实时信号处理定义
"Real time（实时）"这个术语最早来源于物理系统的数字仿真系统中，如果仿真系统速度匹配它所仿真的实时系统的速度，我们就认为该数字系统是实时的。要实时分析信号，意味着运行执行速度必须足够快，可以准确处理相关频段中所有的信号成分。如果要处理实时分量，首先采样输入信号必须足够快，能够满足Nyquist定理。这意味着采样频率必须超过信号带宽的两倍。其次，以足够快的速度连续执行所有计算，并且使得分析输出可以跟上输入信号中的任何变化。
频谱分析，也称为傅立叶分析，是从频域中分析信号，当使用DSP时，也就意味着对时间采样数据执行离散傅立叶变换（DFT）。
使用DS
2022-01-05 19:17:19
250KB
1
课程分享——基于Flink流处理的动态实时电商实时分析系统，完整版65讲，附源码+课件。
本课程将基于真实的电商分析系统构建，通过Flink实现真正的实时分析，该系统会从无到有一步一步带大家实现，让大家在实操中快速掌握Flink技术。
2021-12-22 16:09:14
687B
1
课程分享——基于Flink流处理的动态实时电商实时分析系统，完整版65讲，附源码+课件。
本课程将基于真实的电商分析系统构建，通过Flink实现真正的实时分析，该系统会从无到有一步一步带大家实现，让大家在实操中快速掌握Flink技术。
2021-12-15 17:09:54
679B
1
课程分享——基于Flink流处理的动态实时电商实时分析系统视频教程，完整版65讲，附源码+课件。欢迎大家下载学习。
2021-12-15 17:09:53
691B
1
引入ClickHouse物化视图 (MATERIALIZED VIEW), 该物化视图在ClickHouse上的表现较为奇特, 具有数据入流后的自动刷新功能。
目前我们用它充当PipelineDB实时流聚合功能, 以此, 达到raw数据入流存储和聚合同步完成的目标。
2021-12-07 13:52:37
154KB
1
Kudu是Cloudera开源的新型列式存储系统，Apache Hadoop生态圈的顶级项目之一，解决了传统Lamda架构处理Hadoop上快速变化数据的存储和处理技术过于复杂的问题，同时Kudu能够与Hadoop生态的其他组件比如Impala、Spark、Flume和Kafka等组件集成，大大降低了对快速变化的数据进行准实时分析的架构设计和实现的门槛。本演讲主要对Kudu的动机、背景，以及架构进行简单介绍，并通过实际的应用场景介绍Impala＋Kudu的组合实现通过SQL技术对快速变化的数据实现准实时分析的能力
2021-11-26 16:34:40
4.16MB
1
本篇文章中我们将学习如何使用ApacheSparkstreaming，Kafka，Node.js，Socket.IO和Highcharts构建实时分析Dashboard。电子商务门户希望构建一个实时分析仪表盘，对每分钟发货的订单数量做到可视化，从而优化物流的效率。解决方案之前，先快速看看我们将使用的工具：ApacheSpark–一个通用的大规模数据快速处理引擎。Spark的批处理速度比HadoopMapReduce快近10倍，而内存中的数据分析速度则快近100倍。更多关于ApacheSpark的信息。Python–Python是一种广泛使用的高级，通用，解释，动态编程语言。更多关于Python
2021-11-02 16:52:41
274KB
1
针对智能电网建设过程中收集的电力大数据，基于电力系统全景实时数据分析的需求，探讨基于大数据的电力系统安全可靠性分析、实时状态监控及能源全景动态平衡调度等核心问题的解决思路。分析了利用大数据解决安全可靠性、设备全寿命周期管理及能源实时平衡调度等问题的挑战及解决思路，基于大规模实时多源细节数据和设备全景数据的计算，有助于提高系统分析的精度和准确度，保证电网安全运行；探讨了内存计算、实时流式大数据处理、大规模并行计算及列存储等技术在电力大数据实时分析中的应用；结合主流开源大数据处理技术，设计了电力大数据分析平台的分层体系架构，为电力系统的高效运行提供保证。
2021-11-01 11:20:12
1.83MB
1