京公网安备 11010802034615号
经营许可证编号:京B2-20210330
玩转大数据 曙光超融合引领计算新趋势
早在今年10月,曙光便推出了曙光“超融合”计算架构,而在近日举行的2014中国大数据技术大会上,曙光研发中心大数据部高级工程师、经理宋怀明博士与曙光存储产品事业部方案部经理刘冠川也再次向到场媒体表达了曙光进军大数据的决心和行动方向。
就国内市场来说,大数据一直处于摸索阶段,尽管业内将2013年就称为“大数据元年”,但至少到目前为止大数据依然处于讨论阶段,从应用来说距离落地还有很长的路程。在本次大数据技术大会上,中国工程院院士、中国科学院计算技术研究所研究员李国杰甚至表示:在应用上,大数据从实践转换成主流产业可能需要5-10年。
▲曙光存储产品事业部方案部经理刘冠川(左)与曙光研发中心大数据部高级工程师、经理宋怀明博士(右)
对此,宋怀明博士具体阐述了大数据的三个阶段,他表示——第一个阶段是解决数据落地的问题,其实就是主要是数据采集和存储,这一阶段存储厂商或者是存储设备厂商占主导。第二个阶段是计算落地,计算落地是提供计算模型、计算框架。第三个阶段也是终极目标,应用的问题,真正把第一阶段我们采集到的数据通过第二阶段提供到这些计算的框架,实现数据价值。实际上第三阶段要求最高。
正是看到了融合的趋势,特别是智能终端、云与高性能、大数据等新兴应用对于融合趋势的推动作用,曙光也提出了超融合系统的感念,通过依靠自身建立一套完整的基础架构,并将其组合在一套设备中。曙光认为,融合架构中只是将三个或者四个构成部分简单组合在一起,每个构成部分本身仍然相对独立。超融合环境中所有的构成部分都是无缝衔接在一起,看不到任何缝隙。显然,曙光超融合所要做的就是实现用户现有孤立的单元有机融合,形成管理、使用、运维的一致性。
面对当下数据中心的应用,超融合系统可以将云计算、高性能计算和大数据三种主流应用融合成同一解决方案。客户按照不同的应用可以选择组件不同的系统架构,其核心思想就是硬件不变,上层部署一些新的软件架构,产生一些新的功能。“云计算与跟高性能计算要有一定的资源分区,大数据和高性能计算都是跑在相同的节点上,通过软件定义把计算任务搭到上面”。
就全球大数据计算的发展来说,中国虽然还在起步阶段,但是发展速度非常快。曙光针对大数据应用已经有了全方位的解决方案,早在去年曙光就推出了大数据一体机,提供了产品层面的解决方案,而超融合概念则是从架构层面解决大数据的应用问题。应该说,曙光从底层硬件到平台到开发都有非常完善的解决方案。而且超融合架构也是全开放的,不仅可以使用曙光的产品,而且也不排斥其他品牌的设备。但是从应用特别是软件管理的角度来说,使用曙光的设备可以达到更好的优化效果。
如今,曙光超融合架构已经在深圳超算中心、上海超算等单位进行部署,包括新华社、北京公安、中国航信、银联、农业银行也在使用曙光的产品和解决方案。未来曙光还将推出超融合一体机,面向市场方向将是中小型用户。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24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