分类

精选·数据湖与治理

共 10 篇文章

数据资产盘点怎么做？存储与计算成本治理有哪些招？

数据资产盘点的方法（元数据驱动、打标签、定责任人），以及存储分层、僵尸表下线、计算优化的成本治理组合拳。

91学AI·7 阅读

埋点方案选型（代码/全埋点/可视化）、事件模型设计、从端上 SDK 到 Kafka 入湖的采集链路，以及数据质量保障手段。

91学AI·9 阅读

讲清 RBAC/ABAC 权限模型、Ranger 的列级管控，以及静态/动态脱敏的实现方式、脱敏算法选择和审计要求。

91学AI·7 阅读

元数据的三类划分、数据目录的核心能力（搜索/血缘/owner），以及 DataHub 和 Apache Atlas 的架构差异与选型建议。

91学AI·9 阅读

数据治理的四条主线：元数据管理、数据质量、数据安全与合规、成本与生命周期，各自的抓手、工具和落地顺序。

91学AI·7 阅读

湖仓一体的落地路径：存储层统一用湖格式、计算层多引擎共存、按 ODS/DWD/DWS/ADS 分层建模，以及迁移时的现实步骤。

91学AI·8 阅读

基于快照的时间旅行查询、快照保留策略，以及增量读取（incremental read/CDC）的实现方式和典型用途。

91学AI·7 阅读

讲清湖表格式用快照隔离+乐观并发实现 ACID 的原理，以及列变更的兼容性规则与演进中的工程细节。

91学AI·11 阅读

从元数据架构、更新模型、生态绑定三个角度对比 Iceberg/Hudi/Delta Lake，给出不同业务场景下的选型结论。

91学AI·7 阅读

数据湖与数仓在数据形态、schema 时机、成本模型、适用场景上的本质差异，以及为什么行业在往湖仓一体收敛。

91学AI·8 阅读