
英特尔携手Cloudera发力大数据,背后有哪些契合点
日前,英特尔携手Cloudera在北京举办数据分析媒体沟通会,讲述了双方达成战略合作关系两年来在大数据领域取得的一系列成果。英特尔公司软件与服务事业部副总裁、系统技术和优化部门大数据技术总监马子雅,有Hadoop之父之称、Cloudera公司首席架构师Doug Cutting,以及Cloudera公司副总裁、大中华区总经理凌琦等参会并接受媒体采访。
英特尔平台为用户提供最佳数据洞察力
马子雅说,大数据作为一个非常有前景的产业在过去的几年里得到了快速的发展。目前90%的数据量都是过去两三年产生的。大数据的价值是通过数据分析给人们带来好的商业洞察力。在这方面,英特尔已经进行了多年的努力,最终目标是希望让任何大数据用户能够在英特尔平台上获得最好的数据洞察力,数据分析速度也最为快捷。
他表示,为了达到这样的目的,英特尔将工作分为几个重点方向。
第一是硬件层面。在这方面,英特尔对硬件进行了很多创新,包括网络、存储、运算等。例如在过去的几个月,英特尔推出了实时分析最快的至强E7V4处理器,也推出了最新的非易失性存储技术3D Xpoint。客户通过迁移到新一代英特尔硬件平台,可以使大数据机组性能得到7倍的提升;而通过在每台服务器中引入英特尔的SSD存储,可以使客户的大数据机组性能提升20%。
第二是在大数据层面。英特尔对很多大数据项目进行了优化,以保证它们能够在英特尔的平台上实现性能的大幅提升。比如英特尔推出了Big Bench、High Bench的测试标准,引领了业务基准测试的标准化的发展。该标准可以帮助业界更为精准的了解大数据在微观以及端到端层面的性能。
第三是在开源领域。英特尔看到大数据受开源影响较大,无论是Hadoop生态系统还是Spark生态系统。因此在过去几年中,英特尔在开源领域进行了很多合作,希望以此影响开源技术的未来走向,能与英特尔具有更高的黏合度。
例如在Hadoop相关项目、Spark相关项目,包括SQL、存储、云结合方面,英特尔都做了大量工作。这些工作涵盖添加性能、改善稳定性、可扩展性、提升性能、提升数据保护等。
此外,在机器学习方面,英特尔也在开源方面做了很多工作,尤其是在帮助客户扩大机器学习模块的可扩展性方面,可以达到10倍至70倍,并且可以缩短机器学习的周期达到8倍。在这方面,英特尔把大部分源代码都贡献给开源。
Hadoop让英特尔硬件更优化
Doug Cutting在发言中表示,Cloudera和英特尔至今已经合作两年时间,作为双方在合作方面的亮点,Apache Hadoop确实改变了人们使用数据的方式,能够让用户在数据中挖掘更多价值,同时在这个过程中能够更好地存储、处理数据,和更优化的使用英特尔为主的大部分硬件。
可以说我们与英特尔的合作就是基于这样一个目的,那就是让大家的软件可以在最受青睐的英特尔的硬件上跑的更好。英特尔和Cloudera当前确实也在寻求合作伙伴,当越来越多的大数据应用在数据中心部署,我们希望能够更好地发挥英特尔硬件的一些功能。他说。
Doug Cutting强调,自己非常高兴的看到在两年后的今天,双方的合作非常成功。在许多领域,Cloudera的工程师与英特尔共同合作,以保证Cloudera的软件能够非常好的运行在英特尔的硬件平台上。其中对某些领域通过重点进行优化,从而使Cloudera技术能够与英特尔技术做到深度结合。比如现在可以以非常低的价格进行解密,只有这样才能够使所有的文件都有加密,在保证数据安全的基础上,并不会在解密和加密的过程中影响到使用和运营效率。
对Cloudera中国市场未来有信心
凌琦在发言中主要分享了Cloudera在中国市场落地1年多时间以来的发展情况。
他介绍,从Cloudera自2014年底成立以来至今已经走过了18个月,目前,Cloudera在中国市场也取得了非常好的发展。公司当前已在北京、上海和广州建立了办事机构,业务拓展速度也是非常的快。
凌琦说,除了在与英特尔进行很多项目的研发、合作外,Cloudera公司自身在商业方面也拥有着完整的售前、营销以及专业服务力量。值得一提的是,作为公司的一大业务是涉及大数据人才的培训,目前已有5家培训领域合作伙伴与Cloudera达成了合作关系,并展开了大规模的大数据人才培训。
此外,凌琦还介绍了Cloudera在中国行业市场拓展方面的情况。目前,Cloudera业务已经覆盖电信、金融、制造以及与基础设施建设、零售等相关行业。这些行业也都是在大数据应用和发展上比较快的行业。
我们非常高兴的看到在国内主要的大企业都开始广泛采用基于Apache Hadoop的Cloudera商业发行版。在主要免费版本的发行和采用率上,Cloudera至少在国内占有70%以上的市场份额。到目前为止运营的18个月中,我非常高兴看到Cloudera在中国市场非常成功。我们对未来有非常好的憧憬。凌琦说。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29