大规模游戏社交网络节点相似性算法及应用- KYUUBI在小米大数据平台的实践

版权申诉
0 下载量 47 浏览量 更新于2024-02-27 收藏 5.31MB PDF 举报
本文主要介绍了大规模游戏社交网络节点相似性算法及其在小米大数据平台上的应用实践。文章首先介绍了Kyuubi在小米的落地过程,包括背景介绍和历史遗留问题。在历史遗留问题部分,指出了存在多个数据平台,没有统一入口和互通的数据孤岛现象,以及多种账号和权限体系的问题,导致用户体验较差和开发管理效率成本高。接着文章介绍了Kyuubi服务的易用性和高可用性,并描述了基于Kyuubi的改进和新特性的应用。文章最后总结了Kyuubi在小米大数据平台的应用所解决的问题,包括用户的易用性、SQL流量治理和数据访问的安全性管控。 具体来看,本文主要分为以下几个部分: 1. 背景介绍和历史遗留问题: 文章指出了存在多个数据平台,没有统一入口和互通的数据孤岛现象,以及多种账号和权限体系的问题,导致用户体验较差和开发管理效率成本高。为了解决这些问题,小米需要构建一站式的大数据开发平台,实现统一资源管理的系统视角。 2. Kyuubi在小米的落地过程: 文章介绍了Kyuubi服务的易用性和高可用性,并描述了基于Kyuubi的改进和新特性的应用。通过统一元数据、统一权限管理和统一易用原则,Kyuubi服务主要解决了用户的易用性、SQL流量治理和数据访问的安全性管控等问题。 3. KYUUBI 在小米大数据平台的具体应用: 文章详细介绍了KYUUBI在小米大数据平台上的具体应用情况,包括在解决多个数据平台、多体系给用户体验较差的问题方面所取得的效果,以及在整体架构与能力上的提升。 总的来说,本文通过介绍KYUUBI 在小米大数据平台的应用实践,展现了如何通过统一数据服务入口,解决多个平台和多体系给用户体验较差的问题,提高开发管理效率,以及统一数据服务入口的易用性,SQL流量治理和数据访问的安全性管控,从而实现小米大数据平台的统一资源管理的系统视角,为读者提供了一种在实践中解决类似问题的思路和方法。