摘要:
DataTester技術(shù)團隊基于并行化的Leiden算法,快速處理億級用戶的復(fù)雜社交網(wǎng)絡(luò),完成基于社交圈的聚類分流。 閱讀全文
DataTester技術(shù)團隊基于并行化的Leiden算法,快速處理億級用戶的復(fù)雜社交網(wǎng)絡(luò),完成基于社交圈的聚類分流。 閱讀全文
posted @ 2024-08-23 11:11
字節(jié)跳動數(shù)據(jù)平臺
閱讀(61)
評論(0)
推薦(0)

在降本增效的大背景下,為滿足業(yè)務(wù)對更高性能的需求,流式計算團隊對 FlinkSQL 進行了深度優(yōu)化。本文將聚焦這一實踐,詳解主要優(yōu)化思路。
愛慕集團CIO朱遠剛介紹,與火山引擎的合作正在進入新階段,“之前我們只合作了火山引擎數(shù)智平臺VeDI旗下的客戶數(shù)據(jù)平臺VeCDP和增長營銷平臺GMP兩款數(shù)智產(chǎn)品,因為效果不錯, 所以今年我們又引入了增長分析DataFinder和云原生數(shù)據(jù)倉庫ByteHouse。”
ByteHouse是火山引擎推出的一款定位為OLAP的分析型數(shù)據(jù)庫,基于ClickHouse進行架構(gòu)升級和優(yōu)化,在復(fù)雜查詢層面擁有顯著優(yōu)勢。
為了支撐車輛數(shù)據(jù)系統(tǒng)對實時性的要求,車企在底層數(shù)據(jù)引擎選型上往往傾向于能對大規(guī)模數(shù)據(jù)、復(fù)雜場景的分析型數(shù)據(jù)庫。作為火山引擎推出的一款定位于OLAP的分析型數(shù)據(jù)庫,ByteHouse因其高性能、極致分析能力,進入某系能源車企的視野。
從去年火爆全球的 ChatGPT,到今年閃亮登場的 Sora,大模型技術(shù)和應(yīng)用如火如荼發(fā)展。大模型應(yīng)用落地也為大數(shù)據(jù)技術(shù)進一步發(fā)展提供了全新思路。火山引擎此前提出“數(shù)據(jù)飛輪”理念作為企業(yè)數(shù)智化升級新模式,它以數(shù)據(jù)消費為核心,通過降低企業(yè)數(shù)據(jù)消費門檻,讓企業(yè)各個崗位的員工都能看數(shù)據(jù)、用數(shù)據(jù),從而實現(xiàn)更科學(xué)的決策、更敏捷的行動。
機會與競爭并存的行業(yè)環(huán)境下,眾多新能源車企和零部件企業(yè)陷入了尋求迭代更高質(zhì)量和服務(wù)的數(shù)智化升級路徑的困境。經(jīng)過部分車企的實踐驗證,火山引擎數(shù)智平臺正在為困頓中的車企帶來全新的解決方案。
隨著數(shù)字化轉(zhuǎn)型的深入,不僅僅是電商領(lǐng)域,各行業(yè)都需要基于實時數(shù)據(jù)做出關(guān)鍵決策。而對企業(yè)底層數(shù)據(jù)系統(tǒng)來說,在處理復(fù)雜的數(shù)據(jù)分析任務(wù),如多維度的關(guān)聯(lián)分析或數(shù)據(jù)挖掘時,可能出現(xiàn)延遲、崩潰、錯誤等問題,導(dǎo)致數(shù)據(jù)不準確、不完整、時效性差。隨著數(shù)字化轉(zhuǎn)型的深入,不僅僅是電商領(lǐng)域,各行業(yè)都需要基于實時數(shù)據(jù)做出關(guān)鍵決策。而對企業(yè)底層數(shù)據(jù)系統(tǒng)來說,在處理復(fù)雜的數(shù)據(jù)分析任務(wù),如多維度的關(guān)聯(lián)分析或數(shù)據(jù)挖掘時,可能出現(xiàn)延遲、崩潰、錯誤等問題,導(dǎo)致數(shù)據(jù)不準確、不完整、時效性差。
浙公網(wǎng)安備 33010602011771號