图灵汇官网

“大数据”这个词实际上更多地被当作营销术语使用，从技术角度来看，它涵盖了广泛的知识领域，包括计算、存储和网络，因此学习起来相对复杂。

本期，我们将为大家呈现一系列实用的技术内容：MongoDB、Spark、TiDB、数据处理、ClickHouse、机器学习、HBase、Flink、Kafka和Kettle。这些都是非常实用的内容，希望各位读者能够从中受益！

大数据和云计算技术社区#希望通过定期分享，帮助大家在大数据学习的道路上取得进步。长期坚持阅读周报的同学，在技术上一定会有显著提升！感谢所有编辑们的辛勤付出！同时也请各位读者继续支持社区，为高质量内容提供支持！

我们长期招募有兴趣参与社区编辑和运营的同学，欢迎联系我们（参与社区工作不仅可以获得知识和进步，还有额外奖励哦）。

特别提醒，文末有惊喜！

以下是本期内容概览：

1. TiDB在完成改造后，丰巢推送服务实现了大量消息的落地和查询，日均落地量已达到五千万。如果依然使用MySQL方案，则需要采取各种分库分表的方法，很多业务细节将难以开展。

   • 详情请点击

2. HBase问题解决思路

   • 详情请点击

3. MongoDB模糊查询功能实现

   • 详情请点击

4. SparkSQL的性能优化与多数据源处理

   • 为了提升SparkSQL的性能和扩展其多数据源处理能力，我们整合了ES、Kylin和Lucene等开源组件，最终实现了一个统一的OLAP平台。
   • 详情请点击

5. 大数据处理关键技术及其应用场景

   • 详情请点击

6. Flink在美团中的应用实践

   • 介绍了Flink引擎如何构建实时数据仓库，以提供高效、稳健的实时数据服务。
   • 详情请点击

7. ClickHouse简介及应用场景

   • 介绍了ClickHouse的基本概念、适用场景以及其高效的查询性能。
   • 详情请点击

8. Kafka的查询优化器与查询调度器

   • 详情请点击

9. Spark与MLFlow的结合应用

   • MLFlow旨在将不同的机器学习框架应用于生产环境。Spark作为流行的分布式计算平台，未来与MLFlow框架的应用案例、编程语言和采纳模式将如何发展？
   • 详情请点击

10. Kettle的基础内容及其开发

    • 详情请点击

希望以上内容对大家有所帮助，祝大家学习愉快！