11-30 数开知识点 Doris 📘 Doris 架构详解 本文概览 Apache Doris 架构与演进:3.0 前 FE/BE 存算一体,FE 负责 SQL 与元数据(Paxos+WAL+Checkpoint),BE 负责列存与向量化执行;3.0 起引入云原生存算分离三层架构,支持对象存储与多租户弹性扩缩容,并解析 Segment、前缀索引及三种数据模型。 165 0 0
11-30 数开知识点 Doris 🌟 Doris 基础 文章系统梳理 OLTP 与 OLAP 的定位差异:OLTP 侧重事务一致性与高并发写入,OLAP 面向海量数据分析。进一步介绍 MOLAP/ROLAP/HTAP 三种路线、MPP 并行架构与主流引擎对比,并总结企业从离线数仓到实时数仓再到湖仓一体+AI 的演进趋势。 55 0 0
11-26 数开知识点 大数据组件 ⭐ MySQL 本文总结 MySQL 表设计要点:数值/字符串/时间类型选型原则(金额用 DECIMAL、时间用 DATETIME、字段尽量小);索引类型与 B+Tree/哈希特性、联合索引最左前缀与前缀索引;utf8mb4 与排序规则推荐;三范式与反范式、命名字段规范、分库分表与生产禁忌,并给出订单系统建表示例。 33 0 0
11-26 数开知识点 Spark ✨Spark 内存模型 文章围绕 Spark Executor 端 JVM 内存展开,介绍堆内/堆外内存作用与内存不足带来的 GC、spill、OOM 风险;对比 1.6 前静态内存(固定比例、易浪费)与 1.6+ 统一内存(动态共享、可互借)机制,并给出常用资源配置与调优参数建议。 61 0 0
11-26 数开知识点 Spark 🔗 Spark 的几种 Join 机制 文章梳理 Spark 在大数据场景下的 5 种 Join 策略:Broadcast Hash、Shuffle Hash、Sort Merge(默认)、Cartesian、Broadcast Nested Loop,并说明 Catalyst 会按数据量、Join 条件与排序情况自动选型及其优缺点与适用场景。 76 0 0
11-26 数开知识点 Spark 🔥 Spark Shuffle 文章系统讲解 Spark Shuffle:其本质是跨节点按 key 重分布并伴随排序、分组与合并,触发宽依赖并决定 Stage 划分。梳理 Hash→Sort→Tungsten 演进,说明读写流程、常见瓶颈(IO/网络/GC/倾斜)及优化手段(预聚合、分区与内存调优等)。 55 0 0
11-25 数开知识点 Spark 🚀 Spark 任务提交流程 梳理 Spark 核心组件与职责,讲清运行模式差异:Driver 位置决定 Client/Cluster;并概述 Standalone 与 YARN(cluster)提交流程及 Master URL 参数。 62 0 0
11-25 数开知识点 Spark 🧠 Spark 计算模型详解(RDD & 算子 & DAG) 本文系统梳理 Spark RDD 核心:不可变分区、血缘与惰性执行;窄/宽依赖与 Stage 划分;Shuffle 全流程及优化;序列化与统一内存;广播变量、累加器、checkpoint 容错;并给出性能调优清单与示例速记。 60 0 0
11-25 数开知识点 Spark 🚀 Spark 基础知识 介绍 Spark 的基本概念与性能优势(内存计算、DAG、Shuffle),并概览 Driver/Executor 架构及生态组件与运行模式。 52 0 0
11-24 数开知识点 Hadoop 📚 大数据存储格式详解:TextFile / ORC / Parquet 本文对比 TextFile、ORC、Parquet 三种数据存储格式:指出 TextFile 行式存储压缩率低、无法列裁剪与优化;详解 ORC/Parquet 的列式结构、索引与过滤机制及适用生态;并介绍通过排序+分发重排提升压缩率与查询性能的实践建议。 26 0 0
11-24 数开知识点 Hadoop 📘 YARN 资源调度与核心架构 文章梳理YARN资源调度与执行机制:对比FIFO、Capacity、Fair三类调度器的特点与适用场景;解析YARN主从架构中RM、NM、AM、Container职责;说明作业提交到容器执行的全流程,并补充数据本地化与MR运行过程。 71 0 0
11-24 数开知识点 Hadoop ✨ MapReduce 原理与机制 本文概述 Hadoop MapReduce:基于分治思想,将批处理拆为 Map→Shuffle→Reduce 并行执行,具备容错、调度与分片能力;解析 WordCount、InputSplit 与 Shuffle(落盘/排序/拉取)细节及性能瓶颈,并介绍压缩优化策略。 63 1 0