@clickzetta/cz-cli-darwin-x64 0.3.1

package/bin/skills/lakehouse-doc/references/llms.txt

@@ -0,0 +1,71 @@
+# 云器 Lakehouse 文档（LLM 导航）
+
+> 云器 Lakehouse 是全托管的湖仓一体架构平台，基于云原生设计理念从零打造。通过**存算分离**、**Serverless弹性架构**、**开放存储格式**和**AI优化工具**，为企业提供数据仓库、数据湖、实时处理与BI报表的统一平台。[免费试用](https://www.yunqi.tech)
+
+
+## 快速入门
+
+- [概览](https://www.yunqi.tech/documents/Overview): 介绍云器Lakehouse的存算分离架构、Serverless计算、开放数据格式及主要应用场景。
+- [产品概念](https://www.yunqi.tech/documents/Concepts): 介绍云器Lakehouse的存算分离架构、Serverless计算、开放数据格式及主要应用场景。
+- [入门指导](https://www.yunqi.tech/documents/Tutorials): 通过数据导入、SQL查询、数据可视化等步骤，快速完成从数据接入到分析展示的完整流程。
+
+## 使用指南
+
+- [Studio](https://www.yunqi.tech/documents/studio_manual): 通过Web界面进行数据开发与管理，支持连接数据源、SQL查询、作业编排、结果可视化和资产目录浏览。
+- [对象模型](https://www.yunqi.tech/documents/object_model_design): 介绍云器Lakehouse的对象模型核心概念，包括目录、数据库、表、视图、物化视图、函数和共享的定义与层级关系。
+- [数据采集](https://www.yunqi.tech/documents/Ingestion): 通过本地文件、数据库、Kafka等多种数据源导入数据，涵盖核心概念、配置步骤与操作示例。
+- [数据加工](https://www.yunqi.tech/documents/Transformation): 围绕"数据加工"说明核心概念、关键配置与典型操作步骤，并提供示例与注意事项。
+- [数据分析](https://www.yunqi.tech/documents/Analysis): 提供从数据导入、SQL查询到可视化分析的全流程操作指南，涵盖数据源连接、SQL语法、函数使用及结果导出。
+- [安全](https://www.yunqi.tech/documents/data_security): 提供用户管理、权限控制、审计日志等安全功能，涵盖用户创建、角色授权、数据访问策略及操作审计的具体配置方法。
+- [数据分享](https://www.yunqi.tech/documents/data_share): 围绕"数据分享"说明核心概念、关键配置与典型操作步骤，并提供示例与注意事项。
+- [私网连接](https://www.yunqi.tech/documents/connect_to_Lakehouse): 通过配置终端节点、终端节点服务和私网连接实现跨VPC或本地IDC与云上服务的私网安全访问。
+- [性能测试](https://www.yunqi.tech/documents/benchmark): 围绕"性能测试"说明核心概念、关键配置与典型操作步骤，并提供示例与注意事项。
+- [生态工具](https://www.yunqi.tech/documents/tools): 围绕"生态工具"说明核心概念、关键配置与典型操作步骤，并提供示例与注意事项。
+- [Insight](https://www.yunqi.tech/documents/Lakehouse_Insight): 通过连接云器Lakehouse数据源，创建数据集并拖拽生成BI报表与看板，实现自助数据分析和可视化。
+
+## SQL手册
+
+- [SQL命令](https://www.yunqi.tech/documents/sql-reference): 提供DDL、DML、DQL等SQL命令的完整语法参考，包括CREATE、SELECT、INSERT等语句的具体参数和使用示例。
+- [数据类型](https://www.yunqi.tech/documents/data-type): 介绍云器 Lakehouse 支持的精确数值、浮点数、字符串、日期时间、布尔值等具体数据类型及其定义。
+- [SQL函数](https://www.yunqi.tech/documents/functions): 围绕"SQL函数"说明核心概念、关键配置与典型操作步骤，并提供示例与注意事项。
+- [SQL使用指南](https://www.yunqi.tech/documents/considerations-for-using-sql): 围绕"SQL使用指南"说明核心概念、关键配置与典型操作步骤，并提供示例与注意事项。
+
+## 开发手册
+
+- [Java SDK 参考](https://www.yunqi.tech/documents/java-sdk-refer): 围绕"Java SDK 参考"说明核心概念、关键配置与典型操作步骤，并提供示例与注意事项。
+- [Python SDK 参考](https://www.yunqi.tech/documents/python-sdk-refer): 围绕"Python SDK 参考"说明核心概念、关键配置与典型操作步骤，并提供示例与注意事项。
+
+## 实践教程
+
+- [高效管理对象和组织数据](https://www.yunqi.tech/documents/data_org): 通过对象存储、数据库、数据湖等数据源创建和管理数据对象，并组织目录、设置权限、配置生命周期策略。
+- [数据导入导出实践](https://www.yunqi.tech/documents/practice_data_import_and_export): 提供从本地文件、数据库、Kafka等数据源导入数据，以及将查询结果导出到文件或数据库的具体操作步骤与示例。
+- [数据查询分析实践](https://www.yunqi.tech/documents/practice_data_analysis): 提供从数据导入、SQL查询到可视化分析的全流程操作指南，涵盖本地文件、数据库、Kafka等多种数据源。
+- [构建和运维ELT流程实践](https://www.yunqi.tech/documents/ELT_practice): 通过调度工具、数据质量监控和任务编排构建企业级ELT流水线，涵盖开发、测试、部署及故障恢复全流程。
+- [优化计算资源](https://www.yunqi.tech/documents/OptimizingComputingResources): 介绍通过调整计算组配置、设置弹性伸缩策略和使用资源监控来优化计算资源使用效率的具体方法。
+- [性能体验](https://www.yunqi.tech/documents/performence_test): 提供性能测试方法、优化建议与监控指标，涵盖查询加速、资源调优和瓶颈排查的具体操作。
+- [构建 Modern Data Stack](https://www.yunqi.tech/documents/ModernDataStackWithEcosystemTools): 介绍现代数据栈的核心组件与架构模式，包括数据集成、转换、存储、分析和可视化等关键环节的选型与组合。
+- [AI应用开发](https://www.yunqi.tech/documents/REMOTEFUNCTION): 提供从数据准备、模型训练到服务部署的完整AI应用开发流程指南与工具链。
+- [安全与合规审计](https://www.yunqi.tech/documents/security_compliance_audit_guide): 提供用户权限管理、SQL审计日志、数据脱敏策略及合规性配置的操作方法与参数说明。
+- [用量和费用管理](https://www.yunqi.tech/documents/cost_management): 查看云器Lakehouse的用量明细、费用构成、计费模式，并通过预算和提醒功能管理成本。
+
+## Lakehouse AI
+
+- [Lakehouse AI 概述](https://www.yunqi.tech/documents/LakehouseAI_overview): 集成非结构化数据管理、AI外部函数、多模态检索、Python开发框架及对话式分析，实现数据到智能决策的全流程闭环。
+- [AI 的数据准备](https://www.yunqi.tech/documents/Server_data_for_AI): 云器 Lakehouse 支持向量检索、全文搜索与结构化数据分析的无缝结合，为RAG、推荐等AI应用提供统一数据服务。
+- [AI 函数](https://www.yunqi.tech/documents/AI_function_in_SQL): 提供在云器 Lakehouse 中创建和使用 AI 函数的方法，支持通过 Python/Java 调用外部在线 AI 服务或离线模型包。
+- [Lakehouse Python 开发框架（Zettapark）](https://www.yunqi.tech/documents/LakehousePythonZettapark): Lakehouse Python开发框架Zettapark的API参考，包含DataFrame、SQL、Catalog等核心模块的类、方法及参数说明。
+- [AI + BI 统一工作流](https://www.yunqi.tech/documents/unifiedWorkflow): 通过自然语言交互生成SQL查询、可视化图表和仪表板，实现从数据探索到分析展示的端到端流程。
+- [AI Gateway](https://www.yunqi.tech/documents/AIGateway): AI Gateway 支持统一接入、路由分发、负载均衡、限流熔断、缓存和监控，用于管理多模型供应商的API调用。
+- [对话式数据分析（DataGPT）](https://www.yunqi.tech/documents/datagpt_intro): 通过自然语言提问直接生成SQL、执行查询并获取可视化图表，无需编写代码。
+- [Lakehouse MCP Server](https://www.yunqi.tech/documents/LakehouseMCPServer): Lakehouse MCP Server 通过 Model Context Protocol 将数据湖仓能力（如表、视图、函数）暴露给 Claude 等 AI 助手，支持自然语言查询与分析。
+- [AI 生态](https://www.yunqi.tech/documents/AI_eco): 介绍如何将Lakehouse与主流AI框架（如PyTorch、TensorFlow）及工具（如MLflow、LangChain）集成，以支持模型训练、推理和AI应用开发。
+
+## 产品更新
+
+- [产品更新](https://www.yunqi.tech/documents/releasenotes): 介绍云器Lakehouse在数据导入、SQL查询、数据湖加速和流式处理等方面的近期新增功能与优化。
+
+## 其它
+
+- [用户协议](https://www.yunqi.tech/documents/user-aggrement): 明确云器科技产品服务的账户注册资格、流程、使用规则及安全要求，并界定用户与云器科技的权利义务关系。
+- [隐私政策](https://www.yunqi.tech/documents/privacy-policy): 说明公司如何收集、使用、保护个人信息，以及用户享有的权利和联系方式。
+- [产品试用协议](https://www.yunqi.tech/documents/product-trial-agreement): 产品试用协议，明确测试阶段用户责任、公司权利、知识产权归属及免责条款。

package/bin/skills/lakehouse-doc/references/load-data-local.md

@@ -0,0 +1,82 @@
+# 导入本地数据
+
+本文档详细介绍了如何将本地数据导入Lakehouse平台。目前，Lakehouse支持三种主要的本地数据导入模式：
+
+1. 使用PUT命令上传本地文件，导入到Lakehouse中
+2. **通过Lakehouse Studio页面可视化上传**：适用于小数据量的文件上传，提供用户友好的界面和简化的上传流程。
+3. **使用JDBC客户端上传数据**：适合技术用户，尤其是需要批量处理小数据量文件的用户，支持快速处理CSV文件和脚本化、自动化操作。（在 JDBC 2.0.0 版本该功能已下线，推荐您使用 PUT 命令上传）
+
+
+## 应用场景
+
+* **PUT命令上传文件**：适用于源文件上传，并且需要使用 SQL 进行转换的场景。推荐在上传过程中使用 SQL 来转换或处理异常数据。支持 CSV、PARQUET、ORC 格式。
+* **Lakehouse Studio页面**：适合需要上传小数据量文件的用户，支持CSV、PARQUET、AVRO、ORC、TEXT格式，但不支持压缩文件格式。建议先在本地解压缩再上传。
+* **JDBC客户端**：仅支持 CSV 文件格式，不支持压缩文件，适合快速处理和自动化数据导入任务。在 JDBC 2.0.0 之后的版本中，本地 COPY 命令已被弃用。我们建议您使用 PUT 命令将数据上传到 Volume 中，然后使用服务器端的 COPY 命令进行导入。
+
+# 使用案例
+
+## 使用PUT命令上传数据
+
+Lakehouse目前内置了一些[Internal Volume](internal_volume.md)可以存储文件，Internal Volume目前支持USER VOLUME和TABLE VOLUME两种对象类型。我们通过 PUT 命令将文件上传到 Internal Volume，然后使用 COPY 命令将 Volume 数据导入到表中。
+
+**前置条件**
+
+* 已安装[命令行工具](connect-with-cli.md)。或者，您也可以使用开源工具如 DBeaver、SQL Workbench/J 来执行该命令。
+* 对目标表具有INSERT权限。
+
+1. 在命令行中执行PUT命令将文件上传至TABLE VOLUME
+
+```SQL
+--上传文件至user volume根目录
+PUT '/Users/Downloads/data.csv' TO TABLE VOLUME t_copy_from_volume FILE 'data.csv';
+```
+
+2. 使用[COPY INTO](copy-into-table.md)命令导入文件数据至目标表
+
+```SQL
+COPY INTO t_copy_from_volume FROM TABLE VOLUME t_copy_from_volume(id int, name string)  USING csv  
+OPTIONS(
+        'header'='true',
+        'lineSep'='\n'
+)
+FILES ('data.csv')
+--删除volume中的文件，节省存储
+PURGE=TRUE;
+;
+```
+
+## 使用Lakehouse Studio页面上传
+
+## 使用限制
+
+* **文件格式限制**：不支持复杂类型如ARRAY、MAP、STRUCT、JSON、INTERVAL。对于复杂类型数据，建议使用STRING类型映射，并通过Lakehouse SQL函数进行转化。
+* **文件大小限制**：Lakehouse Studio页面和Jdbc客户端支持的单个文件最大为2GB。
+* **COPY命令限制**：不支持在Studio页面上使用COPY命令上传本地文件。该命令需要指定本地文件路径，而Studio页面无法访问本地文件系统。
+在数据管理中，顶部区域还提供“上传”功能，支持将本地文件上传至云器 Lakehouse 平台。
+
+  ![](.topwrite/assets/image_1736307536920.png =640)
+
+点击“上传”按钮，您可以轻松将数据从本地文件加载到云器 Lakehouse 平台。支持 CSV 和 TXT 两种格式，上传文件的总大小不能超过 2 GB。
+
+![](.topwrite/assets/image_1714292021540.png =360)
+
+**格式说明**
+
+* **遇到错误**：当数据行中遇到异常数据等错误场景时的处理方式。
+
+* **列分隔符**：列之间的分隔符，只允许使用单个字符。对于 CSV 文件，默认为逗号。
+
+* **换行符**：设定换行符的处理方式，Windows 系统为 \r\n，Linux、macOS 系统为 \n。
+
+* **忽略表头**：指是否忽略上传文件中的表头。
+
+* **空值表示**：指定文件中空值（NULL）的表达方式。
+
+* **集群**：需要选择集群后，才能进行数据上传。
+
+* **数据写入方式**：
+
+  * **追加写入**：不对历史数据做处理，直接追加写入。
+  * **先清空后写入**：先清空表中的历史数据，然后写入新数据。
+
+^

package/bin/skills/lakehouse-doc/references/load-data-oss.md

@@ -0,0 +1,174 @@
+# 批量从对象存储导入数据
+
+本文档详细介绍了如何使用 Lakehouse 的 SQL 引擎从对象存储中导入数据。目前，Lakehouse 支持两种主要的数据导入模式：
+
+1.  **使用 Volume 导入**：通过创建和管理对象存储上的 Volume 来导入数据。
+2.  **使用 COPY 命令导入**：利用 SQL 的 COPY 命令直接从对象存储中加载数据。
+
+# 参考文档
+
+[数据湖查询](structure_data_analysis.md)
+
+[COPY INTO](copy-into-table.md)
+
+# 应用场景
+
+*   利用 SQL 引擎的性能优势快速读取大量数据，高效处理大规模数据集。
+*   支持在数据导入过程中使用 SQL 进行数据转换，实现 ETL（Extract, Transform, Load）流程。
+*   建议在导入数据时选择通用型计算集群（GENERAL PURPOSE VIRTUAL CLUSTER），以适应批量作业和数据加载的需求。
+
+# 使用限制
+
+*   **对象存储支持**：目前 Volume 的目标对象存储仅支持阿里云 OSS 和腾讯云 COS。
+*   **费用说明**：从外部 Volume 下载文件可能会产生云账号的对象存储下载费用，具体费用请参考相应云服务商的计费说明。如果 Lakehouse 与对象存储位于同一地域，使用内网 Endpoint 可以避免额外费用。
+*   **跨云导入**：目前不支持跨云服务商导入数据（未来版本将支持）。
+
+# 使用案例
+
+## 使用Volume从OSS读取CSV数据导入
+
+本文详细介绍了如何利用 Lakehouse 的 Volume 和 COPY 命令从阿里云对象存储服务（OSS）导入[巴西电子商务](https://www.kaggle.com/datasets/olistbr/brazilian-ecommerce?select=olist_customers_dataset.csv)的公共数据集。或者，您也可以直接通过[链接](https://czsampledata.oss-cn-shanghai.aliyuncs.com/eCommerce/BrazilianECommerce/olist_customers_dataset.csv?Expires=1713960305\&OSSAccessKeyId=TMP.3Kj9FumEnKg87NyAXLcgdBykW427fGRqHzTyiLfNtki6Vagmg1zMHEfVcqov1PXETvKM7DKauBXyah4YNWhfdgHNufoq2j\&Signature=afXWkoRTi%2BercYhvlsPKdrpv0Fg%3D\&x-oss-request-payer=requester)下载本次案例的数据集，然后上传到 OSS 中。该过程包括数据表的创建、对象存储连接的配置、Volume 的管理以及数据的加载和状态检查。
+
+### 前置条件
+
+*   确保已创建目标表 `brazilian_customer`：
+
+```SQL
+create table brazilian_customer( 
+  customer_id STRING,
+  customer_unique_id STRING,
+  customer_zip_code_prefix INT,
+  customer_city STRING,
+  customer_state STRING
+  );
+```
+
+*   对目标表具有 INSERT 权限。
+
+### 创建CONNECTION和VOLUME用于连接对象存储
+
+*   创建一个 STORAGE CONNECTION 以存储和脱敏对象存储的连接信息，便于在 Lakehouse 中复用和管理。
+*   创建一个 EXTERNAL VOLUME 来管理 OSS 上的数据。
+
+```SQL
+--存储对象存储的连接信息，在Lakhouse会对ak进行脱敏。同时connection可以方便多处复用
+--endpoint使用的是oss内网因为和Lakehouse同时都在上海，所以内网可以直接连通
+CREATE STORAGE CONNECTION  braziliandata_conn
+    TYPE oss
+    ENDPOINT = 'oss-cn-shanghai-internal.aliyuncs.com'
+    access_id = 'xxxx'
+    access_key = 'xxxx'
+    comments = 'OSS public endpoint';
+ --查看创建的conneciton
+ SHOW CONNECTIONS;
+--创建Volume用于管理对象存储上面的数据
+CREATE EXTERNAL VOLUME braziliandata_csv
+    location 'oss://yourbucketname/eCommerce/BrazilianECommerce/'
+    using connection braziliandata_conn
+    directory = (
+        enable=true,
+        auto_refresh=true
+    );
+  SHOW VOLUMES;
+```
+
+### **使用Volume加载数据**
+
+*   指定 Volume 中需要读取的文件，可以在 `files` 参数中指定。
+*   在 `options` 中可以设置 CSV 文件的参数，如分隔符等，具体设置可参考文档。
+*   本案例中，将在数据加载时进行转换，排除掉城市为 ‘curitiba’ 的记录。
+
+```SQL
+--加载数据的时候做转化排除掉城市是‘curitiba’
+insert into brazilian_customer
+select * from volume braziliandata_csv (
+  customer_id STRING,
+  customer_unique_id STRING,
+  customer_zip_code_prefix INT,
+  customer_city STRING,
+  customer_state STRING
+)using csv 
+ options(
+    'header'='true',
+    'sep'=','
+ ) files('olist_customers_dataset.csv') 
+ where customer_city !='curitiba';
+```
+
+### 查看导入数据的状态
+
+在 Lakehouse 的作业运行历史中查看作业的执行状态，以确认数据导入是否成功。
+
+![](.topwrite/assets/image_1714292176194.png)
+
+## 使用COPY命令从OSS导入数据
+
+本文介绍了如何使用 Lakehouse 的 COPY 命令从阿里云对象存储服务（OSS）导入[巴西电子商务](https://www.kaggle.com/datasets/olistbr/brazilian-ecommerce?select=olist_customers_dataset.csv)的公共数据集，或者您也可以直接通过[链接](https://czsampledata.oss-cn-shanghai.aliyuncs.com/eCommerce/BrazilianECommerce/olist_geolocation_dataset.csv?Expires=1713960430\&OSSAccessKeyId=TMP.3Kj9FumEnKg87NyAXLcgdBykW427fGRqHzTyiLfNtki6Vagmg1zMHEfVcqov1PXETvKM7DKauBXyah4YNWhfdgHNufoq2j\&Signature=2bCPx2sokSkMGpwfkipZqfmoWlE%3D\&x-oss-request-payer=requester)下载本次案例的数据集，然后上传到 OSS 中。该过程涉及数据表的创建、连接和 Volume 的配置，以及数据的加载和状态检查。
+
+### 前置条件
+
+*   确保已创建目标表 `brazilian_geolocation`：
+
+```SQL
+create table brazilian_geolocation( 
+  geolocation_zip_code_prefix INT,
+  geolocation_lat DECIMAL(10,8),
+  geolocation_lng DECIMAL(11,8),
+  geolocation_city STRING,
+  geolocation_state STRING
+  );
+```
+
+*   对目标表具有 INSERT 权限。
+
+### 创建CONNECTION和VOLUME用于连接对象存储
+
+*   创建一个 STORAGE CONNECTION 来存储和脱敏对象存储的连接信息，以便在 Lakehouse 中多次复用和管理。
+*   创建一个 EXTERNAL VOLUME 来管理 OSS 上的数据。
+
+```SQL
+    --存储对象存储的连接信息，在Lakhouse会对ak进行脱敏。同时connection可以方便多处复用和管理
+    --endpoint使用的是oss内网因为和Lakehouse同时都在上海，所以内网可以直接连通
+    CREATE STORAGE CONNECTION  braziliandata_conn
+        TYPE oss
+        ENDPOINT = 'oss-cn-shanghai-internal.aliyuncs.com'
+        access_id = 'xxxx'
+        access_key = 'xxxx'
+        comments = 'OSS public endpoint';
+     --查看创建的conneciton
+     SHOW CONNECTIONS;
+    --创建Volume用于管理对象存储上面的数据
+    CREATE EXTERNAL VOLUME braziliandata_csv
+        location 'oss://czsampledata/eCommerce/BrazilianECommerce/'
+        using connection braziliandata_conn
+        directory = (
+            enable=true,
+            auto_refresh=true
+        );
+      SHOW VOLUMES;
+    ```
+
+### 使用COPY命令加载数据到表中
+
+使用 COPY 命令将数据从 OSS 的 Volume 加载到 `brazilian_customer` 表中。
+
+```SQL
+COPY  INTO brazilian_customer FROM VOLUME  
+braziliandata_csv (
+  customer_id STRING,
+  customer_unique_id STRING,
+  customer_zip_code_prefix INT,
+  customer_city STRING,
+  customer_state STRING
+)using csv 
+ options(
+    'header'='true',
+    'sep'=','
+ ) files('olist_geolocation_dataset.csv') ;
+```
+
+### 查看导入数据的状态
+
+在 Lakehouse 的作业运行历史中查看作业的执行状态，以确认数据导入是否成功。
+
+![](.topwrite/assets/image_1714292217461.png)

package/bin/skills/lakehouse-doc/references/management.md

@@ -0,0 +1,5 @@
+## 管理
+* [管理账户](<managing-account.md>)
+* [管理实例](<managing-instance.md>)
+* [工作空间](<workspace-introduction.md>)
+* [管理权限](<managing-security.md>)

package/bin/skills/lakehouse-doc/references/managing-instance.md

@@ -0,0 +1,67 @@
+# 管理Lakehouse服务实例
+
+## 什么是Lakehouse服务实例（Lakehouse Instance）？
+
+Lakehouse服务实例是云器Lakehouse产品服务的核心载体。在开通Lakehouse服务时，用户需指定云服务商和地域信息，系统将根据这些信息创建一个服务实例。每个用户账号下可以创建一个或多个服务实例（当前阶段默认允许创建单个服务实例）。
+
+服务实例内采用统一元数据管理数据对象、计算资源和作业任务，并在统一权限体系下使用数据集成、开发调度、运维监控和数据目录等工具进行应用构建和数据管理。服务实例具备区域属性，其计算、数据和其他服务资源均在此云服务商的区域内。不同服务实例间默认相互隔离。
+
+![](.topwrite/assets/Lakehouse服务实例.png)
+
+## 创建和访问服务实例
+
+### 创建服务实例
+
+当您完成账户注册并登录后，可以按照以下步骤创建Lakehouse服务实例：
+
+1. 在管理中心“账户主页”点击Lakehouse产品卡片中的“开始使用”按钮。
+2. 在弹窗中选择您需要开通的云服务商和地域。
+3. 点击“确认开通”，系统将为您创建Lakehouse服务实例。
+
+请注意，目前云器Lakehouse暂时只支持一个账户创建一个Lakehouse服务实例。
+
+### 默认角色和权限
+
+创建服务实例的用户会被默认授予实例管理员角色。实例管理员具备在服务实例中创建工作空间和授予或取消授予其他实例级别角色的权限。
+
+## 访问服务实例首页
+
+服务实例首页是您了解云器Lakehouse核心产品能力和快速访问工作空间的入口。操作步骤如下：
+
+1. 登录云器Lakehouse界面，直接进入产品首页。
+   ![](.topwrite/assets/7c57207964/7cc630295fd7e9fd9ecf518bdffebdf5a44e728a.png)
+2. 在首页，您可以快速了解到以下信息和功能：
+
+* 用户实例信息：显示用户登录名称、实例ID、云服务商和地域信息。
+* 帮助文档：点击可进入产品帮助文档平台。
+* 核心功能区域：提供数据源管理、开发、工作空间、任务运维和监控告警等功能的快捷入口。
+* 数据资产信息：展示当前实例下存储的所有对象总数和存储总量。
+* 计算用量：查看近7天内每日计算用量。
+* 工作空间：展示近期访问的3个工作空间，以及近7天的计算用量趋势图和成员数。点击操作区域，可直接进入相应工作空间的开发区域或运维中心。
+
+## 使用示例
+
+### 示例1：创建工作空间
+
+1. 登录Lakehouse服务实例。
+2. 在首页点击“工作空间”区域的“查看更多”按钮。
+3. 选择“创建工作空间”并输入工作空间名称和描述。
+4. 点击“确认”完成工作空间创建。
+
+### 示例2：查看数据资产
+
+1. 登录Lakehouse服务实例并进入首页。
+2. 在“数据资产信息”区域查看当前实例下存储的对象总数和存储总量。
+
+### 示例3：监控计算用量
+
+1. 登录Lakehouse服务实例并进入首页。
+2. 在“计算用量”区域查看近7天内每日计算用量。
+
+### 示例4：访问工作空间
+
+1. 登录Lakehouse服务实例并进入首页。
+2. 在“工作空间”区域找到您需要访问的工作空间。
+3. 点击工作空间名称进入该工作空间的开发区域或运维中心。
+
+通过以上示例，您可以快速上手并开始使用云器Lakehouse服务。如有疑问，请随时查阅帮助文档或联系我们的技术支持团队。

package/bin/skills/lakehouse-doc/references/mapjoin.md

@@ -0,0 +1,62 @@
+# Lakehouse Map Join优化操作
+
+## 简介
+
+Map Join 是 Lakehouse 中一种高效的 JOIN 操作方式，特别适用于小表与大表的 JOIN 场景。Map Join 通过将小表广播到各个节点，直接在 Map 阶段完成 JOIN 操作，从而避免了昂贵的 Shuffle 和 Reduce 过程。这种优化方式可以节省资源，提高查询性能。
+
+## 语法
+
+要使用 Map Join，只需在查询语句中添加一个提示 `/*+ MAPJOIN (table) */`，其中 `table` 表示需要加载到内存中的小表名称。例如：
+
+```SQL
+SELECT /*+ MAPJOIN (t2) */ * FROM table1 t1
+JOIN table2 t2
+ON (t1.emp_id = t2.emp_id);
+```
+
+在这个例子中，`table2` 是一个小表，通过 Map Join 的方式，它会被加载到内存中，并与 `table1` 在 Map 阶段完成 JOIN 操作。
+
+## 优点
+
+Map Join 具有以下优点：
+
+1. 省去了 Shuffle 阶段，减少了网络传输和磁盘 I/O 的开销。
+2. 避免了数据倾斜问题，因为不需要按照 JOIN 列进行数据分发。
+3. 提高了查询执行速度，尤其对于小表 JOIN 大表的场景。
+
+## 缺点
+
+Map Join 存在以下限制：
+
+1. 小表必须能够完全加载到内存中，否则可能导致内存溢出或 Map Join 失败。目前 Lakehouse 限制小表大小为 1GB。
+2. Map Join 仅适用于小表与大表的 JOIN 操作，对于大表与大表的 JOIN 场景，则无法发挥优势。
+
+## 使用示例
+
+以下是一些 Map Join 的使用示例：
+
+### 示例1：员工信息与部门信息的关联查询
+
+```SQL
+SELECT /*+ MAPJOIN (dept) */ * FROM employees emp
+JOIN departments dept
+ON (emp.dept_id = dept.dept_id);
+```
+
+### 示例2：订单信息与客户信息的关联查询
+
+```SQL
+SELECT /*+ MAPJOIN (customer) */ * FROM orders order_
+JOIN customers customer
+ON (order_.customer_id = customer.customer_id);
+```
+
+### 示例3：销售记录与员工信息的关联查询
+
+```SQL
+SELECT /*+ MAPJOIN (employee) */ * FROM sales sales_
+JOIN employees employee
+ON (sales_.employee_id = employee.employee_id);
+```
+
+通过以上示例，您可以看到 Map Join 在不同场景下的应用。在实际使用中，请确保小表能够完全加载到内存中，以充分发挥 Map Join 的优势。

package/bin/skills/lakehouse-doc/references/materialized_ddl.md

@@ -0,0 +1 @@
+^