2022.01.22.zhihuColumns.bigData.md

• ClickHouse 源码解析: MergeTree Write-Path

• 重新认识SQL: 一种历史视角

• ClickHouse 源码解析: 综述

• 硬核优化 - SIMD 在ClickHouse中的应用

• 架构原则

• DWARF, 调试信息存储格式

• D·F·C·C·G 营收模型

• CountDistinct 基数统计方案 (Spark)

• 文档驱动设计-示例

• 告别随手画架构图，从我做起 :)

• 当我谈论Lisp时我谈些什么

• 大数据统计分析模式

• 大数据的未来: 模糊计算

• ClickHouse 设计模式与实践

• 云原生2021展望

• Google Monarch，下一代内存时序数据库

• 加了标注的 Awesome BigData

• Kudu论文解读: Fast Analytics on Fast Data (下)

• Kudu论文解读: Fast Analytics on Fast Data (上)

• 海量实时计算(Ad-Hoc Query) 概览

• 美团技术年货：1200+页电子书，覆盖前后端、算法、数据、安全、测试、顶会论文

• 从0到1：美团端侧CDN容灾解决方案

• DSTC10开放领域对话评估比赛冠军方法总结

• 7次KDD Cup&Kaggle冠军的经验分享：从多领域优化到AutoML框架

• 2021年美团技术团队最受欢迎的22篇技术文章

• FlutterWeb性能优化探索与实践

• TensorFlow在推荐系统中的分布式训练优化实践

• 细粒度情感分析在到餐场景中的应用

• 预训练技术在美团到店搜索广告中的应用

• 美团外卖终端容器无关化研发框架

• Fairplay DRM与混淆实现的研究

• 美团跨端一体化富文本管理技术实践

• 美团主办ICCV2021研讨会及挑战赛，专家齐聚食品分析，论文比赛斩获佳绩

• 美团搜索多业务商品排序探索与实践

• 美团知识图谱问答技术实践与探索

• 美团基于知识图谱的剧本杀标准化建设与应用

• 情感分析技术在美团的探索与应用

• 广告深度预估技术在美团到店场景下的突破与畅想

• ICCV 2021 | 美团“LargeFineFoodAI"研讨会开幕在即，互动有奖

• 美团智能客服核心技术与实践

• 如何优雅地记录操作日志？

• 新一代CTR预测服务的GPU优化实践

• 美团商品知识图谱的构建及应用

• 美团外卖实时数仓建设实践

• 小样本学习及其在美团场景中的应用

• Spock单元测试框架介绍以及在美团优选的实践

• KDD 2021｜美团联合多高校提出多任务学习模型，已应用于联名卡获客场景

• ACL 2021 | 一文详解美团技术团队7篇精选论文

• 美团App页面视图可测性改造实践

• 美团终端消息投递服务Pike的演进之路

• 本地生活综合性需求图谱的构建及应用

• 多业务建模在美团搜索排序中的实践

• 该内容暂无法显示

• 常识性概念图谱建设以及在美团场景中的应用

• 美团外卖广告智能算力的探索与实践

• 美团民宿跨端复用框架设计与实践

• SIGIR 2021 | 广告系统位置偏差的CTR模型优化方案

• 该内容暂无法显示

• CVPR 2021 | 基于Transformer的端到端视频实例分割方法

• ACL 2021｜美团提出基于对比学习的文本表示模型，效果相比BERT-flow提升8%

• 美团外卖美食知识图谱的迭代及应用

• 外卖商品的标准化建设与应用

• 外卖套餐搭配的探索和应用

• 美团百亿规模API网关服务Shepherd的设计与实现

• 算法平台在线服务体系的演进与实践

• GraphQL及元数据驱动架构在后端BFF中的实践

• 美团Serverless平台Nest的探索与实践

• 美团酒旅数据治理实践

• 实践之后，我们来谈谈如何做好威胁建模

• 美团图数据库平台建设及业务实践

• 美团弹性伸缩系统的技术演进与落地实践

• 设计稿（UI视图）自动生成代码方案的探索

• 美团AutoML论文：鲁棒的神经网络架构搜索 DARTS-

• Flutter Web在美团外卖的实践

• OCTO 2.0：美团基于Service Mesh的服务治理系统详解

• 美团外卖特征平台的建设与实践

• 从预编译的角度理解Swift与Objective-C及混编机制

• 一款可让大型iOS工程编译速度提升50%的工具

• 该内容暂无法显示

• 自动驾驶轨迹预测算法：NeurIPS挑战赛冠军方案

• 让 Flutter 在鸿蒙系统上跑起来

• 该内容暂无法显示

• 该内容暂无法显示

• 该内容暂无法显示

• 该内容暂无法显示

• ICDM论文：探索跨会话信息感知的推荐模型

• 该内容暂无法显示

• 复杂环境下落地Service Mesh的挑战与实践

• 该内容暂无法显示

• 移动端UI一致性解决方案

• 美团无人车引擎在仿真中的实践

• Apache Kylin的实践与优化

• Java中9种常见的CMS GC问题分析与解决（下）

• Java中9种常见的CMS GC问题分析与解决（上）

• 积木Sketch插件进阶开发指南

• 美团内部讲座｜周烜：华东师范大学的数据库系统研究

• Native地图与Web融合技术的应用与实践

• 该内容暂无法显示

• 美团内部讲座｜北航全权：一种城市空中移动性管理分布式控制框架

• 基本功 | Java即时编译器原理解析及实践

• 直播预告 | 美团语音技术实践 @ INTERSPEECH 2020语音国际顶会（有奖参与）

• AIOps在美团的探索与实践——故障发现篇

• ACM MM顶会论文 | 对话任务中的“语言-视觉”信息融合研究

• 外卖客户端容器化架构的演进

• 美团内部讲座｜清华大学莫一林：信息物理系统中的安全控制算法

• 该内容暂无法显示

• 该内容暂无法显示

• KDD Cup 2020多模态召回比赛亚军方案与搜索业务应用

• KDD Cup 2020多模态召回比赛季军方案与广告业务应用

• Flutter包大小治理上的探索与实践

• 工程师的基本功是什么？该如何练习？听听美团技术大咖怎么说

• KDD Cup 2020自动图学习比赛冠军技术方案及在美团广告的实践

• 跨越鸿沟：计算机视觉-学术界与工业界的GAP有多大？

• MT-BERT在文本检索任务中的实践

• KDD Cup 2020 Debiasing比赛冠军技术方案及在美团广告的实践

• Kubernetes如何改变美团的云基础设施？

• 新一代垃圾回收器ZGC的探索与实践

• 美团搜索中NER技术的探索与实践

• 智能搜索模型预估框架的建设与实践

• BERT在美团搜索核心排序的探索和实践

• 美团外卖Flutter动态化实践

• MyBatis版本升级引发的线上告警回顾及原理分析

• ICRA 2020轨迹预测竞赛冠军的方法总结

• 美团MySQL数据库巡检系统的设计与应用

• 美团配送A/B评估体系建设与实践

• 积木Sketch Plugin：设计同学的贴心搭档

• 美团无人配送CVPR2020论文CenterMask解读

• 复杂风控场景下，如何打造一款高效的规则引擎

• 美团命名服务的挑战与演进

• 青年人在美团是怎样成长的？

• 推荐收藏 | 美团技术团队的书单

• 美团OCTO万亿级数据中心计算引擎技术解析

• 直播 | 美团技术沙龙第53期：美团存储数据库专场

• Transformer 在美团搜索排序中的实践

• Intel PAUSE指令变化影响到MySQL的性能，该如何解决？

• Apache Doris在美团外卖数仓中的应用实践

• Java线程池实现原理及其在美团业务中的实践

• 想进美团不知道选哪个技术岗位？这里有一份通关秘籍！

• WSDM Cup 2020检索排序评测任务第一名经验总结

• 设计模式在外卖营销业务中的实践

• 美团配送数据治理实践

• 云原生之容器安全实践

• 美团技术十年：让我们感动的那些人那些事

• 微前端在美团外卖的实践

• 智能配送系统的运筹优化实战

• 美团外卖持续交付的前世今生

• 自然场景人脸检测技术实践

• 一站式机器学习平台建设实践

• 【美团·成都沙龙报名】美团收银系统微服务架构实践

• 【美团·北京沙龙报名】美团点评中间件实践

• 【美团·北京沙龙报名】交易系统平台化建设之路

• 【活动】美团技术沙龙第49期：AI在外卖场景中的最佳实践

• CVPR 2019轨迹预测竞赛冠军方法总结

• 配送交付时间轻量级预估实践

• 【招聘直通车】美团基础技术部诚招各岗位工程师

• JVM CPU Profiler技术原理及源码深度解析

• Litho在动态化方案MTFlexbox中的实践

• 降低软件复杂性的一般原则和方法

• Android视频技术探索之旅：美团外卖商家端的实践

• 美团集群调度系统HULK技术演进

• Java字节码增强探秘

• 美团点评Kubernetes集群管理实践

• MTFlexbox自动化埋点探索

• XGBoost缺失值引发的问题及其深度分析

• ESLint 在中大型团队的应用实践

• Hadoop YARN：调度性能优化实践

• 【基本功】Litho的使用及原理剖析

• 大众点评信息流基于文本生成的创意优化实践

• 活动 Web 页面人机识别验证的探索与实践

• Leaf：美团分布式ID生成服务开源

• 【基本功】Java动态追踪技术探究

• 根因分析初探：一种报警聚类算法在业务系统的落地实施

• 助力中文文字识别突破，美团公开首个真实场景招牌图像数据集

• 深度学习在美团配送ETA预估中的探索与实践

• 研发团队资源成本优化实践

• 全链路压测自动化实践

• 将军令：数据安全平台建设实践

• 【基本功】Java魔法类：Unsafe应用解析

• 人物志 | MIT科技创新“远见者”：美团NLP负责人王仲远

• AI Challenger 2018：细粒度用户评论情感分类冠军思路总结

• 美团点评技术年货：一本覆盖各技术领域、1200+页的电子书

• React Native工程中TSLint静态检查工具的探索之路

• 大众点评搜索基于知识图谱的深度学习排序实践

• 保障IDC安全：分布式HIDS集群架构设计

• 【人物志】美团技术委员会前端通道主席洪磊：爱折腾的斜杠青年

• 客户端单周发版下的多分支自动化管理与实践

• 深度学习在搜索业务中的探索与实践

• Spring Boot引起的“堆外内存泄漏”排查及经验总结

• 技术年货：美团技术沙龙合辑大放送——85个演讲，70+小时视频

• 美团AI全景图：吃喝玩乐背后的黑科技

• AI技术在智能海报设计中的应用

• iOS 增量代码覆盖率检测实践

• 美团酒旅起源数据治理平台的建设与实践

• 深入浅出排序学习：写给程序员的算法系统开发实践

• LruCache在美团DSP系统中的应用演进

• Android组件化方案及组件消息总线modular-event实战

• 智能支付稳定性测试实战

• 数据库智能运维探索与实践

• 机器学习在美团配送系统的实践：用技术还原真实世界

• 【人物志】技术十年：美团第一位前端工程师潘魏增

• 美团DB数据同步到数据仓库的架构与实践

• iOS App冷启动治理：来自美团外卖的实践

• 美团即时物流的分布式系统架构设计

• 新一代数据库TiDB在美团的实践

• Hades：移动端静态分析框架

• 美团餐饮娱乐知识图谱——美团大脑揭秘

• 前端黑科技：美团网页首帧优化实践

• 【基本功】不可不说的Java“锁”事

• 强化学习在美团“猜你喜欢”的实践

• 美团容器平台架构及容器技术实践

• Category 特性在 iOS 组件化中的应用与管控

• 【人物志】美团首席科学家夏华夏：不断突破边界的程序人生

• 浅谈大型互联网的企业入侵检测及防护策略

• 【基本功】深入剖析Swift性能优化

• 开源实时监控系统CAT 3.0发布：多语言客户端及多项性能提升

• 美团大脑：知识图谱的建模方法及其应用

• iOS系统中导航栏的转场解决方案与最佳实践

• 美团深度学习系统的工程实践

• 1024特辑——来自美团技术大佬的成长大礼包（含福利）

• Netty堆外内存泄露排查与总结

• 美团点评基于 Flink 的实时数仓建设实践

• Logan：美团点评的开源移动端基础日志库

• 【基本功】 前端安全系列之二：如何防止CSRF攻击？

• 基于TensorFlow Serving的深度学习在线预估

• 【基本功】 前端安全系列之一：如何防止XSS攻击？

• beeshell：开源的 React Native 组件库

• 美团外卖Android平台化的复用实践

• APPKIT打造稳定、灵活、高效的运营配置平台

• 全链路压测平台（Quake）在美团中的实践

• 镣铐之舞：美团安全工程师Black Hat USA演讲

• ARKit：增强现实技术在美团到餐业务的实践

• 美团扫码付小程序的优化实践

• 《美团机器学习实践》出版了

• 300万大奖：欢迎参加美团联合主办的全球AI挑战赛

• 用微前端的方式搭建类单页应用

• Oceanus：美团点评HTTP流量定制化路由的实践

• 深入理解JavaScriptCore

• WMRouter：美团外卖Android开源路由框架

• 美团O2O广告营销中的机器学习技术

• 写给工程师的十条精进原则

• Flutter的原理及美团的实践（下）

• Flutter的原理及美团的实践（中）

• Flutter的原理及美团的实践（上）

• 美团扫码付的前端可用性保障实践

• 美团 R 语言数据运营实战

• Jenkins的Pipeline脚本-美团餐饮SaaS实践

• 美团针对Redis Rehash机制的探索和实践

• 美团配送系统架构演进实践

• 海盗中间件：美团服务体验平台对接业务数据的最佳实践

• LiveDataBus：Android消息总线的演进之路

• 美团客户端响应式框架EasyReact开源啦

• 美团点评云真机平台实践

• 【AI in 美团】美团如何基于深度学习实现图像的智能审核？

• Android自动化页面测速在美团的实践

• MCI-大众点评千人移动研发团队怎样做持续集成？

• 前端遇上Go: 静态资源增量更新的新实践

• UAS：大众点评用户行为系统

• Kotlin代码检查在美团的探索与实践

• 【AI in 美团】深度学习在OCR中的应用

• 美团外卖iOS多端复用的推动、支撑与思考

• Picasso：开启大前端的未来

• 【AI in 美团】深度学习在文本领域的应用

• 美团外卖Android Crash治理之路

• WWDC案例解读：大众点评相机直接扫描支付是怎么实现的

• 【AI in 美团】深度学习在美团搜索广告排序的应用实践

• 2000万日订单背后：美团外卖客户端高可用建设体系

• 大众点评账号业务高可用进阶之路

• SQL解析在美团点评中的应用

• 互联网公司数据安全保护新探索

• 美团点评广告实时索引的设计与实现

• 质量运营在美团点评智能支付业务测试中的初步实践

• “小众”之美——Ruby在QA自动化中的应用

• Android插件化、热补丁中绕不开的ProGuard的坑

• 美团点评智能支付核心交易系统的可用性实践

• 美团酒旅实时数据规则引擎应用实践

• 美团外卖Android Lint代码检查实践

• 工程师如何在工作中提升自己?

• 使用TensorFlow训练WDL模型性能问题定位与调优

• 美团外卖骑手背后的AI技术

• 美团“猜你喜欢”深度学习排序模型实践

• 美团配送资金安全治理之对账体系建设

• 每天数百亿用户行为数据，美团点评怎么实现秒级转化分析？

• 美团点评金融平台Web前端技术体系

• 美团旅行销售绩效系统研发实践

• 大众点评App的短视频耗电量优化实战

• Vue.js开发微信小程序：开源框架mpvue

• Android动态日志系统Holmes

• 美团点评运营数据产品化应用与实践

• 美团点评移动端基础日志库——Logan

• 境外业务性能优化实践

• 聊聊MyBatis缓存机制

• 高性能平台设计—美团旅行结算平台实践

• 如何解决微服务化中日志收集不全的问题？

• 领域驱动设计在互联网业务开发中的实践

• Shield——开源的移动端页面模块化开发框架

• 美团金融扫码付静态资源加载优化实践

• 智能分析最佳实践——指标逻辑树

• 美团点评联盟广告场景化定向排序机制

• 即时配送的ETA问题之亿级样本特征构造实践

• MyFlash——美团点评的开源MySQL闪回工具

• 流计算框架 Flink 与 Storm 的性能对比

• 函数式编程在Redux/React中的应用

• 美团App 插件化实践

• iPhone X 刘海打理指北

• 人工智能在线特征系统中的生产调度

• 缓存那些事

• 美团外卖前端可视化界面组装平台 —— 乐高

• 美团点评SQL优化工具SQLAdvisor开源

• Android自定义Lint实践2——改进原生Detector

• 美团点评前端无痕埋点实践

• 业务赋能利器之外卖特征档案

• 布局编码的未来

• Mt-Falcon——Open-Falcon在美团点评的应用与实践

• 日志级别动态调整——小工具解决大问题

• 外卖O2O的用户画像实践

• 深度学习在美团点评的应用

• 美团点评Docker容器管理平台

• 聊聊clean code

• Android硬件加速原理与实现简介

• 美团点评业务风控系统构建经验

• 新一代开源Android渠道包生成工具Walle

• 美团点评数据库中间件DBProxy开源

• 前端工程化开发方案app-proto

• MGW——美团点评高性能四层负载均衡

• 美团团购订单系统优化记

• 美团酒店直连产品数据一致性演进

• MTDDL——美团点评分布式数据访问层中间件

• 移动端性能监控方案Hertz

• 外卖排序系统特征生产框架

• HDFS NameNode内存详解

• 常见性能优化策略的总结

• 红黑树深入剖析及Java实现

• CRM系统新思维

• 基于 Appium 的 Android UI 自动化测试

• 大众点评订单系统分库分表实践

• 双引擎驱动 Quick BI 十亿数据0.3秒分析，首屏展示时间缩短30%

• 从阿里核心场景看实时数仓的发展趋势

• 性能提升40%！阿里云神龙大数据加速引擎获TPCx-BB世界排名第一

• Lakehouse 架构解析与云上实践

• 深度解析开源推荐算法框架 EasyRec 的核心概念和优势

• Oracle 数据到 MaxCompute 乱码问题详解

• ClickHouse Keeper 源码解析

• 基于 EMR OLAP 的开源实时数仓解决方案之 ClickHouse 事务实现

• Cloudera CDP 企业数据云测试开通指导

• 治理企业“数据悬河”，阿里云DataWorks全链路数据治理新品发布

• 数据湖构建与计算

• 云湖共生 - 释放企业数据价值

• Serverless 工程实践 | 自建 Apache OpenWhisk 平台

• 打破 Serverless 落地边界，阿里云 SAE 发布 5 大新特性

• 基于 Delta lake、Hudi 格式的湖仓一体方案

• 基于海量日志和时序数据的质量建设最佳实践

• 快速上手 Serverless | 入门第一课

• Apache Flink 在汽车之家的应用与实践

• MaxCompute 存储设计

• 基于 MaxCompute SQL 的半结构化数据处理实践

• 37 手游基于 Flink CDC + Hudi 湖仓一体方案实践

• 基于 MaxCompute + Hologres 的人群圈选和数据服务实践

• 基于 MaxCompute 分布式 Python 能力的大规模数据科学分析

• Flink 在 58 同城的应用与实践

• 云原生大数据架构中实时计算维表和结果表的选型实践

• Apache Hudi 在 B 站构建实时数据湖的实践

• 基于 MaxCompute 的实时数据处理实践

• 基于 MaxCompute+PAI 的用户增长方案实践

• Flink 1.14 新特性预览

• 伴鱼：借助 Flink 完成机器学习特征系统的升级

• EMR on ACK 全新发布，助力企业高效构建大数据平台

• Flink 在顺丰的应用实践

• 学术顶会再突破！计算平台 MaxCompute 论文入选国际顶会VLDB 2021

• 分布式计算引擎 Flink/Spark on k8s 的实现对比以及实践

• 如何快速搭建云原生企业级数据湖架构及实践分享

• 基于英特尔® 优化分析包（OAP）的 Spark 性能优化方案

• SmartNews：基于 Flink 加速 Hive 日表生产的实践

• Flink CDC 2.0 正式发布，详解核心改进

• MaxCompute 跨境访问加速解决方案

• DLF +DDI 一站式数据湖构建与分析最佳实践

• Snowflake 如日中天是否代表 Hadoop 已死？大数据体系到底是什么？

• Flink on Zeppelin 流计算处理最佳实践

• 外部工具连接 SaaS 模式云数据仓库 MaxCompute 实战—商业 BI 分析工具篇

• 阿里数据中台底座的12年建设实践

• 360 政企安全集团基于 Flink 的 PB 级数据即席查询实践

• 如何保证 Serverless 业务部署更新的一致性？

• MaxCompute Spark 资源使用优化祥解

• AI和大数据结合，智能运维平台助力流利说提升核心竞争力

• 如何保证 Serverless 业务部署更新的一致性？

• Spark 大数据处理最佳实践

• Kettle on MaxCompute 使用指南

• MaxCompute 非事务表如何更新数据

• 「详谈 Delta Lake 」系列技术专题 之 湖仓一体（ Lakehouse ）

• Hologres揭秘：优化COPY，批量导入性能提升5倍+

• 深入解读 Flink SQL 1.13

• 「详谈 Delta Lake 」系列技术专题 之 特性（Features）

• Flink+Hologres 亿级用户实时UV精确去重最佳实践

• 唯品会：在 Flink 容器化与平台化上的建设实践

• Flink 和 Iceberg 如何解决数据入湖面临的挑战

• 使用 MaxCompute LOAD 命令批量导入 OSS 数据最佳实践

• Hologres 揭秘：高性能原生加速 MaxCompute 核心原理

• 来电科技：基于 Flink + Hologres 的实时数仓演进之路

• Flink+Hologres 助力伊的家电商平台建设新一代实时数仓

• 云原生数据湖构建、分析与开发治理最佳实践及案例分享

• 数据的“敏捷制造”，DataWorks一站式数据开发治理范式演进

• 汽车之家：基于 Flink + Iceberg 的湖仓一体架构实践

• PyFlink 教程（三）：PyFlink DataStream API - state & timer

• Hologres 揭秘：深度解析高效率分布式查询引擎

• 阿里大数据云原生化实践，EMR Spark on ACK 产品介绍

• 超详攻略！Databricks 数据洞察 - 企业级全托管 Spark 大数据分析平台及案例分析

• 来电科技：基于 Flink+Hologres 的实时数仓演进之路

• 实时计算 Flink 版总体介绍

• 数仓架构持续演进与发展 - 云原生、湖仓一体、离线实时一体、SaaS

• 如何基于MaxCompute快速打通数据仓库和数据湖的湖仓一体实践

• 一文带你了解企业上云数据分析首选产品Quick BI

• 智能数据构建与管理平台Dataphin的前世今生：缘起

• 达摩院重要科技突破！空天数据库引擎 Ganos 解读

• 官宣｜Apache Flink 1.13.0 正式发布，流处理应用更加简单高效

• Hologres 如何支持超高基数 UV 计算(基于 roaringbitmap 实现)

• Flink 在有赞的实践和应用

• Flink 和 Pulsar 的批流融合

• Hologres 如何支持亿级用户UV计算

• 以EMR测试集群版本为例，详解 Flink SQL Client 集成 Hive 使用步骤

• Databricks 数据洞察 Delta Lake 在基智科技（STEPONE）的应用实践

• Flink 最佳实践之使用 Canal 同步 MySQL 数据至 TiDB

• Serverless：这真的是未来吗？（二）

• Apache Flink在 bilibili 的多元化探索与实践

• 如何通过 Graph+AI 的方法打造高精度风控模型

• 百信银行基于 Apache Hudi 实时数据湖演进方案

• 深度 | 数据湖分析算力隔离技术剖析

• 贝壳基于 Flink 的实时计算演进之路

• 重磅发布 阿里云数据中台全新产品 DataTrust 聚焦企业数据安全保障

• DataWorks 搬站方案：Airflow 作业迁移至 DataWorks

• DataWorks 搬站方案：Azkaban 作业迁移至 DataWorks

• 融合趋势下基于 Flink Kylin Hudi 湖仓一体的大数据生态体系

• 知乎的 Flink 数据集成平台建设实践

• Fluid给数据弹性一双隐形的翅膀（1）- 自定义弹性伸缩

• 实时 OLAP，从 0 到 1

• 深度 | 数据仓库分层存储技术揭秘

• Flink 集成 Iceberg 在同程艺龙的实践

• 爱奇艺大数据生态的实时化建设

• Fluid 0.5版本发布：开启数据集缓存在线弹性扩缩容之路

• 数据湖，成为海量数据存储与分析的重要承载方式（附白皮书下载）

• 数据仓库如何实现湖仓一体数据分析？

• Elasticsearch 生态&技术峰会 | Elasticsearch 在清博大数据的应用与实践

• MaxCompute在电商场景中如何进行漏斗模型分析

• Flink 如何实时分析 Iceberg 数据湖的 CDC 数据

• MaxCompute Tunnel 技术原理及开发实战

• 详解 Flink 容器化环境下的 OOM Killed

• MaxCompute Spark 使用和常见问题

• 实时计算 Flink 与你相约阿里云

• 实时计算 Flink 版应用场景与产品介绍

• 云数据库ClickHouse资源隔离-弹性资源队列

• 用 Mars Remote API 轻松分布式执行 Python 函数

• 持续定义SaaS模式云数据仓库+数据银行

• MaxCompute full outer join改写left anti join实践

• 【数据湖开发治理篇】——数据湖开发治理平台DataWorks

• 多数据源一站式入湖

• 使用日志审计查看MaxCompute执行过哪些操作

• 超全！20种大数据处理工具总有一种你需要

• MaxCompute 实现增量数据推送(全量比对增量逻辑)

• 《领军行业大数据及AI实战》解锁九大行业领军企业云上大数据及AI实战

• 阿里巴巴大数据实践—数据开发平台

• 开放、普惠、高性能-SLS时序存储助力打造企业级全方位监控方案

• MaxCompute/Dataworks云数仓高可用最佳实践

• 飞天大数据产品价值解读— SaaS模式云数据仓库MaxCompute

• 关于CDN的原理、术语和应用场景那些事

• 在 MaxCompute 中配置 Policy 策略遇到结果不一致的问题

• 阿里靠什么支撑 EB 级计算力？

• 十年磨一剑，王坚自研的 MaxCompute 如何解决世界级算力难题

• 基于 MaxCompute 的数仓数据质量管理

• MaxCompute 图计算用户手册（上）

• MaxCompute Mars 开发指南

• 在 DataWorks 中实现指定 UDF 只能被指定账户访问

• 在 DataWorks 中实现指定 UDF 只能被指定账户访问

• 21分钟教会你分析 MaxCompute 账单

• MaxCompute_JAVA_SDK_开发指南

• 图（关系网络）数据分析及阿里应用

• MaxCompute，基于 Serverless 的高可靠大数据服务

• 【MaxCompute 季报】MaxCompute 新功能发布 2018Q4

• 一文快速了解 MaxCompute

• 手把手教你玩转阿里云双11拼团活动

• 基于MaxCompute构建企业用户画像（用户标签的制作）

• 离线计算中的幂等和DataWorks中的相关事项

• MaxCompute数据仓库在三大算法中的数据转换实践

• 调度、模型、同步与任务——阿里云大数据数仓建设性能优化方案

• 只需四步，帮助企业做好MaxCompute成本优化

• 实战：数据进入Maxcompute的N种方式

• 大数据计算服务MaxCompute 5月新功能发布一览

• 阿里云大数据MaxCompute解析JSON日志的案例

• MaxCompute读取分析OSS非结构化数据的实践经验总结

• 如何在MaxCompute上处理存储在OSS上的开源格式数据

• MaxCompute studio FAQ

• 善用 MaxCompute Studio 分析 SQL 作业

• 玩转MaxCompute studio SQL编辑器

• 在PyODPS DataFrame自定义函数中使用pandas、scipy和scikit-learn

• 在 MaxCompute UDF 中运行 Scipy

• MaxCompute助力OSS支持EB级计算力

• 解析DataWorks数据集成中测试连通性失败问题

• 离线计算中的幂等和DataWorks中的相关事项

• MaxCompute UDF系列之身份证校验、全角转半角、拼音转换

• 企业打开Redis的正确方式，来自阿里云云数据库团队的解读

• 每个人都应该知道的25个大数据术语

• MaxCompute预付费资源监控工具-CU管家使用教程

• MaxCompoute禁止Full Scan功能开放

• 阿里云MaxCompute：印尼将开服，成全球第十二个数据节点

• MaxCompute SQL原理解析及性能调优

• 为什么MaxCompute采用列式存储？列式存储和行式存储的主要区别在哪

• MaxCompute MapReduce

• 阿里云大数据MaxCompute计算资源分布以及LogView分析优化

• 从MapReduce的执行来看如何优化MaxCompute（原ODPS） SQL

• 阿里云MaxCompute印度开服，加速大数据产业升级

• 阿里云MaxCompute，用计算力让数据发声

• MaxCompute Studio使用心得6：一个工具完成整个Python UDF开发

• MaxCompute Studio使用心得系列5——一个工具完成整个JAVA UDF开发

• MaxCompute Studio使用心得系列4——可视化查看所有job并分析运行情况

• MaxCompute Studio使用心得系列3——可视化分析作业运行

• MaxCompute Studio使用心得系列2——编译SQL脚本

• MaxCompute Studio使用心得系列1——本地数据上传下载

• MaxCompute - ODPS重装上阵　第四弹 - CTE，VALUES，SEMIJOIN

• MaxCompute - ODPS重装上阵　第三弹 - 复杂类型

• MaxCompute - ODPS重装上阵　第二弹 - 新的基本数据类型与内建函数

• MaxCompute - ODPS重装上阵　第一弹 - 善用MaxCompute编译器的错误和警告

• 基于TableStore/MaxCompute的数据采集分析系统介绍

• 端到端GPU性能优化在深度学习场景下的应用实践

• 阿里云机器学习平台PAI，助力降低机器学习的成本和技术门槛

• 阿里云MaxCompute持续挑战极限，北京云栖大会现场完成基于公共云的BigBench评测！

• 6位技术大咖11月倾心巨献，大数据+安全主题的技术分享合集【阿里云MVP 干货集锦】

• 推荐引擎的离线算法和在线算法初探

• MaxCompute Studio 2.8.2 新版本发布啦！

• MaxCompute/DataWorks 数据集成与开发实践

• MaxCompute助力ofo实现精细化运营：日订单超3200万、整体运行效率提升76%

• 数加：从数据工程师到CDO的七次升职路

• 如何快速玩转阿里云大数据计算服务MaxCompute

• 阿里云Elasticsearch的X-Pack：机器学习、安全保障和可视化

• 千亿特征流式学习在大规模推荐排序场景的应用

• 三分钟教你学会分析MaxCompute消费明细

• MaxCompute Studio使用心得——一个工具完成整个JAVA UDF开发

• Redis大数据应用场景

• 阿里云大数据计算服务MaxCompute在德国法兰克福正式开服

• 阿里云机器学习平台的思考

• 美图全链路监控实战

• AKKA-Stream 和背压策略（Backpressure）

• Coordinator Worker模式在AKKA集群中应用

• 泛型和元编程的模型：Java, Go, Rust, Swift, D等

• 在微服务架构下的状态机设计模式

• 一个高效的定时任务系统

• 美团对 Java 新一代垃圾回收器 ZGC 的探索与实践

• 云原生时代，Java还是Go?

• WebRTC，音视频会议底层支撑技术解读

• Slack的512宕机故障分析：负载均衡策略的失误

• 为什么 Kubernetes 变得如此流行（2020版）

• 深入解读HTTP3的原理及应用

• 同程艺龙云原生 K8s 落地实践

• 新项目用 Rust 还是 Go ？

• HTTP3能给应用带来什么好处？这里有一份最新评测数据

• 如何快速定位 Redis 热 key?

• JDK 14发布，空指针错误改进正式落地

• Swift程序员对Rust印象：内存管理

• 在生产环境运行Elasticsearch深度指南

• 解决并发编程之痛的良药--结构化并发编程

• 来了解一下golang汇编

• go-redis事务断连分析

• 分析一下redis的Pipeline，TxPipeline，Transaction，Atomic

• 深入浅出Rust异步编程之Tokio

• 分享一个很多团队不知道的方法：回收不健康JVM提升可用性

• 你所不知道的 ChaosBlade 那些事

• Dubbo 2.7.5 版本发布，性能提升30%，支持 HTTP/2、TLS、Protobuf等特性

• 美图每天亿级消息存储演进——从Redis到Titan，完美解决扩容问题

• 千万级延时任务队列如何实现，看美图开源的-LMSTFY

• 闪电网络——比特币的小额支付解决方案

• 学习区块链必读：如何10分钟搭建Libra

• 你不在意的HTTPS证书吊销机制

• Golang实现单机百万长连接服务 - 美图的三年优化经验

• 一个Netflix开发的微服务编排引擎，支持可视化工作流定义

• 关于Golang GC的一些误解--真的比Java GC更领先吗？

• 正式支持多线程！Redis 6.0与老版性能对比评测

• 一百人研发团队的难题：研发管理、绩效考核、组织文化和OKR

• 使用Spring 5实现响应式微服务架构，简洁版来了

• 一文理解分布式服务架构下的混沌工程实践

• 从工具到社区，美图秀秀大规模性能优化实践

• JVM垃圾回收算法大乱斗

• 简单才是王道？刚开源的微服务任务调度平台SIA—TASK初探

• 从Spark Streaming到Apache Flink: 实时数据流在爱奇艺的演进

• 当 WebAssembly 遇上 Serverless

• 调研Redis高可用两种方案

• 被视为代替Kafka的消息队列：Apache Pulsar设计简介

• 主流微服务注册中心浅析和对比

• 一图了解Google工具栈

• JVM锁粗化和循环

• 10行代码理解Java锁消除

• 5分钟了解Java 12 八大新特性

• 聊聊Java String.intern 背后你不知道的知识

• QMQ顺序消息设计与实现

• Leveldb代码阅读笔记

• Redis作者：近期核心功能的一些思考和澄清

• Kubernetes实战——谈谈微博应对春晚等突发峰值流量的经验

• 架构师口中的混沌工程，究竟用来解决什么问题

• 是否值得付费？Oracle,Open JDK等四大JVM性能全面对比

• Go存储怎么写？深度解析etcd存储设计

• 一文读懂Java 11的ZGC为何如此高效

• 5分钟学会Java 9~Java11的七大新特性

• O记数据库内部开发人员吐槽代码乱

• Hystrix已经停止开发，官方推荐替代项目Resilience4j简介

• 字节跳动急招 —— 广告系统存储架构研发工程师

• Redis之父：我曾经只是个码农

• 百度基础架构部招聘数据库攻城狮

• Redis 生涯就此结束

• Orange — 腾讯、好未来在用的开源 API 网关

• 深入理解 TCP 协议 —— 鲜为人知的知识宝藏

• 同义词搜索是如何做到的？

• 互联网职场人士解压方式一览

• Lucene 高阶查询的瑞士军刀 —— QueryParser

• 【译】antirez：Redis6将支持客户端缓存

• Lucene 高阶查询技巧

• Lucene 倒排索引的精致结构

• 基于 Lucene 实现一个朴素的搜索引擎

• 搜索引擎的语料库 —— 万恶的爬虫

• 开源搜索技术的核心引擎 —— Lucene

• 搜索技术的秘密：概览

• 字节跳动面试题 —— 史莱姆变形计

• 字节跳动面试题 —— 水壶问题

• 老钱的字节跳动内推入口，欢迎优秀的同学加入

• Redis RDB 持久化详解

• Redis 事件机制详解

• 海量数据和高并发下的 Redis 业务优化实践

• hash 结构的另一种形式 —— 开放地址法

• Redis 精确去重计数 —— 咆哮位图

• 关于服务限流的一些思考

• 一个简单的基于 Redis 的分布式任务调度器 —— Java 语言实现

• 【译】Redis喜提新数据结构：Redis Streams

• Redis 布隆过滤器实战「缓存击穿、雪崩效应」

• 一种简单易懂的 MyBatis 分库分表方案

• 关于程序员的几点思考

• 如何学习新技术

• BAT 经典算法笔试题 —— 磁盘多路归并排序

• 深度解密HTTP通信细节

• “三次握手，四次挥手”你真的懂吗？

• 走近源码：Redis如何执行命令

• 鸿篇巨制 —— LevelDB 的整体架构

• Mac编译openjdk源码

• 走近源码：Redis的启动过程

• SpringBoot 究竟是如何跑起来的?

• LevelDB 入门 —— 全面了解 LevelDB 的功能特性

• 《快学 Go 语言》第 16 课 —— 包管理 GOPATH 和 Vendor

• Kafka消息系统基础知识索引

• 阿里巴巴开源限流系统 Sentinel 全解析

• 既生 Redis 何生 LevelDB ？

• 《快学 Go 语言》第 15 课 —— 反射

• 《快学 Go 语言》第 14 课 —— 魔术变性指针

• 深入 Java Timer 定时调度器实现原理

• 《快学 Go 语言》第 13 课 —— 并发与安全

• 打通 Java 任督二脉 —— 并发数据结构的基石

• 一本《Redis 深度历险》，我能躺挣多少钱？

• 冷门的 Java 应用程序安全沙箱机制了解一下

• 《快学 Go 语言》第 12 课 —— 通道

• 《快学 Go 语言》第 11 课 —— 千军万马跑协程

• 老大难的 Java ClassLoader 再不理解就老了

• 关于负载均衡的一切，简单易懂

• 《快学 Go 语言》第 10 课 —— 错误与异常

• 《快学 Go 语言》第 9 课 —— 接口

• 《快学 Go 语言》第 8 课 —— 结构体

• 《快学 Go 语言》第 7 课 —— 字符串

• 《快学 Go 语言》第 6 课 —— 字典

• 深度解析 Go 语言「切片」的三种特殊状态

• 《快学 Go 语言》第 5 课 —— 灵活的切片

• 《快学 Go 语言》第 4 课 —— 低调的数组

• 不安分的 Go 语言开始入侵 Web 前端领域了

• 《码农群英传》连载（一） —— Go 语言之父 Rob Pike

• 你真的了解Netty中@Sharable？

• 《快学 Go 语言》第 3 课 —— 分支与循环

• 《快学 Go 语言》第 2 课 —— 变量基础

• 《快学 Go 语言》第 1 课 —— Hello World

• 该内容暂无法显示

• 短小精悍 —— Redis 命令行工具的妙用

• 《Redis 深度历险》之 深入分析 Redis Lua 脚本运行原理

• 自己动手实现 Shell多进程管道符

• 天天都在用的管道命令里面到底怎么实现的？

• 见微知著 —— Redis 字符串精致的内部结构

• RPC 服务器之【多进程描述符传递】高阶模型

• Redis 对象内部组织结构 —— 字典

• 深度探索 Redis HyperLogLog 内部数据结构

• 跋山涉水 —— 深入 Redis 字典遍历

• 《Redis深度历险》《深入理解RPC》答读者问

• 如履薄冰 —— Redis懒惰删除的巨大牺牲

• 码洞辛勤打磨两个月的技术作品《Redis深度历险》总算上线了

• Redis作者Antirez经历的「性别歧视」风波

• 让我来告诉你为什么做女程序媛很好

• 我为Redis找到了一个新家——VMWare

• 深入理解RPC——你看或没看见 它都在那里

• 【动画】当我们在读写Socket时，我们究竟在读写什么？

• 跟着动画来学习TCP三次握手和四次挥手

• 码洞上线处女作《深入理解RPC》—在线阅读

• Python最广为使用的并发处理库futures使用入门与内部原理

• 知道Python语言的Google Fire项目么，我将它移植到了Java上

• 巧用Google Fire简化Python命令行程序

• Github上最受欢迎的Python轻量级框架Flask入门

• 求不更学不动之Redis5.0新特性Stream尝鲜

• 看完Java的动态代理技术——Pythoner笑了

• 知乎后端主力框架Tornado入门体验

• 深入Python进程间通信原理——图文版

• 深入Python多进程编程基础——图文版

• 为什么阿里的员工要带着工牌逛街？

• 蚂蚁金服 RPC 框架 Sofa-Bolt 结构分析

• Raft只读操作实现要点

• Raft协议精解

• 别再怀疑自己的智商了，Raft协议本来就不好理解

• 各大主流语言web框架代码行数对比

• 200行Java代码实现依赖注入框架

• 核心技术靠化缘是要不来的——自己动手写ORM框架

• 大厨小鲜——基于Netty自己动手实现Web框架

• 全栈虚拟机GraalVM初体验

• 欢迎加入码洞技术交流群

• 大厨小鲜——基于Netty自己动手实现RPC框架

• 用Python语言描述水塘抽样与阶层固化

• 深度解析某头条的一道面试题

• HTTP协议冷知识大全

• 鲜为人知的HTTP协议头字段详解大全

• 基于Netty实现Redis协议的编码解码器

• 人工稚能之sklearn聚类

• 人工稚能之sklearn线性回归

• Shell文本处理编写单行指令的诀窍

• 码洞专栏升级了

• 天下无难试之HTTP协议面试刁难大全

• 服务发现的基本原理

• 坑人无数的Java面试题之ArrayList

• Jetty基础之线程模型

• 徒手教你使用zookeeper编写服务发现

• 以太坊合约分析之拍卖算法

• 以太坊合约分析之简单投票

• 以太坊合约分析之远程购买

• 迟来的HTTP2简明教程

• Spark通信原理之Python与JVM的交互

• GopherLua基础入门

• I can Go！I can Python！嘭！Go-Python！

• 比特币教程之一致性问题

• 比特币教程之数据结构基础

• Java与系统硬件的亲密接触【伪共享】

• 有趣的Python开源库之ProxyTypes

• Vuetify—给Vue.js穿上Material Design的外衣

• 有趣的Python开源库之Hashids

• 依赖注入不是Java的专利，Golang也有

• 深度学习Java之内存模型【译】

• 关于Golang信号channel的长度问题

• 天下无难试之Redis面试题刁难大全

• 如何优雅的关闭Go Channel【译】

• Go Channel最佳实践之基本规则

• Java高阶必备之Netty基础原理

• 轻量级web框架Spark快速入门

• 天下无难试之HashMap面试刁难大全

• Redis4.0到来，Jedis不能用了咋整？

• 超实用极简客户端Failover方案

• 「Guice」依赖注入框架中的小清新

• Java线程池队列吃饱了，撑着了咋整

• 云原生OLAP数据引擎

• Greenplum 结合 Roaringbitmap 实现亿级会员十万级标签毫秒级查询

• 从理论到实践, 用insightface构建人证识别系统

• pilosa - 搜索引擎新星

• InsightFace - 使用篇, 如何一键刷分LFW 99.80%, MegaFace 98%.

• Elasticell和Jepsen测试

• 分布式系统中的一致性

• Elasticell-聊聊Raft的优化

• Elasticell-Multi-Raft实现

• Elasticell-缘起

• Openstack Swift Ring的实现分析

• 说说分布式文件存储系统-数据定位

• 说说分布式文件存储系统-集群管理

• 说说分布式文件存储系统-基本架构

• 说说分布式文件存储系统

• [ASPLOS2020] Hailstorm: Disaggregated Compute and Storage for Distributed LSM-based Databases 笔记

• Apache Arrow简介

• 开源OLAP引擎哪个快？ (Presto、HAWQ、ClickHouse、GreenPlum)

• 云原生Service Mesh架构基础设施 - Istio结合Rancher 2.3上手体验灰度发布

• RocketMQ生产环境启动后进程自动退出原因

• InfluxDB 源码学习：文件结构（一）

• InfluxDB 源码学习：查询优化

• InfluxDB 源码学习：整体结构

• 算法相关：动规和图

• TiDB 源码学习：列裁剪

• TiDB 源码学习：关于 join 的优化

• TiDB 源码学习: 聚合查询

• TiDB 源码学习：常见子查询优化

• TiDB 源码学习：关于 Projection Pruning 的细节问题

• 加快 java 项目 Docker 镜像构建速度的野路子

• TiDB 源代码学习: ranger 模块代码分析

• Codis AutoRebalance 流程学习

• Django Migration 机制学习

• 对 Raft 的一些直观理解

• traefik 源码学习（二）

• Django 项目单元测试的几个套路

• traefik 源码学习（一）

• traefik 介绍

• drone CI 代码学习

• Flutter Container 宽高计算问题

• 小程序 JSON.parse 的坑

• 基于 git 和 CI/CD 的集中化配置管理服务

• 微信小程序的一个坑: canvas 图表

• 总结一些 Django 开发经验

• 不小心掉进了 uglify-js 的坑

• 【ClickHOuse源码阅读计划5】SIMD intrinsic function in ClickHouse

• ClickHouse 源码阅读计划（四）BloomFilter的应用

• ClickHouse源码阅读计划（三）物化视图的概念、场景、用法和源码实现

• ClickHouse源码阅读计划(二) - IStorage和MergeTree的datapart/WAL部分梳理

• ClickHouse源码阅读计划(一) - Everything About MergeTree

• ClickHouse 源码阅读 —— SQL的前世今生

• ClickHouse源码阅读计划--理论&工具的准备

• ClickHouse 源码阅读计划－－写在前头

• PingCAP 招聘季 - Ti 星球期待你的降临!

• TiSpark 批量写入 TiDB 原理与实现

• 读论文 - F1 Lightning: HTAP as a Service

• TiDB HTAP 深度解读

• TiDB 的列式存储引擎是如何实现的？

• 为啥 TiFlash 又变快了？

• 来 PingCAP 3 年了

• 为了证明它的速度，我们一口气对比了很多其他

• 如何轻松让 TiDB 分析场景无痛提速十倍

• 数据库计算引擎的优化技术：向量化执行与代码生成

• 浅析数据块排序

• 从大数据到数据库

• 从“数据工具”到“线上问题排查工具”

• jq & jqplay.org: 像大师一样处理JSON

• Apache Arrow Gandiva：远大理想与尴尬现实

• Janino：轻巧的Java动态编译器

• Spark + Kyuubi + Iceberg = Lakehouse

• Dremio Cloud：Snowflake云数仓的强力竞争对手来了

• 工具文化：使用 Parser Combinator 来读懂复杂任务

• 日常可视化 —— 在百万任务中快速定位问题

• 数据加工大师 —— dbt

• 混合云：大公有云，傻私有云

• 低代码平台：大后端，傻前端

• 低代码平台：Streamlit

• Continuations

• 让开源BI Metabase 踏上 Dremio 的风火轮

• 从 Change Data Capture (CDC) 到反向ETL

• 基于“标准”构建软件系统

• 我的云数据湖

• 利用Serverless来进行大规模压力测试 (Serverless K8S + Playwright)

• 命令行程序如何扫码登录？

• 我的“飞书”对话机器人

• A16z: How Tech Stacks Up in B2B（企业技术趋势）

• 观远智能数据开发平台 感谢&祝贺DolphinScheduler毕业成为Apache顶级项目!

• 关注了Apache Spark的人同时关注了什么项目？

• 从“皮皮调度”到“小宇宙” (universe-lite): 任务编排的本质

• 云原生技术与云原生产品

• Snowflake的光荣与梦想

• 传奇公司Snowflake（2）：半结构化数据，细微之处见真功

• 传奇公司Snowflake（1）：定价模式决定了商业成功

• Apache Spark之单分支CaseWhen优化为IF

• 打败Jooq SQL生成器的，不是另一个更好的SQL生成器，而是String Template

• 皮皮调度（6）—— Gearman：你真的是传说中的“齿轮超人”吗？

• 皮皮调度（5）—— Jep With Py4j？

• 皮皮调度（4）—— Jep Native Image 尝试

• 皮皮调度（3）——Java和Python互相调用的方式

• 皮皮调度（2）——编译为原生程序的Java应用框架 —— Quarkus

• 皮皮调度（1）——从Airflow到DolphinScheduler，以及“皮皮调度”的来历

• GraalVM —— 让Java变得再次强大

• 飞书（Lark）—— 一个免费的在线数据库

• 技术人员眼中的BI之可视化 —— 标准家：Vega & Vega-Lite

• 技术人员眼中的BI之可视化 —— 艺术家：D3

• 技术人员眼中的BI之可视化 —— 实干家：ECharts

• 技术人员眼中的BI —— BI简介

• SQL的弱点（3）：缺少静态类型检查

• SQL的弱点（2）：不支持从所有列中去除某列

• SQL的弱点（1）：复杂SQL不易理解，以及软件工程如何来帮忙

• K3S：轻量的Kubernetes -- 概览&部署指南

• k-means聚类算法的收敛性证明与应用

• TAPS思维

• PREP思维框架

• 过奖感言

• “创业者加塞定律”

• 易观Presto Hbase Connector组件

• 如何找到免费私有化用户数据分析工具？

• 开源OLAP引擎哪个快？ (Presto、HAWQ、ClickHouse、GreenPlum)

• CTO、技术VP、技术总监、首席架构师的区别？技术管理者的核心能力是什么？

• 避免“数据湖”成为“数据沼泽”，流动的“数据河”是关键

• 企业数字化转型，认准一个关键指标就够了

• 从0到N建立高性价比的大数据平台 2016版

• Clickhouse，Greenplum，TiDB区别在哪里

• 八股文之DPDK

• 浅析开源项目之Seastar

• seastar源码分析之官方文档

• seastar源码分析之用户态TCP协议栈

• 浅析开源项目之io_uring

• 浅析开源项目之Ceph

• 浅析开源项目之LevelDB

• 浅谈分布式存储之raft

• 浅谈分布式存储之单机对象存储引擎

• 浅谈分布式存储之SSD基本原理

• 浅谈分布式存储之sync详解

• 浅谈分布式存储之数据分布

• Linux惊群效应之Nginx解决方案

• GRPC连接池的设计与实现

• 浅谈Linux内核IO体系之磁盘IO

• BlueStore源码分析之事物状态机

• BlueStore源码分析之对象IO

• BlueStore源码分析之Cache

• BlueStore源码分析之FreelistManager

• BlueStore源码分析之BlockDevice

• BlueStore源码分析之Stupid分配器

• BlueStore源码分析之BitMap分配器

• BlueStore源码分析之架构设计

• Elasticsearch使用经验和云上竞品对比

• Elasticsearch的TermsQuery慢查询分析和优化

• Elasticsearch之SearchScroll原理剖析和性能及稳定性优化

• Elasticsearch 相关研发岗位招聘

• Elasticsearch性能优化之valueCountAgg的8~20倍性能提升

• Elasticsearch: 基于Text Embedding的文本相似性搜索

• ELK日志方案介绍

• Netflix Media Database - 起源和数据模型

• Netflix Media Database - 架构设计和实现

• 剖析Elasticsearch的IndexSorting:一种查询性能优化利器

• 基于Lucene查询原理分析Elasticsearch的性能

• TableStore发布多元索引功能，打造统一的在线数据平台

• Elasticsearch 通信模块的分析

• Lucene 查询原理

• Lucene解析 - IndexWriter

• Elasticsearch内核剖析

• Lucene解析 - 基本概念

• Elasticsearch内核解析 - 查询篇

• [聘][阿里云TableStore]打造全球领先的在线数据服务平台

• Elasticsearch分布式一致性原理剖析(三)-Data篇

• Elasticsearch分布式一致性原理剖析(二)-Meta篇

• Elasticsearch内核解析 - 写入篇

• Elasticsearch分布式一致性原理剖析(一)-节点篇

• Elasticsearch内核解析 - 数据模型篇

• 从Elasticsearch来看分布式系统架构设计

• 关于这个专栏

• 祝贺！我的同事李飞飞当选ACM Fellow、IEEE Fellow

• 助力教育数字转型，阿里云＆数澜科技智慧校园解决方案联合实验室挂牌成立

• 阿里云数据库荣获PostgreSQL社区颁发的“数据库最佳产品奖”

• 专访阿里云王伟民：一站式全链路，阿里云向云原生数据库2.0跃迁

• 加速行业人才建设，看阿里云数据库ACP认证

• 媒体声音 | 云数据库，谁才是领导者？

• 阿里云李飞飞领衔撰写，国内首部云原生数据库教材正式上线！

• 阿里云一站式在线数据管理平台DMS斩获「2021年度技术卓越奖」

• 李飞飞：一站式全链路数据管理与服务成为产业布局重点

• 前沿分享｜阿里云高级技术专家 王若（百润）： 数据库游戏行业最佳实践

• 云栖大会演讲干货｜PolarDB & PolarDB-X在海底捞APP的深度应用

• 阿里云GanosBase重磅升级，发布首个云孪生时空数据库

• 全网首发｜阿里资深技术专家数仓调优经验分享（上）

• 深度干货｜云原生分布式数据库 PolarDB-X 的技术演进

• ​阿里云RDS深度定制-XA Crash Safe

• MongoDB 5.0新特性概览

• 一站式数据管理DMS部分关键技术解析

• 庖丁解牛｜图解 MySQL 8.0 优化器查询解析篇

• 三款典型国产分布式数据库的对比评测

• 内附PPT下载｜万字干货！阿里云基于Hudi构建Lakehouse实践探索

• 重磅发布｜新一代云原生数据仓库AnalyticDB「SQL智能诊断」功能详解

• 深度干货｜一文详解 Redis 中 BigKey、HotKey 的发现与处理

• TPC-H 深度揭秘｜看PolarDB如何解决、处理 TPC-H 挑战和机遇

• 深度干货｜一文彻底理解Apache Hudi的清理服务

• 最佳实践｜数据泄漏事件频发的背后：企业如何才能保障数据安全？

• 一文详解PolarDB披荆斩棘的“秘密武器”

• 鹏博士和阿里云数据库产品达成战略合作 共赢企业数智化创新市场

• 云原生演进趋势下传统数据库升级实践

• 数据库误操作后悔药来了：AnalyticDB PostgreSQL教你实现分布式一致性备份恢复

• 删库跑路？别怕！PolarDB-X 轻松拯救误删数据的你

• 干货｜一文读懂阿里云数据库Auto Scaling是如何工作的

• 产品解读 | RDS-MySQL物理备份上云功能详解

• 技术干货｜RDS PostgreSQL 安全最佳实践

• 重磅 | 数据库自治服务DAS论文入选全球顶会SIGMOD，领航“数据库自动驾驶”新时代

• PolarDB-X：使用一个透明的分布式数据库是一种什么体验

• 编译优化 | LLVM代码生成技术详解及在数据库中的应用

• 深度解析 RDS MySQL

• 聚焦 | 数据湖分析如何面向对象存储OSS进行优化？

• 李飞飞演讲实录 | 云原生数据库2.0：一站式全链路数据管理与服务

• 深度 | MongoDB 一致性模型设计与实现

• 如何实现事务原子性？PolarDB原子性深度剖析

• 达摩院重要科技突破！空天数据库引擎Ganos解读

• 深度解析PolarDB数据库并行查询技术

• 如何通过Graph+AI的方法打造高精度风控模型

• 查询性能优化之Runtime Filter

• 深度｜物联网海量时序数据存储有哪些挑战？

• 实操指南 | Resource Queue如何实现对AnalyticDB PostgreSQL的资源管理？

• 十万亿级OLAP引擎解读，AnalyticDB如何支撑数据银行超大规模低成本实时分析？

• 快速掌握 PolarDB-X 拆分规则变更能力！

• 深度 | 数据湖分析算力隔离技术剖析

• 一文详尽如何破解车联网数据采集存储难题

• 子查询漫谈

• 揭秘！阿里实时数仓分布式事务Scale Out设计

• 居然可以同时拥有任意门和时光机？！RDS应急恢复满足你

• 独家深度 | 一文看懂 ClickHouse vs Elasticsearch：谁更胜一筹？

• 数据库存储引擎创新：PolarDB X-Engine历史库产品

• 云原生数据仓库TPC-H第一背后的Laser引擎大揭秘

• 探索 | PolarDB-X：实现高效灵活的分区管理

• 一文详解物化视图改写

• 那些你不知道的TCP冷门知识！

• 深度干货 | 数据仓库分层存储技术揭秘

• 涨姿势 | 一文读懂备受大厂青睐的ClickHouse高性能列存核心原理

• 分布式数据库如何实现 Join？

• 干货分享 ｜ 揭秘下一代云数据库引擎MyBase for MySQL

• 深度 | 面向云原生数据湖的元数据管理技术解析

• PolarDB-X 让“Online DDL”更Online

• 2020双十一阿里集团电商数据库上云揭秘

• 业界 | 数据库大数据一体化加速企业数智化创新

• 一文详解SQL关联子查询

• PolarDB-X SQL限流，为您的核心业务保驾护航

• 干货分享 | 数据库资源调度的实践

• 如何通过数据仓库实现湖仓一体数据分析？

• 通篇干货！纵观 PolarDB-X 并行计算框架

• HTAP 数据库“必修课”：PolarDB-X Online Schema Change

• 文明的升级依靠工具的升级：揭秘下一代云数据库引擎MyBase for PostgreSQL

• PolarDB-X 向量化引擎的类型绑定与代码生成

• 上云挑战及MyBase设计理念和关键特性介绍

• 中药柜和涮火锅，解锁数据库的N种姿势

• 技术干货 ｜ 阿里云数据库PostgreSQL 13大版本揭秘

• 揭秘更加开放的数据库服务：阿里云数据库专属集群

• 每次都需要解释大量指令？使用 PolarDB-X 向量化引擎

• 阿里云MyBase for Redis产品详解

• 基于Ganos百行代码实现亿级矢量空间数据在线可视化

• PolarDB-X 面向 HTAP 的混合执行器

• PolarDB-X 面向 HTAP 的 CBO 优化器

• 如宝马3系和5系：PolarDB-X 与 DRDS 并驾齐驱

• PolarDB-X 存储架构之“基于Paxos的最佳生产实践”

• PolarDB-X 私有协议：提升集群的性能和稳定性

• 云原生分布式数据库PolarDB-X与北京公交系统的不解之缘，从脱离公交卡说起

• 技术解读 | PolarDB-X 分布式事务的实现

• 技术解读 | PolarDB-X 强一致分布式事务

• 【内含干货PPT下载】DTCC 2020 | 阿里云程实：云原生时代的数据库管理

• DTCC 2020 | 阿里云梁高中：DAS之基于Workload的全局自动优化实践

• 【内含干货PPT下载】DTCC 2020 | 阿里云朱洁：NoSQL最新技术发展趋势

• 【内含干货PPT下载】DTCC 2020 | 阿里云赵殿奎：PolarDB的Oracle平滑迁移之路

• PolarDB-X 一致性共识协议 (X-Paxos)

• 「数据库入门必看」中英数据库专家谈：数据库的过去、未来和现在

• RDS发布会解读 | AliSQL内核新特性

• 【内含干货PPT下载】DTCC 2020 | 阿里云张鑫：阿里云云原生异地多活解决方案

• 【内含干货PPT下载】DTCC 2020 | 阿里云王涛：阿里巴巴电商数据库上云实践

• 百万级活跃用户、十亿级数据，揭秘PolarDB-X如何提升小打卡性能和稳定性

• ClickHouse：人群圈选业务的大杀器

• 【内含干货PPT下载】DTCC 2020|阿里云吉剑南：在线分析进入Fast Data时代的关键技术

• 【内含干货PPT下载】DTCC 2020 | 阿里云叶正盛：数据库2025

• DTCC 2020 | 阿里云李飞飞：云原生分布式数据库与数据仓库系统点亮数据上云之路

• 阿里云数据库李飞飞：云计算推动数据库向云原生快速演进

• PolarDB-X技术解读：Join the Dots of PolarDB-X 2.0

• 进入云原生、分布式的时代 什么才是数据库的正确打开方式

• Redis6.2发布 地理位置功能增强了什么？

• 阿里云图数据库GDB进入Forrester图数据平台竞争者象限

• AliExpress智能营销引擎大揭秘-AnalyticDB如何做到快准狠省

• 千万商家的智能决策引擎--AnalyticDB如何助力生意参谋双十一

• 智稳双全--AnalyticDB如何助力菜鸟运配双十一

• 阿里云Lindorm与Intel、OSIsoft共建IT & OT超融合工业数据云

• 最佳实践 | DBS助力企业ERP/OA核心数据备份上云

• 从Gartner报告，看中国数据库崛起

• 变电站数字孪生实时可视化监控实践

• 每秒8.8亿次请求！让数据存得起，看得见 - 云原生多模数据库Lindorm 2020双十一总结

• 2020双11，阿里巴巴集团数万数据库系统全面上云揭秘

• 深度 | 每秒1.4亿次！再度刷新TPS记录的PolarDB如何应对双11“尖峰时刻”？

• 支撑日均百亿次护航，数据库自治服务DAS在双11护航中焰炼升华

• 秘密武器 | 看AnalyticDB如何强力支撑双十一

• 阿里云数据库RDS MySQL的数据安全预防与恢复

• 深度干货 | 如何借助云原生搞定Oracle备份快速恢复？

• 专访李飞飞 ：从清华附中高材生到阿里飞刀，一口井钻出「云原生」

• 云原生数据库Lindorm与Napatech共创高通量网络数据分析新纪元

• 醉酒跑路不用怕，一键恢复！

• 阿里云自研云原生内存数据库Tair持久存储系列重磅发布！

• 鱼和熊掌可以兼得，云原生开启“数据库大数据一体化”新时代

• 阿里云推出业内首个云原生企业级数据湖解决方案，将在今年双11大规模应用

• AnalyticDB向量检索+AI 实战: 声纹识别

• 阿里云与无邪科技合作：打造端到端的个性化推荐系统

• 阿里云DLA SQL(兼容Presto) CU版重磅发布，助力企业低成本分析OSS数据价值

• 阿里云助力东软集团让数字时代运维系统“灵动”起来

• 阿里云发布空天数据库引擎Ganos aerospace 大幅提升空天传感数据存储和处理效率

• PrestoCon 2020：云原生数据湖分析DLA的Presto实践

• 为什么云原生+分布式是数据库的未来？

• 存储成本降低80% 阿里云发布业界首款云原生多模数据库Lindorm

• 阿里云推出多款云原生数据库升级版本 全面布局“云原生+分布式”

• 阿里云云原生数据湖分析DLA重磅发布-数据湖管理，助力企业一站式管理OSS数据湖存储数据

• 穿越数据的变迁--如何使用阿里云Redis数据闪回进行按时间点的数据恢复

• 云数据库最优成本方案，阿里云数据库新形态专属集群

• 深度 | 两种复制技术大比拼 看阿里云RDS企业版 VS 开源MySQL谁更胜一筹？

• 后疫情时代，AnalyticDB如何助力企业实现业务增长和创新

• 上云新姿势，阿里云数据库专属集群 MyBase 企业客户交流深圳站圆满结束

• 后疫情时代，AnalyticDB如何助力企业实现业务增长和创新

• 福利 | 新一代云原生数据仓库AnalyticDB即将迎来全新升级！

• 多款云数据库产品免费体验！阿里云数据库实验室上线了！

• 别慌！浮力森林的储值卡还能用！阿里云数据库专家支招了

• 喜报 | 阿里云数据库获浙江省科技进步一等奖，AnalyticDB推动云原生变革

• 这次我们憋了一个大招！助力每个企业拥有属于自己的云原生数据仓库！

• Redis核心团队迎来首位“后浪”技术专家，看他如何乘风破浪

• 零售业去“O”，不可逆之变

• 从OLAP走向HTAP的全能手，云原生数据仓库AnalyticDB通过信通院双料认证

• 有“备”无患，互联网“黑天鹅”事件杀手锏来了！

• 深度 | 凌晨4点，一场顶尖科技巨头的硬战

• 深度 | X-Engine的In-Memory读性能优化

• “以图搜图”到底如何实现？其实，使用SQL就可以轻松搭建了

• 面试必看 | 回答出这两个问题，你才算真的懂了事务隔离级别

• 传统数据库数小时完成的DDL，TA瞬时就搞定了

• 使用阿里云PolarDB替代Oracle数据库，申通完美扛过618业务高峰

• 苹果最大售后服务商百邦科技抛弃传统数据库，转用阿里云PolarDB

• 揭秘阿里云Redis 6.0极速上云：内核能力与云原生管控

• 阿里技术专家带你三步在阿里云上搭建一套个性化推荐系统！

• 玩转DB里的数据—阿里云DMS任务编排简介和实操

• 全球首发！阿里云正式推出云数据库Redis 6.0版本

• 海鼎ERP全面兼容阿里云PolarDB数据库 可帮零售企业成本下降50%

• 深度 | 实时历史数据库存储成本惊人，怎么破？

• 盒马鲜生，快而准确的秘密

• 干货必读！细说分布式事务两阶段提交

• 业务爆发保持丝般顺滑，阿里云助力完美日记系统吞吐量提升50倍！

• 倒计时7天 | 全球第一的KV内存数据库即将再度升级

• ClickHouse 源码阅读 —— SQL的前世今生

• 看这里，三步搭建一套声纹系统

• 3亿人在用的钉钉背后，TA的作用功不可没

• 这只“盒子”也上云了！一个半月快速、低成本上云，云数据库专属集群解决方案看过来

• 速看！阿里云峰会数据库专场看点都在这里啦（附回看方式）

• 数据库也能自动驾驶？DAS全天候给你保驾护航

• 融合分布式、弹性计算与云计算的数据仓库长什么样？

• 高并发扛不住、复杂查询慢？别慌，痛点“全扫王”PolarDB-X来了

• 阿里云李飞飞：今年将帮1000家企业“去O”，完成10000套传统数据仓库上云

• 阿里云线上峰会今日开幕！数据库专场观看方式已为你整理好了

• MongoDB全球云端技术盛会强势来袭，阿里云MongoDB新特性首发，期待ing！

• 干货连载 | ZooKeeper在分布式集群的作用及ReplicatedMergeTree表引擎实现

• 揭秘！淘宝天猫海量图片元信息都存储在哪？

• 深度干货 | KV Store Faster如何巧妙实现1.6亿OPS ？

• 5月数据库流行度排行：疫情下开源数据库逆势增长，新基建下国产数据库迎机遇

• 基于X-Engine引擎的实时历史数据库解决方案揭秘

• 干货连载 | ClickHouse内核分析-MergeTree的Merge和Mutation机制

• 为攻克新冠疫情助力！揭秘阿里云高效病原体基因检测工具

• 干货连载 | ClickHouse内核分析-MergeTree的存储结构和查询加速

• “新晋网红”数据湖概念到底该如何理解？阿里高级解决方案架构师为你讲全讲透

• 解读阿里云数据库专属集群：重新定义云数据库新形态

• OLAP负载和OLTP负载隔离到底怎么破？看过来！

• 一步即可！阿里云数据湖分析服务构建MySQL低成本分析方案

• 纯干货！深入探讨 LSM Compaction 机制

• 国产数据库存储引擎X-Engine的科研“那些事”

• 支撑数千家天猫商家CRM业务，数云高弹性数据库如何实现？（来抄作业！）

• 干货 | 阿里云数据库RDS MySQL数据安全预防与恢复

• 揭秘MySQL生态重要功能，X-Engine引擎核心能力——OnlineDDL

• 跬步千里 —— 阿里云Redis bitfield命令加速记

• 深入浅出！阿里运维专家三种方法教你如何应对高并发“海啸”场景

• 重磅！自研云原生数据仓库AnalyticDB再破权威评测TPC-DS世界纪录

• MySQL实战干货 | 如何处理由时区设置引发的 SQL 执行“卡顿”？

• 关于最近出版的两本 Flink 书——呵呵哒

• 【总结】批处理之上的世界（二）

• Flink 基础——水位线（Watermark）理论篇

• Streaming 102: 批处理之上的世界（二）（下）

• Streaming 102: 批处理之上的世界（二）（上）

• 【论文】Dataflow 模型：一种能平衡准确性、延迟、成本的大规模、无限、乱序的数据处理的实践方法

• Streaming 101: 批处理之上的世界（一）

• Flink 基础——窗口（Window）理论篇

• 流计算基础（二）

• 流计算基础（一）

• 流计算的背景

• 根据源代码开发Azkaban的自定义警报器

• Zookeeper概览

• Kafka最佳实践

• Flink最佳实践（二）Flink流式计算系统

• Flink最佳实践（一）流式计算系统概述

• 个人信息安全管理条例解释

• Spark最佳实践-项目规范

• Spark最佳实践

• CDH集群部署最佳实践

• HBase最佳实践

• Spark分布式计算引擎的应用

• OpenMLDB在AKULAKU实时特征计算场景的应用

• 【OpenMLDB Meetup #1】会议纪要

• OpenMLDB v0.4.0 正式发布，全面增强以 SQL 为核心的开发和管理体验

• 【OpenMLDB Monthly Meeting】2021.12 月会议纪要

• 企业智能转型对AI技术的挑战及应对，答案是MLOps

• 国内首次Feature Store Meetup回顾

• 第四范式OpenMLDB金融风控数据库计算优化实践

• OpenMLDB：一文了解带参数查询语句（paramterized query statement) 的细节

• 开源机器学习数据库OpenMLDB贡献者计划全面启动！

• 【OpenMLDB Monthly Meeting】 2021.11 月会议纪要

• OpenMLDB v0.3.0 正式发布，支持快速部署使用的单机模式

• OpenMLDB: 一文了解窗口倾斜优化技术细节

• OpenMLDB: 拓展Spark源码实现高性能Join

• 第四范式OpenMLDB优化创新论文被国际数据库顶会VLDB录用

• 企业如何实践开源协同

• FoundationDB 论文阅读

• 高效参与开源的诀窍

• Spark 与 Flink 中的 RPC 实现

• 如何参与 Apache 开源项目社区

• CompletableFuture 的执行模型

• Monad 在实际开发中的应用

• 云数据库与日志复制

• Streaming Systems: Watermark

• Streaming Systems: Flink Runtime

• OceanBase 分布式事务实现分析

• 开源社区的治理模型应当因地制宜

• Oceanbase PaxosStore 源码阅读

• 在开源的世界里，应该公开地进行讨论

• Community ≠ Marketing

• 软件工程专业困局

• CMake 是怎么工作的？

• Kafka 是如何实现事务的？

• Kafka 是如何管理消费位点的？

• Kafka 是如何建模数据的？

• Future Promise 并发模型

• 任务级并发与 Executor 框架

• 线程的取消和关闭

• Streaming Systems: State

• Streaming Systems: Window

• Streaming Systems: Time

• Streaming Systems: Exactly-once