HTTP代理是一种充当客户端和服务器之间的中间人的服务器。当客户端发起请求时，HTTP代理会拦截请求并将其转发给目标服务器。一旦目标服务器响应，HTTP代理会拦截响应并将其转发回客户端。HTTP代理可以被用于多种场景，例如加强安全、缓存内容以加速访问、访问受限资源等等。在这篇文章中，我们将会讨论HTTP代理的作用、类型以及如何设置它。

课程持续更新

最新发布的 0.3.0 版本新增对 Flink 批作业 Shuffle 的支持，从此 Flink、Spark 可以同时使用统一的数据 Shuffle 服务，更大程度节省资源、降低运维成本。

阿里云OpenSearch再推面向企业开发者的PaaS方案：基于OpenSearch向量检索版，为企业开发者提供性能表现优秀、性价比优异的向量检索服务，并提供与大模型结合脚本工具，用户可在使用能力可靠的向量检索服务的同时，自由选择文档切片方案、向量化模型、大语言模型。

快手实时数据开发工程师冯立，快手实时数据开发工程师羊艺超，在 Flink Forward Asia 2022 实时湖仓专场的分享。

本文基于ModelScope，以GPT-3（1.3B）为例介绍如何使用ModelScope-GPT3进行续写训练与输入输出形式的训练，训练方式不需要额外指定，训练数据集仅包含 src_txt 时会进行续写训练，同时包含 src_txt 和 tgt_txt 时会进行输入输出形式的训练。

本次分享主要介绍阿里云实时计算平台从 2.0 基于 Yarn 的架构到 3.0 云原生时代的演进，以及在 3.0 平台上一些核心功能的建设实践，如健康分，智能诊断，细粒度资源，作业探查以及企业级安全的建设等。

推荐系统[四]：精排-详解排序算法LTR (Learning to Rank)_ poitwise, pairwise, listwise相关评价指标，超详细知识指南。

刚刚结束的 2022 云栖大会上，阿里云机器学习平台 PAI 发布了在开发者服务、企业级能力、工程性能优化三个方向的一系列新特性和功能。从支撑达摩院上云，到服务金融、汽车、互联网、制造等多个行业的创新实践，机器学习 PAI 不断夯实云原生的 AI 工程平台能力。

Hologres产品负责人合一谈谈他眼中的实时数仓！

TPP图化致力于打造一个算法在线服务领域易用、性能极致、迭代效率远超普通方式的产品。本文将介绍TPP图化以及2021年在性能、开发体验上的改进，并介绍未来TPP图化的规划。

关于对冷启动推荐模型DropoutNet深度解析与改进。

多路召回就是指采用不同的策略、特征或者简单模型，分别召回一部分候选集，然后再把这些候选集混合在一起后供后续排序模型使用的策略，本文将介绍开放搜索平台上的多路召回技术是如何深度提升搜索效果的~

数据质量问题虽然从数据工程师的角度来看是个简单问题，但是从业务的角度来看是个很严重的问题。所以数据质量是数据开发和治理全生命周期中，非常重要的一个环节。在DataWorks产品版图里，数据质量也是非常重要的模块之一。

DataWorks运维中心是对任务进行测试和监控的模块，用户在DataStudio中进行代码开发和调试，将调试的任务经过提交发布操作后，就可以让任务按照调度配置来定时运行。也就是这个时候，任务就从开发环境进入到了生产环境。 对于生产环境中任务的测试、运维、监控等都是在运维中心完成的。运维中心包括三部分：运维大屏、任务运维和智能监控；根据任务运维的触发方式不同，又可以分为：实时任务运维、周期任务运维和手动任务运维。

《实时数仓入门训练营》由阿里云研究员王峰、阿里云高级产品专家刘一鸣等实时计算Flink版和 Hologres 的多名技术/产品一线专家齐上阵，合力搭建此次训练营的课程体系，精心打磨课程内容，直击当下同学们所遇到的痛点问题。由浅入深全方位解析实时数仓的架构、场景、以及实操应用，7 门精品课程帮助你 5 天时间从小白成长为大牛！

数据湖 JindoFS+OSS 实操干货 36讲 每周二16点准时直播！ 扫文章底部二维码入钉群，线上准时观看~ Github链接： https://github.com/aliyun/alibabacloud-jindofs

MaxCompute致力于批量结构化数据的存储和计算，提供海量数据仓库的解决方案及分析建模服务，在MaxCompute执行sql任务的时候有时候作业会很慢，本文通过查看logview排查具体任务慢的原因

本文介绍去哪儿数据平台在使用 Flink + Iceberg 0.11 的一些实践。

汇总作业（ rollup jobs ）是周期性执行的任务，通过汇总作业，可以将某些索引中的数据进行周期性自定义化聚合，然后将聚合后的数据写入到新的索引中，整个流程叫做 Rollup 。

“实时计算”不再只是未来趋势，它已经融入到企业生产的各个环节之中。一线开发同学如何掌握大数据极致算力应用，企业如何全面提升数据服务能力？

很多客户使用MaxCompute和Hologres的集成方案同时满足大规模离线分析、实时运营分析、交互式查询及在线Serving等多业务场景。MaxCompute和Hologres之间支持相互读写对方数据，能够消除不必要的数据冗余，形成有效的数据分层并支持离线/实时统一视图和联合分析。本文重点介绍了MaxCompute如何访问Hologres数据的开发实践。

揭秘Hologres的核心技术优势

这是史上数据量、计算量最大的一年，是实时处理要求最高、与机器智能结合性最强的一次双11，也是全球最大规模的一次云原生实践。背后作为数据核心支撑的大数据平台更是创下新的世界纪录。

首期大数据“9营齐开”计划吸引了10000+开发者报名参与，成为今夏最火爆的大数据训练营！伴随着第一季训练营的完美落幕，大数据训练营“九营齐开”第二季已蓄势待发！

大家好，为帮助大家更好的找到适合的岗位，拿到心仪公司的offer，社区收集了多家实时计算及 Flink 企业用户的招聘需求，如：知乎、VIPKID、新氧、作业帮、得物、好未来、阿里巴巴等招聘信息，整理如下，供大家参考。

从技术、业务两个层面探讨，为什么要使用 DB 结合 ES 混用的模式。

在使用MaxCompute的时候通常情况下，用户会通过Information Schema的task_history视图表来分析具体某个账号执行的SQL任务情况，来做到SQL成本分摊或SQL的时间成本优化。但大多数用户通过DataWorks标准模式下使用MaxCompute，这样在MaxCompute提供的元数据视图信息中将记录所有的生产作业执行账号为同一个主账号，只有小部分的开发作业执行账号为个人RAM子账号。本文主要介绍如何在DataWorks标准模式下统计个人账号使用资源情况。