Category: Analytics

企业内部需要分析的数据主要存在于关系数据库和 NoSQL 类型的数据库中，要使用 Amazon Redshift 对这些数据进行分析，首先需要将这些业务数据库中的数据同步到数仓中。本文将介绍使用亚马逊云科技服务同步数据到 Amazon Redshift 的方案以及相关实践。

Apache Paimon 是近年来发展起来的一个流式数据湖平台，相比于其它的开源数据湖组件，其更加侧重数据湖上的流式数据处理。由于其流批统一的设计理念、基于 LSM 的底层数据存储、高速流式数据摄取与分析能力以及很好的系统稳定性，已经被一些企业用在生产环境中。结合 Apache Paimon 的特性，本文将使用 Amazon EMR 在 Amazon S3 上构建流式数据湖，验证 Apache Paimon 与 Amazon EMR 服务的适配性。

为了测试 Amazon MSK 的扩容性能，我们对其进行了一系列的测试，包括扩容分区数量、扩容代理数量和扩容磁盘容量等方面的测试。此外，我们还模拟了故障转移场景，观察了集群在故障转移过程中的性能表现和响应时间，以评估 Amazon MSK 在故障发生时的自动恢复能力。这些测试旨在评估 Amazon MSK 在扩容过程中的性能表现和响应时间，并为用户提供参考，以便他们更好地了解 Amazon MSK 的扩容能力，并做出更好的决策。在本测试报告中，我们将详细介绍测试的环境和方法，并分析测试结果。

StarRocks 是专为所有数据分析场景而设计的下一代亚秒级 MPP 数据库，旨在提供任何规模的简单快速的数据分析。结合易于使用的数据加载管道和对数据源的丰富支持，StarRocks on AWS 可以帮助用户实现他们的目标。StarRocks Flink CDC 连接器的推出是为了简化实时数据加载管道，成为 StarRocks 数据加载领域的新成员。

本文会为您介绍在湖仓一体架构下，如何将亚马逊云科技的数据湖 Amazon S3 在数据 ETL 处理过程中通过 Spline 捕获并产生在图数据库 ArangoDB 中的数据血缘和数据仓库 Amazon Redshift 通过 DBT 产生的数据血缘进行合并，并使用图数据库 Amazon Neptune 通过 DAG 图进行可视化展示。

 我很高兴地宣布 Amazon Managed Streaming for Apache Kafka（Ama […]

本文是本系列的第四篇，对 RAG 场景中的知识召回展开介绍，基于一些实践总结了向量召回问题分析和优化的经验。

对于大数据平台的 OLAP 查询引擎来说，天下武功唯快不破，Presto 做为大数据生态的业界知名的查询引擎和平台，首当其冲承载了业务查询分析的实时响应的需求。 对于 Presto 集群而言，横向扩展，加机器资源固然可以解决绝大多数性能问题，但成本也是客户考虑的重要因素。本文详细介绍了在 Amazon EMR 上集成 Alluxio 本地缓存做为 Presto 即席查询加速的具体实现，包括 Alluxio Presto 本地缓存整体架构原理，在 Amazon EMR 上 Alluxio 缓存相关的配置及对比测试。

本文是本系列的第三篇，对 RAG 场景中的知识召回展开介绍，对比和分析了向量召回和倒排召回的优劣势，并基于一些实践总结了倒排召回问题分析和优化的经验。

利用 Athena 处理 CSV 中 JSON 数据的多种方案介绍和对比，以及适用的场景分析。