lakehouse

镜舟科技荣膺“北京市用户满意企业”认证，以用户为中心驱动高质量发展近日，镜舟科技正式获颁"北京市用户满意企业"证书，这一权威认证由北京质协用户评价中心、北京市用户满意认定办公室联合颁发。此次认证不仅是对镜舟科技用户满意度的高度肯定，也是对企业综合质量管理能力的权威认可。

小红书湖仓架构的跃迁之路作者：李鹏霖(丁典)，小红书-研发工程师，StarRocks Contributor & Apache Impala Committer

SelectDB技术团队

湖仓分析｜浙江霖梓基于 Doris + Paimon 打造实时/离线一体化湖仓架构导读：浙江霖梓早期使用 CDH 产品套件搭建了大数据系统，面临业务逻辑冗余、查询效率低下等问题，基于 Apache Doris 进行整体架构与表结构的重构，并基于湖仓一体和查询加速展开深度探索与实践，打造了 Doris + Paimon 的实时/离线一体化湖仓架构，实现查询提速 30 倍、资源成本节省 67% 等显著成效。

从 Spark 到 StarRocks：实现58同城湖仓一体架构的高效转型作者：王世发，吴艳兴等，58同城数据架构部导读：本文介绍了58同城在其数据探查平台中引入StarRocks的实践，旨在提升实时查询性能。在面对传统Spark和Hive架构的性能瓶颈时，58同城选择StarRocks作为加速引擎，增强数据湖的分析能力。在迁移过程中，团队克服了多个兼容性问题，并对系统进行了稳定性和易用性的改进，特别是在Java UDF支持和SQL黑名单功能方面。

基于Fluss 的流式湖仓架构Fluss 是一个用于实时分析的可扩展流存储，可以作为 Lakehouse 架构的实时数据层。它通过实现低延迟、高吞吐量的数据摄取和处理，弥合了流数据和数据湖之间的差距，同时无缝集成流行的计算引擎，如Apache Flink，而Apache Spark和StarRocks也即将推出。 Fluss 支持亚秒级延迟的流式读取和写入，并以列式格式存储数据，从而提高查询性能并降低存储成本。它提供灵活的表类型，包括仅追加的日志表和可更新的主键表，以满足各种实时分析和处理需求。内置的复制功能可提供容错

SelectDB技术团队

Cisco WebEx 数据平台：统一 Trino、Pinot、Iceberg 及 Kyuubi，探索 Apache Doris 在 Cisco 的改造实践导读：Cisco WebEx 早期数据平台采用了多系统架构（包括 Trino、Pinot、Iceberg 、 Kyuubi 等），面临架构复杂、数据冗余存储、运维困难、资源利用率低、数据时效性差等问题。因此，引入 Apache Doris 替换了 Trino、Pinot 、 Iceberg 及 Kyuubi 技术栈，依赖于 Doris 的实时数据湖能力及高性能 OLAP 分析能力，统一数据湖仓及查询分析引擎，显著提升了查询性能及系统稳定性，同时实现资源成本降低 30%。

StarRocks Summit Asia 2024 全部议程公布！随着企业数字化转型深入，云原生架构正成为湖仓部署的新标准。弹性扩展、资源隔离、成本优化，帮助企业在云上获得了更高的灵活性和效率。与此同时，云原生架构也为湖仓与 AI 的深度融合奠定了基础。

SelectDB技术团队

Apache Doris 3.0 里程碑版本｜存算分离架构升级、湖仓一体再进化亲爱的社区小伙伴们，我们很高兴地向大家宣布，在近期我们迎来了 Apache Doris 3.0 版本的正式发布，欢迎大家下载使用体验！

SelectDB技术团队

快手：从 Clickhouse 到 Apache Doris，实现湖仓分离向湖仓一体架构升级导读：快手 OLAP 系统为内外多个场景提供数据服务，每天承载近 10 亿的查询请求。原有湖仓分离架构，由离线数据湖和实时数仓组成，面临存储冗余、资源抢占、治理复杂、查询调优难等问题。通过引入 Apache Doris 湖仓一体能力，替换了 Clickhouse ，升级为湖仓一体架构，并结合 Doris 的物化视图改写能力和自动物化服务，实现高性能的数据查询以及灵活的数据治理。

饿了么基于Flink+Paimon+StarRocks的实时湖仓探索作者：王沛斌@饿了么小编导读：本文整理自饿了么大数据架构师、Apache Flink Contributor 王沛斌老师在8月3日 Streaming Lakehouse Meetup Online（Paimon x StarRocks，共话实时湖仓架构）上的分享。主要分为以下三个内容：

StarRocks Lakehouse 快速入门——Apache Iceberg导读：StarRocks Lakehouse 快速入门旨在帮助大家快速了解湖仓相关技术，内容涵盖关键特性介绍、独特的优势、使用场景和如何与 StarRocks 快速构建一套解决方案。最后大家也可以通过用户真实的使用场景来了解 StarRocks Lakehouse 的最佳实践！

SelectDB技术团队

兼容Trino Connector，扩展Apache Doris数据源接入能力｜Lakehouse 使用手册（四）Apache Doris 内置支持包括 Hive、Iceberg、Hudi、Paimon、LakeSoul、JDBC 在内的多种 Catalog，并为其提供原生高性能且稳定的访问能力，以满足与数据湖的集成需求。而随着 Apache Doris 用户的增加，新的数据源连接需求也随之增加。因此，从 3.0 版本开始，Apache Doris 引入了 Trino Connector 兼容框架。

SelectDB技术团队

Apache Doris + Iceberg 快速搭建指南｜Lakehouse 使用手册（三）湖仓一体（Data Lakehouse）融合了数据仓库的高性能、实时性以及数据湖的低成本、灵活性等优势，能够更加便捷地满足各种数据处理分析的需求。Apache Doris 持续加深与数据湖的融合，已演进出一套成熟的湖仓一体解决方案。我们将通过一系列文章介绍 Apache Doris 与各类主流数据湖格式及存储系统的湖仓一体架构搭建指南，包括 Hudi、Paimon、Iceberg、OSS、Delta Lake、Kudu、BigQuery 等。

SelectDB技术团队

Apache Doris + Apache Hudi 快速搭建指南｜Lakehouse 使用手册（一）作者：SelectDB 技术团队导读：湖仓一体（Data Lakehouse）融合了数据仓库的高性能、实时性以及数据湖的低成本、灵活性等优势，帮助用户更加便捷地满足各种数据处理分析的需求。在过去多个版本中，Apache Doris 持续加深与数据湖的融合，已演进出一套成熟的湖仓一体解决方案。为便于用户快速入门，我们将通过系列文章介绍 Apache Doris 与各类主流数据湖格式及存储系统的湖仓一体架构搭建指南，包括 Hudi、Iceberg、Paimon、OSS、Delta Lake、Kudu、BigQ

数字化营销工兵

微软如何打造数字零售力航母系列科普11 - 什么是Microsoft Fabric中的数据工程？目录1. Lakehouse(湖边小屋)2. Apache Spark Job Definition (作业定义)

一切如来心秘密

传统大数据架构与现代数据平台的期望——Lakehouse 架构（二）本文概述了传统数据架构：数据仓库和数据湖，以及现代数据平台的期望，和新兴数据架构 Lakehouse 的详细介绍说明，架构没有好坏只有合适与否，但是个人认为湖仓一体架构 Lakehouse 将在未来数据平台的架构设计中占有强大的竞争力。