日项目新增星标数排行(不考虑取消星标的场景)。
SELECT    repo_id,    repo_name,COUNT(actor_login) total
FROM    gh_event_data
WHERE    type ='WatchEvent'AND created_at > CURRENT_DATE - interval '1 day'GROUPBY    repo_id,    repo_name
ORDERBY    total DESCLIMIT10;


完成

完成以上操作后,您已经成功完成了Hologres数据查询操作。查询命令执行成功后,在临时Query查询页面下弹出结果页签,显示如下查询数据结果。

  • 基于TPC-H数据集数据查询结果示例:

  • 基于GitHub公开事件数据查询结果示例:
  • 昨日最活跃项目:

  • 昨日最活跃开发者:

  • 昨日编程语言排行:

  • 昨日项目新增星标数排行:


image.png

相关实践学习
基于Hologres轻松玩转一站式实时仓库
本场景介绍如何利用阿里云MaxCompute、实时计算Flink和交互式分析服务Hologres开发离线、实时数据融合分析的数据大屏应用。
相关文章
|
5月前
|
存储 SQL 分布式计算
实时数仓 Hologres产品使用合集之如何查看实例
实时数仓Hologres的基本概念和特点:1.一站式实时数仓引擎:Hologres集成了数据仓库、在线分析处理(OLAP)和在线服务(Serving)能力于一体,适合实时数据分析和决策支持场景。2.兼容PostgreSQL协议:Hologres支持标准SQL(兼容PostgreSQL协议和语法),使得迁移和集成变得简单。3.海量数据处理能力:能够处理PB级数据的多维分析和即席查询,支持高并发低延迟查询。4.实时性:支持数据的实时写入、实时更新和实时分析,满足对数据新鲜度要求高的业务场景。5.与大数据生态集成:与MaxCompute、Flink、DataWorks等阿里云产品深度融合,提供离在线
|
5月前
|
SQL 分布式计算 关系型数据库
实时数仓 Hologres产品使用合集之湖仓加速版查询maxcompute外部表,有什么优化途径吗
实时数仓Hologres的基本概念和特点:1.一站式实时数仓引擎:Hologres集成了数据仓库、在线分析处理(OLAP)和在线服务(Serving)能力于一体,适合实时数据分析和决策支持场景。2.兼容PostgreSQL协议:Hologres支持标准SQL(兼容PostgreSQL协议和语法),使得迁移和集成变得简单。3.海量数据处理能力:能够处理PB级数据的多维分析和即席查询,支持高并发低延迟查询。4.实时性:支持数据的实时写入、实时更新和实时分析,满足对数据新鲜度要求高的业务场景。5.与大数据生态集成:与MaxCompute、Flink、DataWorks等阿里云产品深度融合,提供离在线
|
4月前
|
存储 SQL OLAP
分析性能提升40%,阿里云Hologres流量场景最佳实践
分析性能提升40%,阿里云Hologres流量场景最佳实践
|
3月前
|
Java 数据库连接 数据库
实时数仓 Hologres产品使用合集之怎么查询版本
实时数仓Hologres是阿里云推出的一款高性能、实时分析的数据库服务,专为大数据分析和复杂查询场景设计。使用Hologres,企业能够打破传统数据仓库的延迟瓶颈,实现数据到决策的无缝衔接,加速业务创新和响应速度。以下是Hologres产品的一些典型使用场景合集。
|
3月前
|
存储 DataWorks 数据库
实时数仓 Hologres产品使用合集之如何计费
实时数仓Hologres是阿里云推出的一款高性能、实时分析的数据库服务,专为大数据分析和复杂查询场景设计。使用Hologres,企业能够打破传统数据仓库的延迟瓶颈,实现数据到决策的无缝衔接,加速业务创新和响应速度。以下是Hologres产品的一些典型使用场景合集。
|
4月前
|
SQL 分布式计算 容灾
|
3月前
|
DataWorks 调度 数据库
实时数仓 Hologres产品使用合集之通用和计算组型有什么区别
实时数仓Hologres是阿里云推出的一款高性能、实时分析的数据库服务,专为大数据分析和复杂查询场景设计。使用Hologres,企业能够打破传统数据仓库的延迟瓶颈,实现数据到决策的无缝衔接,加速业务创新和响应速度。以下是Hologres产品的一些典型使用场景合集。
|
4月前
|
存储 运维 监控
|
4月前
|
分布式计算 DataWorks Java
DataWorks产品使用合集之怎么选择Doris或StarRocks作为DataWorks的OLAP解决方案
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
|
5月前
|
SQL 分布式计算 关系型数据库
实时数仓 Hologres产品使用合集之想创建Hologres一个月数据表,该如何设计呢
实时数仓Hologres的基本概念和特点:1.一站式实时数仓引擎:Hologres集成了数据仓库、在线分析处理(OLAP)和在线服务(Serving)能力于一体,适合实时数据分析和决策支持场景。2.兼容PostgreSQL协议:Hologres支持标准SQL(兼容PostgreSQL协议和语法),使得迁移和集成变得简单。3.海量数据处理能力:能够处理PB级数据的多维分析和即席查询,支持高并发低延迟查询。4.实时性:支持数据的实时写入、实时更新和实时分析,满足对数据新鲜度要求高的业务场景。5.与大数据生态集成:与MaxCompute、Flink、DataWorks等阿里云产品深度融合,提供离在线

热门文章

最新文章

相关产品

  • 实时数仓 Hologres
  • 下一篇
    无影云桌面