數新智能 -
CyberAI多模態數據平台煥新升級！七大核心功能解鎖高效管理新體驗
面對文本、圖片、音頻、視頻等多模態數據的海量爆發，企業對於數據管理的高效性、兼容性與安全性訴求愈發迫切。本次數新智能一站式多雲AI原生數智平台重磅升級，新增多模態數據管理功能，從服務管理到數據安全實現全鏈路優化升級。該平台兼具操作便捷性與業務實用性，能夠直擊企業多模態數據管理的核心痛點，為企業提供全方位、一體化的解決方案。
AI服務管理外部模型服務全生命週期管控
多模態數據管理功能直擊外部模型服務
教程
,
知識
數新智能 -
Data engineering at Meta
作為全球數據驅動型企業的典範，Meta 的大規模數據工程實踐為行業樹立了標杆。本文深度解析其數據基礎設施，涵蓋從 Exabyte 級數據倉庫（Hive/ORC 存儲、名稱空間分區）到混合計算引擎（Presto/Spark 離線分析 + Scuba 實時查詢），再到 Daiquery/Bento 開發工具與 Unidash 可視化平台。揭秘 Meta 如何通過 UPM 流水線管理、分析庫集成及自動化
meta
,
後端
數新智能 -
雲環境中的日誌收集和處理方案
在雲環境中，高效的日誌收集與處理是系統監控和運維的關鍵。本文圍繞《雲環境中的日誌收集和處理方案》展開，先介紹日誌收集的兩種方式，再聚焦處理環節，探討寫入 kafka、共享存儲、S3 等路徑，分析使用 raft 組日誌集羣及 NewSQL 的方案，最後結合 Spark 端調度進行總結，為雲日誌管理提供多維度技術參考。
日誌收集-兩種方式
這裏是將pod中的日誌收集，放到一個指定的地方
首先是將
SQL
,
sqlserver
,
kafka
數新智能 -
Spark SQL分析層優化
導讀：本期是《深入淺出Apache Spark》系列分享的第四期分享，第一期分享了Spark core的概念、原理和架構，第二期分享了Spark SQL的概念和原理，第三期則為Spark SQL解析層的原理和優化案例。本次分享內容主要是Spark SQL分析層的原理和優化的案例，且此優化案例是對於理解分析層原理很重要的。
本期介紹會圍繞下面五點展開：
前情提要
Spark SQL
SQL
,
優化
,
分析
數新智能 -
以Zookeeper為例 淺談腦裂與奇數節點問題
一、腦裂現象的定義與影響
腦裂（split-brain）是指在分佈式系統中，因網絡分區或其他故障導致系統被切割成兩個或多個相互獨立的子系統，每個子系統可能獨立選舉出自己的領導節點。這一現象在依賴中心領導節點（如Elasticsearch的Master節點或ZooKeeper的Leader節點）的集羣環境中尤為常見。當這種情況發生時，原本應該由單一領導節點控制的集羣突然出現了多個領導者，導致數據不一
zookeeper
