当前位置:首页 > 报告详情

陈梁-腾讯大数据实时湖仓智能优化实践.pdf

上传人: 张** 编号:169096 2024-07-06 24页 3.03MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文介绍了腾讯在2024年的大数据实时湖仓智能优化实践。主要内容包括湖仓架构、智能优化服务、Compaction Service的优化、Index Service、Clustering Service和Auto Engine Service。湖仓架构通过HDFS和COS实现Auto Optimize,提升实时性能和存储成本。智能优化服务包括Compaction、Clustering和Index Service,通过新的优化策略和任务调度,提高服务稳定性。Compaction Service通过新的方法提高了时效性和资源消耗。Index Service通过Framework同步和异步创建索引,提升查询性能。Clustering Service通过Zorder和Data Skipping优化数据存储和查询效率。Auto Engine Service通过Merge Partial Updates Action和异步Compaction实现多流拼接和主键表优化。最后,文章展望了未来的优化方向,包括湖仓格式、分布式dataFrame和智能化感知等。
"腾讯大数据实时湖仓实践如何优化性能?" "湖仓架构下,腾讯如何实现智能优化服务?" "腾讯大数据如何通过Compaction Service提升存储效率?"
客服
商务合作
小程序
服务号
折叠