流计算

首页 标签 流计算
# 流计算 #
关注
31433内容
Iceberg 把删除重做了三遍,v3 这一遍才算做完
Apache Iceberg v4 将正式禁用沿用五年的 equality delete 删除格式,因其读性能开销大、语义复杂、运维成本高。v3 已以 deletion vector(位图删除)为默认方案,更高效可靠。v4 禁用是规范演进的必然一步:先支持、再默认、终禁止。
被AI引用不等于被吸收:GEO跨平台度量框架解读
该文解读arXiv最新研究,提出GEO“引用选择→引用吸收”两阶段度量框架,揭示被AI列出不等于被真正采用;实证发现ChatGPT重深度、Perplexity/Gemini重广度,推动KPI从“提及率”转向可量化的“引用吸收度”。(239字)
|
4天前
| |
连锁行业CRM系统的多场景画像引擎:从全生命周期跟踪到节日采购预测的技术实现
本文剖析连锁行业(烟酒茶、奢侈品、母婴等)CRM与通用CRM的本质差异:前者聚焦百万级会员的360°画像、六阶段循环生命周期、复购/流失/节日采购预测,以数据驱动精准营销与智能运营;后者仅适配千级B2B客户销售漏斗。
|
4天前
| |
来自: 数据库
数据集成平台架构:从脚本到平台化的演进
本文讲述数据集成从“脚本乱麻”到“平台化”的演进历程:脚本时代面临散落、无监控、难维护等痛点;平台化阶段聚焦任务统一管理、DAG依赖可视化、失败告警、插件化Reader/Writer及CDC实时同步,最终实现工程化治理。
Databricks 实测 Spark 比 Flink 快 92%,流计算要变天了。
Databricks 3月2日发布测评:Spark Real-Time Mode(RTM)在实时特征计算(编码、enrichment、聚合)中,较Flink最高快92%(p99延迟9ms vs 95ms)。RTM打破微批限制,实现毫秒级低延迟、全状态支持与流式Shuffle,挑战“必须双引擎”行业共识。
|
10天前
|
实时数据流:API选品比价将从“天级”进入“秒级”
本文剖析电商选品比价从“天级”迈向“秒级”的技术革命:依托Webhook与流计算(Flink/Kafka),构建实时数据接入、处理、存储与决策四层架构,破解乱序、高并发、成本等挑战,推动定价与选品由被动响应转向主动博弈。(239字)
|
12天前
| |
StarRocks 迁移至 Apache Doris 完整指南:三步完成结构、数据与业务平滑切换
StarRocks 怎么迁移到 Apache Doris?SR 迁移 Doris 是否需要重新建表?几亿、几十亿数据怎么搬?DataX、Flink、Parquet 应该怎么选?全量迁移之后又如何保证增量数据不丢?
|
14天前
|
招聘小程序简历侧的工程实现:数据模型、解析流水线与状态机防错
招聘类小程序的工程复杂度,不在"发职位、投简历"这两个表单上,而在简历数据侧。结构化简历怎么做、附件简历怎么解析、投递状态怎么在两端并发操作下不乱,这三块决定了平台后期能不能支撑企
|
17天前
|
Kafka 接入 AI 的三条路线:MCP 提案、会话记忆与实时上下文
Kafka 接入 AI 的三条路线:第一方 MCP Server 提案、Streams 会话记忆、Flink SQL 实时上下文,附选型对比与权限清单
|
18天前
| |
低延迟高可用语音交互架构研究:大模型优化 VAD、唤醒与流式转录应用实践方案23.0
本文详解大模型驱动的生产级语音系统三大核心模块:VAD语音检测(智能过滤噪音、精准切分人声)、Wake Word唤醒词(低功耗监听、语义防误触)、Streaming Transcription流式转录(实时输出+动态纠错)。相比传统方案,全面升级抗干扰性、泛化性与实时性,支撑车载、会议、客服等高要求场景落地。
免费试用