如何带领团队“攻城略地”?优秀的架构师这样做 | 7月4号云栖夜读
点击订阅云栖夜读日刊,专业的技术干货,不容错过!
阿里专家原创好文
1.如何带领团队“攻城略地”?优秀的架构师这样做
架构师是一个既能掌控整体又能洞悉局部瓶颈并依据具体的业务场景给出解决方案的团队领导型人物。看似完美的“人格模型”背后,是艰辛的探索。今天,阿里巴巴技术专家九摩将多年经验,进行系统性地总结,帮助更多架构师在进阶这条路上走得更“顺畅”,姿态更“优雅”。阅读更多》》
2.蚂蚁金服胡喜:金融服务将成为开源的下个前沿领域
近日,全球知名开源组织云原生计算基金会 CNCF 宣布,蚂蚁金服正式成为 CNCF 黄金会员。为什么蚂蚁金服会拥抱开源,科技公司和开源社区如何实现双赢且可持续发展?蚂蚁金服副CTO胡喜在TechCrunch上发表专栏阐述了自己的见解。阅读更多》》
3.就是要你懂负载均衡--lvs和转发模式
本文希望阐述清楚LVS的各种转发模式,以及他们的工作流程和优缺点,同时从网络包的流转原理上解释清楚优缺点的来由,并结合阿里云的slb来说明优缺点。阅读更多》》
4.云原生应用 Kubernetes 监控与弹性实践
一篇干货好文,值得一读!阅读更多》》
5.MaxCompute 项目子账号做权限管理
一个企业使用多款阿里云产品,MaxCompute是其中一个产品,用的是同个主账号,主账号不是由使用MaxCompute的大数据同学管理, 大数据同学使用的是子账号。大数据同学日常需要给MaxCompute项目 操作新增子账号(add user),新的子账号授权(grant xx on project/table)等操作,即日常权限管理。阅读更多》》
视频课程及PPT下载
1.【云吞铺子】时延敏感业务超时问题分析(三)
《《云吞铺子-故障排查案例精选》第10期重磅更新!本期是《时延敏感业务超时问题分析》的终极篇,我们继续跟随阿里云售后技术专家月宾聚焦网络经典案例。大牛出品,必属精品!
视频地址:https://yq.aliyun.com/live/1230
2.【云吞铺子】时延敏感业务超时问题分析(一)
《云吞铺子-故障排查案例精选》第8期重磅发布!当延时敏感业务遇到超时问题情况应该如何处理?本期我们跟随阿里云售后技术专家月宾聚焦网络类问题的经典案例。大牛出品,必属精品!
视频地址:https://yq.aliyun.com/live/1206
3.【云吞铺子】时延敏感业务超时问题分析(二)
《云吞铺子-故障排查案例精选》第9期如期而至!本期我们继续跟随阿里云售后技术专家月宾聚焦《时延敏感业务超时问题分析》。网络经典案例,不可错过哦!
视频地址:https://yq.aliyun.com/live/1215
热门话题
1.大佬们都在学习的数据上云必备攻略,你还在观望什么?!(有奖话题)
- 当前对象存储的存储类型不是已经很安全了吗,为什么还要推出同城冗余存储这样的存储类型服务?
- 听说传统数据中心建容灾中心、双活中心成本很高,同城冗余存储会不会很贵啊?
- 看云存储的“两地三中心”是如何炼成的
- 云上无代理的数据保护方式是否是未来行业发展趋势?
- 您是否有针对整个ECS实例进行数据保护的需求?
2.谷歌Chrome内置广告拦截器将于7月9日在全球发布,你的站点广告能过关吗?(有奖话题)
- 对于此次功能更新,你有什么看法?
往期精彩回顾
点击订阅云栖夜读日刊,专业的技术干货,不容错过!
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
EMR Spark Runtime Filter性能优化
背景 Join是一个非常耗费资源耗费时间的操作,特别是数据量很大的情况下。一般流程上会涉及底层表的扫描/shuffle/Join等过程, 如果我们能够尽可能的在靠近源头上减少参与计算的数据,一方面可以提高查询性能,另一方面也可以减少资源的消耗(网络/IO/CPU等),在同样的资源的情况下可以支撑更多的查询。 目前在SparkSQL中有Filter下推优化,包括两个维度: 生成Filter SparkSQL会从用户的SQL语句中获取到Filter 直接显示获取select * from A where a=1生成Filter(a=1) on A 隐式推断select * from A, B where A.a = B.b and A.a=1推断出Filter(b=1) on B Filter优化 利用生成的Filter算子可以优化,比如: 将Filt
- 下一篇
使用Spark Streaming SQL基于时间窗口进行数据统计
1.背景介绍 流式计算一个很常见的场景是基于事件时间进行处理,常用于检测、监控、根据时间进行统计等系统中。比如埋点日志中每条日志记录了埋点处操作的时间,或者业务系统中记录了用户操作时间,用于统计各种操作处理的频率等,或者根据规则匹配,进行异常行为检测或监控系统告警。这样的时间数据都会包含在事件数据中,需要提取时间字段并根据一定的时间范围进行统计或者规则匹配等。使用Spark Streaming SQL可以很方便的对事件数据中的时间字段进行处理,同时Spark Streaming SQL提供的时间窗口函数可以将事件时间按照一定的时间区间对数据进行统计操作。本文通过讲解一个统计用户在过去5秒钟内点击网页次数的案例,介绍如何使用Spark Streaming SQL对事件时间进行操作。 2.时间窗语法说明 Spark Streaming SQ
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- Docker安装Oracle12C,快速搭建Oracle学习环境
- Windows10,CentOS7,CentOS8安装MongoDB4.0.16
- CentOS8编译安装MySQL8.0.19
- MySQL8.0.19开启GTID主从同步CentOS8
- CentOS8安装Docker,最新的服务器搭配容器使用
- CentOS8,CentOS7,CentOS6编译安装Redis5.0.7
- SpringBoot2整合Redis,开启缓存,提高访问速度
- CentOS7,8上快速安装Gitea,搭建Git服务器
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- CentOS关闭SELinux安全模块