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 894 条结果

相关性
发布时间

大数据架构详解：从数据获取到深度学习

此外，数据挖掘和机器学习有很大的交集。本文将从架构和应用角度去解读这两个领域。机器学习和数据挖掘的联系与区别数据挖掘是从海量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。数据挖掘中用到了大量的机器学习界提供的数据分析技术和数据库界提供的数据管理技术。图像识别领域小米面孔相册这项功能的名字叫“面孔相册”，可以利用图像分析技术，自动地对云相册照片内容按照面孔进行分类整理。开启“面孔相册”功能后，可以自动识别、整理和分类云相册中的不同面孔。支付宝扫脸支付马云在2015CeBIT展会开幕式上首次展示了蚂蚁金服的最新支付技术“SmiletoPay”（扫脸支付），惊艳全场。

来源：36大数据

2017-10-09

Denodo：变革AI时代数据管理模式，重塑企业价值核心基石

现代企业的数据流分散在本地服务器、公有云、私有云、数据湖等多个存储介质中，形成了典型的“多云多湖”架构。推进数据编织方法：构建完整数据管理架构在AngelViña看来，数据编织不仅仅是一套集成技术，而是包括从数据源适配、逻辑整合、安全管控、价值交付到持续迭代这一完整的技术与服务体系，持续在逻辑架构从技术原理看，数据编织摒弃了传统数据“物理集中”的固有思维，通过建立统一的逻辑调度层，让分散在本地系统、公有云、私有云、数据湖等不同环境中的数据，无需迁移至集中存储介质，即可实现逻辑层面的关联与协同，对于采用“多云多湖”架构的大型企业而言，数据编织可快速响应业务变化，新增数据源或调整应用场景时无需重构数据架构，仅需优化逻辑关联规则即可。相反，它提供了一个虚拟层，允许用户访问和集成来自各种来源（例如数据库、应用程序和云服务）的数据，而无需将数据移动到中央存储库。

精英面对面

来源：e-works

2025-11-25

云原生应用程序和数据需要确保安全

基于云原生IT的新方法将会有所帮助。更敏捷、更多数据……更多问题?为了采取必要的措施，开发人员正在研究如何利用云原生方法。它需要围绕软件容器构建的新架构和采用的业务流程工具如何在从构建到生产的自动化应用程序中发挥作用，如何在容器之间有效地使用API??，然后如何通过应用程序基础设施的动态更改来处理数据。这种方法不仅需要深入了解数据库的工作原理，还需要随着时间的推移进行一些人工干预以处理扩展。使数据与应用程序一样易于编排与Kubernetes一起管理云原生应用程序数据需要一些计划。更重要的是，这种方法应该能够像任何软件容器映像一样在多个云服务或云平台上进行扩展。支持企业业务的数据处理方法对于希望更快地实施并交付客户所需的企业而言，迁移到云原生应用程序和数据至关重要。

来源：企业网D1Net

2020-07-28

数据中心最近网络架构的变化

由于混合云与容器网络的出现，数据中心网络比以往任何时候都更加复杂。现在已经不再是遵循简单的原则，IT就容易成功的时代。现代的数据中心网络更加复杂，也更加的自动化。网络地址之间的转换、加密或数据挖掘很少出现。这些功能往往位于数据中心的边缘位置，与受信任范围之外的设备进行通信。现代数据中心随着业务需求的变化，现代数据中心的网络架构看起来跟以往的有些不同。比起过去设施相对单一的数据中心，现代的数据中心则是完整的、统一的基础设架构平台，在这个平台上运行着各种应用程序。数据中心被视为一个整体；它是应用程序交付的引擎。在高层级上，我们一直在规划私有云架构，在这种方式下的物理基础设施，可以与公共云进行更简单的协作。因此，混合云架构越来越受欢迎，人们期望公共云工作与私有云能够具有相同的安全性和连接性。层级随着混合云架构成为新的常态，重要的是要注意这些趋势对网络的影响。数据中心不再像之前简单地一个IP地址与地与另一个IP地址进行对话，在遇到麻烦时，路由和桥接表可以进行协商。

网络与安全

来源：机房360

2018-01-05

工业大数据技术与架构

在设备层、控制层、车间层可利用物联网，基于信息物理系统实现智能工厂；在企业层，企业集成内部各种信息化应用，进行企业内部业务流程整合和改造，提升企业运行效率；协同层使用工业云等平台技术，实现企业外部协同制造及制造业服务化等创新业务模式 ●尝试通过网络化协同制造解决核心技术薄弱、高端产品制造能力较低的问题，即借助互联网或工业云平台，发展企业间协同研发、众包设计、供应链协同等新模式，以有效降低资源获取成本，大幅延伸资源利用范围，打破封闭疆界图4工业大数据架构的IT价值链（1）业务架构业务架构定义了业务战略、管理、组织和关键业务流程，是企业全面的信息化战略和信息系统架构的基础，是数据、应用、技术架构的决定因素。幸运的是，在各国政府、世界各大知名信息企业、全球一线制造业厂商及研究机构的努力下，国内外已研发、建设完成一系列与工业云服务及（工业）大数据处理相关的开源技术组件，人工智能技术也进一步取得了长足的发展，如深度学习的直觉感知能力企业若非必要，无需自行实现技术架构的每一个组件，可根据需要选择使用相应的开源组件搭建工业大数据应用，还可根据需要选用不同类型、不同级别的工业云服务，在此基础上实施工业大数据应用，以便更专注于企业擅长的业务领域及技术领域

来源：大数据期刊

2017-12-28

互联网网络架构呈现云网融合趋势

公有云内租户之间数据交互，例如同一公司财务部门和会计部门在某云商分别各建立相互独立的虚拟专有云，但两部门之间可跨账号互访。——混合云互通。部分企业搭建混合云架构，通过私有云或者自建数据中心与公有云间分工协作实现企业层面的资源最优配置，例如银行、金融、保险等行业需符合监管合规要求，交易、流水等在自建合规机房完成，应用及前端部署于公有云内。混合云互通需要配置高效互联通路，以实现公有云与私有云/数据中心的高效对接，近期混合云互通已成为行业热点，部分场景下与SD-WAN融合发展。——公有云互通。国际上，主流云商发布专用云互联平台，推出合作伙伴计划，与网络运营商、交换中心、传输网络运营商广泛合作。另一方面，云交换平台成为云互联重要枢纽，云商、企业数据中心加速与云交换中心互联。此外，传统交换中心、基础电信运营商、数据中心和云平台将云互联作为新业务增长点，纷纷发布云互通产品，涌现出一批云互联平台。

网络与安全

来源：C114中国通信网

2017-12-11

混合云的数据备份

组织出于各种原因实施混合云策略，但通常是因为这些架构使其能够降低资本支出，并利用各种运营环境的备份和安全性。以下将探讨混合云与备份策略之间的关系，并研究保护混合云数据时可以使用的五种最佳实践。什么是混合云?混合云是将公共云、私有云或内部部署资源组合在一个系统中的计算环境。与只使用公共云的系统相比，混合云在基础设施之间共享访问、数据和应用程序，并赋予了更大的计算灵活性和控制力。混合云备份的兴起将混合云资源用于备份解决方案是一个越来越流行的用例。这些解决方案在内部部署数据中心和云计算资源之间同步数据。这使组织能够消除单点故障，同时确保他们仍然能够快速一致地访问数据。混合云数据保护的5个最佳实践将数据存储到云平台中时，需要采取某些安全措施。因为云计算是面向全球互联网的，并且通常由第三方管理，所以应该考虑一些风险，以确保系统保持安全。 (3)备份云数据尽管云计算资源是备份内部部署数据的一个很好选择，但还需要备份云计算数据。对于仅存储在云平台中的数据尤其如此。

来源：企业网D1Net

2020-09-06

“云”——“大数据”的文化

在IT领域，“云”只被狭义化为“云计算”，在商业领域，“云”似乎就是“大数据”的代名词，但真正的大数据却是数据专家和程序员们望而生畏的苦海软件定义网络（SoftwareDefinedNetwork,SDN）就是一种虚拟化网络和运行架构，SDN的核心理念是通过对物理网络结构的虚拟化而实现对网络的集中控制，即网络中的虚拟网络构成技术，SDN可类比为虚拟化的，把所有的资源“云”化，这样，本地计算机只是联接“云”的一个“端点”，远端的“云”为你提供需要的强大的计算能力和数据 3.IaaS（InfrastructureasaService基础设施即服务）：提供数据中心、基础架构硬件和软件资源，如服务器、操作系统、磁盘存储、数据库、信息资源。 “数字云”之中，但大数据不是数据本身，而是对大数据的处理和提取的能力，因此大数据是“知识就是力量”的一个现代版本，从商业角度看，数据就是金钱，财富似乎唾手可取

来源：e-works

2016-07-11

云数据存储协助解决数据成本困境

云数据存储的高成本粉碎了企业公有云业务案例的梦想。一些企业表示他们可以以和按月云存储和用例费用相同的成本购买到硬盘。但对云消费者而言，可能很难搞清楚价格差异到底体现在哪。当数据定期访问，尤其是在云计算外部访问时，云数据存储成本要更高。数据使用费反映的成本负担强加于云管理员身上。企业认为访问云数据迫使他们扩展连接速度，为了避免拥挤。这一点转而使得网络成本增加。这样可以为云数据减少成本，协助云托管应用访问本地数据更快速，企业可以将更多应用转移到云端。这个战略对于大型数据库查询产出相对小的结果集最有效。对云数据存储使用摘要数据库。这样就将库存项目脱离了云存储。因此企业可以承担每一次访问云存储数据库的费用，这个系统就是省钱的。因为云计算改变了IT规划的所有方面，所以数据库软件和架构也改变了。企业必须关注这些改变如何影响他们，不管是其虚拟资源还是私有云也包括他们的公有云选择和价格。

来源：电子发烧友网

2018-12-24

部署大数据？请参考大数据分析平台架构

一、数据分析平台层次解析大数据分析处理架构图数据源：除该种方法之外，还可以分为离线数据、近似实时数据和实时数据。 AE架构图新规划将BAP平台拆分为两部分，底层技术平台发展内存计算和数据处理，上层BI展现端重点发展仪表盘、web和移动设备展现。两大产品通过数据处理接口和嵌入式应用服务于业务系统。数据集成：能够胜任在大数据量、高并发、多维分析等环境背景下的实时分析。通过实时数据集成（RDI）提供的数据实时复制与DW的列式存储引擎，解决了以往在传统架构模式下，普通行式存储引擎无法实现的业务场景。非结构化数据提取组件依赖于分布式文件系统和非结构化数据存储提供的原始数据作为数据源数据，依赖于非结构化数据存储来存储提取的元数据或者特征数据，依赖于并行计算框架来分布化执行过程，加快执行速度。分布式文件系统以高可靠的容错机制为核心，系统架构包括多元数据服务器、多数据存储服务器、多监管者、多客户端，支持大文件和大数据块的分布式存储与管理；分布式计算框架基于MapReduce与MPI计算模型，提供了一套并行计算框架

来源：36大数据

2016-10-06

共 90 页总数：894 条

«
1
4
5
6
90
»

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

© 2002-2026 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
© 2002-2026 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