![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
DaaS
文章平均质量分 77
麦聪聊数据
全球领先企业级DataOps软件厂商,为企业提供自主研发的企业级数据运营平台软件工具麦聪DaaS平台和SQL Studio。通过麦聪软件数据运营平台,用户可实现全域数据资产的管理,打通数据平台和应用需求的核心基础设施,助力企业构建从开发、管理、服务、市场等整体的数据市场和运营能力。
展开
-
解读Gartner2023年重要战略技术趋势
Gartner 2023年战略技术趋势围绕优化、扩展和开拓这三大主题,这些技术能够帮助企业机构优化韧性、运营或可信度、扩展垂直解决方案和产品交付并利用新的互动形式、更加快速的响应或机会进行开拓。”转载 2022-12-29 11:14:35 · 252 阅读 · 0 评论 -
比Hive还快10倍的大数据计算引擎
Presto能够处理PB级别的数据,但Presto并不是把PB级别的数据一次性加载到内存中计算,而是根据处理方式,例如:聚合场景,边读取数据,聚合,再清空内存,再去读取数据加载内存,再聚合计算,再清空内存…因此Presto的主从架构是从集群整体上的内存情况,对进行中的查询进行定时监控,优化调度,将最大将耗内存的查询,调度给work节点配置的最大内存量去使用,大概在堆内存的10%。你可以认为类似 JDBC那样,但却是Presto的SPI的实现,使用标准的API来与不同的数据源交互。原创 2022-12-28 21:25:29 · 1889 阅读 · 2 评论 -
中台之建模篇
反过来讲,数据建模的时候也要重新回溯到业务,去识别业务概念里面的这些关键的概念,再从业务概念抽象为业务对象,然后再把业务对象的属性归类为新的逻辑实体,最后将逻辑实体通过一定的规则分解为物理表。有了组件的识别,还要对组件进行关系的重构,在重构的过程中既要考虑仿真,也就是还原事物的特征,还要去考虑要表达的目的或意图是什么,也就是关注点是什么,比如关注的是业务过程,就会采用功能分解模型。实体关系图按照业务对象进行划分,将数据的属性按照实体进行聚类,并描述实体间的关系,从而指导后续的程序设计以及数据库的设计。转载 2022-12-22 14:38:14 · 1036 阅读 · 0 评论 -
业务中台会吞并数据中台吗?
从本质上讲,无论是传统的业务服务或者是新型的数据服务,都是为客户提供的一种服务,它们应该通过统一的业务流程体现出其价值,不能因为技术实现上的差别就改变支撑的模式,比如业务服务就让业务中台团队牵头实现,数据服务就让数据中台团队牵头实现,长远来讲,这样做的集约化效率肯定是偏低的。组织架构优化后,新的业务中台团队实际上包含了业务和数据两个团队的人员,独立的数据中台团队不再存在,或者说成为了业务中台团队的一部分,数据中台团队退化回数据仓库时代的状态,只为决策支持提供服务。转载 2022-12-22 14:31:34 · 281 阅读 · 0 评论 -
数据中台选型必读(六):说说数据服务的七大核心功能
在前面的文章中,我们介绍了数据中台的元数据中心、指标字典与指标体系、数据模型设计、数据质量评估等内容,这些都是One Data理念下数据中台架构的重要部分。我们今天要讲的One Service——统一数据服务,指的是由数据中台提供统一的数据接入和数据查询服务。数据中台核心架构中的数据服务它提供了三项数据服务:主题式数据服务:基于元数据和规范定义和建模,构建主题逻辑表,屏蔽复杂物理表,提供业务视角下的查询。统一且多样化数据服务:一站式提供一般查询、OLAP分析、在线接口服务等查询和应用服务,便于数据跟踪管理原创 2022-12-21 10:41:32 · 1067 阅读 · 0 评论 -
数字化转型如何认清本质少被忽悠:小步快跑看到项目效果再推下一步
这些年,我们见识了太多新概念:数据智能、Data Fabric、数据虚拟化还有最著名的“数据中台”。然而,跟几年前疯狂追逐这些热词不同,或者说因为已经踩坑踩到晕厥。动辄一个千万的中台项目投入进去,上线后高层看数还是要等、技术门槛高业务人员难以自助用数、数据使用难合规等等问题依旧存在。大数据?我信你个鬼(来自“特大号”)现在很多甲方都表示:不太靠谱,不信忽悠。“立刻看到产品效果,有效果再上线”成了大家选型找产品的苛刻要求。01企业数据资产生产、消费现状现如今,大多数企业数据资产的生产和消费,实际现状大概是下原创 2022-12-21 10:22:30 · 444 阅读 · 0 评论 -
低代码开发技术市场预测到 2026 年将达到 445 亿美元
导读:Gartner表示,超级自动化和优化业务流程的举措正在推动低代码开发技术的采用和销售,未来四年这个市场将增长19%,到 2026年将达到 445 亿美元。随着组织与竞争对手竞相交付新应用程序和优化业务流程,Gartner 预计未来四年低代码开发技术的销售额将增长 19%,到 2026 年将达到 445 亿美元。据 Gartner 称,民主化、超级自动化以及可组合系统和业务计划将成为加速采用低代码技术的关键驱动因素。原创 2022-12-19 11:18:19 · 330 阅读 · 0 评论 -
一文读懂数据平台架构演进历史
可以看到,数据湖和数据仓库都有各自的优势和不足,但不难发现,二者在某些层面是非常互补的,于是乎,2020年,大数据DataBricks公司首次提出了湖仓一体(Data Lakehouse)概念,希望将数据湖和数据仓库技术合而为一,依据DataBricks公司对Lakehouse 的定义,湖仓一体是一种结合了数据湖和数据仓库优势的新范式,在用于数据湖的低成本存储上,实现与数据仓库中类似的数据结构和数据管理功能。要理解数据网格,先得回顾下数据平台的发展历史,它们的典型代表分别是数据仓库、数据湖及湖仓一体。转载 2022-12-15 20:40:21 · 403 阅读 · 0 评论 -
数据管理系列(一):数据管理过程中我经历的11个暗坑
导读:一个可靠的数据管理战略可以为任何寻求利用数据价值的企业带来回报。尽管如此,在通往数据驱动决策的道路仍然充满挑战和谜团。有人称数据为新型石油。其他人则称它为新型黄金。哲学家和经济学家可能对这个比喻的质量提出质疑,但毫无疑问,对于任何希望实现数据驱动决策承诺的企业来说,组织和分析数据是至关重要的。要做到这一点,可靠的数据管理策略是关键。数据管理包括数据治理、数据运营、数据存储、数据工程、数据分析、数据科学等等,如果做得好,可以为每个行业的企业提供竞争优势。转载 2022-12-13 12:15:01 · 220 阅读 · 0 评论 -
德勤、阿里为数据智能时代造势,是风口还是韭菜?
能够利用大数据为客户提供精细化产品与服务的企业将成为客户的首选,据此带来的新数据又能帮助企业进一步强化自身的数据智能水平。在前三个阶段,企业完成了从纸面信息到电子信息的转变、打破了物理局限、还从固定端拓展到移动端,这样一来标准和优化了企业的流程,提高了效率,释放了人力,降低了成本。配套的全局权限管理和数据API分析,能保证数据安全,把数据血缘衍生到数据的应用。数据智能将企业海量的数据转化为对趋势的研判、对客户的认知和对风险的预测,进而将企业经营中每个环节的决策,由“经验驱动”转向 “数据智能驱动”。原创 2022-12-08 23:26:24 · 282 阅读 · 0 评论 -
企业数字化转型系列(3):企业数字化转型到底要转什么?
麦肯锡发布的一份报告显示,中国企业数字化转型的成功率仅为20%。也就是说,假如你所在的企业要进行数字化转型,那么对不起,你们大概有80%的概率会失败。为什么会有这么高的失败率呢?K哥作为一名IT咨询顾问、前互联网公司技术副总裁、某传统上市公司技术高管,聊一聊我对传统企业数字化转型的观察与思考。第三问题,企业的数字化转型,到底该如何转?企业数字化转型,究竟需要做哪些具体事情,又如何落地呢?下面总结了5个方面:一、引进优秀的数字化领导者一个好的数字化转型战略,必须由一位经验丰富、具有前瞻性视野、善于推动变革的数转载 2022-12-05 14:48:28 · 512 阅读 · 0 评论 -
企业数字化转型系列(2):企业为什么要做数字化转型?
麦肯锡发布的一份报告显示,中国企业数字化转型的成功率仅为20%。也就是说,假如你所在的企业要进行数字化转型,那么对不起,你们大概有80%的概率会失败。为什么会有这么高的失败率呢?K哥作为一名IT咨询顾问、前互联网公司技术副总裁、某传统上市公司技术高管,聊一聊我对传统企业数字化转型的观察与思考。第二个问题回答:企业为什么要做数字化转型?本质上,是为了对抗组织熵增。熵,是热力学里衡量体系中混乱程度的一个单位。熵增,是一种自发的从有序到无序的过程。大到一个组织,小到人体,都遵循熵增定律。与熵增相对的概念就是熵减,转载 2022-12-05 14:44:13 · 208 阅读 · 0 评论 -
企业数字化转型系列(1):企业数字化转型的5大陷阱
麦肯锡发布的一份报告显示,中国企业数字化转型的成功率仅为20%。也就是说,假如你所在的企业要进行数字化转型,那么对不起,你们大概有80%的概率会失败。为什么会有这么高的失败率呢?K哥作为一名IT咨询顾问、前互联网公司技术副总裁、某传统上市公司技术高管,聊一聊我对传统企业数字化转型的观察与思考。首先,传统企业数字化转型非常容易掉进5大陷阱。企业数字化转型的5大陷阱一、把数字化转型当成项目,而非战略什么是战略?战略要解决的是,企业做什么和不做什么的问题。什么是项目?项目是在一定的时间内,投入一定的资源,并且达转载 2022-12-05 14:27:26 · 294 阅读 · 0 评论 -
一文读懂数据仓库、数据平台、数据中台、数据湖的概念和区别
我们经常听到别人谈论数据仓库、数据平台、数据中台、数据湖的相关概念,它们都与数据有关系,但它们之间又有什么区别,下面我们将围绕数据仓库、数据平台、数据湖和数据中台的概念、架构、使用场景进行介绍。一、数据仓库数据仓库由比尔·恩门(Bill Inmon,数据仓库之父)于1990年提出,主要功能是将企业系统联机事务处理(OLTP)长期壁垒的大量数据,通过数据仓库理论支持所持有的数据存储结构,做有系统的分析整理。随着企业的发展,业务系统的数据不断激增,这些存储在企业业务数据库中(也就是关系型数据库Oracle,Mi转载 2022-12-01 20:11:00 · 398 阅读 · 0 评论 -
数据中台选型必读(四):要想中台建的好,数据模型得做好
要想得到一个“好”的数据模型,首先,我们可以统计未规范表的数量(可仿照表2),诊断数据模型现状。然后,制订一些针对性的改进计划,例如把这些不规范命名的表消灭掉,把主题域覆盖的表比例提高到90%以上。原创 2022-11-16 11:14:02 · 1006 阅读 · 0 评论 -
中国数据中台未来会怎样?三个趋势预测为您指明方向
近日,艾瑞咨询发布了2022年《中国数据中台行业研究报告》,报告中艾瑞咨询对中国数据中台的发展趋势给出三个预测。原创 2022-11-08 17:27:30 · 1139 阅读 · 0 评论 -
喜讯 麦聪DaaS平台荣获“2022行业信息化优秀产品”奖
为了树立行业发展标杆和榜样,推广2022年行业信息化创新贡献的企业、技术、服务、产品和案例等,赛迪网、《数字经济》杂志社发起评选活动,并与著名行业专家共同编制“行业信息化竞争力评价指标体系”。麦聪软件,是一家全球领先的DaaS(数据即服务)平台提供商,帮企业构建轻量级数据中台,支持元数据管理,数据治理,数据开发,数据服务化,数据市场等功能,解决企业碎片化数据管理、数据服务响应慢及运维成本高等问题,提升企业数据统一管理和服务能力,加速企业成功数字化转型。麦聪软件核心产品“麦聪DaaS平台”产品架构。原创 2022-11-04 14:29:37 · 107 阅读 · 0 评论 -
数仓、湖仓、数据中台都没解决的企业数字化难题,却被它解决了
数仓/湖仓/中台方案,一般都是采用“中央存储库”模式,空间成本、人效、时效,在面对小快灵的敏捷用数需求时,都略显笨重和昂贵。当下企业对于数据的各种业务需求越来越多,且变化快速;但是湖仓台,比较依赖于ETL/ELT手段,进行数据的抽取、转换和加载,然后才能用于分析和挖掘,需要较长的周期。数据分析师和数据开发师也不想被取数任务占据主要精力,所以需要一些工具来帮助实现简单自助的数据消费,帮助企业降本增效。企业内部也要防止数据泄露带来的不利影响,全局的数据安全合规以及权限管理都势在必行,而现在的湖仓台难以满足。转载 2022-11-03 18:51:53 · 165 阅读 · 0 评论 -
数字化转型如何成为企业增长和创新的工具
可事实证明情况并非如此,因此我们开发了一个 Fleet IQ 计划,让员工可以与我们的业务合作伙伴进行面对面的视频通话,我们将员工和同事配对,这样他们就能够在安全的环境中提出问题,并以一种对团队也有益处的方式学习如何在团队和公司内工作。我认为,我们的团队在创新、服务和支持方面的成功融合让我们站到了车队技术的最前沿,让公司成为顶级技术人才最想工作的好地方,我们还在开发一些创新性的产品,例如 Total Connect 解决方案,它将嵌入式技术整合到车辆中,并利用这些数据资产为我们的客户创造价值。转载 2022-10-31 20:48:06 · 93 阅读 · 0 评论 -
喜讯!麦聪软件获得国际权威机构颁发的CMMI3证书
近日,麦聪软件宣布已通过国际权威机构CMMI Institute的评估并获得CMMI3证书。CMMI3证书的获得,标志着麦聪软件在软件研发能力、项目管理能力、质量保障能力和实施交付能力等方面已经得到国际权威机构的认可,是麦聪软件研发管理体系规范化过程中一个重要的里程碑。原创 2022-10-25 15:28:28 · 396 阅读 · 0 评论 -
数据中台的前世今生(一):数据仓库——数据应用需求的涌现
用杜邦分析法展开利润指标,我们可以清晰地看到利润组成的结构化因素,诸如商品销量、商品单价以及核算的成本等。此时,我们需要获取并分析每个品类下对应商品的销售和库存信息,基于这些数据,为每个商品制定销售采购计划:有的商品滞销,应该降价促销;有的商品畅销,需要及时补充库存,这些都离不开商品各个维度的数据。原创 2022-10-21 10:49:09 · 302 阅读 · 0 评论 -
如今传统行业应该进行数字化转型?
对于企业而言,数字化转型的根本是提升企业竞争力。原创 2022-03-10 12:02:20 · 3566 阅读 · 0 评论 -
数据中台坠落神坛,数据服务平台闪亮登场,阿里、快手又整烂活?
其中不同业务线下,数据同步和微服务通常有很多共同之处,重复烟囱式的开发意味要重复开发数据服务,造成了人力资源浪费,而且开发效率低,从数据开发到最终交付数据服务,需要经历较长的周期。由此可见:数据服务开发本来就很难,高水平的数据开发工程师也十分难得,而且数据开发大部分的时间都被临时取数的需求占据,根本无法专注在数仓模型、数据集市构建或运维。以上问题都需要数据开发工程师去解决,这就要求数据开发不仅仅是开发出数据表,还需要将数据表包装成一个独立的、灵活的、高可用的、安全的数据服务。其实现在谈的多的还是。转载 2022-10-20 00:02:04 · 237 阅读 · 0 评论 -
Gartner:被CIO们忽略的7个颠覆性趋势
颠覆就是会产生持久变化的根本性转变,成功的企业组织都会针对这些颠覆性趋势做好准备。我们需要不断地去问自己‘如果发生会怎样’,以便对颠覆性趋势带来的机遇保持开放的态度。很多看似未来才会发生的颠覆性趋势可能要比我们想象地要近得多。转载 2022-10-11 07:46:15 · 134 阅读 · 0 评论 -
数字化转型案例解读:德意志银行数字化转型背后不为人知的故事
数据孤岛与未链接系统,导致员工需要浪费大量时间移动各类信息。此外,浩如烟海的纸质表格与电子表格则迫使员工们不得不手工处理文件并核对内容是否属实。转载 2022-10-11 07:40:36 · 707 阅读 · 0 评论 -
什么是DataOps?难道DataOps只是面向Data 的Ops吗?
DevOps 近几年可谓风生水起,这与它吸引人的使命有关 -,当然也不能忽略历史的进程,比如虚拟化(尤其是 Docker)技术的加持!大数据(或团队)一般在前方业务线的存在感普遍偏较弱,甚至得不到认可,有时候还不如一个有经验的运营专员,何其怪哉?!在此,我们借助正在悄然兴起的来一并分析问题出在哪里,如何解决,需要什么客观条件的支持。转载 2022-10-09 23:26:10 · 673 阅读 · 0 评论 -
想成为数据科学家,你必须具备哪些技能?
随着市场对数据科学家的需求增加,该学科为学生和现有专业人士提供了一条诱人的职业道路。这包括那些不是数据科学家但痴迷于数据和数据科学的人,他们经常询问从事数据科学职业需要哪些数据科学技能和大数据技能。利用大数据作为产生洞察力的引擎,推动了所有垂直行业对企业级数据科学家的需求。无本文将深入探讨作为一个合格的数据科学家必须具备的技术和非技术技能。原创 2022-09-15 09:17:31 · 1755 阅读 · 0 评论 -
数据技术初学者不用再东搜西找了,一篇文章解读20个最新数据技术概念
最近几年数据技术发展迅速,很多新概念爬上了Gartner曲线,比如数据湖、数据网格、数据编织啥的,这些概念中的很多是舶来品,理解起来不易,但我们有时也不得不去理解,一方面是技术决策的需要,另一方面是来自于解释的需要,否则容易被人带偏。这次特意挑了数据网格、数据编织、湖仓一体、存算分离、DataOps等20个数据领域比较前沿的、抽象的概念来挑战,希望尽量能用一句话解释清楚,后来发现实在讲不清楚,因此还是做了一些备注,文后列了参考文献。转载 2022-09-13 12:01:45 · 550 阅读 · 0 评论 -
Databricks与Snowflake究竟有哪些差别?
正是由于数据湖非常擅长处理各种实时摄取的数据流,因此它的一个典型用例是:以批处理的方式,启用自助服务式(self-service)的ELT,并对数据进行自动化的处理、调度、构建、以及维护各个数据管道的复杂性。而Snowflake则通过各种预构建的工具,处理生产环境中的数据,以供后期分析使用。通过Databricks的Delta Lake和Delta Engine平台,开发者虽然基本可以实现由Snowflake提供的所有功能,但是鉴于它是一个复杂的工具,开发者仍然需要花时间去优化和构建功能齐全的湖仓一体化。转载 2022-09-12 21:39:21 · 1144 阅读 · 0 评论 -
2022年应届毕业生就业率惨淡怎么办?不要错过多金的数据科学行业
数据科技领域人才的确还存在巨大的稀缺性。原创 2022-09-07 16:44:38 · 937 阅读 · 0 评论 -
什么是数据湖?全面解读数据湖与数据仓库的区别
数据湖定义将其解释为高度可扩展的数据存储区域,以原始格式存储大量原始数据,直到需要使用为止。数据湖可以存储所有类型的数据,对帐户大小或文件没有固定限制,也没有定义特定用途。数据来自不同的来源,可以是结构化的、半结构化的,甚至是非结构化的,数据可按需查询。数据湖的核心概念是允许收集和存储大量数据而无需立即处理或分析所有数据。原创 2022-09-07 12:10:07 · 3231 阅读 · 0 评论 -
数据中台快没得炒作了!Gartner给想建数据中台的一些建议
最后可能要问各位企业高管的是,如果你真的拥有一个完美的数据中台满足您所有的技术期待,您企业员工的数据素养跟上了么?转载 2022-08-19 11:09:02 · 153 阅读 · 0 评论 -
SQL与NoSQL未来会走向融合?
例如,广泛的列存储 Apache Cassandra 有自己的类似 SQL 的语言,Cassandra 查询语言或 CQL。例如,表中的某个列可能只能是整数,这样,列中记录的数据都必须是整数,SQL数据库的这种严格规定使得对数据执行聚合相对容易,例如使用SQL的“JOIN”命令组合来自两个表的数据。在更重视设计灵活性、水平可扩展性和高可用性的时候,NoSQL会被优先使用,而在重视读取一致性和其他保护措施更重要的场景中,会选择SQL数据库,此时对于应用程序来说SQL提供的保护要胜过NoSQL 提供的方便。..转载 2022-08-19 11:11:18 · 380 阅读 · 0 评论 -
企业的数字化转型到底是否可以买来?
数字化转型工具确实需要买,但不只是把技术武装到牙齿,更需要把技术植入企业基因,文化和制度中,开启一场持续的数字化能力进化过程。企业可以花钱买生产工具,但买不来领跑者的发展战略、理念管理、流程商业模式;专家认为有两种不同的数字化:一种是买的数字化,另一种是买不来的数字化。企业可以花钱买设备,但买不来工艺;买软件,但买不来数据;从这个角度来说,数字化转型似乎没有终点,只有阶段性成果。就像从猿人进化到人一样,它需要持续不断的进化。企业可以花钱买咨询,但买不来核心竞争力。#什么是企业数字化转型#...原创 2022-08-05 09:13:39 · 112 阅读 · 0 评论 -
如何看待腾讯云数据库负责人林晓斌借了一个亿炒股?
,随便下定论就是造谣传谣。腾讯云数据库总经理林晓斌。转载 2022-08-01 18:08:51 · 661 阅读 · 0 评论 -
国产数据库40年演变,这3个坎一直跨不过去
实际上Oracle的Metalink中的大多数资料都来自于一个个的服务请求(SR),一个典型的服务请求处理完之后,就有专门的团队复杂整理,把有代表性的服务请求整理成MOS的Notes,发布在Metalink上,这样经过多年的积累,Metalink的内容就十分丰富了。现在我们遇到一些数据库参数的调整,调整后会产生什么样的效果或影响,会对数据库的哪些行为产生影响,调整的建议是什么,这些方面,在官方的文档中很难看到一些蛛丝马迹,很多时候只能通过参数名称来进行猜测,这对于国产数据库的稳定运行与运维,是十分不利的。.转载 2022-08-01 14:15:23 · 423 阅读 · 0 评论 -
1分钟看懂埃森哲中台建设的五步法
直接上干货转载 2022-08-01 14:09:18 · 527 阅读 · 0 评论 -
数字化转型实践:世界级 2B 数字化营销的方法框架
全球领先的DaaS(数据即服务)软件厂商,支持元数据管理,数据治理,数据开发,数据服务化,数据市场等功能,帮助企业快速构建下一代数据中台,加速企业数字化转型的进程。数字化营销已经在中国热了好几年,目前市面上的数字化营销理论、方法和工具大多都是面向消费者(2C)的应用,例如用户大数据、打标画像、电商转化等等,而企业级(2B)数字化营销具有迥然不同的特性。通过追踪营销内容的触达和顾客的反馈,例如采用移动应用的在线分析,发现目标客群对于产品的兴趣关联,更好地优化匹配。匹配顾客个性化需求的营销内容创造和推送。...转载 2022-08-01 09:36:28 · 453 阅读 · 0 评论 -
Snowflake vs. Redshift的2022战报:两个数据平台谁更适合你?
Redshift提供了良好的查询性能,这得益于高带宽连接、由于全球众多的AWS数据中心而靠近用户,以及定制的通信协议。但与AWS不同的是,它的安全功能是分层的,每一层的成本更高。Snowflake的定价更加复杂,有五个不同的版本,从基本版本开始价格会随着您的升级而上涨。最终,由用户通过检查他们的工作负载的适用性来确定,权衡这两种数据平台中的哪一种更适合他们的数据模式。一些用户表示,Redshift的按需定价成本更低,而大型数据集在Snowflake上的成本更高,因为它的计算和存储定价是分开的。...原创 2022-07-30 19:20:12 · 624 阅读 · 0 评论 -
Snowflake vs. Databricks谁更胜一筹?2022年最新战报
Snowflake和Databricks都是用于分析目的的优秀数据平台。每个都有其优点和缺点。为您的业务选择最佳平台,需要从使用模式、数据量、工作负载和数据策略等方面综合评定。Snowflake更适合标准的数据转换和分析以及那些熟悉SQL的用户。Databricks更适合流式传输、机器学习、人工智能和数据科学工作负载,这得益于其支持使用多种语言的Spark引擎。Snowflake一直在语言上补课,最近增加了对Python、Java和Scala的支持。。麦聪DaaS平台支持httpshttps。.......原创 2022-07-27 09:39:59 · 1293 阅读 · 0 评论