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!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/696542

相关文章

解决mysql插入数据锁等待超时报错:Lock wait timeout exceeded;try restarting transaction

《解决mysql插入数据锁等待超时报错:Lockwaittimeoutexceeded;tryrestartingtransaction》:本文主要介绍解决mysql插入数据锁等待超时报... 目录报错信息解决办法1、数据库中执行如下sql2、再到 INNODB_TRX 事务表中查看总结报错信息Lock

使用C#删除Excel表格中的重复行数据的代码详解

《使用C#删除Excel表格中的重复行数据的代码详解》重复行是指在Excel表格中完全相同的多行数据,删除这些重复行至关重要,因为它们不仅会干扰数据分析,还可能导致错误的决策和结论,所以本文给大家介绍... 目录简介使用工具C# 删除Excel工作表中的重复行语法工作原理实现代码C# 删除指定Excel单元

Linux lvm实例之如何创建一个专用于MySQL数据存储的LVM卷组

《Linuxlvm实例之如何创建一个专用于MySQL数据存储的LVM卷组》:本文主要介绍使用Linux创建一个专用于MySQL数据存储的LVM卷组的实例,具有很好的参考价值,希望对大家有所帮助,... 目录在Centos 7上创建卷China编程组并配置mysql数据目录1. 检查现有磁盘2. 创建物理卷3. 创

Nacos日志与Raft的数据清理指南

《Nacos日志与Raft的数据清理指南》随着运行时间的增长,Nacos的日志文件(logs/)和Raft持久化数据(data/protocol/raft/)可能会占用大量磁盘空间,影响系统稳定性,本... 目录引言1. Nacos 日志文件(logs/ 目录)清理1.1 日志文件的作用1.2 是否可以删除

使用Python获取JS加载的数据的多种实现方法

《使用Python获取JS加载的数据的多种实现方法》在当今的互联网时代,网页数据的动态加载已经成为一种常见的技术手段,许多现代网站通过JavaScript(JS)动态加载内容,这使得传统的静态网页爬取... 目录引言一、动态 网页与js加载数据的原理二、python爬取JS加载数据的方法(一)分析网络请求1

8种快速易用的Python Matplotlib数据可视化方法汇总(附源码)

《8种快速易用的PythonMatplotlib数据可视化方法汇总(附源码)》你是否曾经面对一堆复杂的数据,却不知道如何让它们变得直观易懂?别慌,Python的Matplotlib库是你数据可视化的... 目录引言1. 折线图(Line Plot)——趋势分析2. 柱状图(Bar Chart)——对比分析3

Spring Boot 整合 Redis 实现数据缓存案例详解

《SpringBoot整合Redis实现数据缓存案例详解》Springboot缓存,默认使用的是ConcurrentMap的方式来实现的,然而我们在项目中并不会这么使用,本文介绍SpringB... 目录1.添加 Maven 依赖2.配置Redis属性3.创建 redisCacheManager4.使用Sp

Web技术与Nginx网站环境部署教程

《Web技术与Nginx网站环境部署教程》:本文主要介绍Web技术与Nginx网站环境部署教程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、Web基础1.域名系统DNS2.Hosts文件3.DNS4.域名注册二.网页与html1.网页概述2.HTML概述3.

Python Pandas高效处理Excel数据完整指南

《PythonPandas高效处理Excel数据完整指南》在数据驱动的时代,Excel仍是大量企业存储核心数据的工具,Python的Pandas库凭借其向量化计算、内存优化和丰富的数据处理接口,成为... 目录一、环境搭建与数据读取1.1 基础环境配置1.2 数据高效载入技巧二、数据清洗核心战术2.1 缺失

Python处理超大规模数据的4大方法详解

《Python处理超大规模数据的4大方法详解》在数据的奇妙世界里,数据量就像滚雪球一样,越变越大,从最初的GB级别的小数据堆,逐渐演变成TB级别的数据大山,所以本文我们就来看看Python处理... 目录1. Mars:数据处理界的 “变形金刚”2. Dask:分布式计算的 “指挥家”3. CuPy:GPU