tag 數據倉庫

標籤
貢獻158
163
01:08 PM · Nov 03 ,2025
nebulabio 頭像 u_16272508 頭像 u_15844731 頭像 u_14767244 頭像 u_17602582 頭像 kpaas 頭像 u_16773655 頭像 u_16565911 頭像 selectdb 頭像 u_15879876 頭像 lu952450497 頭像 u_15796946 頭像

@數據倉庫 / 博客 RSS 訂閱

u_17602582 頭像

mb69410ac31213c - AI普惠時代：中小企業如何用智能體重構競爭力？

根據工業和信息化部2024年數據，我國專精特新“小巨人”企業中，超80%集中在人工智能等戰略性領域，但僅有不足30%實現AI技術規模化應用。這一數字背後，折射出中小企業在AI轉型中的三大結構性矛盾： 1. 技術-成本悖論 AI研發需要持續投入算力與數據資源，而中小微企業年均AI預算不足5000元/月（CSDN調研）。例如，某製造業企業嘗試部署自研質檢模型，初期算力採購

大數據 , 數據 , 數據倉庫 , 人工智能 , 開發週期

收藏 評論

aiilive 頭像

secondriver - 數據倉庫建設-分層和優化

1. 為什麼要對數倉進行分層？ 在複雜的業務場景和多源異構的數據環境下，數據倉庫通過分層設計實現以下目標： 提升可維護性：避免所有數據混雜在一起，降低系統耦合度。 增強可管理性：每一層職責清晰、邊界明確，便於團隊協作與問題追蹤。 提高複用性：標準化處理後的中間層數據可被多個上層應用共享使用。 保障數據質量：逐層清洗、校驗、聚合，確保最

數倉分層 , 大數據 , 數據倉庫 , 用AIGC寫一篇爆文

收藏 評論

u_15444077 頭像

u_15444077 - 利特爾法則(little' law)在軟件開發領域的應用

本文分享自天翼雲開發者社區《利特爾法則(little' law)在軟件開發領域的應用》.作者：王****淋 一、引例 先考慮一個小學數學問題： - a)某小學每屆1000名學生，6年制，請估算此刻該學校內學生總人數。 很明顯，6個年級每個都是1000，學生人數為1000*6=6000。 這就是利特爾法則的直觀體現。看上去好無聊，這還用搞個法則來麼？事

大數據 , 操作系統 , 數據倉庫

收藏 評論

u_15022783 頭像

u_15022783 - 國產工業時序數據庫—DolphinDB的技術突破與實踐優勢

1. 工業數字化轉型的“數據焦慮” 隨着工業物聯網（IIoT, Industrial Internet of Things）浪潮的全面深入，全球製造業正經歷一場深刻的數字化轉型（Digital Transformation）。數以億計的傳感器和智能設備被部署到生產一線，形成了龐大的工業數據網絡。這場變革的基石——海量、高頻的工業時序數據，也成為了企業邁向智能化生產最大的“數

大數據 , 數據 , 毫秒級 , 數據倉庫 , 高可用

收藏 評論

u_15844731 頭像

阿森CTO - linux指令與實踐文件編寫

@TOC 📝前言 本節阿森將和你一起深入淺出的學習簡單幾條指令，快速上手在linux寫代碼，同時更好的理解指令記憶 🌠 linux目錄結構 在linux系統中，磁盤上的文件和目錄被組成一個樹，每個節點都是目錄或文件，像是一個多叉樹的層次結構。如圖所示： 以上只是展示目錄的結構是目錄樹的結構，以下是 Linux 文件目錄結構的主要組

大數據 , yyds乾貨盤點 , 搜索 , 數據倉庫 , Linux , Css

收藏 評論

u_16099212 頭像

智慧編織者 - 數據倉庫 etl 工具 腳本 kafka 數據倉庫etl開發過程

本文是關於計劃、設計和實現基本數據倉庫解決方案的系列文章的第 3 部分，將設計和實現倉庫 ETL 過程，並瞭解倉庫的性能和安全問題。 請多多支持作者作品RKWeb1.1 asp.net開發模板！ 有效提高asp.net開發效率60%以上的代碼框架！ 類似java的struts+spring+hirbenate 下

商業智能 , 大數據 , 數據倉庫 , 數據庫 , db2 , ibm

收藏 評論

u_16099262 頭像

信息流星 - db2 刪除分區報錯 set integrity

海量信息即大規模數據，隨着互聯網技術的發展，互聯網上的信息越來越多，如何從海量信息中提取有用信息成為當前互聯網技術發展必須面對的問題。 在海量數據中提取信息，不同於常規量級數據中提取信息，在海量信息中提取有用數據，會存在以下幾個方面的問題： （1）數據量過大，數據中什麼情況都可能存在，如果信息數量只有20條，人工可以逐條進行查找、

海量數據 , 大數據 , 字符串 , 數據 , 算法 , 數據倉庫

收藏 評論

u_16099331 頭像

墨色天香 - vba 根據紙張索引號返回紙張的釐米單位的寬高

Sub glkCurrentDocPageSetup() Dim glkDoc As Document '定義變量 Set glkDoc = Application.ActiveDocument '設置為當前文檔 With glkDoc '設置文檔參數 With .PageSetup '設置【頁面設置】參數 .Orien

經驗分享 , 大數據 , 數據倉庫 , 邊距 , ci , 縮進

收藏 評論

nebulabio 頭像

北京辰輝創聚生物 - 重組蛋白：從基因序列到藥物設計的核心引擎

在現代藥物開發的宏偉藍圖中，重組蛋白已從一個前沿生物技術概念，演變為不可或缺的核心工具與目標。它們如同高度精密的分子鑰匙，不僅幫助科學家解鎖疾病的機制，其本身更是構成新一代療法的主體。理解重組蛋白的技術內涵，是從分子層面洞察現代藥物設計邏輯的起點。 一、 重組蛋白：精準設計的分子機器 重組蛋白是指利用重組DNA技術，在特定的宿主系統中表達和生產的蛋白質

蛋白表達 , 蛋白純化 , 大數據 , Fc融合蛋白 , 數據倉庫 , 翻譯後修飾 , 人源化抗體

收藏 評論

nebulabio 頭像

北京辰輝創聚生物 - 細胞因子風暴：機制、研究與體外模型構建策略

在生命科學和免疫學研究中，“細胞因子風暴”是一個無法忽視的高頻術語。它不僅是重症感染（如COVID-19）、膿毒症、CAR-T治療等過程中危及生命的核心病理生理事件，更是連接基礎免疫與臨牀轉化的關鍵研究節點。從科研試劑的應用角度，深入理解其發生機制並建立可靠的體外研究模型，對於藥物篩選、致病機理探索和安全性評估具有至關重要

體外模型 , 大數據 , 細胞因子 , 數據倉庫 , 生長因子 , CRS , 細胞因子風暴

收藏 評論

selectdb 頭像

SelectDB技術團隊 - Apache Doris + Paimon 快速搭建指南｜Lakehouse 使用手冊（二）

湖倉一體（Data Lakehouse）融合了數據倉庫的高性能、實時性以及數據湖的低成本、靈活性等優勢，幫助用户更加便捷地滿足各種數據處理分析的需求。在過去多個版本中，Apache Doris 持續加深與數據湖的融合，已演進出一套成熟的湖倉一體解決方案。 為便於用户快速入門，我們將通過系列文章介紹 Apache Doris 與各類主流數據湖格式及存儲系統的湖倉一體架構搭建指南，包括 Hudi、Ic

數據倉庫 , 學習方法 , 數據分析 , paimon , 數據湖

收藏 評論

u_12897 頭像

jordana - 二級索引存儲多少數據

介紹 Ext2文件系統全稱為Second Extended FileSystem（第二擴展文件系統），既然是第二個那麼就存在第一個，第一個就是擴展文件系統 Extended FileSystem。當然還有Ext3和Ext4，Ext4還是很不錯的的文件系統，但是brtfs是目前的主流Linux文件系統。 磁盤佈局 名詞 引

大數據 , 文件系統 , 數據塊 , 數據倉庫 , Linux , 系統架構 , 二級索引存儲多少數據

收藏 評論

u_12902 頭像

jiecho - 星火飛碼iFlyCode 使用索引庫

Linux簡介 Linux 內核最初只是由芬蘭人林納斯·託瓦茲（Linus Torvalds）在赫爾辛基大學上學時出於個人愛好而編寫的。 Linux 是一套免費使用和自由傳播的類 Unix 操作系統，是一個基於 POSIX 和 UNIX 的多用户、多任務、支持多線程和多 CPU 的操作系統。 Linux 能運行主要的 UNIX 工具軟件、應用程序和網絡協議。它支

大數據 , 多用户 , 星火飛碼iFlyCode 使用索引庫 , 數據倉庫 , 運行級別 , 重啓

收藏 評論

u_16213615 頭像

mob64ca1400133b - 文件管理索引分配中邏輯塊號與物理塊號

第十一章 EXT2文件系統 以下內容是我對本章部分內容的學習總結 一、EXT2文件系統數據結構 1、虛擬磁盤佈局 每當文件系統需要從包含它的塊設備中讀取信息或數據，就將請求底層的設備驅動讀取一個基本塊大小整數倍的數據塊。 EXT2文件系統將它所使用的邏輯分區劃分成數據塊組。 每個數據塊組都將那些對文件系

文件管理索引分配中邏輯塊號與物理塊號 , 大數據 , 文件系統 , 數據塊 , 數據倉庫 , 描述符

收藏 評論

u_16099221 頭像

技術領航者之聲 - DB2 jabcd連接串socketTimeout

以遞歸方式處理數據關係的一種新方法 Birgitta Hauser, 軟件工程師, Toolmaker Advanced Efficiency GmbH 簡介：根據 SQL 標準，分級數據（如組織圖和材料單）或雙向數據（如航班中轉）可以通過使用遞歸通用表表達式 (RCTE) 進行評估。DB2 for i 的 V5R4 版本中提供了 RCTE 功能。其他的數據庫（如 O

大數據 , 遞歸 , 數據 , 數據倉庫 , SQL

收藏 評論

u_16099187 頭像

網絡安全俠 - pgsql 實體化視圖索引

簡介： MView中文名稱為實體化視圖（Materialized View），相對於普通的視圖來説，MView的不同之處在於MView實體化視圖管理存儲數據，佔據數據庫的物理空間。MView的結果會保存在一個普通的數據表中，在對MView進行查詢的時候不再會對創建MView的基表進行查詢，而是直接查詢MView對應的結果表，然後通過定期的刷

大數據 , 數據 , 數據倉庫 , 數據庫 , pgsql 實體化視圖索引 , 物化視圖

收藏 評論

u_16213562 頭像

技術極客傳奇 - XSSFSheet獲取列索引

每一個xls都對應一個唯一的HSSFWorkbook，每一個HSSFWorkbook會有若干個HSSFSheet，而每一個HSSFSheet包含若干HSSFRow（Excel 2003中不得超過65535行），每一個HSSFRow又包含若干個HSSFCell（Excel 2003中不得超過256列）。 為了遍歷所有的單元格，我們就得獲得某一個HSSFSheet的所有HSSF

大數據 , 數據倉庫 , i++ , 打開文件 , FileStream , XSSFSheet獲取列索引

收藏 評論

u_16272508 頭像

事辯天下 - 歐神諾中國玉第2屆空間設計大賽圓滿落幕，共築行業設計新生態！

11月11日，歐神諾金橄欖獎·中國玉第2屆空間設計大賽頒獎典禮在佛山歐神諾總部展廳圓滿落幕。活動現場匯聚了大咖評審、獲獎設計師、行業媒體等眾多嘉賓，共同見證了一場融合設計創意、產品美學與文化深度的行業盛宴。 01 賦能設計師成長 見證年度大獎榮耀誕生 活動開場，帝歐水華集團總裁、歐神諾瓷磚董事長兼總裁吳志雄誠摯歡迎蒞臨典禮的來賓，衷心感謝各位設計師

自啓動 , 大數據 , 錨點 , 數據倉庫 , 整合資源

收藏 評論

u_16272508 頭像

事辯天下 - 飛秒激光輔助白內障手術，北京愛爾英智眼科醫院丁雪為您解讀

瞭解過白內障手術的朋友，或多或少都聽過這個名字——“飛秒激光輔助白內障手術”。也有人發出質疑，這究竟是物有所值的“黑科技”，還是瞄準了人們追求高端手術方式心理的“智商税”？今天，就請北京愛爾英智眼科醫院白內障科丁雪主任為大家詳細講解。 手術是全球眼科醫學界公認的治療白內障唯一有效的方法，目前白內障手術主要可分為傳統白內障超聲乳化吸除術和飛秒激光白內障手術。 傳統白內障

大數據 , 機械臂 , 數據倉庫 , 黑科技

收藏 評論

u_14844 頭像

definitely - 關於數倉建設及數據治理的超全概括 - 五分鐘學大數據的個人空間 -

目錄 一、道：數倉之“樸”與“無為” 1.“道常無名，樸雖小，天下莫能臣”——尊重數據的本真 2.“無為而無不為”——讓系統自運行 二、術：分層、建模與ETL的“有為”之法 1.“知其白，守其黑，為天下式”——分層設計的陰陽之道 2.“大制不割”——避免系統碎片化 3.“治大國若烹小鮮”——ETL 與調度的輕巧之道 三、道術合一：構

大數據 , 建模 , 面試 , 數據倉庫 , 後端開發 , 職場和發展 , Python

收藏 評論

u_16099244 頭像

码海舵手之心 - 網卡索引號什麼時候用

sql執行時間長，性能下降的原因推測： 1.查詢語句寫的不好 2.索引失效 索引分為： 1.單值索引 create index idx_user_name on user(name) 2.多值索引 create index id

表名 , 字段 , 大數據 , 數據 , 數據倉庫 , 網卡索引號什麼時候用

收藏 評論

u_16099316 頭像

數據探索先鋒 - db2 shell腳本批量插入數據

《DB 查詢分析器》批量執行DML語句並返回更詳細的信息 馬根峯 ( 廣東聯合電子收費股份有限公司, 廣州 510300) 摘要本文簡單闡明瞭DB 查詢分析器訪問DB2時批量執行DML語句，並返回更詳細的信息。 關鍵詞 DB 查詢分析器；DML；數據庫客户端工具 DB Query Analy

大數據 , 數據倉庫 , 數據庫查詢 , 數據庫 , SQL , db2 shell腳本批量插入數據 , 查詢分析器

收藏 評論

u_17585479 頭像

Tob市場觀測員 - 企業獲客路徑的技術性拆解：從流量到線索的工程化實現

在當前的商業環境中，企業獲客已從單純的營銷活動演變為一個涉及數據、技術和流程的複雜系統工程。核心挑戰在於，如何將分散的公域流量與私域觸點高效連接，並實現潛在客户信息的結構化沉澱與有效轉化。本文旨在從技術實現與業務邏輯融合的視角，中立分析這一過程的關鍵環節與可選方案。 一、問題根源：獲客效率瓶頸的技術性歸因 獲客效率的瓶頸往往並非源於單一渠道的失效，而是系統性的數據孤島

機器學習 , 大數據 , 數據 , 數據倉庫 , 觸點

收藏 評論

u_14405 頭像

fjfdh - 訂單狀態字段的選擇性不高怎麼設計索引

當你開始構建或重構一個複雜系統的時候，請先把大的設計原則寫下來，然後在這些設計原則的框架內做推演。 昀哥 2020年10月23日 一，開展詳細設計之前請先把大的設計原則寫下來 每一位設計師都需要知道這個常識： 當你開始構建或重構一個複雜系統的時候，請先把大的設計原則寫下來，然後在這些設計原則的框架內做推演。 而不是這種常見的工作方式：

字段 , 系統設計 , 大數據 , 訂單狀態字段的選擇性不高怎麼設計索引 , 數據倉庫 , 設計原則

收藏 評論