- 综合排序
- 最热优先
- 最新优先
- 来自专栏db
clickhouse深入浅出-第一篇
Vertica、 Paraccel (Actian Matrix，Amazon Redshift)、 Sybase IQ、 Exasol、 Infobright、 InfiniDB、 MonetDB (VectorWise
47610编辑于 2022-08-31 - 来自专栏大数据智能实战
tableau桌面版连接spark sql的测试
such as Tableau .tde, .tds, .twbx) Tableau Server on page 1238 Actian Matrix on page 1240 Actian Vectorwise
1.3K30编辑于 2022-05-07 - 来自专栏鸿的学习笔记
两种主要列存储方式的区别
这使它们看起来与列存储（如Sybase IQ，C-Store，Vertica，VectorWise，MonetDB，ParAccel和Infobright）处于相同的类别，这些列存储也可以单独访问列。 •组B：Sybase IQ，C-Store，Vertica，VectorWise，MonetDB，ParAccel和Infobright。 同样，这不是一个完整的列表，但这些是我最熟悉的系统。
2.1K10发布于 2018-08-06 - 来自专栏腾讯数据库技术
分析型数据库之MonetDB
CWI最有名的是发明了Python(Python之父Guido van Rossum毕业于阿姆斯特丹大学，当时在这里工作)，并且还发明了MonetDB、VectorWise（2008年）等产品。 2008年，MonetDB/X100启动，该项目对向量计算，CPU cache进行了多项优化，最后并入VectorWise产品。
4K62发布于 2019-11-08 - 来自专栏飞总聊IT
大数据东风下，Clickhouse这坨屎是怎么上天的
仔细看看是Vectorwise的做法。关于这个可以去看Marcin Zukowski的博士论文。这篇论文绝对是值得一读的，上百页满满的干货。 链接给出来了在下面。 我看过几个抄vectorwise代码的查询引擎，总是有种说不出来的感觉。 Clickhouse的代码里面还有一个很不舒服的地方，什么东西都给你搞一堆，Hash Table也有几十种做法。
1.9K30发布于 2021-04-21 - 来自专栏加米谷大数据
大数据处理必备的十大工具
Actian 通过Vectorwise以及对ParAccel实现了扩展。这些发展分别导致了Actian Vector和Actian Matrix的创建。
3.5K30发布于 2019-01-09 - 来自专栏企鹅号快讯
大数据处理必备的十大工具！
它通过Vectorwise以及对ParAccel实现了扩展。这些发展分别导致了ActianVector和ActianMatrix的创建。
3.7K70发布于 2018-02-06 - 来自专栏职场亮哥
Clickhouse简介和性能对比
Vertica、 Paraccel (Actian Matrix，Amazon Redshift)、 Sybase IQ、 Exasol、 Infobright、 InfiniDB、 MonetDB (VectorWise
7.1K22发布于 2020-10-10 - 来自专栏架构师高级俱乐部
clickHouse
Vertica、 Paraccel (Actian Matrix，Amazon Redshift)、 Sybase IQ、 Exasol、 Infobright、 InfiniDB、 MonetDB (VectorWise
3.1K20编辑于 2022-04-27 - 来自专栏量化投资与机器学习
战斗民族开源神器ClickHouse：一款适合于构建量化回测研究系统的高性能列式数据库（一）
Vertica, Paraccel (Actian Matrix) (Amazon Redshift), Sybase IQ, Exasol, Infobright, InfiniDB, MonetDB (VectorWise
3.5K80发布于 2018-01-29 - 来自专栏about云
比Hive快279倍的数据库-ClickHouse到底是怎样的
DBMS的示例：Vertica，Paraccel（Actian Matrix和Amazon Redshift），Sybase IQ，Exasol，Infobright，InfiniDB，MonetDB（VectorWise
8.1K40发布于 2018-12-11 - 来自专栏炼丹笔记
CTR预估系列炼丹入门手册
Linear部分从输入数据中学习线性特征，交叉网络CIN部分由交互（interaction）和压缩（compression）两步通过VectorWise角度学习高阶交叉特征，同时共享Embedding输入的方式让模型更具有适应性 交叉网络通过VectorWise学习高阶特征之间的交互，特征交互部分在Embedding的每个维度上进行外积计算。特征压缩部分借鉴了卷积和池化的方式。同时最后将多层CIN的输出进行拼接。
73613发布于 2021-05-14 - 来自专栏大数据与微服务架构
超快！大数据分析引擎ClickHouse
Vertica、 Paraccel (Actian Matrix，Amazon Redshift)、 Sybase IQ、 Exasol、 Infobright、 InfiniDB、 MonetDB (VectorWise
2K10发布于 2021-01-18 - 来自专栏c++与qt学习
CMU 15-445 -- Query Processing - 07
极大地减少每个 operator 的调用次数 允许 operators 使用 vectorized instructions (SIMD) 来批量处理 tuples 目前在使用这种模型的 DBMS 有 VectorWise
47220编辑于 2023-10-11 - 来自专栏飞总聊IT
这个云数仓，居然比ClickHouse还快三倍
MonetDB/X100 的创始人Marcin Zukowski，当然也是大名鼎鼎的，不但 PhD 一毕业就创立了 Vectorwise 公司，并成功卖给了Ingres。
1.9K20编辑于 2023-01-10 - 来自专栏大数据和云计算技术
一套数据，多种引擎（续）---两种数据格式（Parquet/ORCfile）浅析
Vertica was eventually developed out of C-Store, while the MonetDB-related X100 project evolved into VectorWise
1.7K110发布于 2018-03-08 - 来自专栏炼丹笔记
推荐系统炼丹笔记3：排序篇，一本家谱
Linear部分从输入数据中学习线性特征，交叉网络CIN部分由交互（interaction）和压缩（compression）两步通过VectorWise角度学习高阶交叉特征，同时共享Embedding输入的方式让模型更具有适应性 交叉网络通过VectorWise学习高阶特征之间的交互，特征交互部分在Embedding的每个维度上进行外积计算。特征压缩部分借鉴了卷积和池化的方式。同时最后将多层CIN的输出进行拼接。
91112编辑于 2021-12-02 - 来自专栏随手写个文章
Efficiently Compiling Efficient Query Plans for Modern Hardware（解读）
MonetDB/X100 系统 [1]（后来演变为 VectorWise）选择了一种折衷方案，通过传递大数据向量并在每个数据块上以向量化方式评估查询。 在系统比较中，我们包括了在 MonetDB 1.36.5、Ingres VectorWise 1.0 和一个我们称为 DB X 的商业数据库系统上运行的实验。 前五个查询的结果如表 2 所示（Q2 触发了 VectorWise 中的一个错误）。
37110编辑于 2025-06-13 - 来自专栏深度学习与python
远离硅谷、不靠风投！18人团队逆势搞出超人气数据库，CTO 一人5年多写了15万行代码
Vectorwise 创建者 Peter Boncz 虽然未深入参与编写 DuckDB 代码库，但他也为创建者提供了宝贵的建议和见解。
46210编辑于 2024-06-17 - 来自专栏三太子敖丙
敖丙肝了一小时的Elasticsearch入门文章
Vertica、 Paraccel (Actian Matrix，Amazon Redshift)、 Sybase IQ、 Exasol、 Infobright、 InfiniDB、 MonetDB (VectorWise
92341发布于 2021-02-08
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号