- 综合排序
- 最热优先
- 最新优先
- 来自专栏大数据成神之路
阿里大数据之路：数据管理篇大总结
1.1.2 元数据价值 元数据有重要的应用价值，是数据管理、数据内容、数据应用的基础； 在数据管理方面为集团数据提供在计算、存储、成本、质量、安全、模型等治理领域上的数据支持。 1.1.3 统一元数据体系建设 元数据的质量直接影响到数据管理的准确性，如何把元数据建设好将起到至关重要的作用。 1.2.2 元数据门户 元数据门户致力打造一站式的数据管理平台、高效的一体化数据市场 “前台”产品为数据地图，定位消费市场，实现检索数据、理解数据等“找数据”需求 “后台”产品为数据管理，定位于一站式数据管理 Optimizer，基于历史的优化器） 在任务稳定的情况下，可以考虑基于任务的历史执行情况进行资源评估，即采用HBO 提高 CPU 利用率 提高内存利用率 提高 Instance 并发数 降低执行时长 针对“大促 主要体现在数据应用上，要及时产出给到需求方； 一般决策支持分析师希望当天就能看到前一天的数据，而不是等三五天才能看到某一个数据分析结果；否则就已失去了数据及时性的价值； 如，阿里 “双 11” 的交易大屏数据
2.2K21编辑于 2023-04-07 - 来自专栏云计算D1net
云计算数据管理的五大支柱
企业要在不关闭数据的情况下有效管理数据，并阻止非法访问请求，企业需要一个可靠的云计算数据管理策略，并需要考虑五个重要因素。 1. 数据存储加密 大多数时候数据都存储在存储设备中。 但仍有许多云计算数据管理的陷阱需要避免，确保企业可以快速恢复在云环境中运行时出现的最常见问题。 企业可以拥有世界上最好的产品和员工，但没有数据就会无能为力，因此请采取措施确保其自由安全地流动。 智能数据管理将使企业的员工能够利用最新的云计算技术、创新新产品和服务，并使企业在竞争中脱颖而出。 （来源：企业网D1Net）
2.9K00发布于 2018-07-31 - 来自专栏主数据管理
主数据管理的五大成功要素
本文将探讨主数据管理成功的五大要素，包括高层领导的支持与参与、业务方的深度参与和认责、合适的主数据管理模式、技术工具的选择以及主数据的度量与评估。 在主数据管理过程中，业务方需承担起相应的数据认责，确保数据的准确性、完整性和及时性。只有这样，主数据管理才能真正服务于业务，提升业务效率和降低经营成本。 三、合适的主数据管理模式 面对多样的主数据管理模式，企业应根据自身特性进行选择。无论是集中式、联邦式还是分析式管理，都应以明确的业务需求和目标为基础。 高层领导的支持和参与为主数据管理提供了坚实的根基；业务方的深度参与和认责确保了数据管理活动与业务目标的一致性；选择合适的主数据管理模式使企业能够灵活应对不同的业务需求；恰当的技术工具选择为数据管理提供了强大的技术支持 企业应将这五大要素融入到主数据管理的实践中，不断优化和完善，以确保主数据管理能够为企业带来实实在在的效益，推动企业在激烈的市场竞争中保持领先地位。
26200编辑于 2024-11-11 YashanDB高效数据管理的5大实用技巧
YashanDB作为具有自主知识产权的现代化数据库系统，依托其先进的架构设计与多样化的部署形态，为数据管理提供了高效、稳定的解决方案。 本文面向数据库管理员和系统架构师，围绕YashanDB的关键技术特性，详细解析五大实用技巧，旨在提升数据库的性能、可靠性和灵活性。 每种部署形态具有自身的技术优势和适用场景，合理选择和配置部署形态是高效数据管理的首要步骤。单机部署适合大多数场景，主备复制机制保障基础高可用，通过主实例与备实例的数据同步，实现故障切换。 五大实用技巧总结针对不同的业务场景科学选择单机、分布式或共享集群部署，合理调整实例资源配置，提高系统适应性和性能。
19310编辑于 2025-11-17- 来自专栏肉眼品世界
数据管理之元数据管理
如果在建立数据集市的过程中，注意了元数据管理，在集成到数据仓库中时就会比较顺利；相反，如果在建设数据集市的过程中忽视了元数据管理，那么最后的集成过程就会很困难，甚至不可能实现。 2. 数据仓库环境下的元数据管理系统的建设是十分困难的。 具体的建设步骤如下： （1）如果是在建设数据仓库系统的初期，那么首先要确定系统的边界范围，系统范围确定的原则是首先保障重点，不求大，只求精。 08 元数据管理产品设计 元数据管理的应用通常一款元数据管理工具应具备元模型设计、元数据采集、元数据分析、数据地图展现等核心功能。 数据管理平台提供各类元数据管理，包括：业务元数据、技术元数据和管理元数据，支持元数据的基本信息、属性、依赖关系、组合关系的增删改查操作。
9.1K40编辑于 2021-12-29 - 来自专栏CDO首席数据官
DAMA数据管理—数据管理概述
（十大职能），数据治理、数据架构管理、数据开发、数据操作管理、数据安全管理、参考数据和主数据管理、数据仓库和商务智能管理、文档和内容管理、元数据管理、数据质量管理。 内部（职能层级）、外部、第三方； 输入，启动活动（如：企业战略、业务活动、IT活动、数据问题）； 参与者，多种职能； 工具，支持活动（如：数据建模、数据整合、质量工具、商务智能...）； 主要交付物，十大职能协同交付成果 职能与活动 本书中对于职能与活动采取的方式是（PDCO）模式，其本质是（PDCA）的模式变化，其核心是：规划、执行、控制，三个部分，且贯穿于整个十大职能范围，由于考虑了IT技术部门的职能交叉，所以很难界定其 "数据小兵"整体看了各个章节的关联图，认为十大领域中的相关关联图部分独立成章，缺乏一个总图对于相关交叉、联系、关联的部分进行说明。 等，需要企业的CEO对于数据的深入理解和CDO的培养； 其次，数据的管理的职能活动缺乏整体构建，较多的企业在十大职能领域内容中均设立了相关的业务流程，但缺乏统一的协同，这样也就很难实现数据战略的交付；
3.7K01发布于 2019-04-21 - 来自专栏xiaozhangStu
数据管理
数据管理 DML数据操作语言） INSERT命令 INSERT INTO 表名 [ ( 字段1, 字段2, 字段3, … ) ] VALUES ( '值1', '值2', '值3', …) UPDATE
88720编辑于 2023-05-04 - 来自专栏机器学习
深入解析 LlamaIndex：大语言模型的数据管理与查询利器
LlamaIndex 是一个强大的框架，用于在大语言模型 (LLM) 中高效地管理和查询外部数据。 一、LlamaIndex 简介LlamaIndex，原名为 GPT Index，是一个专门为大语言模型设计的开源数据管理工具。其核心目标是简化和优化 LLM 在外部数据源中的查询过程。 多数据源集成LlamaIndex 支持多数据源集成，开发者可以同时索引文档、数据库记录、API 返回的数据等，实现多渠道的数据管理和查询。 七、总结与展望LlamaIndex 作为一个面向大语言模型的数据管理框架，在优化数据查询和索引构建方面展现了极大的潜力。 如果你正在寻找一种高效的数据管理与查询工具，LlamaIndex 绝对值得一试。
4.7K01编辑于 2024-08-20 - 来自专栏新亮笔记
数据管理
这种紧耦合有几个非常大的缺点。随着测试套件的增长，测试的设计越来越难。当一个测试失败以后，会对后续依赖于它的一系列测试造成影响，让它们也失败。业务场景或技术实现的变更可能导致重写测试套件，非常痛苦。 数据管理和部署流水线 我们通过测试来断言我们所开发的应用程序的行为符合我们期望的结果。 小结 由于生命周期不同，数据管理也面临一些待解决的问题。尽管这些问题与部署流水线上下文中的问题有所不同，但管理数据所用的基本原则是一样的。关键是要把创建和迁移数据库全部变成自动化过程。
1.3K10编辑于 2022-12-05 - 来自专栏高级开发进阶
ES数据管理
8.ES数据管理 8.1 ES数据管理概述 ES是面向文档(document oriented)的，这意味着它可以存储整个对象或文档(document)。
1K30编辑于 2022-03-07 【元数据管理】
元数据管理是一种关键的技术理论，它在信息管理和数据管理领域中扮演着重要的角色。元数据是描述和管理数据的数据，它提供了关于数据的关键信息，如数据的来源、内容、结构和用途等。 为了有效地管理和利用这些数据，元数据管理成为一项必不可少的工作。元数据管理的目标是帮助组织和个人更好地理解、访问和利用数据。 元数据管理涉及到多个方面的理论和技术，包括数据建模、数据词典、数据集成和数据质量等。以下是一些重要的元数据管理技术理论： 数据建模：数据建模是元数据管理的基础，它定义了数据的结构和关系。 元数据管理可以帮助识别和解决数据质量问题，通过收集和分析元数据信息，可以发现数据的潜在问题，并采取相应的措施进行修复。 总之，元数据管理是一种重要的技术理论，它在信息管理和数据管理中起着关键的作用。 通过元数据管理，可以更好地理解、访问和利用数据，提高数据的质量和价值。未来，随着数据的不断增长和复杂性的增加，元数据管理将会变得更加重要和必不可少。
25910编辑于 2025-08-29- 来自专栏小孙同学的学习笔记
ArcGIS数据管理
矢量数据是通过记录空间对象的坐标及空间关系来表达空间几何位置的数据，主要是点、线、面，在ArcGIS中也成要素类。
1.6K30编辑于 2022-01-17 - 来自专栏『学习与分享之旅』
ES数据管理
也就是相当于操作，数据库-表-字段-约束信息，索引-_doc-字段映射，设置字段的约束信息，叫做字段映射。
56400编辑于 2023-09-27 - 来自专栏sktj
Docker 数据管理
Rex-Ray作为跨机房的数据驱动 安装 image.png image.png image.png 创建磁盘卷 image.png image.png image.png
1.2K10发布于 2019-10-08 - 来自专栏康怀帅的专栏
Docker 数据管理
我们已经熟悉了 -v 或者 --volume，官方最近建议( Docker 17.06+ ) 使用 --mount。 官方文档：https://docs.docker.com/engine/admin/volumes/ 类型 bind volume tmpfs source source 或 src destination destination 或 dst 或 target volumes 创建 volume $ docker volume create VOLUME_NAME $ dock
1.9K50发布于 2018-02-28 - 来自专栏基础知识文章
Docker数据管理
数据卷 （ Data Volumes ） 是一个可供容器使用的特殊目录，它将主机操作系统目录直接映射进容器，类似于 Linux 中的 mount 行为 。
1.2K10编辑于 2021-12-07 - 来自专栏零基础使用Django2.0.1打造在线教育网站
Docker数据管理
Docker数据管理 写在前面 在前面我们详细学习了docker的三大核心概念：镜像、容器和仓库，接下来开始学习如何管理数据。 在实际工作中使用docker，往往需要对数据进行持久化，或者需要在多个容器之间进行数据共享，此时必然会使用到容器数据管理的各种操作。 容器中的数据管理主要有两种方式：（1）数据卷（Data Volumes），表示容器内数据直接映射到本地主机环境；（2）数据卷容器（Data Volume Containers），表示使用特定容器维护数据卷 本篇就来学习docker数据管理相关的知识，首先会介绍如何在容器内创建数据卷，并且把本地目录或者文件挂载到容器内的数据卷中，接着介绍如何使用数据卷容器在容器和宿主机、容器和容器之间共享数据，并实现数据的备份和恢复 run --volumes-from dbdata2 -v ${pwd}:/backup worldenvy tar xvf /backup/backup.tar 小结 Docker采用数据卷机制为数据管理提供了方便的操作
1.7K10发布于 2020-12-29 - 来自专栏高级开发进阶
ES数据管理
8.ES数据管理 8.1 ES数据管理概述 ES是面向文档(document oriented)的，这意味着它可以存储整个对象或文档(document)。
95020编辑于 2022-09-29 - 来自专栏devops探索
docker 数据管理
docker镜像被存储在一系列的只读层，当我们开启一个容器，docker读取只读镜像并添加一个读写层在顶部，如果正在运行的容器修改了现有的文件，该文件将被拷贝出底层的只读层到最顶层的读写层，在读写层中的旧版本文件隐藏于该文件之下，但并没有被破坏，它仍然存在于镜像一下，当docker的容器被删除时，然后重新启动镜像时，将开启一个没有任何更改的新的容器，这些更改会丢失，为了能够保存数据以及共享容器间的数据，docker提出了volumes的概念，volumes可以是目录或者文件，它们是外部默认的联合文件系统或者是存在与宿主文件系统正常的目录和文件。
1.1K20发布于 2020-07-31 - 来自专栏yuezhimi
docker数据管理
用户在使用Docker的过程中，往往需要能查看容器内应用产生的数据，或者需要把容器内的数据进行备份，甚至多个容器之间进行数据共享，这必然涉及到容器的数据管理操作。
96220发布于 2020-09-30
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号