云消息队列 RabbitMQ 版
云消息队列 RabbitMQ 版是阿里云打造的云消息服务，广泛用于海量队列分发、分布式定时任务等场景。支持 AMQP 协议，开箱即用，轻松实现快速上云，更专业、更可靠、更安全。
云消息队列 RabbitMQ 版的定时消息能力开箱即用，无需安装运维插件，只需要在生产者客户端发布消息时，通过 delay 为消息设置一个延时时间即可达到延时的效果.云消息队列 MQ.推荐搭配使使用.分布式定时任务.分布式定时任务.和开源自建对比.更多产品与服务.和开源自建对比.Queue 模式.支持 Queue 队列存储消息，提供多分区，...
来自：
云产品
云消息队列 RocketMQ 版
云消息队列 RocketMQ 版是基于 Apache RocketMQ 构建的分布式消息中间件，广泛用于异步解耦、削峰填谷等场景。可支撑千万级并发、万亿级数据洪峰，更稳定，更安全。
RocketMQ 版 Serverless 系列资源包重磅上线！云消息队列 RocketMQ 版 Serverless 系列资源包重磅上线！存储空间无法自由弹性伸缩，空间不足会导致清理...开箱即用，提供全链路灰度、消息路由复制、ETL、事件 集成分析等增强能力.提供体系化容灾方案，支持：·同城双活；异地灾备；异地双活。云消息队列 RocketMQ 版 5.x 系列.
来自：
云产品
基于Flink+ClickHouse构建实时游戏数据分析
在互联网、游戏行业中，常常需要对用户行为日志进行分析，通过数据挖掘，来更好地支持业务运营，比如用户轨迹，热力图，登录行为分析，实时业务大屏等。当业务数据量达到千亿规模时，常常导致分析不实时，平均响应时间长达10分钟，影响业务的正常运营和发展。 本实践介绍如何快速收集海量用户行为数据，实现秒级响应的实时用户行为分析，并通过实时流计算Flink/Blink、云数据库ClickHouse等技术进行深入挖掘和分析，得到用户特征和画像，实现个性化系统推荐服务。 通过云数据库ClickHouse替换原有Presto数仓，对比开源Presto性能提升20倍。 利用云数据库ClickHouse极致分析性能，千亿级数据分析从10分钟缩短到30秒。 云数据库ClickHouse批量写入效率高，支持业务高峰每小时230亿的用户数据写入。 云数据库ClickHouse开箱即用，免运维，全球多Region部署，快速支持新游戏开服。 Flink+ClickHouse+QuickBI
步骤6 确认消息被推送到消息队列 Kafka（实际消息条数大于 100，因为有系统启动的日志 也被收集到 kafka，这部分日志会在 Flink流处理时，进行 ETL过滤）。步骤7（可选）查看消息队列 Kafka中的 filebeat的消息格式。文档版本：20201224 44 基于 Flink+ClickHouse构建实时游戏数据分析 日志采集 日志模拟方式二：通过调用 ...
开源Flink迁移实时计算Flink全托管版最佳实践
本方案介绍如何将自建开源Flink集群的流式任务（包含Datastream、Table/SQL、PyFlink任务）迁移至阿里云实时计算全托管版。
考虑到本文档案例是自建开源 Flink 集群平迁至阿里云实时计算 Flink版本产品，按 照当前集群的实际 资源使用情况(Vcores:48，Memory:80 GB)即可估算迁移后的 CU 数，即：MAX(48，80/4)=48CU。文档版本：20211222 9 开源 Flink迁移实时计算Flink全托管版 基础环境搭建 1.2.构建测试数据 1.2.1.创建 kafka topic 步骤1 登录云...
Function Compute构建高弹性大数据采集系统
当前互联网很多场景都存在需要将大量的数据信息采集起来然后传输到后端的各类系统服务中，对数据进行处理、分析，形成业务闭环。比如游戏行业中的游戏发行、游戏运营，产互行业中的数字营销，物联网、车联网行业中的硬件、车辆信息上报等等。这些场景普遍存在数据采集量大、数据传输需要稳定且吞吐量大的特点，给整个数据采集传输系统带来很大的挑战。在这个场景中，有三个关键的环节，数据采集、数据传输、数据处理。该最佳实践主要涉
下游服务 下游服务包含从 Kafka里取数据进行实时流处理的实时计算 Flink，数据处理完后 将数据推给 ES 存储，另外还有在第二个函数中对数据简单处理后直接存入数据 库。部署架构 文档版本：20210806（发布日期）3 Function Compute构建高弹性大数据采集系统 前置条件 前置条件 为了顺利完成本实践，您需要提前完成以下准备...
- 产品推荐
- 这些文档可能帮助您