- 博客(0)
- 资源 (79)
- 收藏
- 关注
RSS订阅中奖不易，抽奖活动设计更不易
编辑导读：人为什么喜欢盲盒？因为喜欢追求刺激，尤其是充满未知。抽奖就是这样的充满变数的活动，想要中奖不容易，想要做好一个抽奖设计也不容易。本文作者将从五个方面进行分析，与你分享。
2022-06-08
小红书运营问题：爆文难产、抽奖无效、引流微信封死？
编辑导语：小红书凭借其种草属性出圈，在吸纳了大量用户的同时，不少品牌也开始注重在小红书上的运营和推广。而在运营过程中，品牌们可能会遇到难出爆文、引流管制等问题。造成这些问题的原因是什么？本篇文章里，作者针对小红书运营过程中可能出现的问题进行了解答，一起来看一下。
2022-06-08
私域营销：如何玩转直播互动抽奖，实现老带新爆破式增长？
编辑导读：因为公域流量越来越难以获取，不少企业都把重心从流量转向了存量，经营好自己的存量客户，能实现老带新爆破式增长。例如，直播间抽奖就是能够激活直播间的存量用户，盘活直播间的一个很好的运营方法。本文作者对此进行了分析，与你分享。
2022-06-08
活动抽奖小程序之产品分析报告
编辑导读：微信小程序自推出以来，一直处于蓬勃发展的状态。如今，人们最常用的就是活动抽奖小程序。本文作者对此进行了五个维度的深入分析，希望对你有帮助。
2022-06-08
Axure教程：随机抽奖
前段时间在线下看到一个抽奖的转盘，发现很有意思，不过这个转盘是需要手动操作，突然我就联想到若是这种抽奖转盘若放在我们APP中如何实现；然而作为一名初级产品经理，在设计仿真原型图又需要怎么去做呢？
2022-06-08
【Axure教程】随机抽奖原型
编辑导语：随着商业的发展，在ToC系统中，抽奖是必备的一项功能。那么，对于这么高频使用的功能，如何用Axure做一个既美观且复用性又强的抽奖原型？作者分享了相关步骤，希望对你有所帮助。
2022-06-08
Spagobi.zip
SpagoBI是一个商业智能平台，为商业智能项目提供了一个完整开源的解决方案。它涵盖了一个BI系统所有方面的功能包括：数据挖掘、查询、分析、报告、Dashboard仪表板。
2019-08-26
schema-workbench.zip
Mondrian是一个用Java写成的ROLAP引擎，是开源项目Pentaho的一部分。它实现了 MDX语言、XML解析、JOLAP规范。它从SQL 和其它数据源读取数据并把数据聚集在内存缓存中，然后经过Java API用多维的方式对结果进行展示，同时可以不写 SQL就能分析存储于 SQL 数据库的庞大数据集，可以封装JDBC数据源并把数据以多维的方式展现出来。
2019-08-26
mondrian-data-foodmart-hsql.rar
Mondrian是一个用Java写成的ROLAP引擎，是开源项目Pentaho的一部分。它实现了 MDX语言、XML解析、JOLAP规范。它从SQL 和其它数据源读取数据并把数据聚集在内存缓存中，然后经过Java API用多维的方式对结果进行展示，同时可以不写 SQL就能分析存储于 SQL 数据库的庞大数据集，可以封装JDBC数据源并把数据以多维的方式展现出来。
2019-08-26
mondrian-3.1.5-master.zip
Mondrian是一个用Java写成的ROLAP引擎，是开源项目Pentaho的一部分。它实现了 MDX语言、XML解析、JOLAP规范。它从SQL 和其它数据源读取数据并把数据聚集在内存缓存中，然后经过Java API用多维的方式对结果进行展示，同时可以不写 SQL就能分析存储于 SQL 数据库的庞大数据集，可以封装JDBC数据源并把数据以多维的方式展现出来。
2019-08-26
mondrian-master.zip
Mondrian是一个用Java写成的ROLAP引擎，是开源项目Pentaho的一部分。它实现了 MDX语言、XML解析、JOLAP规范。它从SQL 和其它数据源读取数据并把数据聚集在内存缓存中，然后经过Java API用多维的方式对结果进行展示，同时可以不写 SQL就能分析存储于 SQL 数据库的庞大数据集，可以封装JDBC数据源并把数据以多维的方式展现出来。
2019-08-26
saiku-server-foodmart-3.14-build-by-liuyg.zip
saiku是一个轻量级的OLAP分析引擎,可以方便扩展、嵌入和配置。Saiku通过restful连接OLAP系统,利用其友好的界面为用户提供直观的分析数据的方式。
2019-08-26
saiku-server-foodmart-3.9-RC2.zip
saiku是一个轻量级的OLAP分析引擎,可以方便扩展、嵌入和配置。Saiku通过restful连接OLAP系统,利用其友好的界面为用户提供直观的分析数据的方式。
2019-08-26
saiku-server-foodmart-3.8-RC5-build-by-liuyg-20160531.zip
saiku是一个轻量级的OLAP分析引擎,可以方便扩展、嵌入和配置。Saiku通过restful连接OLAP系统,利用其友好的界面为用户提供直观的分析数据的方式。
2019-08-26
saiku-server-foodmart-3.7.4.zip
saiku是一个轻量级的OLAP分析引擎,可以方便扩展、嵌入和配置。Saiku通过restful连接OLAP系统,利用其友好的界面为用户提供直观的分析数据的方式。
2019-08-26
saiku-server-foodmart-2.6.zip
saiku是一个轻量级的OLAP分析引擎,可以方便扩展、嵌入和配置。Saiku通过restful连接OLAP系统,利用其友好的界面为用户提供直观的分析数据的方式。
2019-08-26
saiku-server-foodmart-2.5.zip
saiku是一个轻量级的OLAP分析引擎,可以方便扩展、嵌入和配置。Saiku通过restful连接OLAP系统,利用其友好的界面为用户提供直观的分析数据的方式。
2019-08-26
saiku-query-0.2-SNAPSHOT.jar
SNAPSHOT是快照的意思，项目到一个阶段后，就需要发布一个正式的版本（release版本）。一次正式的发布需要这样一些工作：
在trunk中，更新pom版本从1.0-SNAPSHOT到1.0
对1.0打一个svn tag
针对tag进行mvn deploy，发布正式版本
更新trunk从1.0到1.1-SNAPSHOT
你可以手工一步步的做这些事情，无非就是一些svn操作，一些pom编辑，还有一些mvn操作。但是你应该明白，手工做这些事情，一来繁琐，而来容易出错。因此这里我介绍使用maven插件来自动化这一系列动作。
2019-08-26
saiku-query-0.1-SNAPSHOT.jar
SNAPSHOT是快照的意思，项目到一个阶段后，就需要发布一个正式的版本（release版本）。一次正式的发布需要这样一些工作：
在trunk中，更新pom版本从1.0-SNAPSHOT到1.0
对1.0打一个svn tag
针对tag进行mvn deploy，发布正式版本
更新trunk从1.0到1.1-SNAPSHOT
你可以手工一步步的做这些事情，无非就是一些svn操作，一些pom编辑，还有一些mvn操作。但是你应该明白，手工做这些事情，一来繁琐，而来容易出错。因此这里我介绍使用maven插件来自动化这一系列动作。
2019-08-26
cda-TRUNK-SNAPSHOT.jar
SNAPSHOT是快照的意思，项目到一个阶段后，就需要发布一个正式的版本（release版本）。一次正式的发布需要这样一些工作：
在trunk中，更新pom版本从1.0-SNAPSHOT到1.0
对1.0打一个svn tag
针对tag进行mvn deploy，发布正式版本
更新trunk从1.0到1.1-SNAPSHOT
你可以手工一步步的做这些事情，无非就是一些svn操作，一些pom编辑，还有一些mvn操作。但是你应该明白，手工做这些事情，一来繁琐，而来容易出错。因此这里我介绍使用maven插件来自动化这一系列动作。
2019-08-26
a Pentaho Saiku二次开发效果和说明文档（2017年）.pdf
本次开发是在最新的最新的Pentaho版本之上，比照了IBMCognos的报表样式设计完成的。二次开发的最终目是使我们的客户能收获更精确、高效便捷的报表阅读体验。在开发Saiku的同时，我们也修正了程序中自带的自带的BUG。使PentahoSaiku能真正成为企业级的OLAP大数据分析工具。
2019-08-26
01 Pentaho二次开发DEMO详解（2017年）.pdf
本次开发是在 Pentaho entahoentaho 最新版本的基础上进行。 DEMO 中涵盖了金融，多媒体销售物流环保教育等 行业 的实施案例 。为您的 数据整合及商务决策分析，提供真实、有效互动式为您的 数据整合及商务决策分析，提供真实、有效互动式BI 技术支持。
2019-08-26
蟑螂数据库.pdf
CockroachDB 并没有尝试复制 Spanner 最不寻常的理念——用原子钟来让全球各地的数据中心时间同步。考虑到大多数线上应用都没有达到 Google 的规模，他们或许不需要这样的功能。真正需要的是是有一种稳定可靠的方式来让数据自动复制和同步到各个数据中心的服务器里，这样就算一个数据中心倒下了，应用还能正常运行，这也是 CockroachDB 的目标。
2019-08-26
infiniDB与clickhouse对比.pdf
结果：
1、infiniDB会使用所有CPU，而clickhouse最多使用10个。
2、clickhouse在大数据量的时候，处理速度还是比较令人满意的。
3、clickhouse在导入数据的时候，查询会被卡住，而infiniDB不会。
4、infiniDB性能更好。
2019-08-26
druid和clickhouse调研.docx
Clickhouse是一个用于联机分析处理（OLAP）的列式数据库管理系统（columnar DBMS）。
传统数据库在数据大小比较小，索引大小适合内存，数据缓存命中率足够高的情形下能正常提供服务。但残酷的是，这种理想情形最终会随着业务的增长走到尽头，查询会变得越来越慢。你可能通过增加更多的内存，订购更快的磁盘等等来解决问题（纵向扩展），但这只是拖延解决本质问题。如果你的需求是解决怎样快速查询出结果，那么ClickHouse也许可以解决你的问题。
2019-08-26
ClickHouse数据库使用指南.docx
Clickhouse是一个用于联机分析处理（OLAP）的列式数据库管理系统（columnar DBMS）。
传统数据库在数据大小比较小，索引大小适合内存，数据缓存命中率足够高的情形下能正常提供服务。但残酷的是，这种理想情形最终会随着业务的增长走到尽头，查询会变得越来越慢。你可能通过增加更多的内存，订购更快的磁盘等等来解决问题（纵向扩展），但这只是拖延解决本质问题。如果你的需求是解决怎样快速查询出结果，那么ClickHouse也许可以解决你的问题。
2019-08-26
ClickHouse集群搭建从0到1.pdf
Clickhouse是一个用于联机分析处理（OLAP）的列式数据库管理系统（columnar DBMS）。
传统数据库在数据大小比较小，索引大小适合内存，数据缓存命中率足够高的情形下能正常提供服务。但残酷的是，这种理想情形最终会随着业务的增长走到尽头，查询会变得越来越慢。你可能通过增加更多的内存，订购更快的磁盘等等来解决问题（纵向扩展），但这只是拖延解决本质问题。如果你的需求是解决怎样快速查询出结果，那么ClickHouse也许可以解决你的问题。
2019-08-26
ClickHouse 在海量数据下的应用实践.pdf
Clickhouse是一个用于联机分析处理（OLAP）的列式数据库管理系统（columnar DBMS）。
传统数据库在数据大小比较小，索引大小适合内存，数据缓存命中率足够高的情形下能正常提供服务。但残酷的是，这种理想情形最终会随着业务的增长走到尽头，查询会变得越来越慢。你可能通过增加更多的内存，订购更快的磁盘等等来解决问题（纵向扩展），但这只是拖延解决本质问题。如果你的需求是解决怎样快速查询出结果，那么ClickHouse也许可以解决你的问题。
2019-08-26
ClickHouse 内部架构介绍.pdf
Clickhouse是一个用于联机分析处理（OLAP）的列式数据库管理系统（columnar DBMS）。
传统数据库在数据大小比较小，索引大小适合内存，数据缓存命中率足够高的情形下能正常提供服务。但残酷的是，这种理想情形最终会随着业务的增长走到尽头，查询会变得越来越慢。你可能通过增加更多的内存，订购更快的磁盘等等来解决问题（纵向扩展），但这只是拖延解决本质问题。如果你的需求是解决怎样快速查询出结果，那么ClickHouse也许可以解决你的问题。
2019-08-26
clickhouse rpm安装文档.pdf
Clickhouse是一个用于联机分析处理（OLAP）的列式数据库管理系统（columnar DBMS）。
传统数据库在数据大小比较小，索引大小适合内存，数据缓存命中率足够高的情形下能正常提供服务。但残酷的是，这种理想情形最终会随着业务的增长走到尽头，查询会变得越来越慢。你可能通过增加更多的内存，订购更快的磁盘等等来解决问题（纵向扩展），但这只是拖延解决本质问题。如果你的需求是解决怎样快速查询出结果，那么ClickHouse也许可以解决你的问题。
2019-08-26
ClickHouse as Time-Series Database for Graphite.pdf
Clickhouse是一个用于联机分析处理（OLAP）的列式数据库管理系统（columnar DBMS）。
传统数据库在数据大小比较小，索引大小适合内存，数据缓存命中率足够高的情形下能正常提供服务。但残酷的是，这种理想情形最终会随着业务的增长走到尽头，查询会变得越来越慢。你可能通过增加更多的内存，订购更快的磁盘等等来解决问题（纵向扩展），但这只是拖延解决本质问题。如果你的需求是解决怎样快速查询出结果，那么ClickHouse也许可以解决你的问题。
2019-08-26
BeeGFS作为Hadoop文件系统.pdf
Hadoop可以配置为使用BeeGFS作为其分布式文件系统，作为比使用HDFS更方便，更快捷的替
代方案。本页介绍了如何实现和测试此类配置。
2019-08-26
2017易观OLAP大赛-如何实现秒级有序漏斗.pdf
选择一个合适的计算引擎
不同的计算引擎适合的业务场景可能是不一样的，我们这里选择的是 ClickHouse 。 它是由俄罗斯的Yandex公司开源的一款性能非常
强劲的列式数据库，并且已经在非常庞大的集群以及超海量数据集上验证过，可以做到真正的实时在线分析。
以下是它的一些简介和性能对比：
2019-08-26
34页PPT掌握ClickHouse的数据复制.pdf
Clickhouse是一个用于联机分析处理（OLAP）的列式数据库管理系统（columnar DBMS）。
传统数据库在数据大小比较小，索引大小适合内存，数据缓存命中率足够高的情形下能正常提供服务。但残酷的是，这种理想情形最终会随着业务的增长走到尽头，查询会变得越来越慢。你可能通过增加更多的内存，订购更快的磁盘等等来解决问题（纵向扩展），但这只是拖延解决本质问题。如果你的需求是解决怎样快速查询出结果，那么ClickHouse也许可以解决你的问题。
2019-08-26
8. clickhouse在OneAPM的应用.pdf
Clickhouse是一个用于联机分析处理（OLAP）的列式数据库管理系统（columnar DBMS）。
传统数据库在数据大小比较小，索引大小适合内存，数据缓存命中率足够高的情形下能正常提供服务。但残酷的是，这种理想情形最终会随着业务的增长走到尽头，查询会变得越来越慢。你可能通过增加更多的内存，订购更快的磁盘等等来解决问题（纵向扩展），但这只是拖延解决本质问题。如果你的需求是解决怎样快速查询出结果，那么ClickHouse也许可以解决你的问题。
2019-08-26
6. ClickHouse最佳实践新浪.pdf
Clickhouse是一个用于联机分析处理（OLAP）的列式数据库管理系统（columnar DBMS）。
传统数据库在数据大小比较小，索引大小适合内存，数据缓存命中率足够高的情形下能正常提供服务。但残酷的是，这种理想情形最终会随着业务的增长走到尽头，查询会变得越来越慢。你可能通过增加更多的内存，订购更快的磁盘等等来解决问题（纵向扩展），但这只是拖延解决本质问题。如果你的需求是解决怎样快速查询出结果，那么ClickHouse也许可以解决你的问题。
2019-08-26
5. ClickHouse大数据集群应用_腾讯网媒事业部.pdf
Clickhouse是一个用于联机分析处理（OLAP）的列式数据库管理系统（columnar DBMS）。
传统数据库在数据大小比较小，索引大小适合内存，数据缓存命中率足够高的情形下能正常提供服务。但残酷的是，这种理想情形最终会随着业务的增长走到尽头，查询会变得越来越慢。你可能通过增加更多的内存，订购更快的磁盘等等来解决问题（纵向扩展），但这只是拖延解决本质问题。如果你的需求是解决怎样快速查询出结果，那么ClickHouse也许可以解决你的问题。
2019-08-26
4. Cloud + TSDB for ClickHouse QingCloud.pdf
Clickhouse是一个用于联机分析处理（OLAP）的列式数据库管理系统（columnar DBMS）。
传统数据库在数据大小比较小，索引大小适合内存，数据缓存命中率足够高的情形下能正常提供服务。但残酷的是，这种理想情形最终会随着业务的增长走到尽头，查询会变得越来越慢。你可能通过增加更多的内存，订购更快的磁盘等等来解决问题（纵向扩展），但这只是拖延解决本质问题。如果你的需求是解决怎样快速查询出结果，那么ClickHouse也许可以解决你的问题。
2019-08-26
创建营销漏斗或如何在ClickHouse中计算复杂度量.pdf
Clickhouse是一个用于联机分析处理（OLAP）的列式数据库管理系统（columnar DBMS）。
传统数据库在数据大小比较小，索引大小适合内存，数据缓存命中率足够高的情形下能正常提供服务。但残酷的是，这种理想情形最终会随着业务的增长走到尽头，查询会变得越来越慢。你可能通过增加更多的内存，订购更快的磁盘等等来解决问题（纵向扩展），但这只是拖延解决本质问题。如果你的需求是解决怎样快速查询出结果，那么ClickHouse也许可以解决你的问题。
2019-08-26
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人