Tablestore入门手册--数据表meta信息介绍
若有幸这篇文章也许会是您准备上手实践Tablestore的第一篇帮助文档，本文将通过介绍Tablestore的基础模型使大家理解Tablestore的数据表结构。主要讲如何设置数据表的Meta信息，建一张最适合自己业务的表，祝阅有所得，漫步云端。
海量监控日志基于EMR Spark Streaming SQL进行实时聚合
从EMR-3.21.0 版本开始将提供Spark Streaming SQL的预览版功能，支持使用SQL来开发流式分析作业。结果数据可以实时写入Tablestore。
本文以LogHub为数据源，收集ECS上的日志数据，通过Spark Streaming SQL进行聚合后，将流计算结果数据实时写入Tablestore，展示一个简单的日志监控场景。
五分钟入门阿里云Terraform OSS Backend
生态工具Terraform的资源编排能力在持续提升企业上云效率，降低运维成本方面越来越专业和完善。对于一个企业和团队来讲，如何保证State的安全性和如何实现对同一份资源的协同管理也是必须要关心的问题。本文将详细介绍如何在阿里云上解耦对资源模板与State管理，消除团队协作的障碍。
DLA如何分析Table Store的数据
数据湖（Data Lake）是时下热门的概念，基于数据湖，可以不用做任何ETL、数据搬迁等过程，实现跨各种异构数据源进行大数据关联分析，从而极大的节省成本和提升用户体验。
Tablestore：多元索引的统计聚合
# 前言
信息爆炸的浪潮下，单应用的数据量呈指数级增长，对海量数据进行实时分析的场景日趋广泛。从管理大量设备的监控指标，到勾勒目标用户画像，从突发新闻的舆情监控，到可视化呈现业务规律以供BI决策，都对“实时”、“快速”地分析海量数据提出更高的要求。
blink+tablestore实现无限扩展性，高实时汇总计算及排行榜
#问题背景
最近开始了一个全新的ugc项目，要求对用户的点赞，评论，转发等等的数据进行统计按权重进行积分，并进行排序。要求排行榜的实时性在5分钟内，最好能进行全实时的计算,要求高度的准确性。
实际工作中这样的场景是非常多的，主要是各种数据的实时汇总，比如用户购买总量，用户点赞总量，
商品销售总量，不是要历史的数据而是要现在最新的总量数据，这个数据可能是1天的汇总，也可能是数年的汇总。另一方面
五分钟入门阿里云Terraform OSS Backend
生态工具Terraform的资源编排能力在持续提升企业上云效率，降低运维成本方面越来越专业和完善。对于一个企业和团队来讲，如何保证State的安全性和如何实现对同一份资源的协同管理也是必须要关心的问题。本文将详细介绍如何在阿里云上解耦对资源模板与State管理，消除团队协作的障碍。
