1. Mở đầu Đây là bài thứ 2 trong chuỗi bài viết về SQL Optimization. Trong bài này sẽ nói về kỹ thuật để tối ưu truy vấn ngắn Nhắc lại, truy vấn ngắn là các truy vấn chỉ sử dụng một lượng nhỏ dữ ...
I. Mở đầu Mình xin mở bài ngắn gọn thôi, để viết SQL lấy được đúng data cần thiết là một việc, nhưng biết cách viết để câu SQL có thể chạy nhanh nhất lại là một vấn đề khác, cần bỏ nhiều công sức ...
I. DuckLake và DuckDB Tính đến thời điểm này DuckDB đang ở phiên bản 1.3 và DuckLake đang ở phiên bản 0.2. Ngay khi mình lướt trúng bài viết trên LinkedIn về sự xuất hiện của DuckLake, mình đã rất...
Lean Data Lakehouse - Bài 1: Giới thiệu project Chuỗi bài viết này được lấy cảm hứng từ kinh nghiệm cá nhân mình, và bài viết của Dagster I. Dẫn nhập Sự phát triển của công nghệ đã dẫn đến sự tiế...
Các bài viết cùng chủ đề: Bài 1: Giới thiệu về series: https://vinhtran1.github.io/posts/Vie-End-To-End-Data-Lakehouse-AWS-P1/ Bài 2: Extract dữ liệu thô vào S3: Bài hiện tại Bài 3: Normali...
Mở đầu Đây là một series bài viết mô tả về cách triển khai một hệ thống Data Lakehouse đơn giản. Với việc học bằng cách thực hiện dự án (Project-based learning) sẽ giúp chúng ta hiểu được cách mà ...
1. Dẫn nhập Trong quá trình tham gia dự án, có trường hợp phải sử dụng code Python để thực hiện query được viết bằng SQL. Ví dụ chọn ra các dòng dữ liệu của bảng hóa đơn mua hàng (order_table) dựa...
Giới thiệu Trong bài trước (Cài đặt Kafka Cluster trên hệ điều hành Ubuntu - Phần 1/2) đã dừng lại ở việc setup Zookeeper. Trong bài này chúng ta sẽ tiếp tục setup Kafka và tiến hành chạy thử nhé ...
Giới thiệu Trong bài viết này mình sẽ không nói về lý thuyết của Apache Kafka mà chỉ tập trung vào từng bước cài đặt một Kafka Cluster với 3 brokers. Phần lý thuyết mình sẽ nói ở một bài viết khác...
Giới thiệu Airflow là một công cụ lập lịch và quản lý các Job hỗ trợ ngôn ngữ lập trình Python rất phổ biến. Nhưng ngoài ra, Airflow cũng có thể xử lý được một số tác vụ cần xử lý nhanh chóng với ...