今日直播 | Apache Hudi x Apache Pulsar Meetup线上专场如期而至 「内附干货PPT下载渠道」

本文涉及的产品
Redis 开源版,标准版 2GB
推荐场景:
搭建游戏排行榜
云数据库 RDS MySQL,集群系列 2核4GB
推荐场景:
搭建个人博客
云数据库 Tair(兼容Redis),内存型 2GB
简介: Apache Hudi 与 Apache Pulsar 联合 Meetup 线上专场开启直播,你准备好了吗?

Apache Hudi 与 Apache Pulsar 联合 Meetup 线上专场来啦!


本次 Meetup 由 StreamNative 联合阿里云组织发起,并邀请阿里云AnalyticDB数据仓库团队、Zoom等合作伙伴共同为大家呈现,Apache Hudi 技术专家、Apache Pulsar PMC 成员、贡献者、社区技术专家汇聚一堂,共同探讨 Apache Hudi 与 Apache Pulsar 社区发展、行业实践等话题。


活动亮点:

  • 业内技术大牛齐聚,探讨当下技术趋势,解读 Apache Hudi 与 Apache Pulsar 行业动向;
  • 大咖嘉宾分享Apache Hudi 与 Apache Pulsar 的实战经验。


点击链接进入直播间:https://developer.aliyun.com/live/247177

干货PPT下载链接:

王烨(萌豆)-阿里云高级技术专家 -《阿里云基于Hudi构建Lakehouse实践》.pdf

李少锋(风泽) - 阿里云技术专家-《基于Apache Hudi的CDC数据入湖》.pdf

翟佳-StreamNative 联合创始人、Apache Pulsar PMC 成员-《Pulsar 2.8.0 功能特性概述及规划》.pdf

盛宇帆-StreamNative 软件工程师-《基于 Flink 的全新 Pulsar Connector 的设计、开发和使用》.pdf

1630295789301_周三.jpg

议题详情


《阿里云基于Hudi构建Lakehouse实践》


ed1e2477054d43fc8cbcf1c610611917.jpeg

王烨 / 阿里云数据库高级技术专家


议题详情

本议题将介绍阿里云如何使用 Hudi 和 OSS 对象存储构建 Lakehouse,将为大家分享什么是 Lakehouse,阿里云数据库 OLAP 团队如何构建 Lakehouse,也将介绍在构建 Lakehouse 时遇到的问题和挑战,以及如何解决这些问题和挑战。


《Pulsar 2.8.0 功能特性概述及规划》


82c7d77a5df8473baea970b7693759c0.jpg

翟佳-StreamNative 联合创始人、Apache Pulsar PMC 成员


议题详情

Apache Pulsar 项目和社区正在快速成长之中,功能迭代也十分迅速。在本议题,将为大家分享 Apache Pulsar 社区正在推进关键功能的最新进展,并为大家介绍 Apache Pulsar 2.8.0 有哪些新特性。


《Zoom基于Apache Hudi的流批一体架构实践》


35379b48a0f2408d93a3dbd7112396cf.jpg

毛志斌-Zoom资深数据开发


议题详情

本议题将介绍Zoom数据平台背景及初版架构,通过引入Hudi后基于Hudi实现流批一体数据湖架构以及带来的架构优化升级,以及Hudi实战经验干货分享。


《基于Apache Hudi的CDC数据入湖》


78d59fb8b7204760964b59d723360739.jpg

李少锋(风泽) - 阿里云技术专家


议题详情

本议题将介绍典型 CDC 入湖场景,以及如何使用 Pulsar/Hudi 来构建数据湖,同时将会分享 Hudi 内核设计、新愿景以及社区最新动态。


《基于 Flink 的全新 Pulsar Connector 的设计、开发和使用》


2fface45db0d4b3b9792365044c26272.jpg

盛宇帆-StreamNative 软件工程师


议题详情

对于 Flink 而言 Pulsar 是一个新鲜而又熟悉的老朋友,早在 19 年,我们就有计划给 Flink 社区提交 Pulsar Connector 的代码。随着 Pulsar 社区的壮大,对于流批一体化的实际,这一贡献进度翻开了全新的篇章。Pulsar 的小伙伴将基于全新的 Flink Source 和 Sink API 重新设计并开发了 Pulsar Connector,并将合并到 Flink 的代码仓库进行维护。


本次演讲,我们将提前学习和理解当前的 Pulsar Connector 如何打通 Flink 和 Pulsar 之前的壁垒,以及如何使用全新的 Pulsar Connector 开发 Flink 应用来使用 Pulsar。


点击链接前往阿里云数据库官网,Get更多技术干货:https://www.aliyun.com/product/outline/index


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。
Linux入门到精通
本套课程是从入门开始的Linux学习课程,适合初学者阅读。由浅入深案例丰富,通俗易懂。主要涉及基础的系统操作以及工作中常用的各种服务软件的应用、部署和优化。即使是零基础的学员,只要能够坚持把所有章节都学完,也一定会受益匪浅。
相关文章
|
12天前
|
分布式计算 大数据 Apache
Apache Spark & Paimon Meetup · 北京站,助力 LakeHouse 架构生产落地
2024年11月15日13:30北京市朝阳区阿里中心-望京A座-05F,阿里云 EMR 技术团队联合 Apache Paimon 社区举办 Apache Spark & Paimon meetup,助力企业 LakeHouse 架构生产落地”线下 meetup,欢迎报名参加!
78 3
|
26天前
|
存储 小程序 Apache
10月26日@杭州,飞轮科技 x 阿里云举办 Apache Doris Meetup,探索保险、游戏、制造及电信领域数据仓库建设实践
10月26日,由飞轮科技与阿里云联手发起的 Apache Doris 杭州站 Meetup 即将开启!
53 0
|
4月前
|
SQL 分布式计算 Apache
Apache Doris + Apache Hudi 快速搭建指南|Lakehouse 使用手册(一)
本文将在 Docker 环境下,为读者介绍如何快速搭建 Apache Doris + Apache Hudi 的测试及演示环境,并对各功能操作进行演示,帮助读者快速入门。
Apache Doris + Apache Hudi 快速搭建指南|Lakehouse 使用手册(一)
|
6月前
|
数据处理 Apache 流计算
|
6月前
|
数据采集 机器学习/深度学习 Java
数据猎手:使用Java和Apache HttpComponents库下载Facebook图像
本文介绍了如何使用Java和Apache HttpComponents库从Facebook获取图像数据。通过设置爬虫代理IP以避免限制,利用HttpClient发送请求,解析HTML找到图像链接,然后下载并保存图片。提供的Java代码示例展示了实现过程,包括创建代理配置、线程池,以及下载图片的逻辑。注意,实际应用需根据Facebook页面结构进行调整。
数据猎手:使用Java和Apache HttpComponents库下载Facebook图像
|
5月前
|
消息中间件 Java Kafka
实时计算 Flink版操作报错合集之从hudi读数据,报错NoSuchMethodError:org.apache.hudi.format.cow.vector.reader.PaequetColumnarRowSplit.getRecord(),该怎么办
在使用实时计算Flink版过程中,可能会遇到各种错误,了解这些错误的原因及解决方法对于高效排错至关重要。针对具体问题,查看Flink的日志是关键,它们通常会提供更详细的错误信息和堆栈跟踪,有助于定位问题。此外,Flink社区文档和官方论坛也是寻求帮助的好去处。以下是一些常见的操作报错及其可能的原因与解决策略。
118 0
|
6月前
|
Apache PHP Windows
apache下载
apache下载
52 1
|
6月前
|
存储 SQL 分布式计算
使用Amazon EMR和Apache Hudi在S3上插入,更新,删除数据
使用Amazon EMR和Apache Hudi在S3上插入,更新,删除数据
220 0
|
23天前
|
SQL Java API
Apache Flink 2.0-preview released
Apache Flink 社区正积极筹备 Flink 2.0 的发布,这是自 Flink 1.0 发布以来的首个重大更新。Flink 2.0 将引入多项激动人心的功能和改进,包括存算分离状态管理、物化表、批作业自适应执行等,同时也包含了一些不兼容的变更。目前提供的预览版旨在让用户提前尝试新功能并收集反馈,但不建议在生产环境中使用。
530 13
Apache Flink 2.0-preview released
|
28天前
|
存储 缓存 算法
分布式锁服务深度解析:以Apache Flink的Checkpointing机制为例
【10月更文挑战第7天】在分布式系统中,多个进程或节点可能需要同时访问和操作共享资源。为了确保数据的一致性和系统的稳定性,我们需要一种机制来协调这些进程或节点的访问,避免并发冲突和竞态条件。分布式锁服务正是为此而生的一种解决方案。它通过在网络环境中实现锁机制,确保同一时间只有一个进程或节点能够访问和操作共享资源。
61 3

推荐镜像

更多