开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

使用debezium捕获现有数据(完全刷新)

Debezium是一个开源的分布式平台，用于捕获现有数据的变化并将其转换为可观察的事件流。它可以与各种数据库系统集成，包括MySQL、PostgreSQL、MongoDB等。

Debezium的工作原理是通过数据库的事务日志（或称为binlog）来捕获数据的变化。它监视数据库的事务日志，并将变更事件转换为可靠的、持久的事件流。这些事件可以被其他应用程序或服务消费，以实现实时数据流处理、数据同步、数据仓库等功能。

使用Debezium捕获现有数据的优势包括：

实时性：Debezium能够几乎实时地捕获数据库中的数据变化，并将其转换为事件流。这使得应用程序能够及时响应数据的变化。
可靠性：Debezium通过监视数据库的事务日志来捕获数据变化，因此不会对数据库的性能产生显著影响。同时，它还提供了故障恢复机制，确保数据的可靠传输。
灵活性：Debezium支持多种数据库系统，并提供了灵活的配置选项，以满足不同场景下的需求。它还支持自定义插件，可以扩展其功能。
可观察性：Debezium生成的事件流可以被其他应用程序或服务消费，并进行实时的数据处理和分析。这使得数据变化可以更好地被理解和利用。

应用场景：

实时数据分析：通过捕获数据库的数据变化，可以将数据实时地传输到数据仓库或分析平台，以支持实时数据分析和报表生成。
数据同步和复制：将数据库的数据变化实时地复制到其他数据库或数据存储系统，以实现数据的同步和备份。
微服务架构：Debezium可以作为微服务架构中的事件源，将数据库的数据变化作为事件流进行传输和处理，以实现松耦合的微服务通信。

腾讯云相关产品推荐：腾讯云数据库TDSQL：https://cloud.tencent.com/product/tdsql 腾讯云消息队列CMQ：https://cloud.tencent.com/product/cmq 腾讯云流计算Flink：https://cloud.tencent.com/product/flink 腾讯云数据仓库CDW：https://cloud.tencent.com/product/cdw

相关搜索:部分刷新在使用onkeyup时执行完全刷新如何使用onChange事件SSJS防止完全刷新 Debezium引擎未捕获我的MySQL数据库上的更改在Ajax调用中使用新数据刷新现有网格(PartialView)Debezium变更数据捕获(CDC)在sql-server 2017上不起作用如何在使用现有ODBC连接打开Excel文档时自动刷新数据？Swift:刷新按钮功能正在加载新数据，包括现有数据无法使用Apache Kafka和Debezium从联邦MySQL表中读取数据如何使用submit for JavaScript捕获数据？如何使用onkeypress捕获变量数据？使用现有数据和概率模拟数据有没有办法抑制“捕获分支完全相同”的警告？无法在此实例中使用多重捕获使用其他列刷新powerBI数据 SailsJs -使用新数据刷新视图是否使用Pandas数据帧覆盖现有工作表上的现有Excel数据？如何使用计划查询刷新Google Big query中的现有表？如何使用logstash解析捕获的数据？使用puppeteer遍历posts并捕获数据使用Wireshark捕获OPC-UA数据使用Apache Spark捕获更改数据

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

「首席看架构」CDC (捕获数据变化) Debezium 介绍

Debezium是一个分布式平台，它将您现有的数据库转换为事件流，因此应用程序可以看到数据库中的每一个行级更改并立即做出响应。Debezium构建在Apache Kafka之上，并提供Kafka连接兼容的连接器来监视特定的数据库管理系统。Debezium在Kafka日志中记录数据更改的历史，您的应用程序将从这里使用它们。这使您的应用程序能够轻松、正确、完整地使用所有事件。即使您的应用程序停止(或崩溃)，在重新启动时，它将开始消耗它停止的事件，因此它不会错过任何东西。

02

基于Apache Hudi和Debezium构建CDC入湖管道

当想要对来自事务数据库（如 Postgres 或 MySQL）的数据执行分析时，通常需要通过称为更改数据捕获[4] CDC的过程将此数据引入数据仓库或数据湖等 OLAP 系统。Debezium 是一种流行的工具，它使 CDC 变得简单，其提供了一种通过读取更改日志[5]来捕获数据库中行级更改的方法，通过这种方式 Debezium 可以避免增加数据库上的 CPU 负载，并确保捕获包括删除在内的所有变更。现在 Apache Hudi[6] 提供了 Debezium 源连接器，CDC 引入数据湖比以往任何时候都更容易，因为它具有一些独特的差异化功能[7]。Hudi 可在数据湖上实现高效的更新、合并和删除事务。Hudi 独特地提供了 Merge-On-Read[8] 写入器，与使用 Spark 或 Flink 的典型数据湖写入器相比，该写入器可以显着降低摄取延迟[9]。最后，Apache Hudi 提供增量查询[10]，因此在从数据库中捕获更改后可以在所有后续 ETL 管道中以增量方式处理这些更改下游。

02

Edge2AI之使用 Flink/SSB 进行CDC捕获

在本次实验中，您将使用 Cloudera SQL Stream Builder来捕获和处理来自外部数据库中活动的更改。

02

Debezium的增量快照

CDC（Change-Data-Capture）正被广泛应用于数据缓存、更新查询索引、创建派生视图、异构数据同步等场景，Debezium (https://debezium.io/) 作为 CDC 的代表项目之一，它收集数据库中的事务日志（变化事件）并以统一的事件流格式输出（支持「Kafka Connect」及「内嵌到程序中」两种应用形式）。

03

基于 Flink SQL CDC 的实时数据同步方案

Flink 1.11 引入了 Flink SQL CDC，CDC 能给我们数据和业务间能带来什么变化？本文由 Apache Flink PMC，阿里巴巴技术专家伍翀 (云邪）分享，内容将从传统的数据同步方案，基于 Flink CDC 同步的解决方案以及更多的应用场景和 CDC 未来开发规划等方面进行介绍和演示。

02

Debezium的增量快照

CDC（Change-Data-Capture）正被广泛应用于数据缓存、更新查询索引、创建派生视图、异构数据同步等场景，Debezium (https://debezium.io/) 作为 CDC 的代表项目之一，它收集数据库中的事务日志（变化事件）并以统一的事件流格式输出（支持「Kafka Connect」及「内嵌到程序中」两种应用形式）。

05

Debezium 初了解

在研究 Flink CDC 时，其中涉及了 Debezium，便决定研究一下 Debezium。这篇文章简单介绍了 Debezium 是什么，以及它的架构和特性。后续文章中会后续介绍其功能特性以及如何使用。

05

Debezium使用指南

实时数仓的第一步便是变更数据捕获（CDC）,Debezium就是一款功能非常强大的CDC工具。Debezium是构建于Kafka之上的，将捕获的数据实时的采集到Kafka上

03

Debezium教程翻译01：概览

Debezium是一组分布式服务，用于捕获数据库中的更改，以便应用程序看到这些更改并作出响应。Debezium在一个变更事件流中记录每个数据库表中所有行级别的变更，应用程序只需读取这些流，以查看变更事件的发生，并且和他们发生时的顺序一致。

02

数据同步工具之FlinkCDC/Canal/Debezium对比

数据准实时复制（CDC）是目前行内实时数据需求大量使用的技术，随着国产化的需求，我们也逐步考虑基于开源产品进行准实时数据同步工具的相关开发，逐步实现对商业产品的替代。本文把市面上常见的几种开源产品，Canal、Debezium、Flink CDC 从原理和适用做了对比，供大家参考。

05

数据同步工具之FlinkCDC/Canal/Debezium对比

数据准实时复制（CDC）是目前行内实时数据需求大量使用的技术，随着国产化的需求，我们也逐步考虑基于开源产品进行准实时数据同步工具的相关开发，逐步实现对商业产品的替代。本文把市面上常见的几种开源产品，Canal、Debezium、Flink CDC 从原理和适用做了对比，供大家参考。

08

使用CDC模式改造遗留系统

在我们经历的各种遗留系统改造之旅中，使用绞杀者模式来改造一个巨大的单体服务，是一种被广泛采用且验证行之有效的手段，在应用传统的绞杀者模式时，通常采用逐步替换的方式，将遗留系统中某一独立的部分抽取出来进行改造，最后通过反向代理等方式，将流量倒入到新的服务中。

01

Flink Connector MongoDB CDC实现原理

CDC全称是Change Data Capture，我们通常将能够捕获数据变更的技术称为CDC。目前通常描述的CDC技术主要面向数据库的变更，是一种用于捕获数据库中数据的变更技术。CDC的技术应用场景有数据同步、数据分发、数据集成等。

06

Flink + Debezium CDC 实现原理及代码实战

Debezium 是一个分布式平台，它将现有的数据库转换为事件流，应用程序消费事件流，就可以知道数据库中的每一个行级更改，并立即做出响应。

03

实时监视同步数据库变更，这个框架真是神器

我们数据库中的数据一直在变化，有时候我们希望能监听数据库数据的变化并根据变化做出一些反应，比如更新对应变化数据的缓存、增量同步到其它数据源、对数据进行检测和审计等等。而这种技术就叫变更数据捕获（Change Data Capture）。对于这种技术我们可能知道一个国内比较知名的框架Canal，非常好用！但是Canal有一个局限性就是只能用于Mysql的变更数据捕获。今天来介绍另一种更加强大的分布式CDC框架Debezium。

01

Debezium 2.0.0.Final Released

自2019年12月发布1.0版本以来，社区一直在积极构建一个全面的开源低延迟变更数据捕获(CDC)平台。在过去的三年里，我们扩展了Debezium的产品组合，包括用于Oracle的稳定连接器、社区主导的Vitess连接器、增量快照的引入、多分区支持等等。在社区活跃贡献者和提交者的帮助下，Debezium成为CDC领域事实上的领导者，部署在多个行业的许多组织的生产环境中，使用数百个连接器将数据更改从数千个数据库平台输出到实时流。

02

大数据技术栈之-数据采集

数仓的基础是数据，没有数据，那么数仓就是一个空壳，数据的来源有很多，我们需要按照一个规则和流程来制定采集方案，还要根据数据的特性和用途选取合适的采集程序，数据的采集我们一般分为全量和增量，对于一些业务场景，也需要二者配合使用。

02

Debezium结合kafka connect实时捕获mysql变更事件写入elasticsearch实现搜索流程

本文将会实现一套完整的Debezium结合Kafka Connect实时捕获MySQL变更事件写入Elasticsearch并实现查询的流程.

04

Debezium教程翻译03：启动mysql数据库

目前，我们已经启动了Zookeeper和Kafka，但是还没有数据库服务器，Debezium可以从中捕获变化。现在，让我们使用一个示例数据库启动一个MySQL服务器。打开一个新的终端，使用它启动一个新的容器，运行一个预先配置了库存数据的MySQL数据库服务器:

01

使用 Kafka、Debezium 和 Kubernetes 实现应用现代化的模式

本文最初发表于 RedHat 的开发者站点，经原作者 Bilgin Ibryam 许可，由 InfoQ 中文站翻译分享。

02

Robinhood基于Apache Hudi的下一代数据湖实践

Robinhood 的使命是使所有人的金融民主化。Robinhood 内部不同级别的持续数据分析和数据驱动决策是实现这一使命的基础。我们有各种数据源——OLTP 数据库、事件流和各种第 3 方数据源。需要快速、可靠、安全和以隐私为中心的数据湖摄取服务来支持各种报告、关键业务管道和仪表板。不仅在数据存储规模和查询方面，也在我们在数据湖支持的用例方面，我们从最初的数据湖版本[1]都取得了很大的进展。在这篇博客中，我们将描述如何使用各种开源工具构建基于变更数据捕获的增量摄取，以将我们核心数据集的数据新鲜延迟从 1 天减少到 15 分钟以下。我们还将描述大批量摄取模型中的局限性，以及在大规模操作增量摄取管道时学到的经验教训。

02

基于 Kafka 与 Debezium 构建实时数据同步

在进行架构转型与分库分表之前，我们一直采用非常典型的单体应用架构：主服务是一个 Java WebApp，使用 Nginx 并选择 Session Sticky 分发策略做负载均衡和会话保持；背后是一个 MySQL 主实例，接了若干 Slave 做读写分离。在整个转型开始之前，我们就知道这会是一块难啃的硬骨头：我们要在全线业务飞速地扩张迭代的同时完成架构转型，因为这是实实在在的”给高速行驶的汽车换轮胎”。

03

DBLog：一种基于水印的变更数据捕获框架（论文翻译）

应用程序通常会使用多个异构数据库，每个数据库都用于服务于特定的需求，例如存储数据的规范形式或提供高级搜索功能。因此，对于应用程序而言，将多个数据库保持同步是非常重要的。我们发现了一系列尝试解决此问题的不同方式，例如双写和分布式事务。然而，这些方法在可行性、稳健性和维护性方面存在局限性。最近出现的一种替代方法是利用变更数据捕获（CDC）框架，从数据库的事务日志中捕获变更的行，并以低延迟将它们传递到下游系统。为了解决数据同步的问题，还需要复制数据库的完整状态，而事务日志通常不包含完整的变更历史记录。同时，某些应用场景要求事务日志事件的高可用性，以使数据库尽可能地保持同步。

05

《一文读懂腾讯云Flink CDC 原理、实践和优化》

CDC 变更数据捕获技术可以将源数据库的增量变动记录，同步到一个或多个数据目的。本文基于腾讯云 Oceanus 提供的 Flink CDC 引擎，着重介绍 Flink 在变更数据捕获技术中的应用。一、CDC 是什么？ CDC 是变更数据捕获（Change Data Capture）技术的缩写，它可以将源数据库（Source）的增量变动记录，同步到一个或多个数据目的（Sink）。在同步过程中，还可以对数据进行一定的处理，例如分组（GROUP BY）、多表的关联（JOIN）等。例如对于电商平台，用户的订单

03

Yotpo构建零延迟数据湖实践

随着系统变得越来越复杂，我们需要更多的解决方案来集中维护大量数据，以便对其进行监控和查询，而又不会干扰运营数据库。在Yotpo，我们有许多微服务和数据库，因此将数据传输到集中式数据湖中的需求至关重要。我们一直在寻找易于使用的基础架构（仅需配置），以节省工程师的时间。

03

Flink社区 | Flink CDC 2.0 正式发布，核心改进详解

摘要：本文由社区志愿者陈政羽整理，内容来源自阿里巴巴高级开发工程师徐榜江 (雪尽) 7 月 10 日在北京站 Flink Meetup 分享的《详解 Flink-CDC》。深入讲解了最新发布的 Flink CDC 2.0.0 版本带来的核心特性，包括：全量数据的并发读取、checkpoint、无锁读取等重大改进。

03

Debezium 1.9.0.Alpha1 正式发布

我很高兴宣布 Debezium 1.9 系列的第一个版本 1.9.0.Alpha1 正式发布。这是新的一年来的第一个新版本！Debezium 1.9.0.Alpha1 版本包含大量修复和改进，最显着的是改进了指标以及提供对 Oracle ROWID 数据类型的支持。

02

Flink CDC 新一代数据集成框架

主要讲解了技术原理，入门与生产实践，主要功能：全增量一体化数据集成、实时数据入库入仓、最详细的教程。Flink CDC 是Apache Flink的一个重要组件，主要使用了CDC技术从各种数据库中获取变更流并接入到Flink中，Apache Flink作为一款非常优秀的流处理引擎，其SQL API又提供了强大的流式计算能力，因此结合Flink CDC能带来非常广阔的应用场景。例如，Flink CDC可以代替传统的Data X和Canal工具作为实时数据同步，将数据库的全量和增量数据同步到消息队列和数据仓库中。也可以做实时数据集成，将数据库数据实时入湖入仓。还可以做实时物化视图，通过SQL对数据做实时的关联、打宽、聚合，并将物化结果写入到数据湖仓中。

03

DTS双向同步的实现思路探索

与单向增量同步类似，模拟Slave来获取增量数据。同时UDTS对写下去的数据做标记，当有新的Binlog Event的时候，会先检查是否有标记。如果有标记则说明是循环数据，直接丢弃，如果没有标记则加上标记写到对端。

01

Mysql实时数据变更事件捕获kafka confluent之debezium

如果你的后端应用数据存储使用的MySQL，项目中如果有这样的业务场景你会怎么做呢？

03

Flink CDC 原理、实践和优化

CDC 是变更数据捕获（Change Data Capture）技术的缩写，它可以将源数据库（Source）的增量变动记录，同步到一个或多个数据目的（Sink）。在同步过程中，还可以对数据进行一定的处理，例如分组（GROUP BY）、多表的关联（JOIN）等。

基于Apache Hudi在Google云平台构建数据湖

自从计算机出现以来，我们一直在尝试寻找计算机存储一些信息的方法，存储在计算机上的信息（也称为数据）有多种形式，数据变得如此重要，以至于信息现在已成为触手可及的商品。多年来数据以多种方式存储在计算机中，包括数据库、blob存储和其他方法，为了进行有效的业务分析，必须对现代应用程序创建的数据进行处理和分析，并且产生的数据量非常巨大！有效地存储数PB数据并拥有必要的工具来查询它以便使用它至关重要，只有这样对该数据的分析才能产生有意义的结果。

01

Flink CDC 原理、实践和优化

CDC 是变更数据捕获（Change Data Capture）技术的缩写，它可以将源数据库（Source）的增量变动记录，同步到一个或多个数据目的（Sink）。在同步过程中，还可以对数据进行一定的处理，例如分组（GROUP BY）、多表的关联（JOIN）等。

05

基于流计算 Oceanus Flink CDC 做好数据集成场景

数据时代，企业对技术创新和服务水准的要求不断提高，数据已成为企业极其重要的资产。无论是在在企业数据中台的建设，亦或者是打造一站式数据开发和数据治理的PASS平台。首先需要做的就是进行跨应用的数据融合计算，需要将数据从孤立的数据源中采集出来，汇集到可被计算平台高效访问的目的地。此过程称之为ETL。通常所说的同步大致分为离线全量ETL、离线增量+离线全量的ETL、实时增量+离线全量ETL、实时增量ETL4种方式。数据同步成为企业数据开发和使用一个绕不过去的技术需求。业内也存在大量的开源的解决方案。在数据集成技术选型中，我们需要考虑的因素有哪些？主流开源方案中各自的优缺点有哪些？目前备受瞩目和推崇 Flink CDC ETL 是否能作为线上主力同步工具之一，它的优势有哪些？原理是什么？本文主要围绕以上几个疑问，进行论述。

07

如何使用发件箱模式实现微服务的 Saga 编排

作者 | Gunnar Morling 译者 | 张卫滨核心要点 Saga 能够实现长时间运行的、分布式的业务事务，这样的事务会跨多个微服务执行一组操作，实现一致的全有或全无的语义。为了实现解耦，微服务之间的通信最好按照异步的方式来进行，比如借助 Apache Kafka 使用分布式的提交日志。发件箱模式为服务作者提供了一种解决方案，能够让他们在本地数据库执行写入，同时通过 Apache Kafka 发送消息，避免依赖不安全的“双重写入（dual writes）”。 Debezium 是一个分布式

03

基于流计算 Oceanus（Flink） CDC 做好数据集成场景

作者：黄龙，腾讯 CSIG 高级工程师数据时代，企业对技术创新和服务水准的要求不断提高，数据已成为企业极其重要的资产。无论是在在企业数据中台的建设，亦或者是打造一站式数据开发和数据治理的PASS平台。首先需要做的就是进行跨应用的数据融合计算，需要将数据从孤立的数据源中采集出来，汇集到可被计算平台高效访问的目的地。此过程称之为ETL。通常所说的同步大致分为离线全量ETL、离线增量+离线全量的ETL、实时增量+离线全量ETL、实时增量ETL4种方式。数据同步成为企业数据开发和使用一个绕不过去的技术需求。业内也

01

如何利用 Flink CDC 实现数据增量备份到 Clickhouse

首先什么是CDC ？它是Change Data Capture的缩写,即变更数据捕捉的简称，使用CDC我们可以从数据库中获取已提交的更改并将这些更改发送到下游，供下游使用。这些变更可以包括INSERT,DELETE,UPDATE等操作。

07

「集成架构」2020年最好的15个ETL工具(第三部)

最后，该数据被加载到数据库中。在当前的技术时代，“数据”这个词非常重要，因为大多数业务都围绕着数据、数据流、数据格式等运行。现代应用程序和工作方法需要实时数据来进行处理，为了满足这一目的，市场上有各种各样的ETL工具。

01

聊聊Flink CDC必知必会

核心思想是，监测并捕获数据库的变动（包括数据或数据表的插入INSERT、更新UPDATE、删除DELETE等），将这些变更按发生的顺序完整记录下来，写入到消息中间件中以供其他服务进行订阅及消费。

03

Debezium的基本使用（以MySQL为例）

简单理解就是Debezium可以捕获数据库中所有行级的数据变化并包装成事件流顺序输出。

01

如何使用 Kafka、MongoDB 和 Maxwell’s Daemon 构建 SQL 数据库的审计系统

审计日志系统有很多应用场景，而不仅仅是存储用于审计目的的数据。除了合规性和安全性的目的之外，它还能够被市场营销团队使用，以便于锁定目标用户，也可以用来生成重要的告警。

03

常见的10种 CDC 组件和方案

总结一下，本文介绍了10种常见的 CDC 组件和方案，个人觉得还不错，如果还有其他好用的 CDC 组件，欢迎在评论区分享分享。

02

Streaming Data Changes from MySQL to Elasticsearch

MySQL Binary Log包含了针对数据库执行DDL(Data Definition Language)和DML(Data Manipulation Language)操作的完整事件，其被广泛应用于数据复制和数据恢复场景。本文所分享的就是一种基于MySQL Binary Log特性实现增量数据近实时同步到Elasticsearch的一种技术。要想实现增量数据的同步，仅仅有binary log是不够的，我们还需要一款变更数据捕获(CDC，Change Data Capture)工具，可能大家很快就会想到阿里巴巴开源的Canal。没错，但本文今天给大家分享一款新的开源工具：Debezium。Debezium构建于Kafka之上，它为MySQL、MongoDB、PostgreSQL、Orcale和Cassandra等一众数据库量身打造了一套完全适配于Kafka Connect的source connector。首先，source connector会实时获取由INSERT、UPDATE和DELETE操作所触发的数据变更事件；然后，将其发送到Kafka topic中；最后，我们使用sink connector将topic中的数据变更事件同步到Elasticsearch中去，从而最终实现数据的近实时流转，如下图所示。

01

Flink CDC 在大健云仓的实践

摘要：本文整理自大健云仓基础架构负责人、Flink CDC Maintainer 龚中强在 5 月 21 日 Flink CDC Meetup 的演讲。主要内容包括：

05

kafka 连接器实现 Mysql 数据同步 Elasticsearch

Mysql 作为传统的关系型数据库，主要面向 OLTP，性能优异，支持事务，但是在一些全文检索，复杂查询上面并不快。Elasticsearch 底层基于 Lucense 实现，天然分布式，采用倒排索引存储数据，全文检索效率很高，使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。

04

用 Java 写个沙盒塔防游戏！已上架 Steam,Apple Store

你好，我是 Guide！这里是 JavaGuide 的开源项目推荐第 2 期，每一期我都会精选 5 个高质量的 Java 开源项目推荐给大家。

02

以服务网格实现微服务的高级Traffic-shadowing模式

作者：Christian Posta 译者：月满西楼原题：Advanced Traffic-shadowing Patterns for Microservices With Istio Service Mesh 全文5000字，阅读约需要12分钟这两年, 微服务架构火了，它在实现某些功能上速度更快，为我们节省了不少宝贵时间[1]。然而，我们不能只是简单地追求速度，破旧立新[2]。还要设法降低变革带来的风险，更安全地将微服务引入生产。一个强有力的模式就可以做到，它能将有关生产的shadow traf

03

微服务需要一场由内至外的变革

作者 | Bilgin Ibryam 译者 | 王强编辑 | Tina 为了让微服务足以应对未来的挑战，在设计微服务时需要加入数据流经的入站和出站 API，以及描述这些 API 的元 API。分布式系统专家 Martin Kleppmann 在他的“由内至外的数据库变革”的演讲中提出了一个激进的想法：“从关系型数据库转向不可变事件和物化视图的日志可以带来显著的收益。”他在演讲中讲解了关系型数据库的内部工作原理，以及使用这种数据库架构创建的应用程序所面临的诸多局限，这些内容会彻底改变你对数据库和事件日志

01

debezium采集MySQL CDC指南

Debezium 是一个开源的分布式平台，用于捕获数据库的变更数据（Change Data Capture，CDC）。它支持多种数据库，包括 MySQL。下面我们详细说一下如何进行配置。

04

心识宇宙 x TapData：如何加速落地实时数仓，助力 AI 企业智慧决策

人工智能时代，AI 逐渐渗透到我们生产生活的方方面面，AI 应用的“生产者”和“消费者”都越来越多。

01

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭