数据仓库

地球资源数据云

1960年-2024年中国棉花产量数据集本数据集提供了中国各省级行政区1960年至2024年的棉花产量（单位：万吨），构成一个长期、连续的区域农业生产面板数据，适用于分析棉花生产格局变迁、主产区演化及农业结构调整等研究议题。

在数据仓库（数仓）中，给数据打标签（Tagging）在数据仓库（数仓）中，给数据打标签（Tagging）本质上是一个将原始数据转化为业务语义的过程。这不仅仅是简单的字段映射，而是构建数据资产、支撑精细化运营的关键环节。

地球资源数据云

1900-2023年中国物种分布点位矢量数据集本数据集提供了1900年至2023年中国陆生脊椎动物物种分布点位数据，覆盖中国大陆全域（不含港澳台）。数据集整合自中国生物物种名录、国家标本资源共享平台、GBIF及近十年公开发表的野外调查文献，所有记录均经过地理坐标清洗、物种学名标准化等信息，每条记录包含物种中文名与拉丁学名（依据《中国生物物种名录2023版》）、观测经纬度（WGS84）、数据来源、观测年份、行政区划及栖息地类型等信息。

数据仓库是什么？数据仓库和大数据平台、数据湖、数据中台、湖仓一体有什么区别？最近我发现，很多IT同行，有的人都工作五六年了，还是把数据仓库、数据湖、数据中台这几个词混着用。很多人以为自己建的是数据中台，其实底层就是个传统数据仓库。

哥本哈士奇

数据仓库笔记第六篇：PSA 层 SCD2 处理方式SCD2（Slowly Changing Dimension Type 2）是维度建模中处理历史变更的行业标准且最常用的方案。相比快照方式，SCD2只写入真正发生变化的数据行，通过有效期字段精确记录每条数据的生命周期，用极低的存储成本实现完整的历史追溯能力。这一篇用详细的代码解释其工作流程。

Java Web 开发：servlet-mapping‌在 Java Web 开发中，‌servlet-mapping‌ 是用于将特定的 URL 路径映射到对应的 Servlet 类的关键配置元素。它定义了客户端请求的 URL 与服务器端处理该请求的 Servlet 之间的对应关系。 ‌核心作用‌

Flink 系列第20篇：Flink SQL 语法全解：从 DDL 到 DML，窗口、聚合、列转行一网打尽在 Flink SQL 中，一切计算的起点都是 CREATE 语句。它负责向当前或指定的 Catalog 中注册库、表、视图或函数。你可以像在传统数据库中一样，使用 CREATE DATABASE、CREATE TABLE、CREATE VIEW 和 CREATE FUNCTION 来搭建自己的元数据体系。

哥本哈士奇

数据仓库笔记第五篇：Data Mart 层（数据集市）什么是 Data Mart？Data Mart（数据集市）是数据仓库的面向主题的子集，专门为特定业务部门或分析场景服务。我个人建议，前端BI工具，无论是Power BI或者是Tableau，都从这一层取数据，这样一来可以提高前端报表性能，同时也可以降低前端工具的建模难度。此笔记使用的数据库为SQLServer，相应的示例脚本都围绕于此，其它数据库的相应实现会略有不同。

Flink 系列第18篇：Flink 动态表、连续查询与 Changelog 机制动态表（Dynamic Table）和连续查询（Continuous Query）是 Flink Table API / SQL 实现流批统一与标准关系代数语义的两大核心理论基础。

Flink 系列第19篇：深入理解 Flink SQL 的时间语义与时区处理：从原理到实战在大数据实时计算领域，时间就像空气一样无处不在却又极易被忽视。你也许曾为“明明数据已经来了，窗口为什么迟迟不触发”而抓狂，也可能被“每天零点统计的指标总是对不上”折磨到怀疑人生。这些问题的背后，往往都指向同一个元凶——时间语义和时区处理。今天，我们就以 Flink SQL 为主线，把时间属性、Watermark、时区转换、窗口对齐等一系列概念掰开揉碎，一次性讲透。

哥本哈士奇

数据仓库笔记第三篇：常用缓慢变化维处理方式介绍数据仓库可以帮助我们追溯数据的历史变化，其中最主要的一个方法就是缓慢变化维。此篇主要介绍最常用的缓慢变化维：Type1, Type2, Type3。此笔记使用的数据库为SQLServer，相应的示例脚本都围绕于此，其它数据库的相应实现会略有不同。

哥本哈士奇

数据仓库笔记第一篇：数据仓库的定义、历史与意义数据仓库（Data Warehouse，简称 DW 或 DWH）是一个面向主题的、集成的、非易失的、随时间变化的数据集合，用于支持管理决策。

哥本哈士奇

数据仓库笔记第四篇：Star Schema 层（维度建模）Star Schema（星型模型）是 Ralph Kimball 提出的维度建模方法，是数据仓库面向分析的核心层。此笔记使用的数据库为SQLServer，相应的示例脚本都围绕于此，其它数据库的相应实现会略有不同。

零售行业全渠道数据整合：ETL工具如何支撑精准营销？在全渠道零售时代，消费者的购物行为日益复杂，数据成为企业最宝贵的资产。然而，碎片化的数据孤岛、低质量的数据资产、割裂的客户视图，成为阻碍零售企业实现精准营销的三大障碍。ETL（提取、转换、加载）工具作为数据整合的关键技术，正在为零售企业打开全渠道数据整合与精准营销的新局面。

哥本哈士奇

数据仓库笔记第二篇：PSA 层（持久化暂存区）详解PSA（Persistent Staging Area，持久化暂存区）是数据仓库的第一层持久化存储，直接接收从业务系统抽取的数据，并长期保存所有历史版本。作为数据库的第一层，叫法很多，也有叫stage，也有叫OBS，标准不是非常的统一。在我的系列笔记里都统一使用psa的这个叫法。此笔记使用的数据库为SQLServer，相应的示例脚本都围绕于此，其它数据库的相应实现会略有不同。此篇对于PSA层数据的更新，采用的是快照的方式。这种方式适合处理数据量比较小的场景，实际操作中，SCD2是被选择最多的。会在后

Flink 系列第17篇：Flink Table&SQL 核心概念、原理与实战详解Apache Flink 提供 Table API 和 SQL API 两套关系型 API，核心目标是统一流处理与批处理，是 Flink 高阶数据处理的核心能力。两套 API 底层基于 Apache Calcite 框架实现 SQL 解析、校验、优化，屏蔽了流批引擎差异。

企业数据仓库建设实践与价值分析在企业数字化运营过程中，多业务系统并行已成为常态。以电商及供应链企业为例，通常会同时使用旺店通、领星ERP、金蝶云星空等系统分别处理订单仓储、跨境业务、财务供应链等工作。这种分散式系统架构带来了显著的数据管理挑战。

地球资源数据云

1951-2025年中国逐年1千米逐月总降水量区域统计数据集_年表_县摘要：本数据集为中国1000米分辨率逐月总降水量数据集（1951-2025）衍生生成的“1951-2025年中国逐年1千米逐月总降水量区域统计数据集”区域统计产品，统计范围为中国县级行政区，输出格式为CSV。结果面向区域平均水平、总量和离散程度分析，可直接支持区域差异比较与时间序列研究。

SelectDB技术团队

Apache Doris 4.1：面向 AI & Search 的统一数据存储与检索底座AI 时代，数据库已成为智能 Agent、RAG 系统、大模型应用和 AI 可观测平台的基础设施。它不仅要能存结构化数据，更要能承载长上下文、向量、全文、Trace、事件流等新型数据。不仅要能分析，更要能实时检索、混合召回、在线服务和系统治理。

Flink 系列第16篇：Flink 核心数据类型类详解（POJO、Row、Tuple）在 Flink 编程中，POJO、Row、Tuple 是最常用的三大核心数据类型类，分别适用于不同的业务场景。本文将详细解析三者的定义、使用方法、优势劣势及适用场景，帮助开发者快速选择合适的数据类型。