乐胖代购免代理版

欢迎

BI系统对企业有什么作用

大数据分析的本质是利用技术手段将繁杂的数据进行可视化，洞察数据背后的价值，为企业提供决策支持。我们可以把数据分析比作做体检，体检中使用的各种设备就好比使用的各类大数据技术和工具，体检的各项器官好比各个业务板块的数据，体检的结果报告可以清楚的知道有哪些指标合格，哪些指标不合格，这些不合格的指标是高

NBI数据大屏

大屏展示

大数据分析工具

大数据分析软件

大数据可视化

原创 2023-04-19 00:41:58 87 阅读

NBI可视化平台快速入门教程（五）编辑器功能操作介绍

NBI大数据

可视化分析

敏捷BI

商业智能

数据中台

原创 2022-10-19 20:50:38 74 阅读

NBI可视化平台快速入门教程（五）编辑器功能操作介绍

NBI大数据

可视化分析

敏捷BI

商业智能

数据中台

原创 2022-10-19 10:29:53 48 阅读

（4）SparkSQL中如何定义UDF和使用UDF

Spark SQL中用户自定义函数，用法和Spark SQL中的内置函数类似；是saprk SQL中内置函数无法满足要求，用户根据业务需求自定义的函数。首先定义一个UDF函数： package com.udf; import org.apache.spark.sql.api.java.UDF1;

Spark

大数据

流式计算

实时数仓

sparkstreaming

原创 2022-10-03 22:11:07 411 阅读

（4）SparkSQL中如何定义UDF和使用UDF

Spark SQL中用户自定义函数，用法和Spark SQL中的内置函数类似；是saprk SQL中内置函数无法满足要求，用户根据业务需求自定义的函数。首先定义一个UDF函数：package com.udf;import org.apache.spark.sql.api.java.UDF1;import org.apache.spark.sql.api.java.UDF2;import org.a

spark

sparkstreaming

sparksql

大数据

流计算

原创精选 2022-09-26 10:28:43 316 阅读

（3）sparkstreaming从kafka接入实时数据流，最终实现数据可视化分析展示

（1）sparkstreaming从kafka接入实时数据流最终实现数据可视化展示，我们先看下整体方案架构：（2）方案说明： 1

NBI大数据

NBI可视化

NBI数据大屏

Spark

spark sql

原创 2022-09-17 00:23:39 175 阅读

（3）sparkstreaming从kafka接入实时数据流最终实现数据可视化展示

（1）sparkstreaming从kafka接入实时数据流最终实现数据可视化展示，我们先看下整体方案架构：（2）方案说明：1）我们通过kafka与各个业务系统的数据对接，将各系统中的数据实时接到kafka；2）通过sparkstreaming接入kafka数据流，定义时间窗口和计算窗口大小，业务计算逻辑处理；3）将结果数据写入到mysql；4）通过可视化平台接入mysql数据库，这里使用的是NB

NBI可视化

实时数仓

流式计算

spark

数仓建设

原创精选 2022-09-10 15:10:34 320 阅读

（2）sparkstreaming滚动窗口和滑动窗口演示

一、滚动窗口（Tumbling Windows）滚动窗口有固定的大小，是一种对数据进行均匀切片的划分方式。窗口之间没有重叠，也不会有间隔，是“首尾相接”的状态。滚动窗口可以基于时间定义，也可以基于数据个数定义；需要的参数只有一个，就是窗口的大小（window size）。

NBI大数据

Spark

spark sql

大数据

流式计算

原创 2022-09-10 00:35:07 95 阅读

（2）sparkstreaming滚动窗口和滑动窗口演示

一、滚动窗口（Tumbling Windows）滚动窗口有固定的大小，是一种对数据进行均匀切片的划分方式。窗口之间没有重叠，也不会有间隔，是“首尾相接”的状态。滚动窗口可以基于时间定义，也可以基于数据个数定义；需要的参数只有一个，就是窗口的大小（window size）。在sparkstreaming中，滚动窗口需要设置窗口大小和滑动间隔，窗口大小和滑动间隔都是StreamingContext的

spark

sparkstreaming

大数据

流计算

原创精选 2022-09-05 15:22:28 529 阅读

（6）Flink CEP SQL模拟账号短时间内异地登录风控预警

本篇文章我们来模拟一个真实的风险识别场景，模拟XX平台上可能出现盗号行为。技术实现方案：（1）通过将xxx平台用户登录时的登录日志发送到kafka（本文代码演示用的socket）；

Flink

FlinkSQL

FlinkStreaming

NBI大数据

NBI可视化

原创 2022-09-03 00:29:18 201 阅读

（1）sparkstreaming结合sparksql读取socket实时数据流

Spark Streaming是构建在Spark Core的RDD基础之上的，与此同时Spark Streaming引入了一个新的概念：DStream（Discretized Stream，离散化数据流)，表示连续

hadoop

Spark

大数据

大数据分析软件

流计算

原创 2022-09-03 00:29:10 163 阅读

（1）sparkstreaming结合sparksql读取socket实时数据流

Spark Streaming是构建在Spark Core的RDD基础之上的，与此同时Spark Streaming引入了一个新的概念：DStream（Discretized Stream，离散化数据流)，表示连续不断的数据流。DStream抽象是Spark Streaming的流处理模型，在内部实现上，Spark Streaming会对输入数据按照时间间隔（如1秒）分段，每一段数据转换为Spar

spark

java

spark sql

sparkstreaming

hadoop

原创推荐 2022-08-31 11:56:08 681 阅读

（6）Flink CEP SQL模拟账号短时间内异地登录风控预警

本篇文章我们来模拟一个真实的风险识别场景，模拟XX平台上可能出现盗号行为。技术实现方案：（1）通过将xxx平台用户登录时的登录日志发送到kafka（本文代码演示用的socket）；（2）Flink CEP SQL规则引擎中定义好风控识别规则，接入kafka数据源，比如一个账号在5分钟内，在多个不同地区有登录行为，那我们认为该账号被盗；（3）Flink CEP将识别到的风险数据可以进行下发，为数据应

flink

flinkcep

flinksql

flinksteaming

流计算

原创精选 2022-08-30 10:14:39 385 阅读 51CTO博主之星评选

（5）Flink CEP SQL四种匹配模式效果演示

Flink CEP SQL中提供了四种匹配策略：

Flink

FlinkCEP

大数据

风控引擎

规则引擎

原创 2022-08-27 00:25:59 641 阅读

（5）Flink CEP SQL四种匹配模式效果演示

Flink CEP SQL中提供了四种匹配策略：（1）skip to next row从匹配成功的事件序列中的第一个事件的下一个事件开始进行下一次匹配（2）skip past last row从匹配成功的事件序列中的最后一个事件的下一个事件开始进行下一次匹配（3）skip to first pattern Item从匹配成功的事件序列中第一个对应于patternItem的事件开始进行下一次匹配（4

flink

flinksql

flinksteaming

flinkcep

规则引擎

原创精选 2022-08-24 15:43:07 483 阅读

（4）Flink CEP SQL贪婪词量演示

Flink

FlinkCEP

大数据

风控系统

流计算

原创 2022-08-20 00:33:16 73 阅读

（3）Flink CEP SQL宽松近邻代码演示

Flink CEP SQL宽松近邻代码演示

Flink

FlinkCEP

FlinkSQL

FlinkStreaming

NBI可视化

原创 2022-08-20 00:33:01 76 阅读

（2）Flink CEP SQL严格近邻代码演示-风控系统构建利器

上一篇我们对Flink CEP做了简单介绍，这一篇我们通过代码来演示一下Flink CEP SQL中的严格近邻效果：

Flink

FlinkCEP

FlinkSQL

FlinkStreaming

大数据

原创 2022-08-20 00:32:54 57 阅读

（3）Flink CEP SQL宽松近邻代码演示

（3）Flink CEP SQL宽松近邻代码演示-大数据风控系统构建引擎

flink

flinksql

flinksteaming

flink cep

风控系统

原创精选 2022-08-15 10:35:50 286 阅读

（2）Flink CEP SQL严格近邻代码演示-风控系统构建利器

上一篇我们对Flink CEP做了简单介绍，这一篇我们通过代码来演示一下Flink CEP SQL中的严格近邻效果：

flink

flinksql

flinksteaming

flinkcep

流计算

原创精选 2022-08-13 12:05:19 459 阅读

（1）Flink CEP复杂事件处理引擎介绍

复杂事件处理(CEP)既是把不同的数据看做不同的事件，并且通过分析事件之间的关系建立起一套事件关系序列库。利用过滤，聚

Flink

FlinkSQL

FlinkStreaming

NBI大数据

NBI可视化

原创 2022-08-13 00:34:03 156 阅读

（4）FlinkSQL将socket数据写入到mysql方式一

本章节主要演示从socket接收数据，通过滚动窗口每30秒运算一次窗口数据，然后将结果写入Mysql数据库（1）

Flink

FlinkSQL

FlinkStreaming

NBI大数据

NBI可视化

原创 2022-08-13 00:34:00 134 阅读

（8）FlinkSQL自定义UDF

Flink提供了自定义函数的基础能力，在需要满足特殊业务场景需求时，根据自身需要按需定制自己的UDF 下面将简单演示一个UDF的定义和

Flink

FlinkSQL

FlinkStreaming

NBI大数据

NBI可视化

原创 2022-08-13 00:33:39 189 阅读

（7）FlinkSQL将kafka数据写入到mysql方式二

public static void main(String[] args) throws Exception { StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); env.s

Flink

FlinkSQL

FlinkStreaming

NBI大数据

NBI可视化

原创 2022-08-13 00:33:32 200 阅读

（6）FlinkSQL将kafka数据写入到mysql方式一

这里不展开zookeeper、kafka安装配置（1）首先需要启动zookeeper和kafka （2）定义一个kafka生产者 package com.producers; import com.alibaba.fastjson.JSONObject; import com.pojo.Event

Flink

FlinkSQL

FlinkStreaming

NBI大数据

NBI可视化

原创 2022-08-13 00:33:28 164 阅读

（5）FlinkSQL将socket数据写入到mysql方式二

public static void main(String[] args) throws Exception { StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); env.s

Flink

FlinkSQL

FlinkStreaming

NBI大数据

NBI可视化

原创 2022-08-13 00:33:20 151 阅读

（2）FlinkSQL滚动窗口demo演示

滚动窗口（Tumbling Windows）滚动窗口有固定的大小，是一种对数据进行均匀切片的划分方式。窗口之间没有重叠，也不会有间隔，

Flink

FlinkSQL

大数据

FlinkStreaming

流失计算

原创 2022-08-13 00:33:12 282 阅读

（1）通过FlinkSQL将数据写入mysql demo

FlinkSQL的出现，极大程度上降低了Flink的编程门槛，更加容易理解和掌握使用。今天将自己的笔记分享出来，希望能帮助在这方面有需要的朋友。（1）首先引入POM依赖： <properties> <flink.version>1.13.1</flink.version> <scala.binar

Flink

大数据

FlinkSQL

流式计算

flink

原创 2022-08-13 00:33:03 412 阅读

（3）FlinkSQL滑动窗口demo演示

滑动窗口（Sliding Windows）与滚动窗口类似，滑动窗口的大小也是固定的。区别在于，窗口之间并不是首尾相接的，而是可

Flink

FlinkSQL

FlinkStreaming

大数据

流式计算

原创 2022-08-13 00:32:56 299 阅读

（1）Flink CEP复杂事件处理引擎介绍

复杂事件处理(CEP)既是把不同的数据看做不同的事件，并且通过分析事件之间的关系建立起一套事件关系序列库。利用过滤，聚合，关联性，依赖，层次等技术，最终实现由简单关系产生高级事件关系。复杂事件主要应用场景：主要用于信用卡欺诈检测、用户风险检测、设备故障检测、车辆套牌行为分析等领域。

flink

flinksql

flinksteaming

flink cep

大数据

原创精选 2022-08-12 11:26:22 380 阅读

官方博客	全部文章	热门标签	班级博客
了解我们	网站地图	意见反馈

鸿蒙开发者社区	51CTO学堂
51CTO	软考资讯

51CTO博客

NBI大数据