1、Clickhouse作为OLAP中的特立独行者，做数据分析真的是再合适不过了，丰富的分析函数可以节省大量时间；2、Oracle我一直以为是收费的，结果去官网一查，软件使用竟然是免费的，当然仅供学习和科研，商业还是要收费的，MySQL也被Oracle收购了，PG号称最好的关系型数据库，但明显干不过Oracle；3、Spark和Hive我放到一起说，我的建议，100亿级一下数据量，建议别上Hadoop体系，有那个资源上一套分布式Clickhouse集群，分分钟完成原来需要个把小时的计算任务。
2024-08-13
Flink和ClickHouse分别是实时计算和（近实时）OLAP领域的翘楚，也是近些年非常火爆的开源框架，很多大厂都在将两者结合使用来构建各种用途的实时平台，效果很好。关于两者的优点就不再赘述，本文来简单介绍笔者团队在点击流实时数仓方面的一点实践经验。
2024-08-13
本次分享的题目为ClickHouse在有赞的实践，主要介绍：1.OLAP在有赞的发展 2.ClickHouse在有赞的平台化工具建设 3. ClickHouse在有赞的应用 4.未来规划和一些探索
2024-08-13
背景：小菜从 2014 年第一款 APP 上线，到如今将近 5 年，5 年风雨 5 年征程，虽然技术部有 80 人，前端有 20 人，我们依然对自己所研发的 8 款 APP、4 款小程序、6 款 H5 商城系统、10+ 个 PC CRM/IM/ERP/TMS 中台运营系统的用户使用情况、线上异常情况、设备分布情况、营销活动的 PV/UV 转化情况统统一无所知，因为看不见就不清楚现场，这种做法显然很不互联网，也很不符合小菜前端 “工具为王效率至上” 的技术价值观。
2024-08-13
标签是人为设定的、根据业务场景需求，对目标对象运用一定的算法得到的高度精炼的特征标识。 标签是对对象某个维度特征的描述与刻画，是某一种用户特征的符号表示，每一种标签都规定了我们观察认识描述对象的一个角度，用于对象的标注、刻画、分类和特征提取。 现实世界中标签还有三种表现形态：实物标签、网络标签和电子标签。
2024-08-13
在工作场景中，我们会采集工厂设备数据用于智能控制，数据的存储用了 InfluxDB，随着数据规模越来越大，InfluxDB 的性能越来越差，故考虑引入 ClickHouse 分担 InfluxDB 大数据分析的压力，再加上我们业务上也用到了 MySQL ，所以本文就来对比下 MySQL、InfluxDB、ClickHouse 在千万数据量下的写入耗时、聚合查询耗时、磁盘占用等各方面性能指标。
2024-08-13
本文我们聚焦可观测的另一个重要支柱——日志管理，从日志的数据特点角度出发，分析日志数据在可观测体系中的意义，深度剖析日志与可观测体系融合建设的难点与思路，并分享企业日志系统设计选型思路以及落地实践参考。
2024-08-13
ES和ClickHouse都是开源火得不行的软件，日志分析究竟该用哪个一直争论不休。这篇文章我们不比较哪个更牛，应该选哪个，而是从软件背后去分析用户需求是什么？有没有更好的方法来解这个问题。
2024-08-13
ClickHouse 以其卓越的分析性能、极好的线性扩容能力和丰富的功能，成为近年来开源 OLAP 数据库领域的一匹黑马。本文将与大家分享网易定位产品线基于 ClickHouse 构建用户画像平台的实践经验。
2024-08-13