Tag: adtech
All the articles with the tag "adtech".
-
OLAP · 列式存储原理与 ClickHouse/Doris
广告实时链路的最后一块拼图是可交互的多维报表，而现代 OLAP 的地基几乎全是列式存储。本文深度剖析行存与列存在宽表聚合场景下为何会产生数量级的性能差异，拆解字典编码、RLE 压缩、跳过索引、向量化执行与 MPP 分布式查询等底层加速机制。同时，全面对比 ClickHouse 与 Doris 的架构心智与选型取舍，探讨如何将这些工程积木应用到广告明细查询与秒级看板的性能优化路径中。
-
Flink 深挖 · 部署模式与 Flink on K8s
Flink 生产部署收尾：Session / Per-Job / Application 三种模式怎么选、为何生产选 Application、Flink on K8s 的 Native 与 Operator 两条路线、JobManager 高可用、checkpoint 远端存储、内存模型与 OOMKill、stop-with-savepoint 优雅升级。
-
Flink 深挖 · DataStream API 与有状态处理
从 Flink SQL 下沉到 DataStream API：什么时候必须动用底层 API、DataStream 心智与 SQL 对照、KeyedProcessFunction 的状态/TimerService/OutputTag 三大件，并用累计告警、支付超时、迟到分流、接 Kafka 聚合四个可跑实战串起来。
-
Flink 深挖（开篇）· 流处理模型与运行时架构
Flink 深挖开篇：为何广告实时链路选 Flink 而非微批、流批一体与 DataStream 心智、JobManager/TaskManager/Slot 运行时、StreamGraph→JobGraph→ExecutionGraph 三次图变换、算子链与 Slot 共享、四种分区策略、部署模式与作业提交全流程。
-
Apache Flume：从 Source·Channel·Sink 到广告日志不丢链路与选型
Apache Flume 讲透：Agent 的 Source/Channel/Sink 三段式与 at-least-once、Memory/File/Kafka Channel 取舍、TailDir→Kafka 配置，广告不丢链路与真实 DSP 案例脱敏拆解。