- 相关博文
- 最新资讯
-
【摘要】本实验基于助睿BI平台完成自媒体运营数据的可视化分析闭环。在复用前期清洗和特征工程数据表的基础上，通过零代码方式构建覆盖指标概览、排名对比、标题特征、时间趋势的多维度仪表盘。实验亮点包括：采用"双排名+关键词倍率量化"方法解析同质化内容下的数据差异，通过双平台对比揭示标题关键词的运营增益效果，结合趋势分析判断流量增长驱动力。最终形成"现状-归因-建议"三层结构的分析报告，实现从数据加工到业务策略的完整转化，为自媒体标题优化和内容运营提供数据支撑。
-
- xue狐
- 昨天
-
-
Spark 内存调优没有银弹，关键是理解内存模型 + 会看 Spark UI + 根据问题特征给方案。先看并行度对不对——task 太少就是浪费资源再看有没有倾斜——少数 task 拖后腿比整体慢更常见然后看内存够不够——OOM 了再谈优化都是空谈最后调参数比例——memory.fraction、storageFraction 这些是在资源有限时的精细化手段调优是一个迭代的过程，每次改一个参数，看效果，再改下一个。不要一次性改一堆参数，否则你都不知道是哪个参数起的作用。
-
- 数据开发 Yang 同学
- 13小时前
-
-
摘要： 本次实验利用助睿ETL零代码工具对多平台自媒体互动数据进行清洗与预处理。通过双分支处理设计，分别输出全平台汇总统计表（保留原始数据）和重点平台（B站、CSDN）精细化明细表（剔除无效记录、填充缺失值）。实验解决了数据冗余、字段缺失等问题，并采用多条件筛选、字段精简等操作，确保数据质量。核心收获包括掌握ETL分支处理逻辑、缺失值标准化方法及宽表设计理念，为后续特征工程和可视化分析奠定数据基础。实验凸显了数据预处理在大数据分析中的关键作用，同时验证了零代码工具的高效性。
-
- xue狐
- 昨天
-
-
Spark Core 的内容远不止这些，但上面这些覆盖了生产环境最常用的核心知识点。建议配合 Spark UI 反复观察任务执行过程，看多了自然就理解 Stage 怎么切、Task 怎么分的了。
-
- 数据开发 Yang 同学
- 昨天
-
-
中国数据治理的发展，走了一条自上而下、政策引领、评估驱动的高效之路。从 2015 年大数据战略启航，到 2020 年数据跻身生产要素，再到《数据二十条》奠定制度基石，最后通过 DCMM 让治理可量化、可对标、可认证——每一步都坚实有力。今天，任何一家立足长远的企业，都不应再问“要不要做数据治理”，而应问“我们的治理能力达到了 DCMM 的哪一级？我们如何通过治理让数据真正成为可流通、可估值、可盈利的核心资产？” 拿上这张政策导航图，登上数据资产化的时代快车，最好的出发时间就是现在。底部锚点。
-
- Seal^_^
- 昨天
-
-
这些行业已经过了“要不要数字化”的犹豫期，进入了“如何让数据真正产生价值”的深水区。智能制造、全渠道零售、能源数字化转型是强大的内驱力。然而，数据治理的短板正成为数字化价值释放的最大阻碍。数据治理的行业现状呈现清晰的三个梯队，这不是一个简单的“优等生”和“差等生”的评判，而是由行业特性、监管环境、数字化阶段共同决定的合理格局。重要的是，每个梯队的企业都应该找到适合自己的治理路径第一梯队（金融、电信、政府）：应追求量化管理和持续优化，探索AI驱动的自动化治理，并向数据资产运营迈进。
-
- Seal^_^
- 昨天
-
-
Apache Atlas与Spark血缘集成方案解析 核心结论 官方现状：Apache Atlas 2.4.0未提供内置Spark血缘捕获插件，与Hive的完整支持形成对比 技术原因：Spark动态执行特性导致血缘捕获复杂度高，社区资源有限 生产级解决方案 方案1：自研Spark Listener 原理：通过SparkListener接口捕获作业逻辑计划，解析输入输出关系 优点：灵活可控，支持字段级血缘 挑战：需深入Spark内部机制，存在作业失败风险 部署：需配置spark.sql.queryExecut
-
- 九师兄
- 22小时前
-
-
方案适用场景推荐指数难度方案一：/recap 代替预防性⭐⭐⭐⭐⭐低方案二：修复文件文件损坏⭐⭐⭐⭐中方案三：--resume选择其他会话⭐⭐⭐⭐低方案四：检查权限权限/路径⭐⭐⭐低方案五：保存到文件长期方案⭐⭐⭐⭐⭐低方案六：更新版本版本不兼容⭐⭐⭐⭐低根本原因：会话恢复失败最常见原因是会话文件被清理（35%）和文件损坏（25%），系统崩溃导致 JSON 写入不完整最佳实践：不要依赖--continue恢复会话，在退出前使用/recap。
-
- 一键难忘
- 19小时前
-
-
Kafka核心原理与实践指南 本文深入解析Apache Kafka的核心原理与实战经验： 架构本质：Kafka是分布式提交日志系统，通过Topic-Partition-Segment三级划分实现水平扩展，顺序IO保证高性能 性能奥秘： 存储层：顺序写入+PageCache实现磁盘高效利用 传输层：零拷贝技术减少CPU开销 客户端：批量发送+压缩提升吞吐量 关键问题解决方案： 重复消费：手动提交偏移量+消费者幂等处理 消息顺序：幂等生产者的序列号机制 批次控制：batch.size与linger.ms协同工作
-
- CodeStats
- 前天
-
-
本文介绍了一个基于.NET8和Vue2的工业物联网智能监控平台，系统采用微服务架构，包含设备接入、实时监控、历史查询、规则告警等核心功能。技术架构上使用EMQX实现设备连接，Kafka进行消息处理，TDengine存储时序数据，SignalR推送实时数据。平台提供可视化看板、组态设计、趋势预测等高级功能，支持ISA-95工厂建模和RBAC权限管理。部署方式提供一键启动脚本和Docker容器化方案，系统通过前后端分离设计实现高效监控管理，满足工业场景下的物联网设备监控需求。
-
- 深耕智能制造领域20年
- 18小时前
-
-
摘要： 新能源电池行业研发数字化需求迫切，PLM（产品全生命周期管理）系统成为核心支撑。行业面临研发知识复用率低、中试成功率不足等痛点，需适配多技术路线、智能知识沉淀、全链路协同及安全合规等核心能力。国产PLM厂商形成差异化技术路线，如鼎捷数智的全场景综合适配方案，覆盖锂电、钠电等全品类，并获行业认可。选型应聚焦企业自身技术路线与业务需求，避免盲目参照排名，注重落地实效与长期价值。案例显示，PLM系统可显著提升研发效率与知识复用率，助力电池企业高质量发展。
-
- 朴马丁
- 21小时前
-
-
GitFlow模型通过多分支策略实现高效团队协作，主要包括main（生产代码）、develop（开发主线）、feature（功能开发）、release（版本准备）和hotfix（紧急修复）五类分支。以电商平台开发为例：功能开发在独立feature分支完成并通过PR合并到develop；版本发布时创建release分支进行测试，稳定后合并到main并打Tag；生产问题通过hotfix分支快速修复。GitHub的PR机制和分支保护规则是核心协作保障。随着AI技术发展，智能提交生成、代码审查辅助、合并策略优化等A
-
- nergiveup
- 16小时前
-
-
当企业通过上云实现转型时，迁移是一个重要的无法回避的话题。 迁移是为了提高企业信息架构和应用的敏捷性，从而助力企业快速创新和发展；迁移也是为了提高企业全球化和数字化的水平。我们从正在进行转型的公司中看到，通过云迁移实现架构和应用的现代化，主要有四个大趋势。
-
-
-
在我们开始之前，作者想先声明一下，本文并非要从两者中分出一个胜负，所以无论你是哪一方的忠实支持者，都建议你仅客观看待本篇文章。
-
-
云+X案例展 | 民生类：基于AWS PaaS构建基础集团企业级中台
“为了实现企业持续高效发展，经过长期调研，基础集团业务中台选择了炎黄盈动AWS PaaS。低代码、轻量级的AWS PaaS可快速开发、部署各类应用，同时根据建筑行业的项目管理，项目招投标、项目策划、项目质量管理、安全管理、进度、成本、竣工验收、项目结算等一套施工项目流程，做成数据强相关、不需要纸质表单的业务系统，解决了流程管理的难题。＂
-
AWS在中国区域放出了一款“重量级”容器服务，名为 AWS Fargate，光环新网运营的 AWS 中国（北京）区域和西云数据运营的 AWS 中国（宁夏）区域均提供该项服务。 据悉这是一款可以适用于 Amazon ECS的计算引擎，主要帮助企业在生产过程中运行容器、却无需部署或者管理服务器，换句话说就是专注设计和构建应用程序，而不用挂心太多基础设施的“那些事儿”。
2019-11-05 -
据晶少了解，国庆假期后的首个工作日，AWS就在中国区域放出了一款“重量级”容器服务，名为 AWS Fargate，光环新网运营的 AWS 中国（北京）区域和西云数据运营的 AWS 中国（宁夏）区域均提供该项服务。据悉这是一款可以适用于 Amazon ECS的计算引擎，主要帮助企业在生产过程中运行容器、却无需部署或者管理服务器，换句话说就是专注设计和构建应用程序，而不用挂心太多基础设施的“那些事儿”。
活动
-
2021-11-10
-
2021-03-09
-
2020-12-16
独家定制
-
-
3500人的专业安全团队与你同在
-
-
CSDN云计算在线公开课
-
-
IaaS市场高速增长，历久弥新
精品推荐
关于我们
关注「云计算」
转载 & 投稿：songhui@csdn.net
商务合作：zhangjing@csdn.net