自定義類型：結構體深入解析
@TOC 📝前言 本小節，阿森繼續和你一起學習什麼是結構體？結構體類型的聲明和創建，然後就是結構體的初始化，隨即學習結構成員的訪問操作符來更好的打印結構體的數據，當然還有匿名結構體類型，和結構的自引用。文章乾貨滿滿，接下來我們就學習一下結構體吧 😃！ 🌠 什麼是結構體？ 結構體是一種用户定義的數據類型，它允許
昵稱 阿森CTO
@數據倉庫
動態 列表
python ddt數據驅動
數據驅動的意義：在自動化測試當中，我們通常會將測試數據從測試代碼中抽離出來放在單獨的文件中，既能減少代碼量，也能降低代碼的維護成本，通過數據的改變從而驅動自動化測試的執行。接觸python自動化測試的第一個框架通常都是unittest，使用@ddt裝飾器來完成數據驅動，ddt意思就是 “Data-Driven Tests”。 項目目錄結構 使用pycharm新
昵稱 wx579efdd457bb0
C++內存管理的機制
@TOC 📝new和delete操作自定義類型 我們先看malloc與free，調試可以發現並不會調用析構函數 class A { public: A(int a = 0) : _a(a) { cout "A():" this endl; } ~A() { cout "~A():" this endl; }
昵稱 阿森CTO
初始化列表與explicit
@TOC 📝再談構造函數 🌠 構造函數體賦值 在創建對象時，編譯器通過調用構造函數，給對象中各個變量一個合適的初始值 class Date { public: Date(int year, int month, int day) { _year = year; _month = month; _day = day;
昵稱 阿森CTO
ByConity 0.3.0 版本發佈，支持倒排索引等新特性
來源｜ByConity 開源社區 各位的社區小夥伴們大家好，ByConity 0.3.0 版本於 12 月 18 日正式發佈了，此版本提供了倒排索引，基於共享存儲的選主方式等多項新特性，對冷讀性能進行了進一步的優化，對 ELT 能力也進行了進一步的迭代，同時修復了若干已知問題，進一步提升了系統的性能和穩定性，歡迎大家下載體驗。 GitHub 地址：https://github.com/ByC
昵稱 字節跳動開源
雲棲實錄｜MaxCompute全新升級：AI時代的原生數據倉庫
本文根據2025雲棲大會演講整理而成，演講信息如下： 演講人： 張治國阿里雲智能計算平台事業部MaxCompute負責人 於得水阿里雲智能集團資深技術專家 謝德軍阿里雲智能集團資深技術專家 在雲棲大會的ODPS分論壇上，阿里雲MaxCompute迎來了十五週年的重大技術發佈。從雲原生到AI原生，MaxCompute正式宣告邁入一個全新的發展階段，推出AI原生數據倉庫核心能力
昵稱 阿里雲大數據AI
數據無界、湖倉無界， Apache Doris 湖倉一體解決方案全面解讀（上篇）
導讀：湖倉一體架構融合了數據湖的低成本、高擴展性，以及數據倉庫的高性能、強數據治理能力，高效應對大數據時代的挑戰。為助力企業實現湖倉一體的建設，Apache Doris 提出了數據無界和湖倉無界核心理念，並結合自身特性，助力企業加速從 0 到 1 構建湖倉體系，降低轉型過程中的風險和成本。本文將對湖倉一體演進及 Apache Doris 湖倉一體方案進行介紹。 在過去的數年間，數據分析技術棧
昵稱 SelectDB技術團隊
阿里雲DLF 3.0：面向AI時代的智能全模態湖倉管理平台
在2025年雲棲大會上，阿里雲DLF產品負責人李魯兵正式發佈了DLF（DataLakeFormation）3.0，升級為面向AI時代的智能全模態湖倉管理平台。此次發佈標誌着DLF從傳統的湖倉管理工具，全面進化為支持結構化、半結構化與非結構化數據統一管理、安全開放、性能卓越的新一代數據基礎設施。本文將系統梳理DLF3.0的架構演進、核心能力、典型應用場景以及其在實際業務中的落地價值。 一、D
昵稱 阿里雲大數據AI
數據湖和數據倉庫的區別
在當今數據驅動的時代，企業需要處理和存儲海量數據。數據湖與數據倉庫作為兩種主要的數據存儲解決方案，各自有其獨特的優勢與適用場景。本文將客觀詳細地介紹數據湖與數據倉庫的基本概念、核心區別、應用場景以及未來發展趨勢，幫助讀者更好地理解和選擇適合自身需求的數據存儲方案。 一、基本概念 數據湖（Data Lake） 數據湖的概念最早由Pentaho公司的James Dixon在2011年提出，是一種能夠存
昵稱 鏡舟科技
如何理解 Apache Iceberg 與湖倉一體（Lakehouse）？
一、什麼是湖倉一體（Lakehouse）？ 湖倉一體是一種融合了數據湖的靈活存儲能力與數據倉庫的高效分析功能的現代數據架構。它通過整合兩者的優勢，解決了傳統架構的侷限性，為企業數據處理提供了更全面的解決方案。 數據湖的開放性：支持多格式數據存儲（如 Parquet、ORC），兼容開放生態（如Hive、Iceberg），存儲成本低。 數據倉庫的高性能：提供 ACID 事務、高效查詢和實時分析能
昵稱 鏡舟科技
（三）從分層架構到數據湖倉架構系列：數據倉庫分層之貼源層和數據倉庫層設計
《新興數據湖倉設計與實踐手冊·從分層架構到數據湖倉架構設計（2025 年）》 系列文章將聚焦從數據倉庫分層到數據湖倉架構的設計與實踐。手冊將闡述數據倉庫分層的核心價值、常見分層類型，詳解分層下的 ETL 架構及數據轉換環節，介紹數據倉庫分層對應的技術架構，並以貼源層（ODS）、數據倉庫層（DW）、數據服務層（DWS）為例，深入剖析數湖倉分層設計，最後探討數據倉庫技術趨勢並進行小結。 本文為系列文
昵稱 SeaTunnel
不懂湖倉一體，別説你懂大數據
√不懂湖倉一體，別説你懂大數據 接觸數據的都聽過“湖倉一體”，有人就開始疑惑了：數據湖和數據倉庫不是夠用嗎？為什麼還要多餘再搞一個架構出來？ 實際上，你接觸到的數據有：像客户信息、生產日誌和客服錄音等。它們的類型是不統一的，什麼結構化、半結構化甚至非結構化，很多時候它們常因為這個原因導致不能存放在一塊，也不能通用。 怎麼辦？ 所以這時候就得靠搭建一個湖倉一體，把這些數據都存好，管好，目的就是為了輕
昵稱 數據集成與治理