互动
最近评论
正在加载中...
标签
寻找感兴趣的领域
kafka
1
docker
1
github
1
sql
4
spark
1
cache
1
query
1
join
1
life cycle
1
ttl
1
文章
九月 2024
1
篇
八月 2024
2
篇
七月 2024
1
篇
五月 2024
4
篇
四月 2024
4
篇
三月 2024
2
篇
微信
支付宝
功能
显示模式
文章
分类
标签
归档
关于
Github
评论
关于我
文章
归档
分类
标签
逛一逛
友链
监控
统计
留言
我的
装备
代办
关于我
标签
kafka
1
docker
1
github
1
sql
4
spark
1
cache
1
query
1
join
1
life cycle
1
ttl
1
文章
分类
标签
归档
关于
Github
评论
关于我
小王的大数据驿站
标签: cube
首页
文章
归档
分类
标签
逛一逛
友链
监控
统计
留言
我的
装备
代办
关于我
0
kafka
1
docker
1
github
1
sql
4
spark
1
cache
1
query
1
join
1
life cycle
1
ttl
1
translation
1
idea
1
essay
1
solution
1
skill
3
proxy
1
terminal
1
mac
1
cloud-native
1
cube
1
bigdata
8
hive
5
clickhouse
5
大数据
未读
hive高阶聚合
数仓的最终输出产物就是回答“看什么数据,怎么看”,其中看什么就是指标,怎么看就是维度。指标在整个数仓建模过程中通常都是固定的,关乎口径的问题不轻易变动,但维度则是随时变化,不同业务、不同场景看同一个指标的维度都是不同的,这也就衍生出“即席查询”的一个应用场景。在离线场景一种比较流行的解决方案就是 k
cube
hive
bigdata
2024-03-01
1
你好啊!我是
王一川
了解更多
最新评论
最近发布
ClickHouse-Kafka Engine 正确的使用方式
2024-09-06 17:50:00
HQL-计算不一样的 MUV
2024-08-29 19:07:00
复活 docker-利用 github 和 aliyun 同步 docker 镜像
2024-08-19 20:23:00
FastGID-快速计算 grouping__id
2024-07-13 14:36:00
分类
翻译
1
随笔
1
开发技巧
6
云原生
2
OLAP
7
大数据
10
繁
复制选中文本
粘贴文本
引用到评论
新窗口打开
复制链接地址
复制此图片
下载此图片
新窗口打开图片
站内搜索
百度搜索
播放音乐
切换到上一首
切换到下一首
查看所有歌曲
复制歌名
随便逛逛
博客分类
文章标签
复制地址
关闭热评
深色模式
轉為繁體