谈到数据仓库， 一定离不开使用Extract-Transform-Load (ETL)或 Extract-Load-Transform (ELT)。将来源不同、格式各异的数据提取到数据仓库中，并进行处理加工。传统的数据转换过程一般采用Extract-Transform-Load (ETL)来将业务数据转换为适合数仓的数据模型，然而，这依赖于独立于数仓外的ETL系统，因而维护成本较高。 ByConity 作为云原生数据仓库，从0.2.0版本开始逐步支持 Extract-Load-Transform (ELT)，使用户免于维护多套异构数据系统。本文将介绍 ByConity 在ELT方面的能力规划，实现原理和使用方式等。
标签作为企业数字化营销的基石，在企业运营与营销场景下发挥着重要的作用，通过标签体系，企业可以更好地了解消费者的需求和行为，丰富用户画像特征，帮助企业优化产品设计和营销策略，提高产品的市场竞争力。 因此，企业需要从业务场景出发，构建适用于自身业务模式和逻辑的标签体系，为企业的精细化运营及精准营销服务，进而深入挖掘潜在的商业价值。 本次分享来源于火山引擎客户数据平台VeCDP服务于近百个场景的经验，将汽车、金融、零售、泛互等领域交付、落地经验抽象成5000字干货，从方法论到案例，帮你建设一套“好的”标签体系。
随着抖音内容生态的不断丰富，越来越多的大型赛事在抖音平台进行直播，世界杯/春晚/亚运会等各项赛事节目引来大量用户观看。卡塔尔世界杯期间，抖音提供的稳定高质直播画面为观众带来了完美的观赛体验，决赛的 PCU 高达 3700W+。不同赛事节目涉及链路众多，且不同赛事之间存在差异，如何保障各链路的画质稳定并进一步提升画质，是一个巨大的挑战。
在直播行业发展如火如荼的今天，用户对视频体验的要求也水涨船高。视频基础体验的关键要素包括清晰度、流畅度、低延迟等，而这些要素的“第一性原理”，就是视频本身的编码效率，也就是压缩率。视频编码是整个技术体系的基座，编码效率的显著提升，能够在同等码率下极大提高画质，从而改善用户体验。 视频编码效率的重要性不言而喻，但进一步地提升也并非易事，尤其在直播场景中，对编码速度、延迟、码率控制等方面都有很高的要求。如何在保证画质不变的情况下，显著提高压缩率，同时满足实时性、低延迟的要求，是一个持续的技术挑战。
“双十一”电商大促脚步渐近，各大平台的战火又将燃起。随着数据量增大， 数仓规模可到EB级别，任务数达数万，面对大规模的数据处理任务，复杂的处理链路与层次结构，数据团队在数据SLA、稳定性等层面面临较大的压力。一套有效、可靠的数据治理体系，是“双11”等业务关键场景中数据保障的基石。 本文来源于火山引擎DataLeap数据治理实践，将从电商数据业务面临的挑战、稳定性体系化、成本治理体系化、工具效率体系化、总结与展望几个方面，介绍一站式数据治理思路以及在电商平台中的应用实践。
当涉及到企业分析场景时，所使用的数据通常源自多样的业务数据，这些数据系统大多采用以行为主的存储结构，比如支付交易记录、用户购买行为、传感器报警等。在数仓及分析领域，海量数据则主要采按列的方式储存。因此，将数据从行级转换成列级存储是建立企业数仓的基础能力。 传统方式是采用Extract-Transform-Load (ETL)来将业务数据转换为适合数仓的数据模型，然而，这依赖于独立于数仓外的ETL系统，因而维护成本较高。但随着云计算时代的到来，云数据仓库具备更强扩展性和计算能力，也要求改变传统的ELT流程。 火山引擎ByteHouse是一款基于开源ClickHouse推出的云原生数据仓库，为用户提供极速分析体验，能够支撑实时数据分析和海量数据离线分析，同时还具备便捷的弹性扩缩容能力，极致分析性能和丰富的企业级特性。凭借其强大的计算能力，可以全面支持Extract-Load-Transform (ELT)的能力，从而使用户免于维护多套异构系统。
火山引擎ByteHouse 是一款基于开源 ClickHouse 推出的云原生数据仓库，本篇文章将介绍 ByteHouse 团队如何在 ClickHouse 的基础上，构建并优化 ELT 能力，具体包括四部分： ByteHouse 在字节的应用 ByteHouse 团队做 ELT 的初衷 ELT in ByteHouse 实现方案及未来规划。
