Data Engineering на практике: Clickhouse vs Greenplum и архитектура быстрых витрин

Разбираем на кейсах, как выбрать СУБД и спроектировать эффективное хранилище для аналитики. Что рассмотрим: - Введение в проблему выбора: Почему не существует "универсальной" базы данных? Критерии выбора: скорость запросов, объем данных, структура, частота обновления. - Greenplum под капотом: Архитектура MPP (Massively Parallel Processing). Для каких задач он идеален? (Сложные джоины, ETL-процессы). Покажем пример сложного расчета. - Clickhouse и его суперсила: Column-oriented storage и сжатие данных. Идеальные сценарии использования: аналитика в реальном времени, высокоскоростные агрегации по миллиардам строк. - Паттерны использования Greenplum как ODS (Operational Data Store) и Clickhouse как слоя быстрых витрин. Роль Spark в подготовке данных. После урока вы будете знать: - Как выбирать СУБД под аналитические задачи - Внутреннее устройство и сильные стороны Greenplum - Специфику ClickHouse и его преимущества - Архитектуру сочетания Greenplum + ClickHouse в современном DWH «Data Warehouse Analyst. Advanced» - https://otus.pw/BlzD/ Преподаватель: Сергей Земсков - специалист по BI, DA, тимлид, ментор и автор нескольких патентов в сфере BI Пройдите опрос по итогам мероприятия - https://otus.pw/nzT8/ Следите за новостями проекта: → VK: https://vk.com/otusru → Telegram: https://t.me/Otusjava → Хабр: https://otus.pw/S0nM/