Meetup społeczności Apache Iceberg™ w NYC

Opis

🧊 Apache Iceberg powraca do Wielkiego Jabłka! 🗽 Broughtujemy społeczność Apache Iceberg™ z powrotem do Nowego Jorku na dzień technicznych prezentacji, praktycznych wglądów i rozmów z osobami kształtującymi przyszłość otwartej infrastruktury danych. Niezależnie od tego, czy uruchamiasz Iceberg w produkcji, oceniasz go dla swojego lakehouse, czy eksplorujesz ekosystem, to spotkanie to okazja, aby uczyć się od praktyków, nawiązać kontakt z innymi inżynierami danych i usłyszeć realne lekcje od nowoczesnych zespołów danych. Data: 20 sierpnia Zainteresowany mówieniem? 🎤 Wyślij swoje zgłoszenie CFP tutaj: https://forms.gle/K3SsWXpXJKgkrPc88 Lokalizacja: Amazon JFK27 - Hank ​Agenda• 14:00 – 14:30: Otwarcie drzwi, Przekąski i Networking Opisy prezentacji: Ali Alemi, AWS — Pr. Specjalista Architektura Rozwiązań Wspierająca Wykrywanie oszustw w sub-sekunda spotyka agentyczną AI: Strumieniowe, Iceberg i zautomatyzowane dochodzeniaPłatność jest oznaczana jako oszustwo 800 milisekund po tym, jak trafi na konto, a w ciągu pięciu sekund agent AI cofa ją i autonomicznie bada sześć miesięcy historii, śledząc ślad osoby i dostarczając gotowy do compliance raport kryminalistyczny — bez zaangażowania człowieka. Prezentacja opisuje tę dziesięciosekundową podróż, aby pokazać, jak dane w czasie rzeczywistym i Apache Iceberg dają agentycznej AI prędkość i głębokość, żeby nie tylko wykrywać oszustwa, ale je rozwiązywać — od natychmiastowej naprawy po zautomatyzowane dochodzenie. Kończy się na najtrudniejszym pytaniu projektowym: kiedy agent powinien działać samodzielnie, a kiedy powinien wezwać człowieka. Jayce Slesar, BETA Technologies — Inżynier Infrastruktury DanychIceberg dla masowej telemetrii statków powietrznychPrzegląd tego, jak BETA Technologies wykorzystuje Iceberg i Trino do zapytań o biliony punktów danych w zawrotnych prędkościach, spełniając potrzeby dziesiątek zespołów w organizacji, które analizują dane lotów. Conor McCarter, Prequel — WspółzałożycielZacznijmy fizycznie: Przyspieszenie replikacji tabel IcebergOtwarte formaty tabel, takie jak Iceberg, dają niezależnym silnikom wspólną regułę, co odblokowuje trzecią opcję replikacji poza zastrzeżoną replikacją fizyczną i replikacją logiczną opartą na silniku: replikacja fizyczna bez ograniczeń. Na pierwszy rzut oka wygląda to łatwo — wybierz moment, wyciągnij jego pliki z manifestów, skopiuj je równolegle i opublikuj nową tabelę — ale działanie pod silnikiem zapytań stawia trudne pytania dotyczące autoryzacji w zbiornikach wielo-najemnych i czy naprawdę odtworzyłeś logiczny stan tabeli źródłowej. Prezentacja opisuje wdrożenie cross-cloud/cross-region firmy Prequel oraz cechy Iceberg, które to komplikuje (transformacje partycji i ewolucja, usunięcia pozycyjne vs. równości, ewolucja schematu pozostawiająca usunięte kolumny w Parquet, ekspozycja metadanych historycznych), dzieląc się architekturą, która się pojawiła i zostawiając uczestników z praktyczną listą kontrolną do budowy bezpośrednio przeciwko przechowywaniu Iceberg. O PuppyGraph PuppyGraph to pierwsza i jedyna silnik zapytań grafowych czasu rzeczywistego, zero-ETL na rynku, umożliwiający firmom przekształcenie istniejących relacyjnych magazynów danych w jednolity model graficzny w mniej niż 10 minut, omijając tradycyjne problemy z kosztami, opóźnieniami i utrzymaniem baz danych grafowych. 💬 Dołącz do społeczności PuppyGraph na Slacku 📚 Zobacz blog inżynieryjny PuppyGraph 📲 Śledź PuppyGraph na LinkedIn i Twitterze 🖥️ Subskrybuj PuppyGraph na YouTube 💾 Pobierz PuppyGraph Forever Free Developer Edition (bez formularzy i płatności) ​​O AWS Czy szukasz generative AI, mocy obliczeniowej, przechowywania baz danych, dostarczania treści, czy innych funkcjonalności, AWS ma usługi, które pomogą Ci budować zaawansowane aplikacje z większą elastycznością, skalowalnością i niezawodnością. AWS jest największym dostawcą usług chmurowych na świecie. https://aws.amazon.com/ W AWS, Apache Iceberg jest formatem tabel otwartego źródła, który upraszcza zarządzanie tabelami, jednocześnie poprawiając wydajność. Usługi analityczne AWS, takie jak Amazon SageMaker Lakehouse, Amazon S3Tables, Amazon EMR, Amazon Glue, Amazon Athena i Amazon Redshift, mają natywne wsparcie dla Apache Iceberg, dzięki czemu możesz łatwo budować transakcyjne jeziora danych na bazie Amazon Simple Storage Service (Amazon S3) w AWS. Dodatkowe zasoby i informacje: 📚 Warsztaty: Uruchamianie Apache Iceberg na AWS 📚 Blogi: Apache Iceberg na AWS 📚 Wytyczne AWS: Używanie Apache Iceberg na AWS 🖥️ Subskrybuj Wydarzenia AWS i AWS Developers 💜 Szukamy pracowników, dołącz do naszego zespołu O Microsoft Fabric Ponieważ AI przekształca każdą branżę, jedna prawda pozostaje niezmienna: dane to nie tylko zasób — to Twoja przewaga konkurencyjna. Tempo AI wymaga łatwego dostępu do danych, szybszych wglądów i możliwości iteracji bez tarcia. Jednak wiele organizacji jest hamowanych przez fragmentowane zasoby danych i systemy dziedzictwa. Microsoft Fabric został zaprojektowany, aby sprostać temu momentowi — zjednoczyć Twoje dane, uprościć architekturę i przyspieszyć Twoją drogę do stania się organizacją prowadzoną przez AI. Apache Iceberg to tkanka łączna umożliwiająca natywnym i zewnętrznym podmiotom integrację i współpracę w sposób bezproblemowy, bez zmuszania użytkowników do budowania lub utrzymywania skomplikowanych rozwiązań zarządzania jeziorami. Fabric OneLake to jedno miejsce do przechowywania i dostępu do danych w formatach Iceberg i Delta Lake. Dodatkowo zapewnia zjednoczony katalog zasilany specyfikacją REST Iceberg umożliwiający bezproblemową integrację z ulubionymi narzędziami, takimi jak natywne silniki Fabric, Databricks, Snowflake, ClickHouse i wiele innych. Przedstawiamy Microsoft Fabric Przedstawiamy Microsoft OneLake Dowiedz się więcej o Iceberg w Microsoft Fabric Połącz się z OneLake za pomocą API tabel Iceberg powiązanych z REST O ClickHouse Założony w 2009 roku, ClickHouse przewodzi branży ze swoim systemem baz danych kolumnowych open-source, z wizją stania się najszybszą bazą danych OLAP na świecie. Firma umożliwia użytkownikom generowanie raportów analitycznych w czasie rzeczywistym przez zapytania SQL, kładąc nacisk na prędkość w zarządzaniu rosnącymi wolumenami danych. 📚 Rozpocznij na ClickHouse Github 💬 Dołącz do kanału Slack ClickHouse 💜 Szukamy pracowników, dołącz do naszego zespołu!