本章節(jié)是關(guān)于在event time上執(zhí)行的程序。有關(guān)event time, processing time, and ingestion time的更多介紹，請(qǐng)參閱事件時(shí)間（...
發(fā)簡(jiǎn)信
IP屬地：上海
-
Flink生成Timestamps和Watermarks -
本博客所有內(nèi)容均適用知識(shí)共享-署名-相同方式共享（CC-BY-SA）4.0協(xié)議。
-
-
在閱讀ClickHouse的書(shū)籍時(shí)，發(fā)現(xiàn)了向量化執(zhí)行這樣一個(gè)大殺器，不知道實(shí)際情況對(duì)于OLAP場(chǎng)景的查詢(xún)優(yōu)化，能有多大性能的提升，有待驗(yàn)證，拭目以待。
向量化與編譯執(zhí)行淺析
??向量化執(zhí)行和編譯執(zhí)行是目前主流的兩種數(shù)據(jù)庫(kù)執(zhí)行引擎優(yōu)化手段，本文從以下幾個(gè)方面對(duì)向量化執(zhí)行和編譯執(zhí)行進(jìn)行淺析。一、以當(dāng)代CPU主要特性為背景，引出數(shù)據(jù)庫(kù)執(zhí)行引擎的主要優(yōu)化...
-
向量化與編譯執(zhí)行淺析??向量化執(zhí)行和編譯執(zhí)行是目前主流的兩種數(shù)據(jù)庫(kù)執(zhí)行引擎優(yōu)化手段，本文從以下幾個(gè)方面對(duì)向量化執(zhí)行和編譯執(zhí)行進(jìn)行淺析。一、以當(dāng)代CPU主要特性為背景，引出數(shù)據(jù)庫(kù)執(zhí)行引擎的主要優(yōu)化...
-
Flink介紹和基本概念介紹 概述 Apache Flink是一個(gè)面向數(shù)據(jù)流處理和批量數(shù)據(jù)處理的可分布式的開(kāi)源計(jì)算框架，它基于同一個(gè)Flink流式執(zhí)行模型（streaming execution m...
-
java.core.ch01_collection
java-collection 1、Iterator 1.1 代碼 1.2 結(jié)果 2、ArrayList 2.1 代碼 2.2 結(jié)果 3、LinkedList 3.1 代碼 ...
-
java.pop.ch05_string
java-string 1、String 1.1 代碼 1.2 結(jié)果 2、StringBuffer 2.1 代碼 2.2 結(jié)果
-
知識(shí)體系 v1.5
知識(shí)體系 100 數(shù)學(xué) 101 分析 數(shù)分、實(shí)變、復(fù)變、泛函、調(diào)和、小波、數(shù)值、ODE、PDE 102 代數(shù) 高代、抽代、李群、算子、同調(diào)、交換、矩陣、群環(huán)域 103 幾何 ...
-
大數(shù)據(jù)架構(gòu)一、平臺(tái)架構(gòu) 1.1 接入層 1.1.1 設(shè)備采集（IoT）數(shù)據(jù)采集(DAQ)，是指從傳感器和其它待測(cè)設(shè)備等模擬和數(shù)字被測(cè)單元中自動(dòng)采集非電量或者電量信號(hào),送到上位機(jī)中進(jìn)行分...
