ITPub博客

👨🏻‍💻 作者：云器Lakehouse 产品负责人郭天琪“上个月各区域的收入是多少？”对接企业数据库后，AI Agent 很快就能生成 SQL、返回数字，甚至附上一段分析。但对数据负责人来说，还需要追问：它用的是下单金额、实收金额，还是财务确认收入？按下单时间还是支付时间统计？退款算在哪个月？这些问题，单靠表名、字段名和数据类型回答不了。SQL 能执行，说明语法和对象引用通过了检查；业务口径是否正

10 月 23—24 日，云器科技亮相 DataFun DACon 2026 北京站，联合创始人兼 CTO 关涛在大会主论坛分享 AI 时代的知识与本体思考，获得现场听众的积极反馈；云器同时在现场设立展位，介绍 AI Lakehouse 的产品能力与实践方向，围绕 AI 数据加工、业务语义与企业知识应用，与参会者展开交流。关涛：原始数据不等于 AI 可用的知识在《AI 时代，知识与本体的演进与思考

导读大数据平台面临一个根本性矛盾：用于分析的数据字段可（灵活）调整与数据的加工和分析（性能）的矛盾。Spark查询JSON灵活但慢（数十分钟），ClickHouse查询宽表快（秒级）但Schema固化。每次业务需要新的查询维度，都需要平台团队开发ETL、打平JSON、写入ClickHouse，耗时至少1天。数美科技每天100亿次风控请求，2PB半结构化日志需要高频即席分析。业务人员发现异常后需要立

作者：石静猛 云器科技解决方案总监导读当企业的数据体系被不断增加的链路、组件和成本拖住脚步时，真正阻碍创新的从不是算力，而是复杂度本身。云器 Lakehouse 重写了这一底层公式：以统一架构与通用增量计算，消除数据平台的结构性冗余，让实时变得简单，让全域数据真正可控。复杂度一旦被削平，成本就会成倍下降，效率就会自然涌现，而企业才能把资源回到最重要的地方——推动业务增长。本文将通过以下三个部分进行

导读在以AI为标志的新一轮技术浪潮中，几乎所有的数据从业者和企业决策者都在思考同一个“必答题”——面向AI时代，企业的数据平台该如何演进？是彻底重建一套为AI“量身定制”的新系统？还是在现有体系上迭代升级，让数据基础设施焕发新生？在DA Con北京站上，云器科技CTO关涛结合前沿实践，给出了他的答案：“AI时代发展到现在，数据架构的目标开始逐渐清晰，革命还是进化，取决于企业当前的架构状态”面对AI

作者： 吴刚，Apache Parquet/Arrow/ORC PMC member，Apache Iceberg Committer，iceberg-cpp 项目发起人和核心维护者 邹泽桦，Apache Arrow Committer，Parquet/Iceberg 等项目的活跃贡献者 本文整理自 Community Over Code 大会上的主题分享《Is Parquet Dead? The

导读近期，云器 Lakehouse 带来了一系列令人兴奋的更新。从 SQL 性能的大幅提升，到 AI 能力的全面增强，再到生态集成的重大突破——每一项更新都期望让您的数据工作变得更轻松、更高效。更新亮点速览性能与成本优化Dynamic Table 按分区刷新功能全面开放，支持存量离线ETL任务快速切换为近实时增量计算，低成本提升数据时效性；全面支持 BITMAP 数据类型，UV 统计和用户画像性能

导读在本次云器Lakehouse产品3月的版本发布中，我们带来了数十项产品核心功能的演进和升级，覆盖数据同步、开发体验、智能运维、数据安全四大维度，助力企业轻松应对复杂数据加工和管理挑战！这是自2025年1月云器产品全面开放注册两个月后的一次产品更新。（GA发布会详情请查看文末链接）本次Lakehouse Studio的版本发布带来了诸多亮点功能：数据同步对数据源读写的新增扩展，新增对阿里云 Po

作者：果诚凌晨六点，一条告警消息打破了寂静：夜间 Spark 批处理任务再次超时，库存数据未能按时更新。如果不及时处理，电商平台的客户投诉可能接踵而至。这不是偶发事件，而是技术团队的常态：面对引擎性能瓶颈，他们不得不频繁调整资源扩缩容，在业务稳定与成本控制之间艰难权衡；面对实时数据的场景，他们不得不临时搭建一个额外的流式数据链路，以支持 11.11 大促活动看板；他们还要达成每年平台降本增效的需求

作者：关涛 Tony ｜云器科技联合创始人｜CTO导读2022 年随 LLM/AGI 的革命性突破，数据平台迎来了第三次革命，半非结构化数据的处理能力被 AI 解锁，数据规模再一次触碰 10 倍扩展的潜力。沉淀在数据湖上的DarkData如何被“点亮”？又需要哪些数据湖新能力来支持？本文由 Datafun 根据 2025Datafun Summit 主题演讲整理，云器科技CTO关涛试从技术架构演进

导读随着移动互联网内容生态爆发，带来小红书日均千亿级的流量日志增长，与此同时，算法实验迭代的时效要求也在持续提高，传统的数据架构难以在低成本和低延迟之间取得很好的平衡。小红书与云器科技合作，基于增量计算与数据湖技术，以通用增量计算方案构建了一套近实时实验数仓体系。实践显示，该方案在满足实时业务需求的同时，带来了更少的资源投入，更准确一致的数据，更简洁的流批一体链路，更好的查询性能等优势，为后续大范

导读本文整理自云器科技技术专家蔡瀛在 DataFun × 云器科技直播中的分享。随着 AI Agent 从 Demo 进入真实业务，团队需要回答的问题已经从“能不能跑”变成“任务到底有没有做对”。围绕这一问题，云器科技介绍了 SingSight 的产品设计、生产环境中的持续评估方法，以及如何借助云器 AI Lakehouse 将 Trace、Evaluation 与业务数据统一起来，形成从问题定位

云器科技与2024年末发布TPC-DS基准测试报告：性能超Spark十倍。在今年1月举行的GA产品发布会上，CTO关涛系统解读了此前发布的性能测试报告，详细阐释了云器Lakehouse引擎如何实现“10倍”的技术路径。本报道对云器的技术解读进行总结呈现，帮助业内人士了解这一性能突破背后的技术细节。云器Lakehouse公布的性能报告显示比开源Spark引擎快约10倍，具体测试对比在TPC-DS

导读通过本篇文章，你可以了解到从传统自建Spark架构升级到新一代湖仓架构的显著业务价值和轻便的实现过程:云器Lakehouse引擎直接嵌入客户已有数据湖，免除数据搬迁，直接接入元数据，形成统一元数据基础层次，实现不搬迁数据湖进行湖上查询加速。ETL场景下，云器Lakehouse 相比于 Spark 提升了 6X 倍的性能；BI场景下，云器Lakehouse 总体性能相较于原 Presto 查询方

以下文章来源于爱分析ifenxi，作者数字化服务平台数据业务已经成为头部SaaS厂商新的增长引擎。Salesforce最新财报显示，Data Cloud业务年度营收达9亿美金，年度同比增长120%，远远高于11%的整体营收增速。Salesforce CEO在电话会议表示，Data Cloud是有史以来增长最快产品，是2025财年焦点产品。国内市场，智能销售SaaS厂商探迹科技已经将数据能力作为核心

作者：刘俊导读：用户画像是大数据应用的重要场景。通过多维度数据建模，构建用户行为并转化为标签，建立完整的数字身份图谱。通过系统分析大量用户行为数据，给每个用户打上多样的标签。这些标签包括人口特征和兴趣爱好等多方面信息。用户画像帮助企业做个性化推荐和精准营销，已经成为企业数字化运营的基础工具。在移动互联网环境中，用户数量和标签种类增长非常快。如何高效存储和实时查询数千亿级的标签数据成为了技术难题。传

东南亚领先电商服务企业 Synagie 如何基于云器 Lakehouse 重构零售数据分析平台，解决多品牌、多渠道数据链路叠加带来的瓶颈，将数据时效从 T+1 提升至 5 分钟。

导读：传统数仓开发并没有因为 AI 出现而消失，变化的是完成工作的方式。围绕统一 Lakehouse，数据工程 Agent、CZ-CLI 与数据分析 Agent 串成一条链路，从需求理解、建模开发和数据质量治理，一直延伸到语义建设、自然语言问数与持续回归。AI 如何改变数仓开发方式传统数仓开发已经形成一套稳定流程：业务需求进入后，依次完成需求分析、数据接入、数据建模、SQL 开发、调度配置、测试发