Sign in Subscribe

dongwooshin

No-ETL Data Pipeline Using StarRocks MViews

Discover how to integrate diverse data sources in real-time using StarRocks Materialized Views without complex ETL. This guide covers complete pipeline implementation from data loading to visualization, featuring StarRocks and Apache Iceberg scenarios for cost reduction and high performance.

StarRocks MView를 활용한 No-ETL 데이터 파이프라인 구현

복잡한 ETL 프로세스 없이 StarRocks의 Materialized View로 다양한 데이터 소스를 실시간 통합하는 방법을 소개합니다. StarRocks 내부 테이블과 Apache Iceberg를 원천으로 하는 두 시나리오를 통해 데이터 적재부터 Apache Superset 시각화까지 완전한 파이프라인을 구현하며, 운영비용 절감과 뛰어난 쿼리 성능을 달성하는 실무 가이드입니다.

Deploying NVIDIA NIM Microservice in a Private Environment

This guide explains how to securely and efficiently deploy LLM models like llama-3.2-3b-instruct in a private environment using NVIDIA NIM Microservice on PAASUP DIP. It supports both Python code integration and no-code workflows with Flowise, ideal for diverse enterprise AI applications.

PAASUP DIP로 구축하는 엔터프라이즈 LLM 서빙 가이드: Nvidia NIM #2

PAASUP DIP 환경에서 NVIDIA NIM Microservice를 활용해 Private 환경에 LLM 모델(예: llama-3.2-3b-instruct)을 안전하고 효율적으로 배포하는 방법을 단계별로 안내합니다. Python 코드 호출과 Flowise 노코드 워크플로우를 모두 지원해 다양한 엔터프라이즈 AI 서비스 구축에 최적화된 실전 가이드입니다.

Creating Custom Map Charts in Apache Superset

This guide provides a step-by-step approach to visualizing custom maps in Apache Superset using GIS data.

Apache Superset에서 Custom Map Chart 만들기

Apache Superset에서 GIS 데이터를 활용해 맞춤형 지도를 시각화하는 단계별 가이드를 제공합니다.

Modern Data Pipeline Implementation with Paasup DIP: Framework Application and ELT Monitoring Dashboard #4

Discover how PaaS-UP DIP team's spark-batch framework achieves 50% development productivity improvement with ELT monitoring dashboard implementation. Experience dramatically reduced code complexity compared to pure libraries and real-time operational monitoring system built on Apache Superset.

파스업DIP로 구현하는 현대적 데이터 파이프라인: 프레임워크 적용과 ELT모니터링 대시보드 #4

파스업DIP 개발팀의 spark-batch 프레임워크를 활용해 개발 생산성 50% 향상과 ELT 모니터링 대시보드 구축을 소개합니다. 순수 라이브러리 대비 코드 복잡도 현저히 감소하고 Apache Superset 기반 실시간 운영 모니터링 체계를 구현했습니다.

Modern Data Pipeline Implementation with PAASUP DIP: Subway User Statistics Analysis Project #3

Urban traffic pattern analysis project processing over 10 years of Seoul subway ridership data using modern data lake technology stack. Transformed 73,692 records with Delta Lake and Apache Superset to visualize rush hour commute patterns and transfer station hub effects.

파스업DIP로 구현하는 현대적 데이터 파이프라인: 지하철 이용자 통계 분석 프로젝트 #3

서울시 지하철 10여 년간의 승하차 데이터를 현대적 데이터레이크 기술 스택으로 처리한 도시 교통 패턴 분석 프로젝트를 소개합니다. 73,692개 레코드를 Delta Lake와 Apache Superset으로 변환하여 출퇴근 러시아워와 환승역 허브 효과를 시각화했습니다.