在数字化转型的浪潮中，企业对数据处理能力的要求日益提高。
过去，数据湖和数据仓库分别拥有两套独立的管理体系，这导致维护成本高昂，研发周期漫长。为了加强数据端到端的链路整合， 构建一套低成本、高性能的数据湖仓一体分析能力成为越来越多企业的需求。
作为火山引擎推出的一款云原生数据仓库，ByteHouse基于ClickHouse技术路线优化和演进， 已具备实时数据分析、海量数据离线分析能力，便捷的弹性扩缩容、极致分析性能以及丰富的企业级特性，在金融、游戏、泛互等领域加速企业数字化转型。
为了进一步提升使用体验、降低运维成本，ByteHouse构建了高性能、功能全面的湖仓一体能力。
3月27日19:00， 来自火山引擎ByteHouse的技术专家聚焦OLAP的湖仓一体建设展开分享，深入探讨如何通过本地缓存热数据等手段实现性能提升。
/ 演讲介绍
ByteHouse目前深度集成了Hive/Iceberg/Paimon等主流数据湖格式，构建统一元数据访问层和数据读取接口。
为应对湖仓一体场景下远端存储访问的IO高延迟的挑战，通过本地缓存热数据、Parquet Reader改造、查询优化器结合统计信息优化执行计划等手段 查询性能整体提升5倍。
当前正探索基于物化视图实现查询加速和ELT任务， 以及通过联邦查询提供跨数据湖以及数仓的统一查询入口，推动企业数据架构向湖仓一体化演进。
/ 演讲提纲
● ByteHouse湖仓一体整体架构
● 多种数据湖数据源 (Parquet/Paimon/Iceberg)并行读取框架与向量化解码
● 湖仓联邦查询与物化视图演进
/ 听众收益
● 分享ByteHouse针对 数据湖查询场景 的性能优化
● 了解业务在ByteHouse 湖 仓一体架构 的落地情况
/ 落地挑战和方案重点
● 构建统一元数据访问层，及时感知数据湖schema变更
● 针对数据湖存储IO高延迟，提升查询性能至接近ByteHouse内表性能
● 数据湖结合物化视图落地zero-ELT
点击卡片，立即预约直播！⬇️