-
编辑 删除
监控神器：Prometheus 轻松入门，真香！（下篇）
Prometheus是一个开源的完整监控解决方案，本文将从指标抓取到查询及可视化展示，以及最后的监控告警，对Prometheus做一个基本的认识。
-
编辑 删除
监控神器：Prometheus 轻松入门，真香！（上篇）
Prometheus是一个开源的完整监控解决方案，本文将从指标抓取到查询及可视化展示，以及最后的监控告警，对Prometheus做一个基本的认识。
-
编辑 删除
0到1搭建企业级数据治理体系
数据治理是企业数据建设必不可少的一个环节。好的数据治理体系可以盘活整条数据链路，最大化保障企业数据的采集、存储、计算和使用过程的可控和可追溯。如何构建企业数据治理体系？企业数据治理过程需要注意哪些问题？总体而言，不能一口一个胖子，路要一步一步地走。
-
编辑 删除
Java内存泄漏+性能优化+宕机+死锁的N种姿势
本文介绍Java诸多优化实例：第一，排查堆上、堆外内存泄露；第二，使用arthas、jaeger、tcpdump、jstack做性能优化；第三，排查进程异常退出的原因，如被杀、System.exit、Java调用的C++发生Crash、Java内Crash；第四，排查死锁的原因，如log4j死锁、封装不严谨导致的死锁。
-
编辑 删除
大数据专家级技能模型与学习指南
这篇文章从构思到最终成文，经过无数次的修改和校对，终于面世。我在写完此文的时候，窗外已经大亮。2022年正迎面走来，也代表着我从事大数据开发领域的第五个年头迎面走来。文章也仅仅是站在我从业4年多的时间点，基于我过去经历的总结以及对行业未来的思考，向大家展示一个我认为「比较全面」、「比较合理」、「未来天花板比较高」的技术栈模型。
-
编辑 删除
祁国辉：技术发展的角度看，数据中台应该是数据仓库的下一代
随着中台概念的提出， 业界始终对中台毁誉参半。我想我们有必要思考，或者不得不重新思考这样的几个关键问题点，到底什么是数据中台？数据中台和数据仓库有什么区别？数据中台和数据挖掘机器学习有什么关系？
-
编辑 删除
7.13事故 | 我们是这样崩的
713事故发生时，B站挂了迅速登上全网热搜，作为技术人员，身上的压力可想而知。此篇作为“713事故”系列之第一篇，向大家简要介绍了故障产生的诱因、根因、处理过程、优化改进。
-
编辑 删除
告别宽表，用DQL成就新一代BI
BI 商业智能这个概念已经提出好几十年了，这个概念本身比较宽泛，不同人也有不同的理解和定义，但落实到技术环节，特别是面向业务用户的环节，所称的 BI，基本就是指的多维分析或者自助报表。 不管是叫自助报表还是多维分析，也都是一回事，都是让用户自己去通过拖拽的方式查询数据或制作报表。
-
编辑 删除
不想只做Cruder？实体、聚合根，还不快去了解下
传统的设计方法由于只从数据出发，也就导致了在这些CRUD系统中创建出的业务模型，不具有表达业务的能力。而实体的引入，将数据跟业务紧密结合在一起，彼此呼应和更迭，在业务系统中具有更强的生命力，这也是为什么我们需要引入实体的原因。
-
编辑 删除
数据分析应学习逻辑思维和分析方法
数据分析的下限，取决于逻辑归纳。与其说提高分析质量，不如说提升逻辑归纳能力。在数据分析中，其过程是与逻辑归纳相近的： 提出问题➟分析问题➟提出假设➟验证假设➟输出结论。
-
编辑 删除
从0到1，数据治理一周年大纪实
在长达近18年的数据生涯中，自己一直从事数据仓库相关工作，去年一次偶然的机会开始做企业数据治理，现在相关工作逐步进入正轨。值此一周年之际，记录下自己做数据治理的22个关键事件，也许对大家也有启示吧。
-
编辑 删除
于振：如何通过仓储，对实体进行持久化处理？
值对象比实体更容易使用和维护，这也是为什么推荐优先使用值对象进行建模的原因。关于值对象和实体更多的细节，感兴趣的同学可以有空的时候回过头去看下过往的分享。这些对象在创建出来后，总不能一直被保存在内存当中，因此，就需要在某个时刻持久化到数据库。
-
编辑 删除
祁国辉：一学就会一用却废！到底用ETL还是ELT？
到底应该ETL 还是ELT，看上去只是简单地调换了一下字母的顺序，是个简单的问题，但是大多数的问题都是一学就会， 一用就废。而事实上，顺序一换，这是对数据处理流程和方法论上进一步深化的过程。
-
编辑 删除
基础问题不简单 | 怎么合理使用值对象，让你的代码更清晰、更安全？
相信大家或多或少，都接手过一些遗留的业务系统，这些系统的代码大多都能正常工作，或许运行的还是某个关键业务。很多时候我们的代码不够清晰，没有很好地表达业务，看代码的人就只能靠猜。就此情况，该怎么合理使用值对象，让代码更清晰、更安全呢？
-
编辑 删除
【观点探讨】陈珙：微服务，终究绕不过这4个坎？
大家曾经有没有遇过日常技术交流的时候，会讨论某某技术之间的关系是什么，某些技术是否应该用到微服务。我相信热爱技术交流的您，就算不是在微服务这个领域里，曾经或多或少也跟其他同行 做过一些争议性话题的探讨吧，而且我敢肯定讨论的绝对热火朝天。
-
编辑 删除
郑建勋：代码优化的三重境界
除了上层建筑，我们也必然得考虑程序底层结构的性能。对性能问题，我采取的是分层击破的策略，今天我将带着大家，分析影响高性能程序的底层基石 —— 代码实施。
-
编辑 删除
从一道场景面试题谈起
面试的经历，可能大多数DBA都有过。实际上现在的面试题越来越不靠谱，有时候完全按照技术去回答还真的没法答好。我结合几个真实例子分享一些看法，与大家交流一下。
-
编辑 删除
国产数据库的文档真令人恼火
最近这段时间大多数时间都在研究国产数据库，为国产数据库编制知识图谱。同时发现一些新功能的时候简单的测试一下。去年的一个国产数据库相关的研讨会上我曾经说过，国产数据库的文档很差，可能会成为国产数据库发展中的一个比较严重的问题。这段时间对这个问题的认识就更加深刻了。
-
编辑 删除
郑建勋：Go程序性能分层优化 | CPU篇
程序的性能问题，实际上贯穿于程序的整个生命周期。不管是程序正确的架构设计、快速的算法和数据结构设计，还是为了应对快速增长的需求或降低成本需要做的攻坚，可以说，这些都离不开性能的分析与优化。今天我们就一起聊聊这个话题。
-
编辑 删除
王磊：Aerosplike 是怎么做到 TB 级数据毫秒级响应的
大型互联网架构中，数据量过 TB 是很平常的事情。那么 TB 级别的数据应该如何存储呢？这其实和数据的查询延迟需求有关。如果是报表需求，查询延迟时间在分钟甚至十几分钟返回，咱们可以将数据存储在文件系统中，使用Spark 或者Presto 进行查询。如果查询的延迟在秒级的话，我们可以使用 HBase 或者 Cassandra 来实现。但是如果查询延迟是毫秒级别呢？这时就需要用到我们今天的主角，Aerospike。
