基于 DataLakeAnalytics 的数据湖实践
随着软硬件各方面条件的成熟，数据湖(Data Lake)已经越来越受到各大企业的企业的青睐, 与传统的数仓实践不一样的是，数据湖不需要专门的“入仓”的过程，数据在哪里，我们就从哪里读取数据进行分析。这样的好处在于：一来数据可以保存在很便宜的存储上面(比如阿里云的OSS 上面), 给企业节省预算，而需要分析的时候又可以分析；另一方面，因为省去了入仓的流程，对于中小型企业来说人员投入更少，更容易上手。
云上如何做冷热数据分离
前言
随着业务的发展和持续运行，系统会产生大量的数据，数据的增长伴随而来的是对数据库的考验，在达到一定的数据量之后数据库的访问性能就会持续下降，为了系统的稳定运行，得要么提高数据库访问性能，要么把数据限定在一定的量上。前者会导致IT系统的不断投入，投入产出比不高，且早晚会达到系统的瓶颈，后者需要抛弃旧的数据，从历史数据的完整性上来说也是我们不愿意看到的。
如果暂时没有上分析性数据仓库的需求，那
JindoFS概述：云原生的大数据计算存储分离方案
JindoFS 是一套新的云原生的数据湖解决方案。在 JindoFS 之前，云上客户主要使用 HDFS 和 OSS/S3 作为大数据存储。HDFS 是 Hadoop 原生的存储系统，10 年来，HDFS 已经成为大数据生态的存储标准，但是我们也可以看到 HDFS 虽然不断优化，但是 JVM 的瓶颈也始终无法突破。
5W1H(六何分析法)全景洞察大数据
我们从大数据的特征说起，谈到了大数据的价值，再聊什么时候做，谁去做，选择什么平台，最后聊到了怎么做的问题。通过对一些真实的场景分析，了解了大数据的全貌。
