Amazon RedShift είναι μια γρήγορη, πλήρως διαχειριζόμενη αποθήκη δεδομένων cloud σε κλίμακα petabyte που καθιστά απλή και οικονομική την ανάλυση όλων των δεδομένων σας χρησιμοποιώντας την τυπική SQL και τα υπάρχοντα εργαλεία επιχειρηματικής ευφυΐας (BI). Δεκάδες χιλιάδες πελάτες σήμερα χρησιμοποιούν το Amazon Redshift για να αναλύσουν exabyte δεδομένων και να εκτελέσουν αναλυτικά ερωτήματα, καθιστώντας το την πιο ευρέως χρησιμοποιούμενη αποθήκη δεδομένων cloud. Το Amazon Redshift είναι διαθέσιμο τόσο σε διαμορφώσεις χωρίς διακομιστή όσο και σε προβλεπόμενες διαμορφώσεις.
Το Amazon Redshift σάς δίνει τη δυνατότητα να έχετε άμεση πρόσβαση στα δεδομένα που είναι αποθηκευμένα Απλή υπηρεσία αποθήκευσης Amazon (Amazon S3) χρησιμοποιώντας ερωτήματα SQL και συνδέστε δεδομένα σε όλη την αποθήκη δεδομένων και τη λίμνη δεδομένων σας. Με το Amazon Redshift, μπορείτε να αναζητήσετε τα δεδομένα στη λίμνη δεδομένων S3 χρησιμοποιώντας ένα κεντρικό Κόλλα AWS metastore από την αποθήκη δεδομένων Redshift.
Το Amazon Redshift υποστηρίζει την υποβολή ερωτημάτων για μια μεγάλη ποικιλία μορφών δεδομένων, όπως CSV, JSON, Parquet και ORC, και μορφές πινάκων όπως το Apache Hudi και το Delta. Το Amazon Redshift υποστηρίζει επίσης την αναζήτηση ένθετων δεδομένων με πολύπλοκους τύπους δεδομένων όπως δομή, πίνακας και χάρτης.
Με αυτή τη δυνατότητα, το Amazon Redshift επεκτείνει την αποθήκη δεδομένων σας σε κλίμακα petabyte σε μια λίμνη δεδομένων κλίμακας exabyte στο Amazon S3 με οικονομικά αποδοτικό τρόπο.
Το Apache Iceberg είναι η πιο πρόσφατη μορφή πίνακα που υποστηρίζεται τώρα σε προεπισκόπηση από το Amazon Redshift. Σε αυτήν την ανάρτηση, σας δείχνουμε πώς να κάνετε ερωτήσεις για πίνακες Iceberg χρησιμοποιώντας το Amazon Redshift και να εξερευνήσετε την υποστήριξη και τις επιλογές του Iceberg.
Επισκόπηση λύσεων
Παγόβουνο Apache είναι μια μορφή ανοιχτού πίνακα για πολύ μεγάλα αναλυτικά σύνολα δεδομένων κλίμακας petabyte. Το Iceberg διαχειρίζεται μεγάλες συλλογές αρχείων ως πίνακες και υποστηρίζει σύγχρονες λειτουργίες λιμνών αναλυτικών δεδομένων, όπως ερωτήματα εισαγωγής, ενημέρωση, διαγραφή και ταξίδι στο χρόνο σε επίπεδο αρχείου. Η προδιαγραφή Iceberg επιτρέπει την απρόσκοπτη εξέλιξη του πίνακα, όπως την εξέλιξη σχήματος και διαμερισμάτων, και ο σχεδιασμός του είναι βελτιστοποιημένος για χρήση στο Amazon S3.
Το Iceberg αποθηκεύει τον δείκτη μεταδεδομένων για όλα τα αρχεία μεταδεδομένων. Όταν ένα ερώτημα SELECT διαβάζει έναν πίνακα Iceberg, η μηχανή ερωτημάτων πηγαίνει πρώτα στον κατάλογο Iceberg και, στη συνέχεια, ανακτά την καταχώρηση της θέσης του πιο πρόσφατου αρχείου μεταδεδομένων, όπως φαίνεται στο παρακάτω διάγραμμα.
Το Amazon Redshift παρέχει τώρα υποστήριξη για πίνακες Apache Iceberg, το οποίο επιτρέπει στους πελάτες της λίμνης δεδομένων να εκτελούν ερωτήματα ανάλυσης μόνο για ανάγνωση με συνεπή τρόπο συναλλαγής. Αυτό σας δίνει τη δυνατότητα να διαχειρίζεστε και να διατηρείτε εύκολα τους πίνακές σας σε λίμνες δεδομένων συναλλαγών.
Το Amazon Redshift υποστηρίζει το εγγενές σχήμα του Apache Iceberg και τις δυνατότητες εξέλιξης διαμερισμάτων χρησιμοποιώντας το Κατάλογος δεδομένων κόλλας AWS, εξαλείφοντας την ανάγκη τροποποίησης των ορισμών πινάκων για την προσθήκη νέων κατατμήσεων ή τη μετακίνηση και επεξεργασία μεγάλων ποσοτήτων δεδομένων για την αλλαγή του σχήματος ενός υπάρχοντος πίνακα λιμνών δεδομένων. Το Amazon Redshift χρησιμοποιεί τα στατιστικά στοιχεία στηλών που είναι αποθηκευμένα στα μεταδεδομένα του πίνακα Apache Iceberg για να βελτιστοποιήσει τα σχέδια ερωτημάτων του και να μειώσει τις σαρώσεις αρχείων που απαιτούνται για την εκτέλεση ερωτημάτων.
Σε αυτήν την ανάρτηση, χρησιμοποιούμε το Δημόσιο σύνολο δεδομένων κίτρινου ταξί από την NYC Taxi & Limousine Commission ως δεδομένα πηγής μας. Το σύνολο δεδομένων περιέχει αρχεία δεδομένων Παρκέ Apache μορφή στο Amazon S3. Χρησιμοποιούμε Αμαζόν Αθηνά για να μετατρέψετε αυτό το σύνολο δεδομένων Parquet και στη συνέχεια να χρησιμοποιήσετε Φάσμα Amazon Redshift για να κάνετε ερώτημα και να συμμετάσχετε σε έναν τοπικό πίνακα Redshift, να εκτελέσετε διαγραφές σε επίπεδο γραμμής και ενημερώσεις και εξέλιξη διαμερισμάτων, όλα συντονισμένα μέσω του καταλόγου δεδομένων AWS Glue σε μια λίμνη δεδομένων S3.
Προϋποθέσεις
Θα πρέπει να έχετε τις ακόλουθες προϋποθέσεις:
Μετατρέψτε τα δεδομένα Parquet σε τραπέζι Iceberg
Για αυτήν την ανάρτηση, χρειάζεστε το Δημόσιο σύνολο δεδομένων κίτρινου ταξί από την Επιτροπή Ταξί & Λιμουζίνας της Νέας Υόρκης διαθέσιμο σε μορφή Iceberg. Μπορείτε να κάνετε λήψη των αρχείων και στη συνέχεια να χρησιμοποιήσετε το Athena για να μετατρέψετε το σύνολο δεδομένων Parquet σε πίνακα Iceberg ή να ανατρέξετε στο Δημιουργήστε μια λίμνη δεδομένων Apache Iceberg χρησιμοποιώντας Amazon Athena, Amazon EMR και AWS Glue ανάρτηση ιστολογίου για τη δημιουργία του πίνακα Iceberg.
Σε αυτήν την ανάρτηση, χρησιμοποιούμε το Athena για τη μετατροπή των δεδομένων. Ολοκληρώστε τα παρακάτω βήματα:
- Κατεβάστε τα αρχεία χρησιμοποιώντας τον προηγούμενο σύνδεσμο ή χρησιμοποιήστε το Διεπαφή γραμμής εντολών AWS (AWS CLI) για να αντιγράψετε τα αρχεία από τον δημόσιο κάδο S3 για τα έτη 2020 και 2021 στον κάδο S3 χρησιμοποιώντας την ακόλουθη εντολή:
Για περισσότερες πληροφορίες, ανατρέξτε στο Ρύθμιση του Amazon Redshift CLI.
- Δημιουργήστε μια βάση δεδομένων
Icebergdb
και δημιουργήστε έναν πίνακα χρησιμοποιώντας το Athena που δείχνει τα αρχεία μορφής Parquet χρησιμοποιώντας την ακόλουθη πρόταση: - Επικυρώστε τα δεδομένα στον πίνακα Parquet χρησιμοποιώντας την ακόλουθη SQL:
- Δημιουργήστε ένα τραπέζι Iceberg στην Αθηνά με τον παρακάτω κώδικα. Μπορείτε να δείτε τις ιδιότητες τύπου πίνακα ως τραπέζι Iceberg με μορφή παρκέ και γρήγορη συμπίεση στα παρακάτω
create table
δήλωση. Πρέπει να ενημερώσετε τη θέση S3 πριν εκτελέσετε την SQL. Σημειώστε επίσης ότι το τραπέζι Iceberg είναι χωρισμένο με τοYear
κλειδί. - Αφού δημιουργήσετε τον πίνακα, φορτώστε τα δεδομένα στον πίνακα Iceberg χρησιμοποιώντας τον προηγουμένως φορτωμένο πίνακα Parquet
nyc_taxi_yellow_parquet
με την ακόλουθη SQL: - Όταν ολοκληρωθεί η πρόταση SQL, επικυρώστε τα δεδομένα στον πίνακα Iceberg
nyc_taxi_yellow_iceberg
. Αυτό το βήμα απαιτείται πριν μεταβείτε στο επόμενο βήμα. - Μπορείτε να επιβεβαιώσετε ότι ο πίνακας nyc_taxi_yellow_iceberg είναι σε πίνακα μορφής Iceberg και έχει χωριστεί στη στήλη Έτος χρησιμοποιώντας την ακόλουθη εντολή:
Δημιουργήστε ένα εξωτερικό σχήμα στο Amazon Redshift
Σε αυτήν την ενότητα, δείχνουμε πώς να δημιουργήσετε ένα εξωτερικό σχήμα στο Amazon Redshift που δείχνει τη βάση δεδομένων AWS Glue icebergdb
για να ρωτήσετε τον πίνακα Iceberg nyc_taxi_yellow_iceberg
που είδαμε στην προηγούμενη ενότητα χρησιμοποιώντας την Αθηνά.
Συνδεθείτε στο Redshift μέσω Επεξεργαστής ερωτημάτων v2 ή έναν πελάτη SQL και εκτελέστε την ακόλουθη εντολή (σημειώστε ότι η βάση δεδομένων AWS Glue icebergdb
και χρησιμοποιούνται πληροφορίες για την περιοχή):
Για να μάθετε σχετικά με τη δημιουργία εξωτερικών σχημάτων στο Amazon Redshift, ανατρέξτε στο δημιουργία εξωτερικού σχήματος
Αφού δημιουργήσετε το εξωτερικό σχήμα spectrum_iceberg_schema
, μπορείτε να ρωτήσετε τον πίνακα Iceberg στο Amazon Redshift.
Ρωτήστε τον πίνακα Iceberg στο Amazon Redshift
Εκτελέστε το ακόλουθο ερώτημα στο Query Editor v2. Σημειώστε ότι spectrum_iceberg_schema
είναι το όνομα του εξωτερικού σχήματος που δημιουργήθηκε στο Amazon Redshift και nyc_taxi_yellow_iceberg
είναι ο πίνακας στη βάση δεδομένων AWS Glue που χρησιμοποιείται στο ερώτημα:
Η έξοδος δεδομένων ερωτήματος στο παρακάτω στιγμιότυπο οθόνης δείχνει ότι ο πίνακας AWS Glue με μορφή Iceberg μπορεί να αναζητηθεί χρησιμοποιώντας το Redshift Spectrum.
Ελέγξτε το επεξηγημένο σχέδιο αναζήτησης του πίνακα Iceberg
Μπορείτε να χρησιμοποιήσετε το ακόλουθο ερώτημα για να λάβετε το αποτέλεσμα εξήγησης του σχεδίου, το οποίο δείχνει τη μορφή ICEBERG
:
Επικύρωση ενημερώσεων για συνέπεια δεδομένων
Μετά την ολοκλήρωση της ενημέρωσης στον πίνακα Iceberg, μπορείτε να ρωτήσετε το Amazon Redshift για να δείτε τη συναλλακτικά συνεπή προβολή των δεδομένων. Ας εκτελέσουμε ένα ερώτημα επιλέγοντας a vendorid
και για μια συγκεκριμένη παραλαβή και παράδοση:
Στη συνέχεια, ενημερώστε την τιμή του passenger_count
σε 4 και trip_distance
σε 9.4 για ένα vendorid
και ορισμένες ημερομηνίες παραλαβής και αποβίβασης στην Αθηνά:
Τέλος, εκτελέστε το ακόλουθο ερώτημα στο Query Editor v2 για να δείτε την ενημερωμένη τιμή του passenger_count
και trip_distance
:
Όπως φαίνεται στο παρακάτω στιγμιότυπο οθόνης, οι λειτουργίες ενημέρωσης στον πίνακα Iceberg είναι διαθέσιμες στο Amazon Redshift.
Δημιουργήστε μια ενοποιημένη προβολή του τοπικού πίνακα και των ιστορικών δεδομένων στο Amazon Redshift
Ως σύγχρονη στρατηγική αρχιτεκτονικής δεδομένων, μπορείτε να οργανώσετε ιστορικά δεδομένα ή δεδομένα με λιγότερο συχνά πρόσβαση στη λίμνη δεδομένων και να διατηρήσετε δεδομένα με συχνή πρόσβαση στην αποθήκη δεδομένων Redshift. Αυτό παρέχει την ευελιξία για τη διαχείριση των αναλυτικών στοιχείων σε κλίμακα και την εύρεση της πιο οικονομικής λύσης αρχιτεκτονικής.
Σε αυτό το παράδειγμα, φορτώνουμε δεδομένα 2 ετών σε έναν πίνακα Redshift. Τα υπόλοιπα δεδομένα παραμένουν στη λίμνη δεδομένων S3 επειδή αυτό το σύνολο δεδομένων υποβάλλεται λιγότερο συχνά.
- Χρησιμοποιήστε τον παρακάτω κώδικα για να φορτώσετε δεδομένα 2 ετών στο
nyc_taxi_yellow_recent
τραπέζι στο Amazon Redshift, προμήθεια από το τραπέζι Iceberg: - Στη συνέχεια, μπορείτε να αφαιρέσετε τα δεδομένα των τελευταίων 2 ετών από τον πίνακα Iceberg χρησιμοποιώντας την ακόλουθη εντολή στο Athena επειδή φορτώσατε τα δεδομένα σε έναν πίνακα Redshift στο προηγούμενο βήμα:
Αφού ολοκληρώσετε αυτά τα βήματα, ο πίνακας Redshift έχει 2 χρόνια δεδομένων και τα υπόλοιπα δεδομένα βρίσκονται στον πίνακα Iceberg στο Amazon S3.
- Δημιουργήστε μια προβολή χρησιμοποιώντας το
nyc_taxi_yellow_iceberg
Iceberg τραπέζι καιnyc_taxi_yellow_recent
πίνακας στο Amazon Redshift: - Τώρα υποβάλετε ερώτημα στην προβολή, ανάλογα με τις συνθήκες του φίλτρου, το Redshift Spectrum θα σαρώσει είτε τα δεδομένα Iceberg, τον πίνακα Redshift ή και τα δύο. Το ακόλουθο παράδειγμα ερωτήματος επιστρέφει έναν αριθμό εγγραφών από κάθε έναν από τους πίνακες προέλευσης σαρώνοντας και τους δύο πίνακες:
Εξέλιξη διαμερίσματος
Iceberg χρήσεις κρυφή κατάτμηση, πράγμα που σημαίνει ότι δεν χρειάζεται να προσθέσετε με μη αυτόματο τρόπο κατατμήσεις για τους πίνακές σας Apache Iceberg. Νέες τιμές διαμερισμάτων ή νέες προδιαγραφές διαμερισμάτων (προσθήκη ή αφαίρεση στηλών διαμερισμάτων) σε πίνακες Apache Iceberg εντοπίζονται αυτόματα από το Amazon Redshift και δεν απαιτείται χειροκίνητη λειτουργία για την ενημέρωση των κατατμήσεων στον ορισμό του πίνακα. Το παρακάτω παράδειγμα αποδεικνύει αυτό.
Στο παράδειγμά μας, αν το τραπέζι Iceberg nyc_taxi_yellow_iceberg
αρχικά χωρίστηκε ανά έτος και αργότερα η στήλη vendorid
προστέθηκε ως πρόσθετη στήλη διαμερίσματος, τότε το Amazon Redshift μπορεί να ρωτήσει απρόσκοπτα τον πίνακα Iceberg nyc_taxi_yellow_iceberg
με δύο διαφορετικά σχήματα διαμερισμάτων σε μια χρονική περίοδο.
Σκέψεις κατά την υποβολή ερωτημάτων σε πίνακες Iceberg χρησιμοποιώντας το Amazon Redshift
Κατά τη διάρκεια της περιόδου προεπισκόπησης, λάβετε υπόψη τα ακόλουθα όταν χρησιμοποιείτε το Amazon Redshift με πίνακες Iceberg:
- Υποστηρίζονται μόνο πίνακες Iceberg που ορίζονται στον Κατάλογο δεδομένων κόλλας AWS.
- Οι εντολές CREATE ή ALTER εξωτερικού πίνακα δεν υποστηρίζονται, πράγμα που σημαίνει ότι ο πίνακας Iceberg θα πρέπει να υπάρχει ήδη σε μια βάση δεδομένων AWS Glue.
- Τα ερωτήματα για τα ταξίδια στο χρόνο δεν υποστηρίζονται.
- Υποστηρίζονται οι εκδόσεις Iceberg 1 και 2. Για περισσότερες λεπτομέρειες σχετικά με τις εκδόσεις μορφής Iceberg, ανατρέξτε στο Μορφοποίηση έκδοσης.
- Για μια λίστα υποστηριζόμενων τύπων δεδομένων με πίνακες Iceberg, ανατρέξτε στο Υποστηριζόμενοι τύποι δεδομένων με πίνακες Apache Iceberg (προεπισκόπηση).
- Η τιμολόγηση για την αναζήτηση ενός πίνακα Iceberg είναι η ίδια με την πρόσβαση σε οποιαδήποτε άλλη μορφή δεδομένων χρησιμοποιώντας το Amazon Redshift.
Για πρόσθετες λεπτομέρειες σχετικά με τις εκτιμήσεις για την προεπισκόπηση πινάκων μορφής Iceberg, ανατρέξτε στο Χρήση πινάκων Apache Iceberg με το Amazon Redshift (προεπισκόπηση).
Ανατροφοδότηση πελατών
«Η Tinuiti, η μεγαλύτερη ανεξάρτητη εταιρεία μάρκετινγκ απόδοσης, διαχειρίζεται μεγάλους όγκους δεδομένων σε καθημερινή βάση και πρέπει να έχει μια ισχυρή στρατηγική αποθήκευσης δεδομένων και αποθήκευσης δεδομένων, ώστε οι ομάδες πληροφοριών αγοράς μας να αποθηκεύουν και να αναλύουν όλα τα δεδομένα των πελατών μας με έναν εύκολο, οικονομικό και ασφαλή τρόπο. , και στιβαρό τρόπο», λέει ο Justin Manus, Chief Technology Officer στην Tinuiti. «Η υποστήριξη της Amazon Redshift για πίνακες Apache Iceberg στη λίμνη δεδομένων μας, η οποία είναι η μοναδική πηγή αλήθειας, αντιμετωπίζει μια κρίσιμη πρόκληση στη βελτιστοποίηση της απόδοσης και της προσβασιμότητας και απλοποιεί περαιτέρω τους αγωγούς ενοποίησης δεδομένων μας για πρόσβαση σε όλα τα δεδομένα που λαμβάνονται από διαφορετικές πηγές και για την τροφοδοσία μας. δυναμικό επωνυμίας των πελατών».
Συμπέρασμα
Σε αυτήν την ανάρτηση, σας δείξαμε ένα παράδειγμα ερωτήματος για έναν πίνακα Iceberg στο Redshift χρησιμοποιώντας αρχεία που είναι αποθηκευμένα στο Amazon S3, καταχωρημένα ως πίνακας στον κατάλογο δεδομένων AWS Glue και δείξαμε μερικά από τα βασικά χαρακτηριστικά, όπως αποτελεσματική ενημέρωση και διαγραφή σε επίπεδο σειράς, και την εμπειρία εξέλιξης σχήματος για τους χρήστες να ξεκλειδώσουν τη δύναμη των μεγάλων δεδομένων χρησιμοποιώντας το Athena.
Μπορείτε να χρησιμοποιήσετε το Amazon Redshift για να εκτελέσετε ερωτήματα σε πίνακες δεδομένων λίμνης σε διάφορα αρχεία και μορφές πίνακα, όπως π.χ. Απάτσι Χούντι και Λίμνη Δέλτα, και τώρα με Apache Iceberg (προεπισκόπηση), το οποίο παρέχει πρόσθετες επιλογές για τις σύγχρονες αρχιτεκτονικές δεδομένων σας.
Ελπίζουμε ότι αυτό σας δίνει ένα εξαιρετικό σημείο εκκίνησης για να ρωτήσετε τραπέζια Iceberg στο Amazon Redshift.
Σχετικά με τους Συγγραφείς
Ροχίτ Μπάνσαλ είναι Αρχιτέκτονας Ειδικών Λύσεων Analytics στην AWS. Ειδικεύεται στο Amazon Redshift και συνεργάζεται με πελάτες για τη δημιουργία λύσεων ανάλυσης επόμενης γενιάς χρησιμοποιώντας άλλες υπηρεσίες AWS Analytics.
Satish Sathiya είναι Ανώτερος Μηχανικός Προϊόντων στο Amazon Redshift. Είναι ένας άπληστος λάτρης των μεγάλων δεδομένων που συνεργάζεται με πελάτες σε όλο τον κόσμο για να πετύχει και να καλύψει τις ανάγκες αποθήκευσης δεδομένων και αρχιτεκτονικής λιμνών δεδομένων.
Ranjan Burman είναι Αρχιτέκτονας Ειδικών Λύσεων Analytics στην AWS. Ειδικεύεται στο Amazon Redshift και βοηθά τους πελάτες να δημιουργήσουν επεκτάσιμες αναλυτικές λύσεις. Έχει περισσότερα από 16 χρόνια εμπειρίας σε διαφορετικές τεχνολογίες βάσεων δεδομένων και αποθήκευσης δεδομένων. Είναι παθιασμένος με την αυτοματοποίηση και την επίλυση προβλημάτων πελατών με λύσεις cloud.
- SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
- PlatoData.Network Vertical Generative Ai. Ενδυναμώστε τον εαυτό σας. Πρόσβαση εδώ.
- PlatoAiStream. Web3 Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
- PlatoESG. Αυτοκίνητο / EVs, Ανθρακας, Cleantech, Ενέργεια, Περιβάλλον, Ηλιακός, Διαχείριση των αποβλήτων. Πρόσβαση εδώ.
- PlatoHealth. Ευφυΐα βιοτεχνολογίας και κλινικών δοκιμών. Πρόσβαση εδώ.
- ChartPrime. Ανεβάστε το Trading Game σας με το ChartPrime. Πρόσβαση εδώ.
- BlockOffsets. Εκσυγχρονισμός της περιβαλλοντικής αντιστάθμισης ιδιοκτησίας. Πρόσβαση εδώ.
- πηγή: https://aws.amazon.com/blogs/big-data/query-your-iceberg-tables-in-data-lake-using-amazon-redshift-preview/
- :έχει
- :είναι
- :δεν
- :που
- $UP
- 1
- 10
- 100
- 16
- 17
- 2020
- 2021
- 22
- 26
- 28
- 30
- 385
- 46
- 500
- 53
- 7
- 8
- 9
- a
- Σχετικα
- πρόσβαση
- πρόσβαση
- προσιτότητα
- πρόσβαση
- Κατορθώνω
- απέναντι
- προσθέτω
- προστιθέμενη
- Πρόσθετος
- διευθύνσεις
- προσιτές
- Όλα
- επιτρέπει
- ήδη
- Επίσης
- Amazon
- Αμαζόν Αθηνά
- EMR Αμαζονίου
- Amazon υπηρεσίες Web
- Ποσά
- an
- Αναλυτικός
- Αναλυτικός
- analytics
- αναλύσει
- και
- κάθε
- Apache
- αρχιτεκτονική
- ΕΙΝΑΙ
- γύρω
- Παράταξη
- AS
- At
- αυτομάτως
- αυτοματοποίηση
- διαθέσιμος
- AWS
- Κόλλα AWS
- βάση
- επειδή
- πριν
- είναι
- Μεγάλος
- Big Data
- δεσμευτικός
- Μπλοκ
- και οι δύο
- μάρκα
- χτίζω
- επιχείρηση
- επιχειρηματικής ευφυΐας
- by
- CAN
- δυνατότητες
- ικανότητα
- κατάλογος
- κεντρικός
- ορισμένες
- πρόκληση
- αλλαγή
- αρχηγός
- Γενικός Διευθυντής Τεχνολογίας
- πελάτης
- Backup
- κωδικός
- συλλογές
- Στήλη
- Στήλες
- πλήρης
- συγκρότημα
- Συνθήκες
- Εξετάστε
- θεωρήσεις
- συνεπής
- Περιέχει
- μετατρέψετε
- συντονισμένη
- αποδοτική
- δημιουργία
- δημιουργήθηκε
- δημιουργία
- κρίσιμης
- πελάτης
- στοιχεία πελάτη
- Πελάτες
- καθημερινά
- ημερομηνία
- ολοκλήρωση δεδομένων
- Λίμνη δεδομένων
- αποθήκη δεδομένων
- βάση δεδομένων
- σύνολα δεδομένων
- Ημερομηνίες
- Προεπιλογή
- ορίζεται
- ορισμός
- ορισμοί
- Δέλτα
- αποδεικνύουν
- κατέδειξε
- καταδεικνύει
- Σε συνάρτηση
- Υπηρεσίες
- καθέκαστα
- εντοπιστεί
- Dev
- διαφορετικές
- κατευθείαν
- Μην
- διπλασιαστεί
- κατεβάσετε
- κάθε
- εύκολα
- εύκολος
- συντάκτης
- αποτελεσματικός
- είτε
- εξάλειψη
- δίνει τη δυνατότητα
- Κινητήρας
- μηχανικός
- θιασώτης
- καταχώριση
- Αιθέρας (ΕΤΗ)
- εξέλιξη
- παράδειγμα
- υπάρχουν
- υφιστάμενα
- εμπειρία
- Εξηγήστε
- διερευνήσει
- Επεκτείνεται
- εξωτερικός
- επιπλέον
- FAST
- Χαρακτηριστικά
- Αρχεία
- Αρχεία
- φιλτράρισμα
- Εύρεση
- Εταιρεία
- Όνομα
- Ευελιξία
- Εξής
- Για
- μορφή
- συχνά
- από
- πλήρως
- περαιτέρω
- παίρνω
- δίνει
- σφαίρα
- πηγαίνει
- εξαιρετική
- Group
- Handles
- Έχω
- he
- βοηθά
- ιστορικών
- ελπίζω
- Πως
- Πώς να
- HTML
- http
- HTTPS
- if
- in
- ανεξάρτητος
- πληροφορίες
- ολοκλήρωση
- Νοημοσύνη
- σε
- IT
- ΤΟΥ
- ενταχθούν
- jpg
- json
- Justin
- Διατήρηση
- Κλειδί
- λίμνη
- large
- μεγαλύτερη
- Επίθετο
- αργότερα
- αργότερο
- ΜΑΘΑΊΝΩ
- μείον
- Μου αρέσει
- LIMIT
- γραμμή
- LINK
- Λιστα
- φορτίο
- τοπικός
- τοποθεσία
- διατηρήσουν
- ΚΑΝΕΙ
- Κατασκευή
- διαχείριση
- διαχειρίζεται
- διαχειρίζεται
- τρόπος
- Ταχύτητες
- χειροκίνητα
- χάρτη
- αγορά
- Μάρκετινγκ
- μέσα
- Γνωρίστε
- Μεταδεδομένα
- ΜΟΝΤΕΡΝΑ
- περισσότερο
- πλέον
- μετακινήσετε
- κίνηση
- πρέπει
- όνομα
- ντόπιος
- Ανάγκη
- που απαιτούνται
- ανάγκες
- Νέα
- επόμενη
- επόμενη γενιά
- Όχι.
- σημείωση
- τώρα
- αριθμός
- NYC
- of
- Αξιωματικός
- on
- ανοίξτε
- λειτουργία
- λειτουργίες
- Βελτιστοποίηση
- βελτιστοποιημένη
- βελτιστοποίηση
- Επιλογές
- or
- αρχικά
- ΑΛΛΑ
- δικός μας
- παραγωγή
- επί
- σελίδα
- παθιασμένος
- εκτελέσει
- επίδοση
- περίοδος
- σχέδιο
- φώναξε
- Πλάτων
- Πληροφορία δεδομένων Plato
- Πλάτωνα δεδομένα
- Σημείο
- Θέση
- δυναμικού
- δύναμη
- προαπαιτούμενα
- Προβολή
- προηγούμενος
- προηγουμένως
- προβλήματα
- διαδικασια μας
- Προϊόν
- ιδιότητες
- παρέχει
- δημόσιο
- ερωτήματα
- Ανάγνωση
- αρχεία
- μείωση
- περιοχή
- αφαιρέστε
- αντικαθιστώ
- απαιτείται
- ΠΕΡΙΦΕΡΕΙΑ
- Επιστροφές
- εύρωστος
- τρέξιμο
- τρέξιμο
- ίδιο
- πριόνι
- λέει
- επεκτάσιμη
- Κλίμακα
- σάρωση
- σάρωσης
- σαρώσεις
- συστήματα
- αδιάλειπτη
- άψογα
- Τμήμα
- προστατευμένο περιβάλλον
- δείτε
- αρχαιότερος
- Χωρίς διακομιστή
- Υπηρεσίες
- σειρά
- θα πρέπει να
- δείχνουν
- έδειξε
- παρουσιάζεται
- Δείχνει
- Απλούς
- ενιαίας
- λύση
- Λύσεις
- Επίλυση
- μερικοί
- Πηγή
- Πηγές
- Sourcing
- ειδικός
- ειδικεύεται
- προσδιορισμός
- specs
- Φάσμα
- SQL
- πρότυπο
- Ξεκινήστε
- Δήλωση
- στατιστική
- Βήμα
- Βήματα
- χώρος στο δίσκο
- κατάστημα
- αποθηκεύονται
- καταστήματα
- Στρατηγική
- Σπάγγος
- επιτυχία
- τέτοιος
- υποστήριξη
- υποστηριζόνται!
- Υποστηρίζει
- τραπέζι
- ομάδες
- Τεχνολογίες
- Τεχνολογία
- δεκάδες
- από
- ότι
- Η
- Η Πηγη
- τους
- τότε
- Αυτοί
- αυτό
- χιλιάδες
- Μέσω
- ώρα
- ταξίδι στο χρόνο
- timestamp
- προς την
- σήμερα
- εργαλεία
- συναλλακτική
- ταξίδι
- Αλήθεια
- δύο
- τύπος
- τύποι
- ενιαία
- ένωση
- ξεκλειδώσετε
- Ενημέρωση
- ενημερώθηκε
- ενημερώσεις
- Χρήση
- χρήση
- μεταχειρισμένος
- Χρήστες
- χρησιμοποιεί
- χρησιμοποιώντας
- ΕΠΙΚΥΡΩΝΩ
- αξία
- Αξίες
- ποικιλία
- διάφορα
- πολύ
- μέσω
- Δες
- όγκους
- Αποθήκη
- Αποθήκευση
- ήταν
- Τρόπος..
- we
- ιστός
- διαδικτυακές υπηρεσίες
- πότε
- Ποιό
- Ο ΟΠΟΊΟΣ
- ευρύς
- ευρέως
- θα
- με
- λειτουργεί
- έτος
- χρόνια
- εσείς
- Σας
- zephyrnet