GS_SQL_PATCH GS_SQL_PATCH系统表存储当前节点上的SQL_PATCH的状态信息。 表1 GS_SQL_PATCH字段 名称 类型 描述 patch_name name PATCH名称。 unique_sql_id bigint 查询全局唯一ID。 owner

查看更多 →

GS_SQL_PATCH GS_SQL_PATCH系统表存储所有SQL_PATCH的状态信息。 表1 GS_SQL_PATCH字段 名称 类型 描述 patch_name name PATCH名称。 unique_sql_id bigint 查询全局唯一ID。 owner oid

查看更多 →

ject$1.apply$mcV$sp(DStreamCheckpointData.scala:125) at org.apache.spark.streaming.dstream.DStreamCheckpointData$$anonfun$writeObject$1.appl

查看更多 →

代码示例调试功能。 URI POST /v1/{project_id}/instances/{instance_id}/catalogs/{catalog_name}/databases/{database_name}/tables 表1 路径参数 参数 是否必选 参数类型 描述

查看更多 →

错误码 最小长度：1 最大长度：128 error_msg String 错误消息 最小长度：1 最大长度：512 error_details String 具体错误消息 最小长度：1 最大长度：1024 request_id String 请求处理ID 最小长度：1 最大长度：128

查看更多 →

议的扩展对接。自定义函数可用于辅助生成测试数据，如生成特定加解密数据、自定义算法生成数据等。自定义检查点用于对非text、JSON等数据序列化数据或性能测试服务不支持的场景进行检查点扩展。 为了实现自定义请求、函数及检查点，需按照以下签名约定进行开发，并按照以下Go插件编译约束编

查看更多 →

100000 = 10^11个shuffle文件）。如果磁盘文件数量特别巨大，对文件读写的性能会带来比较大的影响，此外由于同时打开的文件句柄数量多，序列化以及压缩等操作需要占用非常大的临时内存空间，对内存的使用和GC带来很大的压力，从而容易造成Executor无法响应Driver。 因此，建议使用Sort

查看更多 →

100000 = 10^11个shuffle文件）。如果磁盘文件数量特别巨大，对文件读写的性能会带来比较大的影响，此外由于同时打开的文件句柄数量多，序列化以及压缩等操作需要占用非常大的临时内存空间，对内存的使用和GC带来很大的压力，从而容易造成Executor无法响应Driver。 因此，建议使用Sort

查看更多 →

消息键（Key）与消息体（Value）的格式 Kafka消息的消息键和消息体部分都可以使用某种格式来序列化或反序列化成二进制数据。 消息体格式 由于 Kafka 消息中消息键是可选的，以下语句将使用消息体格式读取和写入消息，但不使用消息键格式。 'format' 选项与 'value

查看更多 →

ject$1.apply$mcV$sp(DStreamCheckpointData.scala:125) at org.apache.spark.streaming.dstream.DStreamCheckpointData$$anonfun$writeObject$1.appl

查看更多 →

约束与限制 账户资源限制 账户资源总配额如下所示，配额查询及修改方法，请参考配额管理。 表1 账户资源说明表 资源 限制 是否可通过用户自己调整配额 单个账户下最大允许创建的函数个数 400 否，如需调整请咨询 函数工作流 服务客服。 单个函数下最大允许创建的版本个数 20 否，如需调整请咨询函数工作流服务客服。

查看更多 →

能够快速处理OLAP工作负载。 支持与MapReduce，Spark和其他Hadoop生态系统组件集成。 与Apache Impala的紧密集成，使其成为将HDFS与Apache Parquet结合使用的更好选择。 提供强大而灵活的一致性模型，允许您根据每个请求选择一致性要求，包括用于严格可序列化的一致性的选项。

查看更多 →

发布团队常用编程语言的安全编码规范。通用的安全编码规范应包含程序输入校验、程序输出编码、身份验证、访问控制、安全加解密算法、异常处理、IO操作、文件上传、序列化、输出格式化等。 对于在Web应用场景使用的语言如Java、Python，还要考虑安全会话管理、防SQL注入、防跨站脚本攻击XSS、防跨站请求伪造 CS RF等编码规范。

查看更多 →

数据。目前，Avro schema 从表schema 推导。 支持的Connector Kafka Upsert Kafka 参数说明 表1 参数说明 参数 是否必选 默认值 类型 说明 format 是 （none） String 指定使用格式，这里应该是'avro'。 avro

查看更多 →

数据。目前，Avro schema 从表schema 推导。 支持的Connector Kafka Upsert Kafka 参数说明 表1 参数说明 参数 是否必选 默认值 类型 说明 format 是 （none） String 指定使用格式，这里应该是'avro'。 avro

查看更多 →

并行度，默认值为1。当需要提升作业性能时，可以修改该参数，参考配置为CCE集群中规格时建议配置范围为4~8，大规格部署时建议配置范围为8~16，具体根据实际需求和情况调整。 user.task.concurrency：在用户所属计算节点计算时的并行度，默认值为1。当需要提升作业性

查看更多 →

LakeFormation实例的数据库（Database）的下级资源，即在一个Database下可以创建多个Table，包含基本信息、格式与序列化信息、字段信息、属性信息，支持创建、修改、删除以及授权和查看权限等操作。 函数（Function） 在SQL查询中使用函数对数据进行特定

查看更多 →

topic。这意味着，Flink可以将具有相同key的重复记录写入Kafka topic。因此，upsert-kafka 连接器可以实现幂等写入。 语法格式 1 2 3 4 5 6 7 8 9 10 11 12 create table kafkaSource( attr_name

查看更多 →

能够快速处理OLAP工作负载 支持与MapReduce，Spark和其他Hadoop生态系统组件集成 与Apache Impala的紧密集成，使其成为将HDFS与Apache Parquet结合使用的更好选择 提供强大而灵活的一致性模型，允许您根据每个请求选择一致性要求，包括用于严格可序列化的一致性的选项

查看更多 →

能够快速处理OLAP工作负载。 支持与MapReduce，Spark和其他Hadoop生态系统组件集成。 与Apache Impala的紧密集成，使其成为将HDFS与Apache Parquet结合使用的更好选择。 提供强大而灵活的一致性模型，允许您根据每个请求选择一致性要求，包括用于严格可序列化的一致性的选项。

查看更多 →

下划线，且长度为1~256个字符。 database_name 是 String 数据库名称。只能包含中文、字母、数字、下划线、中划线，且长度为1~128个字符。 table_name 是 String 表名称。只能包含中文、字母、数字、下划线、中划线，且长度为1~256个字符。

查看更多 →