第三范式（Third Normal Form, 3NF）源于关系型数据库理论，由 E.F. Codd 提出，也是传统 OLTP（在线事务处理）系统（如 ERP、...

TiSpark是TiDB为解决用户复杂OLAP需求而推出的产品。它借助Spark平台，同时融合TiKV分布式集群的优势，和TiDB一起为用户一站式解决HTAP的...

近期后台收到很多开发者咨询 DGX Spark 的实际性能与开发体验。为了更真实、客观地回答大家，我们专门整理了一线开发者的实测笔记，从性能表现、上手难度、实际...

外网一位技术博主曾录制过一期趣味十足的技术视频，视频中他详细分享了自己从4台NVIDIA DGX Spark硬件入手，逐步扩展至8台、搭建大模型训练与推理集群的...

A: NVIDIA 最近在 GitHub 上发布了详细的性能指南，可以在 build.nvidia.com/spark 页面找到链接。该指南提供了如何使用不同框...

英伟达（NVIDIA）今日正式发布 DGX Spark 性能基准测试指南（），该指南不仅适用于 NVIDIA 原生 DGX Spark 设备，更全面适配所有搭载...

UDF 的核心逻辑是一行进、一个值出，本质上是对表中每一行的某个字段做一次独立的转换或计算，结果作为新的一列返回。你可以把它理解为对每一行数据套用同一个"加工模...

在数字化转型的浪潮中，全球领先的电商平台**商城每天承载着数亿级用户的访问与交易。面对海量的用户行为数据，如何从中挖掘商业价值、实现精准营销、提升用户生命周期价...

注：本章节将重点阐述基于3.5.8版本的Spark Core，并采用Python语言进行代码实现。尽管在企业级应用中，Spark SQL得到了更为广泛的应用，老...

宏观来看：Spark SQL 语句，经过一个优化器（Catalyst），转化为 RDD，交给集群执行。

Spark Exchange算子有两类实现：ShuffleExchangeExec 大规模数据shuffle重分区分发，doExecute 生成Shuffled...

GROUPING SETS 是 SQL 中 GROUP BY 子句的扩展功能，它的核心作用是：在一次查询中同时执行多个不同维度的分组统计，最后将所有分组的结果合...

物化视图是数据库中的一种特殊对象，它存储了查询结果的物理副本，与普通视图（只保存查询定义）不同。

视图是从一个或多个表（或其他视图）导出的虚拟表。它本身不包含实际的数据，而是根据定义它的查询语句从相关的表中动态检索数据。可以将视图理解为一个存储起来的查询，查...

中国的企业软件产业正处在一个“多重压力交汇”的关键十字路口。表面上看，是“白嫖文化”、开源冲击、外包盛行、招标机制扭曲、数科公司挤压、AI颠覆等外部力量在“摧毁...

Apache Hudi（Hadoop Upserts Delete and Incremental）是下一代流数据湖平台。Apache Hudi将核心仓库和数据...

ALS是交替最小二乘的简称（alternating least squares）的简称。在机器学习的上下文中，ALS特指使用交替最小二乘求解的一个协同推荐算法。...

在数字化时代，海量数据已成为企业和组织的核心资产——从用户行为分析到业务决策优化，从金融风控到智能制造，大数据分析的能力直接决定了数据价值的挖掘深度。然而，面对...