南京大数据技术Meetup第四次活动

2024-02-10 07:48

本文主要是介绍南京大数据技术Meetup第四次活动,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

很有幸今天去参加了“南京大数据技术Meetup第四次活动”,前三次由于不知道这样的活动,错过了非常可惜。以下就是我了解到的一些内容,在这里做一些记录:


1、   主要人员

a)  汪军(伦敦大学学院,博士生导师,教授,AI、互联网变现和计算广告学)

b)  王胤然(烽火通信大数据专家)

c)  张毅(苏宁云商,软件工程师)

d)  黄宜华(博士,教授,博导,NJUPASA实验室负责人)

e)  顾荣(NJU PH.D,PASA成员,Tachyon和SparkContributor)

f)  罗胜美(中国电子学会云计算专委会委员、中兴通讯集团首席架构师)

g)  樊建(华泰证券,南京载玄信息科技有限公司联合创始人,技术总监)


2、   行业应用

a)  苏宁云商:

                      i. 主要介绍了从2014年至今几大阶段的大数据技术演化;

                    ii. SQL on Storm à Storm Monitor à Libra … à Spark Streaming(内测)

                   iii. 资产管理、资源隔离、Docker的应用研究

b)  烽火安全云:

                      i. 主要介绍了从2010年至今大数据技术架构的情况;

                    ii. 互联网和信息安全这两个领域的大数据技术的主要区别;

                   iii. HBase的二级索引解决方案;

                   iv. 针对业务需要、屏蔽底层实现方案,向上层两个主要服务,分别为:queryService(查询引擎)和taskService(任务调度引擎)


3、   专家探讨

参与者: 樊建、汪军、黄宜华、罗胜美

5个topic:

a)  大数据在行业落地过程中主要存在哪些问题?(如大数据不易获取、大数据技术使用困难)?应当如何解决?

                      i. 罗:数据获取有多种途径,需要企业或研究者们,关注相关行业的情况,比如政府可以免费提供一段时间内的交通数据,给大家进行挖掘和分析研究等。之后,就要看如何使用这些数据和基于这些数据分析方法。

                    ii. 樊:对企业内部上百个项目的业务系统和存储数据的总体把握,是目前比较困难的地方。大数据系统的架构设计、开发和部署的落地是其次。

b)  预测大数据在未来两年可能会在哪几个行业进一步产生Killer App?

                      i. 樊:将传统的关系数据库的磁盘存储迁移到分布式文件系统上来,或者是基于内存级别的方式;还特别提到了后期对Docker的研究。

c)  大数据教育和人才培养方面有哪些建议和想法?(对学生和老师的建议)?

                      i. 黄:单位和高校的深度合作,定向培养;熟悉storm、spark等框架的部署、开发以及运维等系统性的知识。

d)  大数据技术和云计算技术的关系以及如何进一步理解?

                      i. 罗:云计算技术侧重的是存储和计算,而大数据技术侧重基于上层服务或应用的需求而产生的各种大数据解决方案。但从某种程度上来说,这两者确实存在一定的交差关系,这一层可以抽象为一个服务层,主要是基于云向上层提供的以及基于大数据业务向下层索取的特定实现。


4、   个人总结

今天的meet up让我受益很多,了解到南京地区的企业在大数据技术方面的实践历程和演化之路,尤其表现出了对Docker和Spark的研究和应用的关注。其中,企业要不要使用大数据,如何落地大数据技术,最后的效果又是如何的?都是值得深入思考的。

同时也让我看到了南京大学PASA实验室的强悍之处,作为实验室的成员,meet up的主持人,顾荣博士更是Spark和Tachyon的Contributor,他和他的导师黄教授合作开发了一个v0.1的大章鱼项目。科研与学术的结合,算法模型的多角度验证、offline数据的测试到online数据的证实,是发表顶级paper的前提和过程。

由此可见,国内的大数据技术氛围也是越来越好,最后听取了四位专家的座谈,通过对topics的回答,由浅入深地从学术角度和企业应用方面提出了各自的见解,确实开阔了视野,激起了我学习大数据技术的热情!


5、   相关链接

a)        http://pasa-bigdata.nju.edu.cn/

这篇关于南京大数据技术Meetup第四次活动的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/696542

相关文章

Linux下利用select实现串口数据读取过程

《Linux下利用select实现串口数据读取过程》文章介绍Linux中使用select、poll或epoll实现串口数据读取,通过I/O多路复用机制在数据到达时触发读取,避免持续轮询,示例代码展示设... 目录示例代码(使用select实现)代码解释总结在 linux 系统里,我们可以借助 select、

Java中的Schema校验技术与实践示例详解

《Java中的Schema校验技术与实践示例详解》本主题详细介绍了在Java环境下进行XMLSchema和JSONSchema校验的方法,包括使用JAXP、JAXB以及专门的JSON校验库等技术,本文... 目录1. XML和jsON的Schema校验概念1.1 XML和JSON校验的必要性1.2 Sche

C#使用iText获取PDF的trailer数据的代码示例

《C#使用iText获取PDF的trailer数据的代码示例》开发程序debug的时候,看到了PDF有个trailer数据,挺有意思,于是考虑用代码把它读出来,那么就用到我们常用的iText框架了,所... 目录引言iText 核心概念C# 代码示例步骤 1: 确保已安装 iText步骤 2: C# 代码程

Pandas处理缺失数据的方式汇总

《Pandas处理缺失数据的方式汇总》许多教程中的数据与现实世界中的数据有很大不同,现实世界中的数据很少是干净且同质的,本文我们将讨论处理缺失数据的一些常规注意事项,了解Pandas如何表示缺失数据,... 目录缺失数据约定的权衡Pandas 中的缺失数据None 作为哨兵值NaN:缺失的数值数据Panda

C++中处理文本数据char与string的终极对比指南

《C++中处理文本数据char与string的终极对比指南》在C++编程中char和string是两种用于处理字符数据的类型,但它们在使用方式和功能上有显著的不同,:本文主要介绍C++中处理文本数... 目录1. 基本定义与本质2. 内存管理3. 操作与功能4. 性能特点5. 使用场景6. 相互转换核心区别

python库pydantic数据验证和设置管理库的用途

《python库pydantic数据验证和设置管理库的用途》pydantic是一个用于数据验证和设置管理的Python库,它主要利用Python类型注解来定义数据模型的结构和验证规则,本文给大家介绍p... 目录主要特点和用途:Field数值验证参数总结pydantic 是一个让你能够 confidentl

JAVA实现亿级千万级数据顺序导出的示例代码

《JAVA实现亿级千万级数据顺序导出的示例代码》本文主要介绍了JAVA实现亿级千万级数据顺序导出的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面... 前提:主要考虑控制内存占用空间,避免出现同时导出,导致主程序OOM问题。实现思路:A.启用线程池

SpringBoot分段处理List集合多线程批量插入数据方式

《SpringBoot分段处理List集合多线程批量插入数据方式》文章介绍如何处理大数据量List批量插入数据库的优化方案:通过拆分List并分配独立线程处理,结合Spring线程池与异步方法提升效率... 目录项目场景解决方案1.实体类2.Mapper3.spring容器注入线程池bejsan对象4.创建

PHP轻松处理千万行数据的方法详解

《PHP轻松处理千万行数据的方法详解》说到处理大数据集,PHP通常不是第一个想到的语言,但如果你曾经需要处理数百万行数据而不让服务器崩溃或内存耗尽,你就会知道PHP用对了工具有多强大,下面小编就... 目录问题的本质php 中的数据流处理:为什么必不可少生成器:内存高效的迭代方式流量控制:避免系统过载一次性

C#实现千万数据秒级导入的代码

《C#实现千万数据秒级导入的代码》在实际开发中excel导入很常见,现代社会中很容易遇到大数据处理业务,所以本文我就给大家分享一下千万数据秒级导入怎么实现,文中有详细的代码示例供大家参考,需要的朋友可... 目录前言一、数据存储二、处理逻辑优化前代码处理逻辑优化后的代码总结前言在实际开发中excel导入很