极客百科全球领先的中文百科全书

首页分类最近更改图库随机

加载中...

极客百科

关于条款隐私帮助分类最近更改

© 2026 极客百科 — 自由开放的在线百科全书

百科>分类>大数据

分类导航

全部分类域名124 技术60 服务器328 网站169 翻墙167 论坛23 软件425 AI186 程序38 术语22 网络黑话287 科技名词245 知名人物217 知名公司172 AI术语219 前端技术170 热门产品56 编程语言130 开发工具186 数据库200 网络协议431 网络安全203 加密货币368 互联网平台46 计算机硬件407 算法与数据结构254 操作系统140 设计模式120 软件工程120 前沿科技45 通信与半导体34 后端框架96 大数据62 开源软件125 编程概念114 计算理论127

大数据

62 个词条

大数据与数据科学

Apache DolphinScheduler

Apache DolphinScheduler

中国团队开源的分布式可视化工作流调度平台，以拖拽式 DAG 与去中心化架构见长。

管理员2,5272025/11/16 00:51

Apache Arrow

跨语言的内存列式数据标准，让不同系统零拷贝共享数据，是现代数据引擎互操作的基础设施。

老周2,5262025/12/06 00:51

Google BigQuery

Google BigQuery

谷歌基于 Dremel 技术的无服务器云数据仓库，存算分离、按量计费，可秒级扫描超大规模数据。

Aki2,4352026/01/05 00:51

Apache Impala

Apache Impala

Cloudera 开源的 MPP 交互式 SQL 引擎，以 C++ 实现并绕开 MapReduce，直接查询 HDFS 与 HBase。

一只鱼2,3982026/04/18 00:51

Trino

Trino

开源分布式 SQL 查询引擎,原名 PrestoSQL,擅长跨数据源交互式联邦查询,计算与存储分离。

老周2,3552026/04/29 00:51

Apache Pinot

Apache Pinot

LinkedIn 开源的实时分布式 OLAP 存储，为面向用户的分析应用提供高并发毫秒级查询。

苏小满2,3372026/01/17 00:51

Apache Superset

Apache Superset

Airbnb 开源的现代化 BI 与数据可视化平台,提供 SQL 探索与丰富图表,是商业 BI 的开源替代。

林夕2,3102026/01/29 00:51

数据倾斜

数据倾斜

分布式计算中数据在节点间分布不均导致少数任务拖慢全局的现象,是大数据作业调优的头号难题。

林夕2,1882025/12/21 00:51

Apache Beam

Apache Beam

谷歌开源的批流统一编程模型,一套代码可运行在Flink、Spark、Dataflow等多种引擎上。

老周2,1242026/02/22 00:51

星型模型

数据仓库中最经典的建模结构：中心事实表连接多个反规范化维度表,形似星状,查询简单高效。

Ryan2,1072026/04/06 00:51

Amazon Redshift

Amazon Redshift

AWS 于 2013 年推出的云数据仓库服务，基于 MPP 列式架构，开启了云数仓大规模商用时代。

Ryan2,0492026/06/20 00:51

Kafka Streams

Kafka Streams

Kafka自带的流处理客户端库,无需独立集群即可在应用内做有状态流计算,提出KStream/KTable抽象。

momo2,0282026/01/28 00:51

Apache Samza

Apache Samza

LinkedIn开源的流处理框架,与Kafka同源共生,以本地RocksDB状态和changelog容错设计著称。

momo1,9192026/03/08 00:51

维度建模

维度建模

Ralph Kimball 提出的数据仓库设计方法,以事实表与维度表组织数据,面向业务过程与查询易用性。

陈默1,9092026/03/08 00:51

特征工程 Feature Engineering

特征工程 Feature Engineering

将原始数据加工为模型可用特征,提升机器学习效果的关键步骤。

陈默1,785数据科学大数据2026/06/18 07:35

数据挖掘 Data Mining

数据挖掘 Data Mining

从海量数据中发现潜在模式规律与有用知识的过程与技术。

王小帅1,785数据科学大数据2026/06/13 04:35

流式计算 Stream Processing

流式计算 Stream Processing

对持续到达的数据流进行实时连续处理的计算范式。

老周1,766数据科学大数据2026/06/17 06:35

HBase

HBase

构建在 HDFS 之上的分布式列式 NoSQL 数据库,支持海量随机读写。

momo1,724数据科学大数据2026/06/29 20:35

MaxCompute

MaxCompute

阿里云自研的大规模批量计算与数仓平台，前身 ODPS，支撑阿里内部及公有云的海量离线计算。

林夕1,7062026/01/13 00:51

Apache Hudi

Apache Hudi

Uber 开源的数据湖存储框架，为 HDFS 与对象存储上的数据集提供插入更新、增量查询与事务能力。

Aki1,6862026/01/26 00:51