- 综合排序
- 最热优先
- 最新优先
- 来自专栏云计算D1net
2021年值得关注的8大边缘计算趋势
Red Hat公司云平台高级首席营销经理Rosa Guntrip对“边缘计算”的定义是：“边缘计算是指使计算服务更接近服务消费者或数据源。 在物联网、AR/VR、机器人技术、机器学习、电信网络功能等新兴用例的推动下，边缘计算需要更接近用户的服务供应，边缘计算有助于解决带宽、延迟、弹性和数据主权等关键挑战。 随着边缘计算对业务战略和运营的日益重要，IT领导者需要了解边缘计算在未来一年中的8个趋势： 01 边缘计算满足更多人工智能/机器学习 数字业务咨询机构AHEAD公司咨询主管David Williams解释说 这一边缘计算策略将是更大计算结构的一部分，该结构还包括公共云服务和内部部署设施。 在这种情况下，边缘计算提供了即时性，云计算为大数据分析提供支持。 08 边缘计算提高了数据安全性 ISG公司的Bhaumik说：“与云计算相比，数据效率在边缘计算得到了提高，从而降低了互联网和数据成本。边缘计算的附加安全层增强了用户体验。
85410发布于 2021-01-05 - 来自专栏云计算D1net
7大云计算数据仓库
顶级云计算数据仓库展示了近年来云计算数据仓库市场发展的特性，因为很多企业更多地采用云计算，并减少了自己的物理数据中心足迹。 云计算数据仓库是一项收集、组织和经常存储供组织用于不同活动(包括数据分析和监视)数据的服务。 在企业使用云计算数据仓库时，物理硬件方面全部由云计算供应商负责。 对于只看到大量等待数据并可供处理的大型仓库或数据仓库的最终用户来说，它们是抽象的。近年来，随着越来越多的企业开始利用云计算的优势，并减少物理数据中心，云计算数据仓库的市场不断增长。 云计算数据仓库通常包括一个或多个指向数据库集合的指针，在这些集合中收集生产数据。云计算数据仓库的第二个核心元素是某种形式的集成查询引擎，使用户能够搜索和分析数据。这有助于数据挖掘。 如何选择云计算数据仓库服务 在寻求选择云计算数据仓库服务时，企业应考虑许多标准。 现有的云部署。
7.5K30发布于 2019-09-26 - 来自专栏华章科技
详解数据资产的8大重要特征
从广义上讲，企业拥有的所有数据资源，包括原始数据、中间数据、临时数据、数据类目体系、标签类目体系、标签、标签类目体系方法论等都是数据资产。 ▲图2-12 数据资产运营闭环 以标签为组织载体的数据资产区别于传统的数据资源，具有8个显著而独特的重要特征，如图2-13所示。 ? ▲图2-13 数据资产8大特征 01 能确权 所有的数据资产都应该是由某企业或机构合法取得或有效管理的数据源清洗加工而来，否则不能称为资产。 在大型集团公司中，会划分拥有数据资产归属权、管理权、使用权的角色： 数据源采集、提供部门拥有数据资产的归属权； 数据资产的设计、加工、管理、运营部门拥有数据资产的管理权； 数据资产的使用、消耗部门拥有数据资产的使用权 等到业务人员想要了解数据信息，或数据部门自查数据规范性，又或者若干年后数据人员更迭交接的时候，就会发现存在非常多的数据信息缺项和填写不规范的问题，最终只能进行信息补录或元数据管理。
3.7K30发布于 2021-07-12 - 来自专栏IT知识进阶学习
JAVA自学-8大基础数据类型详解
我们日常生活中使用到的计算机一般是电子计算机，在底层它只能识别0和1两种数值(注意是电子计算机，其他的计算机如量子计算机不仅可以识别0和1，还可以对其中间的值进行运算处理)，所以无论哪种数据类型，最终转换后都会转换成具体的二进制数 说法2： boolean类型占用空间大小为1byte(字节)，虽然boolean的取值只有true和false，但是计算机处理数据的最小单位是byte，而1byte = 8bit，所以，boolean类型在计算机中的存储形式实际上是 非常大的整数 -2^63^ ~ 2^63^-1 浮点型 float 4 普通实数 -3.402 823*10^38^ ~ 3.402 823*10^38^ 双精度 double 8 非常大的实数 -1.7977 那么就会出现精度的丢失，所以必须显示指定类型转换，格式如下：(需要转换的类型)要转换的值 小结 ---- 本篇文章通过类比的方式介绍了JAVA中自带的8大基础数据类型的特点和使用场景，这8大基础类型将伴随着我们整个编程生涯 下一篇我们将介绍如何通过这8大基础数据类型进行相应的算术运算，设计实现一个简单的计算器案例。
1.1K30编辑于 2022-09-13 - 来自专栏大数据文摘
大数据，看贵州！ 贵州大数据产业发展8大看点
2013年下半年，中国电信、联通、移动纷至沓来，三大电信运营商数据中心在贵州开工建设、中关村贵阳科技园成立、富士康第四代产业园落户……这一系列大手笔，正助推贵州迈上“云端”,成为发展大数据产业的黄金宝地 贵州大数据产业发展8大看点 看点一：三大运营商南方数据中心落户贵安新区 2013年10月21日开工建设的中国电信云计算中心总占地500亩，总投资70亿元，一期建成后服务器容量为100万台，2014年底起可陆续投入商用 看点四：大数据为媒，中关村联姻贵阳 2013年9月8日“中关村贵阳科技园”揭牌，为贵阳市发展新一代信息技术产业提供重要支撑，也为大数据产业的发展提供强大支撑。 看点五：贵州省打造千万服务器的大数据集群 三大运营商的数据中心在贵安新区相继建成后，将使贵阳周边特定区域快速集聚20万—30万的机架、百万台的服务器，数据存储规模可达EB以上，随着大数据产业持续发酵，将形成一个千万服务器集群的数据中心基地 看点七：北京与贵州共建贵阳云基地 贵阳市政府将与北京云基地共同建设贵阳云基地，联合完成贵阳市云计算产业发展规划，启动贵阳云计算产业创业投资基金、云计算设备生产基地、云计算创新孵化基地、国际云服务数据中心基地
1.8K100发布于 2018-05-22 - 来自专栏张俊红
数据分析师8大经典问题
做数据的同学们，你们在工作中被刁难过吗？有哪些问题是经常遇到，又让人恨得咬牙切齿的呢？从之前同学们吐槽的话题里，我精选了8个高频问题，今天一起来看一下。注意！ 应该多转发一些大数据/数据仓库/数据治理/数据分析的书单、技能树一类，让他们直观体验下“卧槽，这个东西这么复杂呀！” 问题2：“我们的数据可大了，都在那里了，你为啥分析不出来？” 这个问题和上个问题是同胞姐妹，本质都是领导不懂数据，以为有几个数字就是“大数据”了。 如果再加上“没有数据团队”，或者“你自己孤悬于数据团队以外”这一条，请谨慎入职，你会被PUA到怀疑人生的。 问题3：“数据不是数据分析的事吗，为啥要我参与？” 注意，这一句是疑问句，不是反问句。 问题8：“你怎么证明，你做的分析和公司业绩提升有关系！” 这个问题一般在考核绩效的时候才冒出来。听到问题的时候，都会让人恨得咬牙切齿，好想骂一句：“当初求数像条狗，看完数据嫌人丑！”
59860编辑于 2023-03-21 - 来自专栏云计算D1net
2014年大数据与云计算的预测
然而，云计算却处于一个截然不同的阶段，远远超过了初始的炒作阶段，进入了一个混合部署的新时代，在这一新时代中云计算显然地扩展到了数据中心中。 在2014年，我们可以期待大数据和云计算的发展： 1、大数据和云计算一同成长：大多数组织知道他们应该使用云计算平台，但云计算到大数据的主要贡献将会转移。 不久，云计算将成为许多大数据的来源，从开放数据到社会数据到聚合数据——所有来源都将为大数据项目提供能量和动力。 企业要建立一个包括全面数据源的大数据基础设施。 我们可以期待Hadoop将成为“下一个”企业计算平台，推动大数据在2014年更多的实时的和操作的采用。 公司将不仅仅是IT公司——他们将成为数据公司。 企业只是刚刚接触大数据——还将会出现许多趋势。在未来的一年中，企业将能够利用新技术——特别是云计算——利用整合系统和数据工具的优势。
3K30发布于 2018-03-16 - 来自专栏技术客栈
Java 8 Stream计算原理
Java 8 Stream简介 从Java 8 开始，我们可以使用Stream接口以及lambda表达式进行“流式计算”。它可以让我们对集合的操作更加简洁、更加可读、更加高效。 class StreamDemo { public static void main(String[] args) { Stream.of(1, 2, 3, 4, 5, 6, 7, 8, 但Java8提供了并行式的流式计算，大大简化了我们的代码量，使得我们只需要写很少很简单的代码就可以利用计算机底层的多核资源。 这里由于我的数据是int类型的，所以它其实是使用的BaseStream接口的parallel()方法。而BaseStream接口的JDK唯一实现类是一个叫AbstractPipeline的类。 ---- 参考资料：《Java 8 Stream并行计算原理》
35620编辑于 2023-07-20 - 来自专栏CDA数据分析师
大数据在企业运营中的8大落地应用
制造，即运营管理是供应链的四大环节之一，负责规划，组织，管理所有制造产品所需要的资源，包括设备，人力，技术，流程，信息等。 笔者结合自己企业的发展和管理，以及大量客户和机构的研究与实践，提出了大数据在企业运营管理过程中可落地的八大应用场景： 1消费者需求分析 很多企业管理者都意识到了消费者再也不是营销产品的被动接收器了，通过大数据来了解并设计消费者的需求的产品 并计算出相关的成本，以促进产品设计，测试。 Web 2.0时代不单单提供了云计算的接入模式，也为云计算培养了用户习惯。大数据为生产型企业提供创新服务乃至建立新型商业模型提供了历史性的机会。 这一切都源自于100%数据驱动的，尽可能避免主观判断和推测。 8资产智能管理 物联网(IOT)的发展以及感应技术的兴起，为我们开创了一个能紧密连接物理空间许多事物的信息网络。
3.4K60发布于 2018-02-24 YashanDB数据库的8大技术亮点与实践
YashanDB 是一种新兴的数据库解决方案，具有多项技术亮点和实际应用价值。以下是 YashanDB 的八大技术亮点与实践：1. 高性能和低延迟：YashanDB 采用了高效的数据存储和索引算法，能够提供极高的查询性能和低延迟响应。这使得它在高并发场景下仍能保持快速的数据处理能力。2. 智能的数据分片：YashanDB 具备自动数据分片的能力，能够根据数据的热点和负载情况进行动态调整，确保负载均衡和资源的高效利用。7. YashanDB 的生态系统支持与流行的大数据和机器学习框架集成，便于数据分析和处理。8. 安全性和数据隐私：YashanDB 提供了多层次的安全机制，包括数据加密、访问控制和审计日志等，确保数据在存储和传输过程中的安全性，同时满足行业合规要求。
11610编辑于 2025-11-20- 来自专栏Lansonli技术博客
2021年大数据Hadoop（十六）：MapReduce计算模型介绍
MapReduce的思想核心是“分而治之”，适用于大量复杂的任务处理场景（大规模数据处理场景）。即使是发布过论文实现分布式计算的谷歌也只是实现了这种思想，而不是自己原创。 Hadoop MapReduce构思体现在如下的三个方面： 如何对付大数据处理：分而治之 对相互间不具有计算依赖关系的大数据，实现并行最自然的办法就是采取分而治之的策略。 并行计算的第一个重要问题是如何划分计算任务或者计算数据以便对划分的子任务或数据块同时进行计算。不可分拆的计算任务或相互间有依赖关系的数据无法进行并行计算！ 统一构架，隐藏系统层细节 如何提供统一的计算框架，如果没有统一封装底层细节，那么程序员则需要考虑诸如数据存储、划分、分发、结果收集、错误恢复等诸多细节；为此，MapReduce设计并提供了统一的计算框架 如何具体完成这个并行计算任务所相关的诸多系统层细节被隐藏起来,交给计算框架去处理：从分布代码的执行，到大到数千小到单个节点集群的自动调度使用。
1.1K10发布于 2021-10-11 - 来自专栏数据猿
密态计算，大模型商用数据瓶颈的新解法？
密态计算的产业化应用，不仅为大模型的产业深度应用，也为打通数据要素流通的梗阻，提供新的思路。 无论是大模型的训练还是推理应用，都存在数据瓶颈 当大模型从实验室研究走向实际行业应用时，数据瓶颈问题成为了阻碍其进一步商用的重要障碍，这主要表现在大模型训练和推理应用两个阶段： 大模型训练阶段，行业数据分散在不同机构 随着大模型在各行业应用中的潜力逐渐显现，解决数据流通和隐私保护的难题变得愈发迫切。传统的隐私计算虽然在一定程度上缓解了数据安全问题，但其复杂性和效率问题限制了其广泛应用。 2022年，蚂蚁首创的可信密态计算获得数字中国建设峰会“十大硬核科技奖”， 隐语可信隐私计算技术栈被评为世界人工智能大会“八大镇馆之宝”之一。 用密态计算释放数据要素价值，让大模型真正规模化商用 展望未来，密态计算作为一种创新技术，将进一步提升计算效率和安全性，扩大应用范围。
73310编辑于 2024-07-16 - 来自专栏云计算D1net
云计算数据管理的五大支柱
随着越来越多的企业采用云计算服务，采用最新的软件工具和开发方法，它们之间的界限越来越模糊。企业的真正区别取决于其数据。 随着越来越多的企业采用云计算服务，采用最新的软件工具和开发方法，它们之间的界限越来越模糊。企业的真正区别取决于其数据。 企业要在不关闭数据的情况下有效管理数据，并阻止非法访问请求，企业需要一个可靠的云计算数据管理策略，并需要考虑五个重要因素。 1. 数据存储加密 大多数时候数据都存储在存储设备中。 也就是说，利用多个云账户将备份数据与生产数据隔离开来。企业需要确保备份其云计算基础设施的配置信息，以防因任何原因需要重建它。 智能数据管理将使企业的员工能够利用最新的云计算技术、创新新产品和服务，并使企业在竞争中脱颖而出。 （来源：企业网D1Net）
2.9K00发布于 2018-07-31 - 来自专栏第三方工具
java8并行计算
1.串行计算的模拟运行时间（time=532） 2.CompleteFuture并行计算（time=231） 3.Callable并行计算 （time=208） Java8 多线程及并行计算demo * https://www.cnblogs.com/oktokeep/p/16639417.html 需求背景：比如一个大的对象（userInfo），包含3个部分的集合等数据的计算，查询等。 可以启动3个多线程来并行计算。最后计算完毕之后，组装对象，并行计算完毕。 1.串行计算的模拟运行时间 package com.example.core.mydemo.bean; import com.example.core.mydemo.json2.GsonUtils; java.util.concurrent.Executors; /** * userInfo={"username":"刘德华","sex":"男","age":30},time=231 * * Java8
36610编辑于 2024-10-09 - 来自专栏关于Java学习@宁在春
Java 8 LocalDateTime 计算天数差
Java 8 LocalDateTime 计算天数差 背景： 我最近写一个东西，前端突然提了一个需求，说需要统计最近七天的销售额，然后甩给我一张图，让我去实现接口。
1.9K20编辑于 2022-10-31 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Landsat 8 Landsat8 Collection2大气层顶反射率数据
简介 Landsat8 TOA数据集是将数据每个波段的辐射亮度值转换为大气层顶表观反射率TOA，是飞行在大气层之外的航天传感器量测的反射率，包括了云层、气溶胶和气体的贡献，可通过辐射亮度定标参数、太阳辐照度 、太阳高度角和成像时间等几个参数计算得到。 数据集ID: LC08/02/T1 时间范围: 2022年01月-现在 范围: 全国 来源: USGS 复制代码段: var images = pie.ImageCollection("LC08/02 date string 影像日期 collection_category string 影像质量级别属性,如T2，T1等 cloud_cover float 云量覆盖百分比，-1表示未计算 cloud_cover_land float 陆地云量覆盖百分比，-1表示未计算 sun_azimuth double 太阳方位角 sun_elevation double 太阳高度角 off_nadir double 天底偏角 sensor_id
50000编辑于 2024-05-24 - 来自专栏灯塔大数据
8大数据看2016车市风水流转
2016年中国汽车产销均超2800万辆，连续8年蝉联全球第一。而在另一半球的美国，2016全年销量约为1754万辆，保持了7年的连续增长。 在美国，皮卡和SUV支撑车市主要数据。《美国汽车新闻》的新年评论中悲观地认为：“这种增长在2017年很难持续，因为低油价即将结束，皮卡和SUV的好日子不多了。” SUV在多年连续高速增长之后再次全线飘红，据乘用联的数据，去年SUV市场全年销量高达902.3万辆，占乘用车销量的38.2%，增速高达47.1%！ 汉兰达的热卖、大7座SUV途观L的推出都是信号。 6 .2%B级车现颓势市占比创新低 今年合资品牌B级车表现一般，市场的动荡让B级车局被动混乱。 今年车辆购置税优惠幅度也正式由5%退坡至2.5%，对于A级车来说也是一大挑战，车厂如何迎战？我们拭目以待。 84%新能源车销量增幅突飞猛进 根据乘联会发布的2016年新能源汽车市场的销售情况。
80550发布于 2018-04-08 数据清洗怎么做？一文总结8大数据清洗方法
很多人花大量时间研究模型、算法，可真到了实际项目里，卡住他们的往往不是模型选的对不对，而是数据不干净、不能用。今天我给大家总结了最实用的8大数据清洗方法，能帮你解决绝大多数场景下的数据问题。 二、处理重复数据数据重复是数据整合、多源采集过程中的高频问题，同一数据记录多次录入、多平台同步冗余，会直接导致数据统计失真、计算结果偏大。 数据类型转换，就是将数据统一为标准格式、规范数据类型，让数据具备可计算、可匹配、可分析的基础属性。 五、标准化与归一化实际数据中，不同字段的数值范围、量纲差异极大，比如身高以厘米为单位、收入以元为单位，数值跨度差距很大，这类数据直接用于分析或建模，会导致数值大的字段占据主导地位，影响结果公平性。 计算公式：z'=(x-mean)/std归一化和标准化都只是对数据的线性变换，它们不会改变数据的分布形状，也不会消除异常值的影响。如果数据里有极端异常值，先处理异常值，再做缩放。
1K10编辑于 2026-03-19- 来自专栏Java,后端开发,网站开发,数据结构,算法分析.
数据结构-8.Java. 七大排序算法(上篇)
内部排序 ：数据元素全部放在内存中的排序。 外部排序 ：数据元素太多不能同时放在内存中，根据排序过程的要求不能在内外存之间移动数据的排序。 1.3 常见的排序算法 2. 遍历数组, 在内循环中, tmp 与 array[ j ] 进行比较,, 若是 tmp 小 则 [ j + 1] = [ j ]; 若是 tmp 大 则 直接 break; 3. 希尔排序的时间复杂度不好计算，因为gap的取值方法很多，导致很难去计算，因此在好些树中给出的希尔排序的时间复杂度都不固定：O(n^1.25) ~ O(1.6 * n^1.25) 4. int end) { int child = (parent*2)+1; while(child < end) { //保证右子树存在并且当右子树大的时候 parent = child; child = parent*2+1; }else { //本身就是大根堆
28010编辑于 2024-11-20 - 来自专栏一个有趣的灵魂W
IDL计算NDVI（landsat8 OLI）。。。
以下在计算NDVI的过程中使用的是反射率，不以原始的像元DN值作为计算方式，实际使用过程中也可以增加大气校正，该过程比较适用于进行批处理计算的基础模板和附件。裁剪处理并未附带。。。 map_info=map_info end function cal_apr,data,gain,bias,se result=(gain*data+bias)/(sin(se)) return,result;计算表观反射率
3.1K50发布于 2020-09-15
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号