
云计算和大数据的标准化需求和标准化组织有哪些
从技术角度看
概念和定义:通过标准化统一云计算的概念、定义及内容;
互操作:需要制定分布式计算资源、存储资源之间的接口标准,以便更好地解决互操作问题;
虚拟化:需要制定网络、硬件等各种资源虚拟化的格式规范,解决资源的虚拟化、调度和流转问题;
应用开发和部署:需要制定虚拟资源池应用开发接口规范,为上层应用的开发部署及应用提供更好的支撑;
相关产品:需要制定分布式文件系统、分布式数据库、资源虚拟化系统等产品的功能、性能要求等标准,为提高产品质量提供支持。
从运营和安全管理角度看
服务能力:需要制定标准规范提供云计算服务应具备的条件和能力
服务质量评价:需要制定云计算服务质量的评价标准,保证服务质量
运行维护:需要针对云计算相关的计算资源、存储资源的运行维护制定相关的标准,为提高运营提供支持;
安全管理:需要制定数据的存储安全和传输安全,跨云的安全管理等监管、如跨云的身份鉴别、访问控制、安全审计等;
能效管理:需要制定针对绿色数据中心建设的标准,为实现节能减排、低碳提供标准支撑。
从技术角度看
数据准备技术:通过标准规范化数据表示、元数据类型和操作方式,为数据的统一存储提供基础。
数据存储技术:需要制定关于分布式文件系统、数据仓库的相关标准,解决多类型数据的可靠存储问题。
数据平台技术:数据平台涉及到面向服务的体系结构(SOA)、数据并行处理(MapReduce)等技术,我国在SOA标准化方面已研制了系列标准,具备了支撑大数据发展的良好基础。在数据并行处理技术发面,需要制定接口规范,为上层应用的开发部署提供更好的互操作性支撑。
数据处理技术:需要制定大数据分析技术要求、分析过程模型、可视化工具要求等标准,以提高大数据处理产品的质量。
从市场角度看
大数据改变经济社会管理方式。可以提高企业经营决策水平和效率,推动创新,给企业、行业领域带来价值。
促进行业融合发展。在技术和业务的促进下,跨领域、跨系统、跨地域的数据共享成为可能,大数据支持着机构业务决策和管理决策的精准性与科学性,社会整体层面的业务协同效率提高。
推动产业转型升级。大数据环境下,ICT产业面临着有效存储、实时分析、高性能计算等挑战,这将对软件产业、芯片以及存储产业产生重要影响。
助力智慧城市建设。大数据与智慧城市是信息化建设的内容与平台,两者互为推动力量。智慧城市是大数据的源头,大数据是智慧城市的内核。
通过研制大数据的质量评价指标、数据管理技术要求、数据访问接口规范、数据查询语言等标准,为大数据的市场化应用提供支撑。
国内标准化组织:
1、全国信标委(TC28)
云计算、ITSS、非结构化工作组、数据管理、SOA等
2、全国信安标委(TC 260)
参加的国际标准化组织
JTC1、ITU-T、DMTF、SNIA、OASIS、W3C等
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29