写点什么
创作场景
- 记录自己日常工作的实践、心得
- 发表对生活和职场的感悟
- 针对感兴趣的事件发表随笔或者杂谈
- 从 0 到 1 详细介绍你掌握的一门语言、一个技术，或者一个兴趣、爱好
- 或者，就直接把你的个人博客、公众号直接搬到这里
登录/注册
数据分析技术架构
收录了 数据分析技术架构 频道下的 50 篇内容
大数据基础框架设计——实时分析技术平台洞察与实践
今年是IoT物联网的元年，也是人工智能的元年。之所以人工智能这么热，与大数据有密不可分的关系，大数据就是现在网络时代的石油。2016 年 10 月 28 日上午 7 位大数据相关专家齐聚“2016 易观 A10 大数据应用峰会”对实时分析技术的看法和实践经验进行了分享和讨论，从技术角度解析了企业如何做到实时分析。
阿里云、Amazon、Google 云数据库方案架构与技术分析
本文着眼于顶级云服务商云服务商的云数据库方案背后的架构，以及笔者最近观察到的一些对于云数据库有意义的工业界的相关技术的进展，希望读者能有所收获。
金融智能的架构编排：基于 Snowflake Cortex Agents 实现结构化与非结构化数据统一分析 ｜ 技术实践
在企业数据版图内，生成式人工智能的演进已超越简单的聊天界面，迈入自主编排的领域。对金融机构而言，这项技术的前景在于弥合一个历史性鸿沟：一端是高度结构化的交易数据（如总账分录），另一端是非结构化文档的庞大存储库（如监管手册和ERP系统指南）。Snowflake Cortex 智能体代表了这一范式的根本转变，它提供了一个托管框架，用于构建不仅能检索数据、还能规划复杂任务、执行专用工具，并以高精度和可验证的引用综合生成洞察的智能助手。
实时数据分析用什么数据库？阿里云瑶池数据库 AnalyticDB MySQL 版技术架构详解
实时数据分析的核心矛盾是数据产生速度与决策响应速度之间的差距——业务端要求秒级可见，传统数仓还停在 T+1 批处理。阿里云瑶池数据库旗下的 AnalyticDB MySQL 版在 PB 级数据量下实现查询响应亚秒级，写入后数据秒级可见，是目前云原生实时数仓中架构完成
08-14
0
YashanDB 数据库的主流技术架构及应用分析
随着大数据和云计算环境的不断发展，数据库系统面临着性能瓶颈、数据一致性难以保障以及高可用性需求等多重挑战。数据库设计不仅需要满足基础的数据存储和检索功能，更需支持高并发处理、事务完整性、多维度查询和灵活的部署架构。在此背景下，YashanDB作为一
2025-10-23
0
分析型数据库：MPP 数据库的概念、技术架构与未来发展方向
随着企业数据量的增多，为了配合企业的业务分析、商业智能等应用场景，从而驱动数据化的商业决策，分析型数据库诞生了。由于数据分析一般涉及的数据量大，计算复杂，分析型数据库一般都是采用大规模并行计算或者分布式计算来提升它的数据处理能力。
MPP数据库
深入了解 YashanDB：这款数据库的技术架构分析
如何优化数据库查询速度是数据库技术研发中的核心问题之一。查询速度的提升直接影响系统响应时间和整体性能，尤其在海量数据处理和高并发环境下更为突出。YashanDB作为新一代数据库解决方案，运用多样化部署架构、创新存储引擎与优化的执行引擎，实现了查询优
2025-10-10
0
深度集成亚马逊云科技与微软生态，以自然语言驱动智能决策 ｜Snowflake Discover AI 技术实战周 Day 4
借助 Cortex 与 AI SQL 构建自然语言驱动的数据应用体系，并联动 Amazon Quick Suite 与 Microsoft Teams 等生态工具，实现跨平台协作与业务场景深度融合。
基于 Streamlit 为 CSV 数据构建分析智能体 ｜ BUILD 2025
大语言模型通过 RAG 技术在处理非结构化数据方面表现出色，但结构化数据需要不同的方法。本项目构建了一个数据分析智能体，能将自然语言查询转换为 pandas 操作或 SQL 命令，用以分析 CSV 文件。
从 Copilot 到 DataAgent：企业级智能数据开发治理平台的技术演进和实践｜QCon 北京
企业数据规模爆发式增长，传统BI工具在灵活性和交互性上遭遇瓶颈。
Quick BI 数据分析智能体的可靠工程实践｜AICon 深圳
数据智能体从"能对话"到"能信赖"，瓶颈从模型推理能力已逐渐转到数据的可理解性和系统的可控性上
在金融强国的背景下，金融企业如何分层分级有序开展 AI 人才培训？
智能体时代，金融人才培养全新升级，阅读原文了解详情。
TDSQL Boundless：AI 时代的多模态数据库
在AI与数据分析处理技术深度融合的今天，企业数据生态正经历一场深刻的变革。传统数据库架构往往针对特定数据类型设计——关系型数据库处理结构化交易，NoSQL应对海量半结构化或非结构化数据，而向量数据库、全文检索等则服务于更垂直的场景。
企业级 Harness Engineering 实践：运营、数据、Coding 与办公智能体工程化落地｜AICon 深圳
如何围绕不同场景构建 Harness：通过数据基建、知识库建设提供可信上下文
从企业 AI 战略全景到零帧起手玩转 Snowflake ｜Snowflake Discover AI 技术实战周 Day 1
系统梳理企业级 AI 的端到端落地路径，从战略规划、数据准备到 Agent 构建与业务价值衡量，搭建可规模化的 AI 实施框架。
途虎养车基于 Apache Doris 构建统一 OLAP 数据底座，支撑用户画像与 BI 多维分析
途虎养车 OLAP 平台的演进历程，主要经历了四个关键阶段。
企业能源管理系统架构演进：从 IoT 数据采集到智能能效分析的技术实践
全球 EMS、低代码市场持续扩容，传统 SCADA 存在协议杂、时序数据卡顿、告警规则难调整痛点。文章采用云边四层架构：协议适配器采集设备、边缘预处理、时序库 + 规则引擎告警、低代码可视化能耗看板，配套汽配厂落地节能成效，预判 AI 能效预测为行业主流。
07-06
0
PingCAP 联合创始人兼 CTO 黄东旭已确认出席 QCon 北京站，分享 The Age of Autonomous Systems 自主系统的时代
Agent 并非简单的功能模块，而是一种全新的计算实体
阿里云智能集团高级技术专家刘少伟已确认出席 AICon 上海站，并分享如何构建企业 Agent 的自动化行动架构
深入探讨 Agent 从原型到量产的工程挑战、数据与记忆的基础设施底座、安全可信的落地保障，以及大模型推理优化、智算架构升级等关键命题。
Copyright © 2026, Geekbang Technology Ltd. All rights reserved. 极客邦控股（北京）有限公司 | 京 ICP 备 16027448 号 - 5
京公网安备 11010502039052号 | 产品资质
京公网安备 11010502039052号 | 产品资质
