上单
TA的个人档案
个人介绍
对大数据框架有浓厚兴趣，对阿里云产品使用，运维排查有经验，odps，dataworks，开放搜索等 喜欢技术分享交流
擅长的技术
- Java
- 数据库
- 高分内容
- 最新动态
- 文章
- 问答
-
发表了文章 2018-03-13
MaxCompute使用常见问题总结
计费相关 存储计费：按照存储在 MaxCompute 的数据的容量大小进行阶梯计费。 计算计费：MaxCompute 分按量后付费和按 CU 预付费两种计算计费方式。 按量后付费：按量后付费方式针对 SQL 任务和 MapReduce 任务进行计费。 SQL 任务按量后付费：即 SQL 任务按 I/O 后付费。 MapReduce 按量后付费：即 MapReduce 任务按量进行计费。 按 CU 预付费：此方式仅在阿里云大数据平台提供。 下载计费： MaxCompute 将按照下载的数据大小进行计费注意是对公网下载收费，内网下载不收费参考https://help.aliyun.com/document_detail/27989.html?spm=5176.doc45389.6.560.LYjhcl SQL语法和标准sql区别 1，无事务控制2，暂时不支持update／delete3，不支持修改字段类型，不支持删除字段4，不支持 select from 多表5，其他hive对标函数，官方文档没有的暂时不支持更多参考https://help.aliyun.com/document_detail/50985.html?spm=5176.doc27862.6.757.lSC74f SQL限制 select 最大显示10000行想导出大于10000行参考https://help.aliyun.com/document_detail/53093.html?spm=5176.7751065.6.751.iLm6hF2，string字段最大8M更多其他限制参考https://help.aliyun.com/document_detail/51823.html?spm=5176.doc53093.6.618.R37r8p java沙箱限制类问题 用户经常问：本地测试正常，在提交到odps后失败，代码一毛一样https://help.aliyun.com/document_detail/27967.html?spm=5176.doc51823.6.647.Rt0efa原因：处于安全考虑，对一些第三方jar包做了限制一般是fastjson这个包比较常见，由于java沙箱限制，对一些第三方jar包由限制，fastjson的jar包被限制因为安全沙箱的原因无法使用。https://help.aliyun.com/document_detail/27967.html建议用gsonimport com.google.gson.Gson;这个包试下其他的jar的限制用户遇到类似报错可以提交工单咨询 下图是常见报错例子 没有启用新类型flag 若想使用新数据类型，需在 SQL 语句前加语句：set odps.sql.type.system.odps2=true;目前情况是需要加这个set，后续会省掉https://help.aliyun.com/document_detail/27821.html?spm=5176.doc27967.6.546.XhnAGU新数据类型，以及新函数、函数返回值是新数据类型都需要set如果没有set，报错现象com.aliyun.odps.OdpsException: ODPS-0130071:[1,8] Semantic analysis exception - function or view udtf_recom cannot be resolved找不到函数或者方法 oss和ots外部表创建，查询失败 1，检查是否按照文档授权https://help.aliyun.com/document_detail/45389.html?spm=5176.doc27821.6.691.5g0yGt2，报错类似DDL syntax error:ODPS-0130071:Semantic analysis exception - unrecognized option 'EXTERNAL'.检查：是否引用了新类型，也需要set 3，如果建表后查询失败检查用户oss或者ots数据量是否巨大，oss的object数量是否很多单个object是否很大参考文档 https://www.atatech.org/articles/67977 理解报错例子 没有授权 客户端odpscmd 报错 连接客户端／访问域名先看下域名https://help.aliyun.com/document_detail/34951.html?spm=5176.doc48950.6.572.58H50H项目名称Ak信息如果报错找不到java类什么的一般是客户端java环境（暂时不支持java9），建议java 7和8 任务运行比较慢 1，如果是按量付费，请提交工单，如果是预付费，可以先看下cu对应的项目是否有大量作业或者比较大的作业，长期没有执行完。可以使用主账户执行命令： TOP INSTANCE；这种方式查看当前正在运行的任务（在客户端(版本为0.29.0或以上)运行。）下载最新版本的客户端： https://help.aliyun.com/document_detail/27804.html?您也可以通过这个工具查看项目下运行任务的状态https://yq.aliyun.com/articles/247739?spm=5176.8091938.0.0.7Sf007如果是预付费cu用户可以使用这个工具查看cu使用情况https://help.aliyun.com/document_detail/66565.html?spm=a2c4g.11186623.6.713.QARDJv2，数据倾斜https://help.aliyun.com/document_detail/51020.html?spm=5176.doc34951.6.754.iMKNUT 有对大数据技术感兴趣的，可以加笔者（已从阿里离职）的微信 wx4085116 目前开了一个大数据线上培训班。有兴趣的加我。
-
发表了文章 2018-03-07
MaxCompute常见问题总结以及排查方案
计费相关 存储计费：按照存储在 MaxCompute 的数据的容量大小进行阶梯计费。 计算计费：MaxCompute 分按量后付费和按 CU 预付费两种计算计费方式。 按量后付费：按量后付费方式针对 SQL 任务和 MapReduce 任务进行计费。 SQL 任务按量后付费：即 SQL 任务按 I/O 后付费。 MapReduce 按量后付费：即 MapReduce 任务按量进行计费。 按 CU 预付费：此方式仅在阿里云大数据平台提供。 下载计费： MaxCompute 将按照下载的数据大小进行计费注意是对公网下载收费，内网下载不收费参考https://help.aliyun.com/document_detail/27989.html?spm=5176.doc45389.6.560.LYjhcl SQL语法和标准sql区别 1，无事务控制2，暂时不支持update／delete3，不支持修改字段类型，不支持删除字段4，不支持 select from 多表5，其他hive对标函数，官方文档没有的暂时不支持更多参考https://help.aliyun.com/document_detail/50985.html?spm=5176.doc27862.6.757.lSC74f SQL限制 select 最大显示10000行想导出大于10000行参考https://help.aliyun.com/document_detail/53093.html?spm=5176.7751065.6.751.iLm6hF2，string字段最大8M更多其他限制参考https://help.aliyun.com/document_detail/51823.html?spm=5176.doc53093.6.618.R37r8p java沙箱限制类问题 用户经常问：本地测试正常，在提交到odps后失败，代码一毛一样https://help.aliyun.com/document_detail/27967.html?spm=5176.doc51823.6.647.Rt0efa原因：我们处于安全考虑，对一些第三方jar包做了限制一般是fastjson这个包比较常见，回复口径： 由于java沙箱限制，对一些第三方jar包由限制，fastjson的jar包被限制因为安全沙箱的原因无法使用。https://help.aliyun.com/document_detail/27967.html建议用gsonimport com.google.gson.Gson;这个包试下其他的jar的限制用户遇到类似报错可以提交工单咨询 下图是常见报错例子 没有启用新类型flag 若想使用新数据类型，需在 SQL 语句前加语句：set odps.sql.type.system.odps2=true;目前情况是需要加这个set，后续会省掉https://help.aliyun.com/document_detail/27821.html?spm=5176.doc27967.6.546.XhnAGU新数据类型，以及新函数、函数返回值是新数据类型都需要set如果没有set，报错现象com.aliyun.odps.OdpsException: ODPS-0130071:[1,8] Semantic analysis exception - function or view udtf_recom cannot be resolved找不到函数或者方法 oss和ots外部表创建，查询失败 1，检查是否按照文档授权https://help.aliyun.com/document_detail/45389.html?spm=5176.doc27821.6.691.5g0yGt2，报错类似DDL syntax error:ODPS-0130071:Semantic analysis exception - unrecognized option 'EXTERNAL'.检查：是否引用了新类型，也需要set 3，如果建表后查询失败检查用户oss或者ots数据量是否巨大，oss的object数量是否很多单个object是否很大参考文档 https://www.atatech.org/articles/67977 理解报错例子 没有授权 客户端odpscmd 报错 连接客户端／访问域名先看下域名https://help.aliyun.com/document_detail/34951.html?spm=5176.doc48950.6.572.58H50H项目名称Ak信息如果报错找不到java类什么的一般是客户端java环境（暂时不支持java9），建议java 7和8 任务运行比较慢 1，如果是按量付费，请提交工单，如果是预付费，可以先看下cu对应的项目是否有大量作业或者比较大的作业，长期没有执行完。可以使用主账户执行命令： TOP INSTANCE；这种方式查看当前正在运行的任务（在客户端(版本为0.29.0或以上)运行。）下载最新版本的客户端： https://help.aliyun.com/document_detail/27804.html?您也可以通过这个工具查看项目下运行任务的状态https://yq.aliyun.com/articles/247739?spm=5176.8091938.0.0.7Sf007如果是预付费cu用户可以使用这个工具查看cu使用情况https://help.aliyun.com/document_detail/66565.html?spm=a2c4g.11186623.6.713.QARDJv2，数据倾斜https://help.aliyun.com/document_detail/51020.html?spm=5176.doc34951.6.754.iMKNUT
-
发表了文章 2018-03-07
大数据开发套件-数据同步网络连通性总结及常见同步报错总结
总则：数据同步会尽量走内网连接。 一、关于测试连通 1，目前vpc测试连通性支持的数据源是 rds数据源，其他数据源vpc网络正在排期,金融云网络暂时不支持测试连通性。2，跨区域内网测试连通性支持的是 rds 数据源，其他数据源也在规划中；云mongo和redis数据源内网跨区域经典网络是可以连通的3，ecs自建数据源，实际上不用关心自建数据源的类型。这个和ecs所在区域和网络类型有关。参考上面vpc和跨区域的1，2两点描述。用户ecs需要放行对应DataWorks服务的相关ip，DataWorks提供了相关安全组供添加，参考https://help.aliyun.com/document_detail/62917.html?spm=a2c4g.11174283.6.600.afH9DZ4，本地机房或者自己电脑的数据源，一律走公网jdbc格式。如果不通，检查用户本地网络的限制，或者数据库本身的限制5,新加坡，香港区域也是适用于上述说法 关于跨区域、vpc的数据源（rds除外），金融云网络。现在统一的解决办法 一，走公网。也需要把相关白名单ip放行 https://help.aliyun.com/document_detail/60024.html?二，配置自定义资源组（目前暂时支持华东2区添加自定义资源组）步骤如下：1，准一台和数据源同区域同网络的ecs作为调度资源https://help.aliyun.com/document_detail/52330.html?spm=5176.product30254.6.564.aCM3Th，并将这台ecs的ip加入数据源的白名单（没有白名单就不加）或者安全组大的端口范围无法在ecs安全组界面添加的，请使用ecs的安全组api添加：https://help.aliyun.com/document_detail/25554.html?|https://help.aliyun.com/document_detail/25554.html?spm=5176.doc25485.6.860.MEdQih2，数据源测试连通的时候直接确定保存3，使用脚本模式配置同步4，在运维中心-任务管理-列表模式-修改资源组为自己调度资源，测试运行 三、关于rds-odps收费问题 目前在大数据开发套件配置关于odps的数据同步，都是不收费的。除非用户自己在脚本模式自己加参数配置odps的tunnel的公网地址，会收费（实际上我们在脚本模式生成的模板中没有提供这个参数） 四、总结排查思路 1，当遇到测试连通性这一步失败的时候，*核实数据源区域，网络类型，rds白名单是否添加完整，实例id，数据库名称，用户名是否正确***常见错误实例，这种是 密码，数据库错误 ***网络不通示意图2，同步过程中出现网络断开等首先要完整日志，看下调度资源是哪个，是否是自定义资源如果是自定义资源，核实自定义资源组的ip是否添加到数据源比如rds白名单（mongo也是有白名单限制的，也需要添加）核实两端数据源连通性是否通过，核实rds，mongo白名单是否会添加完整（如果不完整，有的时候会成功有的时候会失败，如果任务下发到已添加的调度服务器上会成功，没添加的会失败）3，任务显示成功，但是日志出现8000断开报错，是因为用户使用的自定义调度资源组，没有对10.116.134.123，访问 8000 端口在安全组内网入方向放行。添加后重新运行即可。看下4，其他日志报错，看下具体报错，脏数据字段类型不对应odps分区找不到字段类型长度不够等 可以参考这个文档的一些案例https://yq.aliyun.com/articles/82428?spm=5176.8091938.0.0.vcOiqt5，odps同步到ads，https://help.aliyun.com/document_detail/26412.html?spm=5176.product26371.6.583.4FqlV9一般是权限问题，没有授权。odps中对garuda_buildaliyun.com以及garuda_dataaliyun.com授权，ads中当前账户对database的授权。 有对大数据技术感兴趣的，可以加笔者的微信 wx4085116.目前笔者已经从阿里离职，博客不代表阿里立场。笔者开了一个大数据培训班。有兴趣的加我。
-
发表了文章 2018-03-05
一小时完成基于阿里云流计算的实时计算系统搭建
目前，实时计算越来越被广泛应用，比如 实时ETL、实时报表、实时大屏展示等一些监控预警和在线系统的场景。企业对计算速度和消息更新速度要求越来越高。开源框架中，Storm，Sparks，Flink等在企业生产中大量投入使用，但是开发相对复杂，需要对接各种框架api、sdk等，另外人力成本相对较高。那么有没有一种高效的实时计算平台，只要会写SQL并且可视化的操作就可以快速完成实时计算的业务开发呢 阿里云目前推出产品 阿里云流计算（公测中，预计18年3月份商业化）（StreamCompute）传送门：https://help.aliyun.com/document_detail/62437.html?spm=a2c4g.11186623.6.544.Ed7XzG 阿里云流计算全链路示意图可以简单快速的实现仅用SQL就完成流计算的业务链路，下面我们就使用流计算给大家示范。 架构： 以阿里云流计算为核心，从数据流向上我们可以分为数据从哪里，到哪里去。本次实验架构为：Logstash+DataHub+阿里云流计算+RDS-mysql其中，Logstash ：开源框架，用于采集数据DataHub：阿里云自主研发大型缓存队列（可以理解为类似 开源Kafka ）https://help.aliyun.com/document_detail/47439.html?spm=a2c4g.11186623.6.539.hri7GyRDS-mysql：阿里云关系型数据库 mysql版 搭建流程： 第一步：创建DataHub 项目和Topic 具体参考https://help.aliyun.com/document_detail/47448.html?spm=a2c4g.11186623.6.546.eJLHOm如图是本次实验创建的： 第二步：搭建Logstash 参考 https://help.aliyun.com/document_detail/47451.html?spm=5176.product27797.6.588.iFTE4i配置文件如下 input { file { path => "/Users/yang/test/stream.csv" start_position => "beginning" } } filter{ csv { columns => ['name', 'age'] } } output { datahub { access_id => "LTAIu****Ouj87b" access_key => "MfY8ONjK6******7OEdyXw4T" endpoint => "https://dh-cn-hangzhou.aliyuncs.com" project_name => "M_shangdantest" topic_name => "to_stream_topic" #shard_id => "0" #shard_keys => ["thread_id"] dirty_data_continue => true dirty_data_file => "/Users/yang/test/dirty.data" dirty_data_file_max_size => 1000 } } 第三步：创建流计算任务 1，可视化注册刚才创建的DataHub数据源，接入数据。如图2，可视化注册数据输出的数据库RDS-mysql3，编写从数据来源（DataHub）取数据经过计算写入数据目的源（RDS-mysql）的业务SQL。如图代码附上，具体业务逻辑可以自己通过SQL实现： CREATE TABLE to_stream_topic ( `name` VARCHAR, age BIGINT ) WITH ( type = 'datahub', endPoint = 'http://dh-cn-hangzhou.aliyun-inc.com', roleArn='acs:ram::xxxxx:role/aliyunstreamdefaultrole', project = 'shangdantest', topic = 'to_stream_topic' ); INSERT INTO resoult_stream SELECT name,age from to_stream_topic; CREATE TABLE resoult_stream ( `name` VARCHAR, age BIGINT ) WITH ( type= 'rds', url = 'jdbc:mysql://rm-xxxxxxx.mysql.rds.aliyuncs.com:3306/lptest', userName = 'xxxxx', password = 'xxxx', tableName = 'resoult_stream' ); 更多操作其他数据源参考：https://help.aliyun.com/document_detail/62509.html?spm=a2c4g.11186623.6.633.DPannE 以上操作完成后可以1，启动logstash2，测试流计算，调试非常方便，对线上业务没有影响，自动从DataHub中抽取数据进行测试3，启动流计算作业，如图4，观察数据是否成功写入RDS-Mysql 到此 流计算一个实时链路搭建完毕，有没有发现很酷炫，只需要写写SQL，加一些数据源的配置即可。整个过程一小时就可以完成，相对开源省去了繁琐的各种环境搭建，代码编写，监控等等。 有对大数据技术感兴趣的，可以加笔者的微信 wx4085116.目前笔者已经从阿里离职，博客不代表阿里立场。笔者开了一个大数据培训班。有兴趣的加我。
-
发表了文章 2017-08-30
阿里云大数据利器之-RDS迁移到Maxcompute实现动态分区
当前，很多用户的业务数据存放在传统关系型数据库上，例如阿里云的RDS，做业务读写操作。当数据量非常大的时候，此时传统关系型数据库会显得有些吃力，那么会经常有将mysql数据库的数据迁移到[大数据处理平台-大数据计算服务（Maxcompute，原ODPS）(https://www.aliyun.com/product/odps?spm=5176.doc27800.765261.309.dcjpg2)，利用其强大的存储和计算能力进行各种查询计算，结果再回流到RDS。 一般情况下，业务数据是按日期来区分的，有的静态数据可能是按照区域或者地域来区分，在Maxcompute中数据可以按照分区来存放，可以简单理解为一份数据放在不同的子目录下，子目录的名称以日期来命名。那么在RDS数据迁移到Maxcompute上的过程中，很多用户希望可以自动的创建分区，动态的将RDS中的数据，比如按日期区分的数据存放到Maxcompute中，这个流程自动化创建。同步的工具是使用Maxcompute的配套产品-[大数据开发套件](https://data.aliyun.com/product/ide?spm=5176.7741945.765261.313.TQqfkK)。下面就举例说明RDS-Maxcompute自动分区几种方法的使用。 一，将RDS中的数据定时每天同步到Maxcompute中，自动创建按天日期的分区。 这里就要用到大数据开发套件-数据集成的功能，我们采用界面化的配置。 如图地方，设置Maxcompute的分区格式 一般配置到这个地方的时候，默认是系统自带时间参数：${bdp.system.bizdate} 格式是yyyymmdd。也就是说在调度执行这个任务的时候，这个分区会被自动替换为 **任务执行日期的前一天**，相对用户比较方便的，因为一般用户业务数据是当前跑前一天的业务数据，这个日期也叫业务日期。 如图 如果用户想使用当天任务运行的日期作为分区值，需要自定义这个参数，方法如图，也可以参考文档 https://help.aliyun.com/document_detail/30281.html?spm=5176.product30254.6.604.SDunjF 自定义的参数，格式非常灵活，日期是当天日期，用户可以自由选择哪一天，以及格式。 可供参考的变量参数配置方式如下： 后N年：$[add_months(yyyymmdd,12*N)] 前N年：$[add_months(yyyymmdd,-12*N)] 后N月：$[add_months(yyyymmdd,N)] 前N月：$[add_months(yyyymmdd,-N)] 后N周：$[yyyymmdd+7*N] 前N周：$[yyyymmdd-7*N] 后N天：$[yyyymmdd+N] 前N天：$[yyyymmdd-N] 后N小时：$[hh24miss+N/24] 前N小时：$[hh24miss-N/24] 后N分钟：$[hh24miss+N/24/60] 前N分钟：$[hh24miss-N/24/60] 注意： 请以中括号 [] 编辑自定义变量参数的取值计算公式，例如 key1=$[yyyy-mm-dd]。 默认情况下，自定义变量参数的计算单位为天。例如 $[hh24miss-N/24/60] 表示 (yyyymmddhh24miss-(N/24/60 * 1天)) 的计算结果，然后按 hh24miss 的格式取时分秒。 使用 add_months 的计算单位为月。例如 $[add_months(yyyymmdd,12 N)-M/24/60] 表示 (yyyymmddhh24miss-(12 N 1月))-(M/24/60 1天) 的结果，然后按 yyyymmdd 的格式取年月日。 如图，配置完成后，我们来测试运行看下，直接查看日志 可以，看到日志中，Maxcompute（日志中打印原名ODPS）的信息中 partition分区，date_test=20170829,自动替换成功。 再看下实际的数据过去了没呢 我们看到数据是过来了，成功自动创建了一个分区值。那么这个任务定时调度的时候，就会自动生成一个分区，每天自动的将RDS中的数据同步到Maxcompute中的按照日期创建的分区中。 二，如果用户的数据有很多运行日期之前的历史数据，怎么自动同步，自动分区呢。大数据开发套件-运维中心-有个补数据的功能。 首先，我们需要在RDS端把历史数据按照日期筛选出来，比如历史数据2017-08-25这天的数据，我要让他自动同步到Maxcompute的20170825的分区中。 在RDS阶段可以设置where过滤条件，如图 在Maxcompute页面，还是按照之前一样配置 然后一定要 保存-提交。 提交后到运维中心-任务管理-图形模式-补数据 选择日期区间 提交运行，这个时候就会同时生成多个同步的任务实例按顺序执行 看下运行的日志，可以看到运行过程对RDS数据的抽取，在Maxcompute自动创建的分区 看下运行结果，数据写入的情况，自动创建了分区，数据同步过来了。 三，如果用户数据量比较巨大，第一次全量的数据，或者并不是按照日期分区，是按照省份等分区。那么此时数据集成就不能做到自动分区了。也就是说，想按照RDS中某个字段进行hash，相同的字段值自动放到Maxcompute中以这个字段对应值的分区中。 同步本身是做不了的，是在Maxcompute中通过SQL完成，是Maxcompute的特有功能，实际上也是真正的动态分区，大家可以参考文章 https://yq.aliyun.com/articles/81775?spm=5176.8091938.0.0.JMsroJ 。那么就需要我们先把数据全量同步到Maxcompute的一个临时表。 流程如下 1,先创建一个SQL脚本节点-用来创建临时表 drop table if exists emp_test_new_temp; CREATE TABLE emp_test_new_temp (date_time STRING, name STRING, age BIGINT, sal DOUBLE); 2,创建同步任务的节点，就是简单的同步任务，将RDS数据全量同步到Maxcompute，不需要设置分区。 3，使用sql进行动态分区到目的表 drop table if exists emp_test_new; --创建一个ODPS分区表（最终目的表） CREATE TABLE emp_test_new ( date_time STRING, name STRING, age BIGINT, sal DOUBLE ) PARTITIONED BY ( date_test STRING ); --执行动态分区sql，按照临时表的字段date_time自动分区，date_time字段中相同的数据值，会按照这个数据值自动创建一个分区值 --例如date_time中有些数据是2017-08-25，会自动在ODPS分区表中创建一个分区，date=2017-08-25 --动态分区sql如下 --可以注意到sql中select的字段多写了一个date_time，就是指定按照这个字段自动创建分区 insert overwrite table emp_test_new partition(date_test)select date_time,name,age,sal,date_time from emp_test_new_temp --导入完成后，可以把临时表删除，节约存储成本 drop table if exists emp_test_new_temp; 最后将三个节点配置成一个工作流，按顺序执行 执行过程，我们重点观察，最后一个节点的动态分区过程 最后，看下数据 完成动态分区，自动化分区。是不是很神奇，相同的日期数据，到了同一个分区里。如果是以省份命名，也是如此，我自己都怕了。 大数据开发套件实际上可以完成绝大部分的自动化作业，尤其是数据同步迁移，调度等，界面化操作使得数据集成变得简单，不用苦逼的加班搞ETL了，你懂的。 有对大数据技术感兴趣的，可以加笔者的微信 wx4085116.目前笔者已经从阿里离职，博客不代表阿里立场。笔者开了一个大数据培训班。有兴趣的加我。
滑动查看更多
暂无更多信息
-
发表了文章
2018-03-13
MaxCompute使用常见问题总结
-
发表了文章
2018-03-07
MaxCompute常见问题总结以及排查方案
-
发表了文章
2018-03-07
大数据开发套件-数据同步网络连通性总结及常见同步报错总结
-
发表了文章
2018-03-05
一小时完成基于阿里云流计算的实时计算系统搭建
-
发表了文章
2017-08-30
阿里云大数据利器之-RDS迁移到Maxcompute实现动态分区
-
发表了文章
2017-08-30
阿里云大数据利器之-RDS迁移到Maxcompute实现自动分区
-
发表了文章
2017-07-25
阿里云大数据利器之-使用sql实现流计算做实时展现业务（ flume故障转移版 ）
-
发表了文章
2017-07-25
阿里云大数据利器之-使用flume+sql实现流计算做实时展现业务（归档Maxcompute）
-
发表了文章
2017-07-12
大数据计算服务Maxcompute之--mapjoin原理和使用
-
发表了文章
2017-07-12
阿里云大数据利器Maxcompute-使用mapjoin优化查询
-
发表了文章
2017-06-27
阿里云大数据利器Maxcompute学习之--窗口函数实现分组TopN
-
发表了文章
2017-06-15
大数据开发套件-数据集成-云mongo跨区域如何同步到Maxcompute
-
发表了文章
2017-06-09
大数据开发套件-数据集成-云mongo跨区域同步到Maxcompute
-
发表了文章
2017-05-19
阿里云大数据利器Maxcompute学习之-假如你使用过hive
-
发表了文章
2017-05-16
阿里云大数据工厂DataWorks学习之--数据同步任务常见日志报错总结
-
发表了文章
2017-05-15
阿里云大数据利器Maxcompute学习之--分区表的使用
-
发表了文章
2017-05-15
大数据阿里云产品的简单介绍理解
滑动查看更多
暂无更多信息