搜索--e-works数字化企业网

文章
新闻
资料
视频
活动
特别报道
书屋
智能制造
VIP智库
专家
报告

e-works为您找到 341 条结果

相关性
发布时间

数据中心不考虑这几点就OUT了

随着当今数据量的激增，越来越多的企业，尤其是像互联网行业这类的大型企业来说，建设一个数据中心对于自身业务的快速推动起到了至关重要的作用，而数据中心的基建步骤当中对日后实际运维也起到了关键作用，对于任何一个细节对于服务器机架的数量、尺寸的考量；每个机架的平均功率；数据中心的选址等等等等，这些都是参量一个数据中心好坏的重要指标。数据中心的等级规划数据中心的等级规划其实最为重要，它决定了一个数据中心在冗余和电源分配等诸多方面的规划，对于一个Tier2级数据中心来说，部署“N+1”架构的电源和冷却设备的冗余是足够的服务器机架的数量和尺寸在数据中心当中，机架的数量和尺寸直接影响数据中心的建设空间，机架的数量决定数据中心的空间需求。数据中心选址这点也是至关重要的，因为数据中心的选址日后将会直接影响到实际运行的效果，在冷却措施方面，其中包括水冷机组，机械制冷空调，自然空气冷却、间接空气冷却，绝热冷却等，这些都是为了数据中心设施实现其更低的

来源：太平洋电脑网

2017-10-13

新的大数据的知识发现和数据挖掘

二十年前，关心所谓的“大数据”的人只是一些科学团体的成员—只有他们有大量的数据集和有动机试图处理这些数据，计算机械协会(ACM)在知识发现和数据挖掘方面的特殊利益集团执行主席和雅虎前任的首席数据官不管喜欢与否，企业发现他们自己在线运营并且积累了大量有关顾客和他们的行为的数据。Fayyad说，数据挖掘的力量变得清晰，投资在这个领域的经济动机也同样变得清晰。然而，当今的数据，不需以常见的数据库的形式而存在。“信息不是以一种清晰的表格形式出现在你面前,”Apte说。“它以一种网络的形式出现在你面前。 Apte说，社交媒体可能已开始趋于对这样图形的分析，但是网络数据也可以来自其他数据源—例如，来自诸如电网、配水系统、交通管理系统这样一些复杂的工程系统。 Fayyad说数据中的强大商业利益已经改变了数据挖掘的领域。他说，科学家主要处理整齐的，结构形式存储的数据。但大多数企业产生的数据是一种混乱的非结构化的形式。

来源：中国商业智能网

2017-10-04

十个应对数据中心宕机的措施与方法

虽然数据中心的设计在理论上不会发生故障，但它确实会出现这种情况，因此数据中心运营商将面临非常严峻的情况，特别是托管数据中心。根据最近发生的一些事情，表明托管数据中心遭遇停电和业务中断的后果是十分严重的。例如：英国电信公司是全球最大的通讯商和托管数据中心商之一，其运营的数据中心今年遭遇两次宕机事件。但是，如果作为数据拥有者，并且其数据中心解决方案存在失误，那么这是一个不同的结论。如果企业客户已经做出战略决定，将其数据放在外部数据中心，并进行了风险分析。但这样就真的做好应对最坏结果的准备好了吗？大多数托管数据中心都有一个替代的站点，可以处理基本的灾难恢复，以确保他们的客户对运营几乎没有影响。大多数公司仍在追求在数据中心(托管数据中心，云计算或者内部部署)中部署双活数据库。如今，组织运营数据业务，就必须成为数据中心的行家。组织不但要熟知数据中心的知识，而且还要了解市场趋势。通过询问问题和阅读报告，可以了解数据中心解决方案的各个方面情况。

来源：中国IDC圈

2017-10-02

数据变现难题，“七宗罪”待解

百度、腾讯、阿里、京东等互联网巨头纷纷切入数据交易和数据服务市场，启动了百度API、腾讯云、阿里云、京东万象等大型数据交易和数据服务平台，已经汇集的数据供应商超过500余家，数据交易流通超过每天百亿次。北京、贵州、河北、上海、武汉等地方政府，建立了政府数据开放、数据资产管理、本地数据流通为目标的区域数据交易市场，而未纳入公开市场的数据流通，更是体量巨大，整个数据流通产业如火如荼。随着数据交易平台的大量涌现和数据流通交易产业的变现模式为全社会所认知，在利益诱导和监管缺失的情况下，大数据的流通交易面临的问题也愈发凸显：数据侵权、数据窃取、非法数据使用、非法数据买卖已成为行业乱象，并呈现失控态势 2015年以来，电信诈骗、数据泄漏、非法倒卖案件频发，个人身份信息等用户数据的泄露，使得违法人员能够使用大数据实现精准诈骗；微博数据、各类论坛数据等被非法获取导致用户社交关系泄露；企业积累数据被二次倒卖致使经济利益受损数据与工业时代的商品有截然不同的属性，工业时代的商品是实体物品为主，基于一定成本的原料生产后，基于工厂相对标准化的大规模生产模式生产出来，其商品经历了上百年的发展之后，已经形成了大家都认同的标准化定价模式

来源：大数据周刊

2017-08-01

大数据环境下该如何优雅地设计数据分层

发个牢骚，搞大数据的也得建设数据仓库吧。而且不管是传统行业还是现在的互联网公司，都需要对数据仓库有一定的重视，而不是谈一句自己是搞大数据的就很厉害了。数据建设刚起步，大部分的数据经过粗暴的数据接入后就直接对接业务。数据建设发展到一定阶段，发现数据的使用杂乱无章，各种业务都是从原始数据直接计算而得。各种重复计算，严重浪费了计算资源，需要优化性能。这里我们可以看到，这一层面的数据还具有鲜明的业务数据库的特征，甚至还具有一定的关系数据库中的数据范式的组织形式。但是，这一层面的数据却不等同于原始数据。数据产品层（APP），这一层是提供为数据产品使用的结果数据在这里，主要是提供给数据产品和数据分析使用的数据，一般会存放在es、mysql等系统中供线上系统使用，也可能会存在Hive或者Druid中供数据分析和数据挖掘使用数据生成方式：部分数据直接来自kafka，部分数据为接口层数据与历史数据合成。canal日志合成数据的方式待研究。

来源：PHPChina开发者社区

2017-07-28

随笔｜关于数据感悟

数据产品不同于一般业务系统。隔行如隔山，跨部门项目往往对双方团队的时间管理、利益妥协、沟通协作和交付提出了很高很难的要求，数据产品要有价值，必须获取足量、高质的数据，建立跨部门、跨业务的统一数据视图前景美妙但步履维艰，保持持久热情计算跑向数据——比如传统的存储过程，免去了数据传输性能好，但扩展性很差，跨数据库的DB-Link技术可以看做分布式计算的早期手段；数据跑向计算——如Hadoop 没有客户的数据产品没有价值，从立项开始，就要有生存、竞争、运营的综合考虑。让现有数据产生价值是数据团队的第一使命，而逐步产生价值、释放数据活力、融通部门利益则是一种全局运营意识。分而治之测试大数据处理手段有效与否的基本方法就是去求个和、排个序、分个组。如同1+1=2，这是基本所有大数据处理场景的最小化抽象。

来源：极客头条

2017-07-09

大数据不是万能！会遭遇数据净化难题

”科夏瓦杰认为，解决数据“不干净”的终极方法之一是要给病历制定一套“数据纪律”。因此不干净的数据也可以变废为宝。最终，从大数据中获得结论的是人而不是机器。电脑虽然可以整理几百万份文件，但它并不能真的解读它。数据净化就是为了方便人们从数据中获取结论而反复试错的过程。尽管大数据已被奉为能提高商业利润、能造福全人类的神器，但它也是个很让人头痛的东西。沙利文指出：“失败的概念在数据科学中完全是另一回事。 ”(财富中文网)数据分析师一般喜欢先寻找非常态的信息。由于数据量太巨大，他们一般都会把筛选数据的工作交给软件来完成，来寻找是否有些反常的东西需要进一步检查。一大批创业公司也想争当大数据的看门人，其中有代表性的包括Trifacta、Tamr和Paxata等。由于“不干净”的数据太多，医疗业被认为是大数据技术最难搞定的行业之一。

来源：互联网

2017-06-29

如何成功实现数据治理

简单来说，数据治理就是处理数据的策略——如何存储、访问、验证、保护和使用数据。数据治理包括制定获取方案：谁能访问、使用和共享你的数据。数据治理的特点数据治理策略必须涵盖数据的整个生命周期，从数据收集一直到数据管护。在这个生命周期中，数据治理必须解决以下问题：·从哪里获取数据以及如何获取，这是数据生命周期的起点。数据来源决定了数据治理策略的基础。例如，数据来源所决定的一个重要因素是数据集的大小。是从目标市场、现有客户和社交媒体收集数据？还是使用外部供应商收集数据或者分析你收集的数据？输入数据流是什么？数据治理必须着眼于这些问题，制定策略来管理数据的采集，引导外部供应商处理他们收集的数据或者分析你收集的数据，控制数据的路径和生命周期。数据治理委员会着眼于现有数据策略、未被满足的需求以及潜在安全问题等，创建数据治理策略，使数据的采集、管护、储存、访问以及使用策略均实现标准化，同时还会考虑各个部门和岗位的不同需求。

来源：36大数据

2017-06-28

详细解读你所不了解的“大数据”

2、大数据技术，是指从各种各样类型的大数据中，快速获得有价值信息的技术的能力，包括数据采集、存储、管理、分析挖掘、可视化等技术及其集成。三、大数据的类型和价值挖掘方法1、大数据的类型大致可分为三类：1)传统企业数据（Traditionalenterprisedata）：包括CRMsystems的消费者数据，传统的ERP数据，库存数据以及账目数据等 2)机器和传感器数据（Machine-generated/sensordata）：包括呼叫记录（CallDetailRecords），智能仪表，工业设备传感器，设备日志（通常是Digitalexhaust 2、是数据类别大和类型多样数据类别(variety)大，数据来自多种数据源，数据种类和格式日渐丰富，已冲破了以前所限定的结构化数据范畴，囊括了半结构化和非结构化数据。欧洲多个城市通过分析实时采集的交通流量数据，指导驾车出行者选择最佳路径，从而改善城市交通状况。

来源：大数据分析和应用

2017-06-18

这么美的数据中心好想去看看

南北极常年气温处于零下20度，数据中心可以利用自然优势进行散热，几乎不用空调系统，数据中心产生的热量通过自然就可以带走，这样的数据中心环保要比一般数据中心高三倍左右。空调系统是数据中心的重要组成部分，也是数据中心能耗的重要部分，约占数据中心总能耗的三分之一，而建在南北极的数据中心就不用担心能耗问题，绝对环保。，比如阿里巴巴千岛湖的数据中心，这类数据中心的PUE都很低。将数据中心建在沙漠里，也是不希望被更多人知晓数据中心的存在，这些数据中心往往保存着一些国家机密，类似的数据中心还有建在山洞里的，低下掩体里的，目的都是为了安全。这类数据中心多是为军方服务，将数据中心藏在隐蔽之处，避免数据中心遭受导弹打击，这类数据中心多是为国家秘密服务，建设几乎不考虑成本。

来源：企业网D1Net

2017-05-19

共 35 页总数：341 条

«
1
26
27
28
35
»

全年活动计划

信息搜索中，请稍候...

资料

系列微信

数字化企业网

PLM之神

e-works制信科技

MES百科

工业自动化洞察

智能制造IM

AI智造圈

智能工厂前线

工业机器人洞察

智造人才圈

工业软件应用

智能制造网博会

ERP之家

供应链指南针

旗下机构

中国光谷产业联盟

广西两化融合促进中心

广西工业创新促进会

e-works 公众号

e-works APP

旗下其他网站

广西两化融合门户

广西新品推介交易平台

特色服务

两化融合贯标

© 2002-2025 武汉制信科技有限公司版权所有 ICP经营许可证：鄂B2-20030029-1（于2003年首获许可证:鄂B2－20030029）
鄂公网安备：420100003343号法律声明及隐私权政策投诉举报电话：027-87592219

关于我们 | 联系我们 | 隐私条款

ICP经营许可证：鄂B2-20080078
（于2003年首获许可证:鄂B2－20030029）
鄂公网安备：420100003343号
© 2002-2025 武汉制信科技有限公司版权所有
投诉举报电话：027-87592219

需求中心

扫码查看

联系我们

返回顶部