文章目录

1. MaxCompute 的特点、优势和使用场景

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

2. MaxCompute 的几个重要概念

2.1 项目空间

在这里插入图片描述

2.2 表

在这里插入图片描述

2.3 分区

在这里插入图片描述

2.4.生命周期

在这里插入图片描述

2.5. 资源

在这里插入图片描述

2.6. 任务

在这里插入图片描述

2.7.实例

在这里插入图片描述

2.8.函数

在这里插入图片描述

2.9.ACID 语义描述

在这里插入图片描述
在这里插入图片描述

3. MaxCompute 的层次架构和功能

3.1 架构图

在这里插入图片描述

3.2 客户端

在这里插入图片描述

3.3 接入层

在这里插入图片描述

3.4 逻辑层

在这里插入图片描述
在这里插入图片描述

请求处理器

在这里插入图片描述

调度器

在这里插入图片描述

作业执行器

在这里插入图片描述

逻辑层的处理流程

在这里插入图片描述

3.5 计算层

在这里插入图片描述

底层存储文件 AliORC

在这里插入图片描述

元数据存储

在这里插入图片描述

4. MaxCompute 的开通及使用方式

# 大数据 # odps # 数据仓库 # 阿里云
Logo
天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

graphify 视频音视频转写全流程解析：从 detect 结果到知识图谱文档的 Step 2.5

graphify 的核心能力是把任意语料（代码、文档、PDF、图片）转化为可查询的知识图谱，而视频与音频文件无法被直接阅读，必须先把它们转写成文本。本文围绕 `graphify` 运行手册中的转写参考文档 [transcribe.md](https://link.gitcode.com/i/d3285781588e0f1b84886dfdbc4fe7f6)，完整讲解 "Step 2.5 - Tra

avatar 天工造物局

ML-For-Beginners 终章：经典机器学习在金融、医疗、零售等八大行业中的真实落地场景

本篇技术指南基于开源课程仓库 ML-For-Beginners 的收尾课程《Postscript: Machine learning in the real world》（对应仓库目录 [9-Real-World/1-Applications](https://link.gitcode.com/i/6b23002df80861c20abf34d7db63ef41)）编写。该课此前 11 周的教学带

avatar 天工造物局

graphify 知识图谱查询实战：query / path / explain 与可审计的答案闭环

本指南以 graphify 的 Trae 版查询技能参考（[graphify/skills/trae/references/query.md](https://link.gitcode.com/i/72a7875d46ec6d3706d31791f3cdcbe0)）为主体，系统讲解如何针对**已构建好的知识图谱**执行三类查询：语义相关节点遍历（query）、两概念间最短路径（path）、单节点关

avatar 天工造物局