
英特尔与SAP共筑大数据分析平台
大数据时代,对于数据的处理需求除了面向更大规模的海量性以外,也需要信息的快速展现。为帮助企业用户提升海量数据分析效率,加速获取实时的业务洞察,进而提升在行业内的竞争优势,英特尔公司携手大数据实时分析领先企业SAP在京举办了主题为“数据芯处理 高效创共赢”的2014英特尔数据中心媒体沟通会。
双方在阐释对大数据市场、应用等方面的最新洞察以及双方协作创新策略的同时,还重点介绍了双方精心打造的、基于英特尔硬件平台的大数据实时分析平台,并现场演示了该解决方案的应用效果。
数据处理需要重架构
大数据实时分析,是英特尔和SAP在本次沟通会上高度聚焦的主题,也是目前大数据应用领域内诸多用户及厂商所共同关注的焦点话题——继过去几年间海量复杂结构数据的存储、清洗、处理、查询和基本的分析功能在开放架构开源平台上得以实现后,对这些数据价值的深度挖掘,特别是实时的分析和挖掘就成了企业用户迫在眉睫的需求,他们都渴望利用新的技术和方案,以更快的大数据分析速度以及更精准的分析结果,来辅助和支持更为高效的商业决策。
英特尔(中国)有限公司数据中心及云计算业务产品市场总监贺晓东表示,数据处理市场的数据中心需要重架构,它会朝着更快、支持更大的数据量和更高的性价比来做。从英特尔来讲,无论用户朝哪个方向走,都有这样的产品、平台,至强的E7、E5来支撑这样一个方向。
英特尔提供的是一个数据分析的数据生命周期的支撑,首先是核心业务系统、数据库、业务数据的收集,比如传统的CRM、ERP等等我们都可以提供至强E7这样的高可用、稳定性的平台来给用户提供数据分析。
“我们提供的是一个可靠的、稳定的、可服务的方案,来满足用户的需求。等到了数据进一步的抽取、梳理,然后把它存档,再进行深度挖掘分析时,这时候需要可弹性扩充的平台,这时候我们可以用E5这样的平台。”贺晓东补充道。
数据中心的发展方向是降低数据的存储、处理,整个流程数据中心的功耗等,英特尔在可管理性方面也会做很多平台化的工作,到最后是表现层,可以通过一个台式机、通过终端、通过平板,甚至手机,形成各种各样的智能可视化报告,英特尔的产品线从性能、可扩展性方面是涵盖整个数据的全生命周期的支撑的。
英特尔与SAP共筑大数据实时分析平台
“作为企业管理软件解决方案提供商,我们一直在聆听企业用户在大数据应用方面的需求和困难,并对自身产品和技术不断进行相应的优化与改进,使之能够符合企业用户日益提升的在计算性能与大数据实时分析方面的需求,”SAP公司数据库及技术平台部售前总监宋一平指出:“很荣幸在这一过程中,我们能够与英特尔公司同行,英特尔持续向我们创新的计算、存储、网络平台,并为我们软件产品在其上的全面优化,以及相关解决方案的验证提供了强有力的支持。”
为满足企业用户对实时分析的迫切需求,英特尔与SAP结合彼此在计算力和数据分析应用上的优势,共同打造了大数据实时分析平台。该平台的基石是具备高性能和高能效,并提供计算、存储和I/O均衡优势的英特尔架构开放硬件平台,部署了SAP强大的、基于内存的数据库和商业智能技术,能够以前所未有的优异性能及数据分析速度,帮助企业用户掘取实时的洞察力,更快地制定更为明智的业务决策,或创造新的业务模式及流程,从而捕获新机遇,并进一步降低业务运营成本。
英特尔与SAP HANA实际上有很长期的合作,差不多有20几年的历史。“HANA在产品研发最初的时候,实际上我们在德国英特尔是有一个团队来支持HANA的整个架构的,保证用户在采用HANA时内存实时数据分析解决方案时用到的是最好的解决方案,当然其中包括硬件平台的解决方案。”宋一平说道。
众所周知,HANA平台是需要认证的,现在HANA在英特尔E7上面是有很详细的认证介绍,这对用户来讲是非常有参考价值的,英特尔和SAP的关注点是如何帮助本地的客户加速把这样的实时分析技术落地。
“英特尔中国和SAP中国打造一个所谓的端到端的大数据解决方案,因为大数据既要有实际的分析,又要有大量、海量的历史数据挖掘,在我们的云创新中心搭建了一个HANA的平台和Hadoop的平台,这里做了这么一个非常优化的调试,如果用户愿意用他的数据在这里做一些尝试性的测试,做一些调优,这块就是非常好的端到端的测试平台,用户如果愿意来的话,可以来做一些测试,我们可以支持各种各样的,比如说从数据的源头到数据的管理,到数据的应用。”贺晓东说道。
“很高兴看到英特尔与SAP的合作从传统数据分析时代一直沿延到大数据分析时代,这种合作可谓优势互补、强强联手,”英特尔(中国)有限公司数据中心及云计算业务产品市场总监贺晓东表示:“基于英特尔架构硬件平台和SAP领先的内存计算和分析技术构建的大数据实时分析平台,就是这种协作创新凝聚的结晶。我们也期待能与更多的合作伙伴及用户携手,围绕开放架构大数据解决方案的开发开展更为广泛的合作,以产出更多多样化、差异化的创新成果,确保每个行业和领域都能在大数据时代获益。”
此外,英特尔与SAP还将继续致力于大数据解决方案的研发与拓展,并将一些关键的大数据革新技术贡献到Hadoop开源社区及相应生态圈内部的大数据合作伙伴,推动大数据技术的落地与数据分析领域的进一步发展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15