如何使用Notebook开发Spark作业
Notebook AnalyticDB for MySQL 开发是一个 交互式数据分析开发平台，提供了作业编辑、数据分析、数据可视化等功能。 如果您需要使用Notebook开发Spark SQL作业，可以参考本文档，使用DMS的Notebook功能完成作业开发。
通过DSW提交Spark应用
交互式建模（DSW）是PAI产品的云端机器学习开发IDE，支持多种语言及开发环境。您可以在DSW实例中连接云原生数据仓库 AnalyticDB MySQL 版集群，并通过其集成的Notebook、Terminal等开发环境编写PySpark脚本，提交Spark作业。本文为您介绍通过DSW实例提交Spark作业的具体操作步骤。
通过Java SDK开发Spark应用
云原生数据仓库 AnalyticDB MySQL 版集群支持通过Java SDK开发Spark应用和Spark SQL作业。本文介绍通过Java SDK提交Spark作业、查询Spark作业的状态和日志信息、结束Spark作业以及查询Spark历史作业的操作步骤。
云数据仓库ADB中dms任务编排中spark开发，spark能不能集成adb直接读里面的表？
云数据仓库ADB中dms任务编排中spark开发，spark能不能集成adb直接读里面的表，类似spark on hive？
数据仓库的设计开发应用（三）
五、数据仓库的实施 数据仓库实施时期的任务包括DW创建、数据抽取、数据转换和数据装载等四个阶段。 （一）数据仓库的创建 根据逻辑设计阶段的结果，创建一个数据库文件，并在其中创建事实表、维度表以及详细类别表结构（没有任何数据记录），同时根据物理结构设计结果完成存储位置、存储分配等物理参数设置，等待数据抽取、数据转换直到完成数据的装载。 例 3-5 ...
数据仓库的设计开发应用（二）
四、数据仓库的设计 数据仓库的设计包括需求分析、概念设计、逻辑设计和物理设计四个阶段，其设计工作一般由项目中标的软件企业负责完成。项目的投资方和用户通常需要密切配合软件企业的需求调查和设计工作，以确保设计结果符合投资方和用户的决策分析需求。 （一）需求分析 1、需求调查 需求调查目的：了解企业决策的主题需求以及支持这些主题的数据来 需求调...
数据仓库的设计开发应用（一）
一、数据仓库设计的特点 1、“数据驱动” 的设计 数据仓库是从已有数据出发的设计方法，即从数据源抽取数据，经转换形成面向主题，支持决策的数据集合。 以全面了解并利用现有数据为出发点。在进行设计之前就要清楚地知道数据源系统中已经有什么数据，它们与数据仓库设计的对应关系等。尽可能地利用已有的数据和编码等，而不可能 “无中生有”地产生数据和编码。 ...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
实时数仓Hologres
Hologres是一站式实时数据仓库引擎，支持海量数据实时写入、实时更新、实时分析，支持标准SQL（兼容PostgreSQL协议），支持PB级数据多维分析（OLAP）与即席分析（Ad Hoc），支持高并发低延迟的在线数据服务（Serving），与MaxCompute、Flink、DataWorks深度融合，提供离在线一体化全栈数仓解决方案。欢迎加入钉群：实时数仓Hologres交流群32314975
+关注