
云和大数据结合的关键点是应用
“云和大数据的结合关键点是应用,只有让大数据在云上不断成长,让云计算给大数据带来几何级的增长,才能迎来更好的未来。”在全球大数据时代贵阳峰会之数据中心总经理俱乐部贵阳论坛上,华云数据集团首席战略官郁珉这样表示。
郁珉认为,全球已经进入第四次产业革命,在这个产业革命中,其中的一个产业支柱就是信息技术革命。在这样的大背景下,数据中心会重新定位角色,云计算中心也必须要和所有的数据中心去结合成一个网点。在新的云计算时代和大数据时代,我们可以做更多的事情。2015年,我们进入了一个新的云计算元年,在接下来的云计算阶段,讲究的是面向应用、联合共享和应用。在之前一个阶段,我们看到的是传统的IDC,逐渐成为初具云计算服务的中心。而现在,我们还需要建设更强有力的平台,用以支持云的活力。开放和共享是一个价值观,在未来开阔的云端,大家你中有我、我中有你的开放和共享,也会引来更加多样化的互联互通。
“对于云数据中心,我认为有三个定义,一是它会更加丰富和容易获取的网络资源,第二点是云数据中心它应该是建立在服务上,会用到更灵活的方式来进行交付。第三个是整个云计算中心要做到云就绪。”郁珉解释道。
对于“互联网+”,郁珉理解为这不仅仅是原来的互联网,当我们看到互联网的时候,我们就看到了移动互联网,它是专门的东西,另外广播电视网也是很独立的,除了这些以外,还有很多其他的正在酝酿中的网络,也包括在骨干网上面,只要和我们民生有关的,和我们居民活动发生关系的网络,我们都应该放在互联网考察的网络里面。
对于大数据的发展,郁珉认为有三个发展阶段,存起来、用起来和联起来。“很早的时候我们认为大数据是四个V,“大量、多样、快速、价值”。这只是存起来而已,现阶段是用起来阶段,在做的事情是采集、访问和分析,现在所有的技术的手段都是围绕这三个地方在进行的,包括采集,我们有很多的端口的设备,包括了访问,分析就是我们大数据的平台。”郁珉这样表示。
在郁珉看来,存起来不是大数据的结束阶段,大数据的后面还有联想阶段。在联想阶段,大数据会自己组织自己的特征,也就是会自己积累自己的知识经验,大数据会自我表达,它能表达出它能提供什么样的知识。目前来看,这个阶段还是遥不可及的,那么要到这一个阶段的话,云计算和数据中心就要结合。
“将来,云数据中心会成为没有联通的世界里服务的聚合地。云数据中心这样一个站点,能吸引许多云服务在此汇合。因此,开放服务平台可以帮助ICD商直接在云上面生成各自的应用,一旦应用落户了,数据生成了,云数据中心也就落地生根了。”
郁珉表示,云和大数据的结合关键点是应用,当应用直接在云上形成时,或者应用在云上大量形成和聚集的时候,大数据就实现了几何级的快速增长了。只有让大数据在云上不断成长,才能迎来更广阔的发展、更美好的未来。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15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