京公网安备 11010802034615号
经营许可证编号:京B2-20210330
英特尔关注大数据前沿趋势 促部署落地
如今,在IT圈,你不谈大数据都不好意思说你是做IT的。如今,各大厂商也加大力度在大数据领域拓荒,试图抢占这个未来战略制高点。作为全球知名的IT企业,英特尔在大数据领域深耕已久,大数据与软件关系密切,今天我们就来看一看英特尔在大数据与软件方面的进展情况。
此次我们采访了英特尔公司软件与服务事业部副总裁兼系统技术和优化部门总经理Michael Greene先生;英特尔公司软件与服务事业部、大数据技术全球总经理马子雅女士;英特尔中国研究院院长吴甘沙先生;英特尔亚太研发有限公司物联网解决方案与产品事业部商务开发经理顾典经理,由他们为我们详细介绍了英特尔的情况。
英特尔公司软件与服务事业部副总裁兼系统技术和优化部门总经理Michael Greene
大数据领域 英特尔各司其职
MichaelGreene目前主要负责英特尔内部开源问题,在大数据上面,英特尔一直提供开放代码的大数据和分析平台。目前在STO里面有一个专门针对大数据领域的团队,马子雅女士是这个团队总经理,这个团队有三个主要功能,第一是领导英特尔在开源社区方面的贡献;第二就是通过和业界合作,完善在IA架构上的用户体验;第三,就是基于IA上面对大数据进行优化。这是Michael Greene所领导的团队的最大特点。
英特尔中国研究院院长吴甘沙先生
吴甘沙先生是英特尔中国研究院的院长,目前在大数据这块,主要的任务在SSG方面,这个方面有点向侦察兵的职责,负责在前面谈论,也就是负责大数据方面发展的前沿的一些研发。比如,如今SSG正在努力的研究Hadoop相关东西,比如流处理、图计算、内存计算,这是SSG的第一阶段,接下来还会研究大数据和人的关系,以及大数据跟中小企业以及传统公司的关系等等。
英特尔亚太研发有限公司物联网解决方案与产品事业部商务开发经理顾典经理
物联网行业如今快速发展,也已经成为大数据行业非常重要的一个领域,顾典领导的物联网事业部是英特尔内部的一个部门。如今随着互联网设备的快速增加,这些互联的设备本身每天都会实时的不间断的产生很多数据,从英特尔推广物联网普及的角度来说,顾典不仅仅是关注这些设备的互联,还关注设备互联以后怎么样被高效管理。
第2页:英特尔关注大数据前沿趋势
关注大数据前沿趋势 促行业部署落地
目前,人们无疑关注的是大数据的发展趋势,哪一个行业领域会是英特尔接下来的研发方向呢?Michael Greene表示,深度学习将会作为大数据接下来的一个研究方向。另外,英特尔主要关注在软件上、问题的处理,包括大容量的复杂计算,这上面英特尔可能还会加入一定的精力做进一步的开发,并且现在英特尔已经有一些成功案例。
英特尔公司软件与服务事业部、大数据技术全球总经理马子雅女士
作为英特尔中国研究院的院长,吴甘沙也认为深度学习是发展方向,并且深度学习是大数据分析当中比较偏向高性能计算的一种,比如在Spark上做了很多的各种各样的大数据分析。事实上深度学习现在有很多种方式来对它进行加速,可以用GPU、可以用Xeon Phi,也可以用FPGA这样的平台进行加速。从英特尔研究角度来说,英特尔希望各种选择都能够尝试一下。
无论何时,大数据分析的落地部署一直是用户关注的话题,Michael Greene认为目前需要帮助用户更加快速轻松的部署,Cloudera现在有一个组件——ClouderaDirector,可以帮助客户快速的自动化地部署。另外在开源社区Open Source里面,英特尔一直在做一个项目Sahara,在这个项目不管你是Hortonworks、Cloudera甚至MapR都可以帮助容易的帮助用户实现落地。
英特尔各个部门在大数据这块有明确的分工。Michael Greene比较专注于具体用户的问题,因为只有把用户的问题放在最高点,所有的解决方案才会整合到一块儿。一旦英特尔把问题搞清楚了之后,第二个重心是要在英特尔平台上做最大的优化,尤其是很多时候用户的问题,从端到端,中间的每个组件都要做一些英特尔平台的优化。比如像SSD、新的存储技术这些都可以做到英特尔平台上的优化。
在物联网用与大数据方面,顾典表示,通过和企业用户、行业用户的一些探讨,包括第三方的咨询,英特尔看到物联网的发展还是碰到了一些技术上的瓶颈。如果说以互联设备的增长量来说,从目前的150亿台设备增加到将来的500亿台设备。怎么样把这些设备实现互联,然后在规模部署上突破碎片化一些瓶颈,这是物联网事业部目前关注的地方。
尽管从谈话中我们了解到大数据分析目前还有很长一段路要走,但是我们也能够从几个被访者谈话中了解到大数据的魅力所在,以及英特尔在大数据分析方面所做的努力。对于大数据,英特尔一直走在发展对饿前列,当大多数人在考虑第N个阶段的时候,开始考虑N+1个阶段。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”,其核心本质是通过数据驱动业务重构、流程优化与模式创新,实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代,企业积累的海量数据如同散落的珍珠,而数据模型就是串联这些珍珠的线——它并非简单的数据集合,而是对现实业务场 ...
2026-01-22