PPT下载：
StarRocks X Paimon创建 Streaming Lakehouse.pdf (3.1 MB)
基于Paimon+SR构建直播实时湖仓.pdf (12.2 MB)
Paimon和StarRocks在同程的湖仓构建方案.pdf (2.4 MB)
饿了么基于Paimon&starrocks的实时湖仓探索.pdf (4.1 MB)
视频回放：
Apache Paimon V0.9 最新进展
使用 StarRocks x Paimon 创建 Streaming Lakehouse
饿了么基于 Paimon+StarRocks 的实时湖仓探索
喜马拉雅基于 Paimon+StarRocks 构建直播实时湖仓
Paimon+StarRocks 在同程旅行的湖仓构建方案
随着大数据分析技术的发展，越来越多的企业采用了数据湖架构。基于 Lakehouse 的架构优势，结合 Flink 的 Streaming 实时流处理能力，Flink 推出了新一代的“Streaming Lakehouse”技术。这一技术旨在能够让数据在湖上自由流动，为用户提供实时与离线一体化的开发体验，实现高吞吐的数据导入和处理，以及低延迟的实时查询和分析，让用户真正实现鱼和熊掌兼得的效果。在此背景下，Apache Paimon 应运而生。
Apache Paimon 是一种流式数据湖存储技术，可以提供高吞吐、低延迟的数据摄入、流式订阅以及实时查询能力。Paimon 采用开放的数据格式和技术理念，能够与 Apache Flink、Spark、Trino 等诸多业界主流计算引擎对接，共同推动 Streaming Lakehouse 架构的普及和发展。
作为极速统一的 Lakehouse 引擎，StarRocks 可以方便地与开放的数据湖 Apache Paimon 结合，构建高效的 Lakehouse 解决方案，提供极速的数据分析性能，满足多样化的分析场景需求。
为了加速湖仓架构在企业中的实践与落地，Apache Paimon 社区与 StarRocks 社区强强联手，于 8 月 3 日 14:00 联手举办 Streaming Lakehouse Meetup · Online 。希望能帮助大数据从业者们实现湖仓在灵活性、可扩展性、成本效益和实时性的承诺。
届时，我们邀请到了 Apache Paimon PMC ， 阿里云 ， 饿了么 ， 喜马拉雅 ， 同程旅行 等众多业内大咖，为大家分享 Apache Paimon + StarRocks 在各场景中的最佳实践、生产经验和技术原理。
议题详情
