ddmitry/de-roadmap
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

docs: выровнены введения секций ClickHouse и Lakehouse

Browse Source 
- Зачем:
  - введение Lakehouse было одним громоздким абзацем, тяжело читалось;
  - секция ClickHouse, наоборот, начиналась сразу со списка ссылок
- Что:
  - введение Lakehouse разбито на три коротких абзаца с простыми фразами,
    смысл сохранён (разделение хранения и вычислений, роль табличного
    формата, вариативность технологий);
  - в ClickHouse добавлены два вводных предложения: что это и почему
    тема важна для собеседований
- Проверка:
  - mkdocs build --strict (без ошибок)

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
This commit is contained in:
ddadmin
2026-07-12 19:44:13 +03:00
co-authored by Claude Fable 5
parent efa4dd9a3e
commit afcce5dc4a
1 changed files with 6 additions and 1 deletions
Download Patch File Download Diff File Expand all files Collapse all files
README.md
+6 -1
View File
@@ -413,6 +413,7 @@ NiFi — визуальный конструктор потоков данных
Знакомство с Kafka здесь пригодится и дальше: стенд по ClickHouse в следующей секции принимает данные именно через Kafka. Знакомство с Kafka здесь пригодится и дальше: стенд по ClickHouse в следующей секции принимает данные именно через Kafka.
### ClickHouse ### ClickHouse
ClickHouse — колоночная СУБД для аналитики на больших объёмах: миллиарды строк, агрегации за секунды. В российских компаниях это фактический стандарт для витрин, отчётности и продуктовой аналитики, поэтому на собеседованиях тема всплывает часто.
Материалы: Материалы:
@@ -426,7 +427,11 @@ NiFi — визуальный конструктор потоков данных
### Lakehouse (Spark, Iceberg, Trino) ### Lakehouse (Spark, Iceberg, Trino)
Lakehouse — архитектурный подход, который объединяет дешевизну и гибкость Data Lake с «взрослыми» возможностями классического DWH. В классическом DWH данные и вычисления живут внутри одной СУБД, в её собственном закрытом формате. В Lakehouse хранение и вычисления разделены: данные лежат в дешёвом хранилище (обычно объектном, вроде S3) в открытых форматах, слой табличных метаданных добавляет поверх файлов привычные по СУБД гарантии — схемы, транзакции, историю изменений, — а вычислительные движки подключаются к одним и тем же данным снаружи и масштабируются независимо; их может быть несколько разных одновременно. Конкретные технологии на каждом уровне варьируются: табличные форматы — Iceberg, Delta Lake, Hudi; движки — Spark, Trino, Flink и другие. Роадмап фокусируется на классическом DWH-стеке, поэтому здесь цель — знакомство, но с настоящей практикой, а не только теорией: стенд ниже собирает один из типовых наборов этого конструктора. Lakehouse — архитектурный подход, который соединяет гибкость Data Lake с гарантиями классического DWH.
В классическом DWH данные и вычисления живут внутри одной СУБД, в её закрытом формате. В Lakehouse они разделены. Данные лежат файлами в дешёвом хранилище (обычно объектном, вроде S3). Открытый табличный формат (Iceberg, Delta, Hudi) добавляет поверх файлов привычные по СУБД вещи: схемы, транзакции, историю изменений. А вычислительные движки (Spark, Trino, Flink и другие) подключаются к данным снаружи — хоть несколько разных к одним и тем же таблицам.
Роадмап фокусируется на классическом DWH-стеке, поэтому цель здесь — знакомство, но с настоящей практикой: стенд ниже собирает один из типовых наборов этого конструктора.
Материалы: Материалы: