随着互联网业务的逐步成熟,数仓和模型训练的基本盘逐步稳固,越来越多的工程师从业务开发需求转移到了工程的架构升级,而常用的 Hudi 和 Iceberg 往往会成为替代 Hive/Hdfs 等架构升级的选型。
Ray Datasets - 模型训练前的"最后一公里"
Ray 1.8+ 版本中提出使用 Datasets 来解决模型训练的”最后一公里”问题。由于并未在 Ray 上做过多的实践,所以本文更多是将 Datasets 做了系统化的梳理。关于 Ray 的介绍可以参考 Ray - A Distributed Framework for Emerging AI Applications。
Why not RocksDB in Streaming State?
本文以 Apache Flink 为例,聊聊为什么 RocksDB 不是流计算引擎中理想的状态存储。Flink 中使用 RocksDB 作为大状态的存储后端,但在实际线上大规模的生产应用中,我们发现 RocksDB 和流计算场景的组合,即使在参数调优及技术优化后,也始终达不到预期的理想状态。
Hazelcast Jet - Low-latency Stream Processing at the 99.99th Percentile
原文:Hazelcast Jet: Low-latency Stream Processing at the 99.99th
Percentile,Hazelcast Jet 是一个流处理引擎,整篇论文通读下来,它的定位和当前广为应用的流计算引擎 Apache Flink 和 Spark Streaming 又有些不同,详见以下文章的解析。
如何自定义 Flink State 使用的 Serializer
自定义 Flink State 的序列化方式是一种高阶的使用技巧,在很多复杂场景下,通过自定义 Serializer 可以在兼容性、性能等方面获得一定的收益。
Flink RocksDB 内存管理
RocksDB 的内存管理在 Flink 1.10 版本之前是不受管控的,社区利用 RocksDB 已有的一些内存控制上的优化,在去年对 Flink 中 RocksDB 的使用做了一系列的改造(详见 FLINK-7289)。
如何决定事情的优先级
如果说专业技能决定了一件事情能不能”做”,那么职场软实力决定了一件事情能不能”成”。「职场系列」的内容源于我的真实经历及引发的思考,记录的是我关于职场软实力的思考和感悟。
(转) 创业公司生存的必需特质
注:文章转自 https://klinger.io/post/654608607896272896/joining-hypergrowth-startups。在阅读这篇文章后,对于文章中大部分内容的描述都深感赞同,并结合自身的一些经历,切身体会过,这些特质对于个人、团队、甚至一家公司的影响有多大。感谢文章作者将这些特质给系统化梳理出来,我在这里也将核心内容翻译出来,期望对读者有帮助。