- 综合排序
- 最热优先
- 最新优先
- 来自专栏IT创事记
创新数据底座：智能制造的“圣杯”
进行仿真计算需要处理大量的实时数据，对系统的计算和数据吞吐能力都有极高的要求。既有的数据基础设施很难满足以汽车研发为代表的新增需求，创新的数据底座成为智能制造时代被寄予厚望的“圣杯”。 仿真平台只是创新数据底座的冰山一角。 这次高峰论坛以“数智新引擎、制造新升级”为主题，来自全国的200多位制造行业精英、合作伙伴及技术领袖，共同交流数字经济时代高端制造领域的数据基础设施需求与实践，勾勒出创新数据底座的整体轮廓与发展趋势。 华为构建的创新数据基础设施，将成为国内制造企业数字化转型坚实的数据底座，其示范效应影响深远。 存储产品的高歌猛进，为华为创新数据基础设施提供了充足的底气；与更多懂行业、懂业务、懂技术的合作伙伴携手同行，则是华为构建制造业等行业数据底座的生态保障。
51620编辑于 2022-08-30 - 来自专栏凯哥讲故事系列
DataOps：数据中台的必备底座
前言 数据中台的崛起代表了企业数字化转型从流程驱动走向数据驱动，从数字化走向智能化。而DataOps则是数据中台区别于传统企业数据架构的核心差异，是建设数据中台的必备底座能力。 ，细分成多种数据处理领域，比如： 数据分析 数据可视化 机器学习 云数据处理 流式数据处理 离线数据处理 统计和数据挖掘 每一个领域又有多元化的数据处理工具，框架，如下图所示： ? 从数据源直接实时获取数据，然后进入数据湖，通过流式数据处理，实时数据仓库，规模化的自动数据处理过程等工具构建分析数据管理闭环，最终输出多元化的数据服务。 上图是典型的数据价值链过程，而DataOps就是支撑着整个全生命周期的底座，成功的DataOps体系有四个特质：CAUTA。 全面/Universal 作为企业全域数据的底座，DataOps要全面的支持所有的场景和数据，如下图所示例，列示出了常用的30种数据源和40种目标数据。 ? 可以分解的更加细致： ?
8.8K37发布于 2020-07-09 HarmonyOS Next数据底座向量数据库介绍
背景今年HDC在展厅遇见了HarmonyOS 数据底座的架构师，介绍了基于数据底座实现端侧能力的智能小助手，听着很吸引人，HarmonyOS将端侧AI做到了系统层，给开发者创造了无限可能。 向量数据库概述向量数据库是一种支持存储、管理和检索向量数据的数据库系统，同时兼容传统的关系型数据处理能力。 从API version 18开始，向量数据库正式支持通过标准化接口实现数据持久化，为开发者提供了可靠的数据存储解决方案。 结果集采用惰性加载策略，只有在实际访问数据时才会从存储层加载，有效降低了内存消耗。向量数据表示floatvector是向量数据库的核心数据类型，用于表示高维向量数据。 数据类型与约束支持的数据类型向量数据库支持丰富的字段类型，满足多样化的数据存储需求：类型描述是否支持NULL空值是INTEGER整形是DOUBLE浮点类型是TEXT字符串类型是BLOB二进制类型是FLOATVECTOR
29710编辑于 2025-07-06- 来自专栏量子位
都在卷大模型底座，云计算一哥决定给底座造底座
为什么需要大模型底座？ 由表及里，大概有两层原因驱动。 首先是直接原因，行业需求。 生成式AI将会形成一个新市场，如今已是行业公认的趋势。 那么亚马逊云科技的动作，则是给出了一种新范式，将多种大模型囊括在一起，放在一个大平台底座上，让用户的可选择性提升，同时发挥他们云厂商本身的优势，让用户的调用和定制化过程门槛更低、效率更高，并在安全性做出保障 更深层次的原因在于，给大模型加底座，能够更进一步降本增效，这本身就符合市场和行业的发展要求。 而除了大模型底座，在近期或许还会衍生出一大批“新兴物种”。比如当下软件应用在争先恐后接入Chatbot，就有企业推出相应服务帮软件应用接入大模型能力。 可见在当下这个时刻，怎么把握机遇非常关键。 其中，比如光数据这一环就分为数据提供商和数据服务商，光数据提供商就包括提供通用数据、垂直数据、特定业务下的标注数据、符合法规的审核数据等等。
34910编辑于 2023-05-06 - 来自专栏知识分享
WIFI底座
自己贴片的51+WIFI的开发板终于到了。。还是贴片的好看 美中不足的是需要改一个电阻的阻值。。还有就是由于自己的8266和51单片机一块断电上电，所以如果用的USB线的质量不好就会出现 下载不了程序
1.2K40发布于 2018-06-01 大数据平台数据底座能力构建技术指南
摘要 本文旨在解析大数据平台的数据底座能力，探讨其核心价值、典型场景、关键挑战，并提供详细的操作指南。同时，对比分析通用方案与腾讯云方案的差异，并提供场景化案例以展示腾讯云产品的优势。 技术解析 核心价值与典型场景 大数据平台的数据底座能力，指的是构建企业级数据仓库和数据资产管理的能力。这一能力的核心价值在于： 性能提升：与传统数仓/大数据解决方案相比，性能提升10~100倍。 构建企业级数据仓库 原理说明：企业级数据仓库构建需要从异构数据源导入数据，通过大数据组件进行数据开发、任务编排和运维，最终通过数据导出或API服务应用数据。 结论 大数据平台的数据底座能力是企业数字化转型的关键。腾讯云提供的WeData、COS和BI工具等产品，能够帮助企业在性能、成本和数据治理方面取得显著优势。 通过上述操作指南和增强方案的对比，企业可以根据自身需求选择合适的技术方案，实现数据底座能力的构建和优化。
55810编辑于 2025-07-28- 来自专栏数据猿
AI存储进入PBEB时代，HDD为何成为数据底座？
“西部数据的策略：从11碟HDD出发，重塑AI存储底座。 大数据产业创新服务媒体 ——聚焦数据 · 改变商业 让我们来试想这样一个场景：凌晨3点，某大模型云服务平台的日志系统依然在高速写入。 西部数据的策略： 从11碟HDD出发，重塑AI存储底座 编者认为，AI时代对HDD提出了两个新要求：更大的容量，更长的周期。这不仅仅是一次性的性能突破，更是一次关于“长期信赖”关系的重构。 1.数据底座：更优TCO+长期信赖 在AI驱动的数据中心架构中，HDD是不可替代的底座。因为它能带来规模化成本效益。 这是对客户的长期关系战略——构建“存储信赖路径”，帮助客户把其数据底座变成护城河。 每一个多模态模型的推理调用、每一个Agent系统的上下文记录，每一次大语言模型的“记忆保存”，都是对存储底座的“微小索取”。
18210编辑于 2026-01-27 - 来自专栏数据是生产力
别扯数据化转型了，先夯实数据底座吧
2019-2021 人人都提数据中台，张口就说业务数据化、数据业务化，数据驱动业务，甚至数据重塑业务；如今大家又与时俱进开始侃侃而谈数据化转型。 在我们讨论数据化转型、数据中台、数据云时候都离不开一个稳定可持续迭代的数据底座。这里数据底座包括离线数仓、实时数仓、数据湖。数仓（包括离线数仓、实时数仓、数据湖）就是这个数据底座。 主数据管理：通过主数据打通各业务链条，统一数据语言，统一数据标准，实现数据共享。 评估数据价值：数据的价值在数据交易领域非常重要，数据血缘关系，可以从数据受众、数据更新量级、数据更新频次几方面来给数据价值的评估提供依据。 最后 在夯实企业数据底座过程，需要从道角度出发，这是决定我们做事情思考高度与宽度；也需要从术上明确落地实施路径。也就是，道以生术，术为道生。
3.4K30编辑于 2022-10-28 谈谈openGauss的底座
DB- Database，数据库。做IT的人，应该不会不知道什么是数据吧？至少也应该会听过MySQL，Oralce这两个名字。其实还有很多其他的数据库名字，在此不一一列举了，因为其实我知道的也不多哈。 但其实看完《中国数据库的前世今生》之后，你可能会发现，原来中国自研的数据库产品也在悄然升起。 这里引用一张官网上面的图片，简单介绍一下openGauss正文谈到openGauss，就不得不说一下它的底座操作系统：openEuler。 这里引用一张openGauss官网上面的图：从上面的图中可以看到，openGauss支持2种架构：- AArch64- x86_64** AArch64就是arm架构的芯片openGauss支持3种操作系统底座 我们可以安装一套openEuler的操作系统，在此底座基础上面安装体验openGauss。后记本文起到一个抛砖引玉的作用。
31510编辑于 2024-11-21企业落地 ChatBI，如何构建可信可靠的数据底座？
在企业 ChatBI 落地过程中，数据底座的技术路线选择直接决定了数据可信度、维护成本和业务响应速度。 传统宽表架构在数据口径一致性、维护成本和灵活性上已难以支撑企业级 ChatBI 的规模化应用，而基于 NoETL 明细语义层的方案正成为新一代数据底座的主流选择。 数据工程师疲于应付宽表开发，难以沉淀数据资产：工程师长期陷入“接需求—建宽表—改宽表”的循环，无法将精力投入到数据资产治理和业务价值挖掘中。 NoETL 明细语义层——ChatBI 数据底座的核心基于明细层数据模型进行语义抽象，覆盖完整分析场景：明细语义层直接对接企业数仓 DWD 层的明细模型，沉淀所有明细级语义，支持从宏观汇总到明细下钻的全场景问数需求 最后，为确保数据安全与合规，NoETL 明细语义层可支持行级和列级的数据权限，确保用户仅能访问其权限范围内的数据，如客户经理仅能看到所负责客户的销售数据。
18110编辑于 2026-01-06- 来自专栏sktj
Kubernetes(9:数据)
作用是在Pod中共享数据 创建Pod，volumeMounts ? image.png emptyDir是Host上创建的临时目录，其优点是能够方便地为Pod中的容器提供共享存储，不需要额外的配置。
41520发布于 2019-09-24 构建可信数据底座，驱动数据要素安全高效流通与价值释放
数字时代的数据流通困境与战略瓶颈 在数字化进程中，各类组织普遍面临数据孤岛严重、流通壁垒高、安全与合规风险突出等核心挑战。 腾讯与亚信联合推出可信数据空间解决方案 该方案以“多模式数据流通”为核心，构建覆盖多行业、多层级、多形态的一体化可信数据基础设施。 其核心能力包括： 跨域流通互联管控：基于区块链实现分布式身份认证、数据标识与多密级自动识别； 轻量化多场景交付：支持API、数据集、数据报告等多安全级别交付模式； 多平台能力适配：兼容异构算力加速卡与多种区块链底层引擎 “通过可信数据空间，我们实现了汽车产业链多方数据的安全共享与联合分析，显著提升了消费画像精准度和市场预测能力。” —— 肖东君，亚信科技（未注明职位，保留姓名与公司） 腾讯的核心能力与生态优势 腾讯凭借其全球覆盖的云网基础设施、自主研发的区块链平台（TBaaS）及隐私计算技术栈，为客户提供高可用、高可信的数据流通底座
5500编辑于 2026-04-17- 来自专栏数栈技术分享
袋鼠云数据湖平台「DataLake」，存储全量数据，打造数字底座
一、什么是数据湖？在探讨数据湖技术或如何构建数据湖之前，我们需要先明确，什么是数据湖？数据湖的起源，应该追溯到 2010 年 10 月。 数据湖概念一经提出，便受到了广泛关注，人们发现此概念代表了一种新的数据存储理念，海量异构数据统一存储可以很好地解决企业数据孤岛问题，方便企业数据管理与应用。 面对海量数据的存储以及结构化数据、文本、二进制（图片、音频、视频）等数据的存储应用，传统架构的离线数据仓库越来越 “力不从心”。 数据湖可以包括来自关系数据库的结构化数据 (行和列)、半结构化数据 (CSV、日志、XML、JSON)、非结构化数据 (电子邮件、文档、pdf) 和二进制数据 (图像、音频、视频)。 定时拉取和 PUSH 主动上报的两种方式采集元数据，保证元数据的实时同步・元数据存储：根据不同元数据的数据结构和用途，形成以 Hive Metastore 为主，关系型数据库为辅的存储架构・元数据应用
1.8K21编辑于 2022-11-25 基于 NoETL 语义编织技术构建 AI-Ready 数据底座
摘要：本文面向数据架构师与技术决策者，探讨在AI时代大型企业数据平台选型的核心范式转移。 文章提出，构建基于NoETL语义编织技术的统一语义层是筑牢技术壁垒的关键，并详细拆解了从业务对齐、性能成本平衡到生态AI适配的三步评估法，旨在帮助企业构建一个高效、可信、低成本的AI-Ready数据底座 在AI成为核心数据消费者的时代，大型企业数据平台选型的核心矛盾已从比拼工具功能，转向对下一代架构范式的战略抉择。 3.安全与审计：先安检，后执行为AI提供数据服务，安全是红线。平台需具备“先安检，后执行”的AI访问控制层，确保每一次AI数据请求都经过鉴权、脱敏规则检查，实现全程可控、可审计。 平滑落地路径：通过“存量挂载、增量原生、存量替旧”策略，可渐进式构建AI-Ready数据底座。
5110编辑于 2026-04-16智慧城市数据底座：构建未来城市的智慧核心
在智慧城市的建设过程中，数据底座无疑是核心和基石。数据底座通过高效地整合、处理和分析城市中各个领域的数据，为城市管理者提供决策支持，为城市居民提供更加便捷、高效的服务。 本文将对智慧城市数据底座的重要性、主要数据库类型及其应用进行详细的探讨。 一、智慧城市数据底座的重要性智慧城市数据底座是智慧城市建设的基础和核心，它犹如城市的“大脑”，负责处理和分析海量的城市数据。 二、智慧城市数据底座的主要数据库类型智慧城市数据底座需要处理各种类型的数据，包括结构化数据、非结构化数据、时间序列数据等。为了满足这些需求，智慧城市数据底座通常采用多种类型的数据库技术。 通过整合和分析城市各个领域的数据，智慧城市数据底座为城市的规划、管理和服务提供了有力的支持。随着技术的不断发展和创新，未来智慧城市数据底座将呈现出以下几个发展趋势：1. 总之，智慧城市数据底座是智慧城市建设的重要基石。通过不断发展和完善数据底座技术，我们可以更好地应对城市发展中的挑战和问题，推动城市的可持续发展，为居民创造更加美好的生活环境。
1.6K10编辑于 2024-08-16基于腾讯云 CVM + TickDB 构建全球资产配置数据底座
更别提还要自己换算汇率、调整时区，光是把这些数据凑齐，就要耗费大量精力。有没有一套方案，能让我们用统一的方式获取全球主要资产数据，并在此基础上构建自己的配置模型？ 今天，我就结合腾讯云CVM（云服务器）和开源数据工具TickDB，手把手搭建一个全球资产数据底座，让你的配置模型不再被数据源卡住。一、为什么需要统一的数据底座？ 在构建全球配置模型时，我们通常面临三个痛点：痛点具体表现数据碎片化美股、港股、黄金、外汇各有各的数据源，格式不统一，接入成本高实时性不足免费接口普遍有延迟，影响监控和交易决策开发门槛高大部分数据平台没有开放的 API，爬虫不稳定且易被封而一个好的数据底座，应该做到：一套接口覆盖全球、毫秒级实时、开发者友好。 三、扩展：让数据自动流转到腾讯云生态有了基础数据后，我们可以进一步结合腾讯云生态，实现自动化配置管理：定时采集：配合腾讯云函数SCF，每天定时执行脚本，将数据存入云数据库，构建历史数据集。
19620编辑于 2026-03-30制造行业数据湖平台选型攻略：如何构建高效、智能的数据底座？
摘要 在制造业数字化转型加速的背景下，数据湖平台成为企业打通研发、生产、供应链等环节的核心基础设施。然而，面对复杂的数据需求和技术路线，如何选择适配自身业务的数据湖平台？ 传统数据仓库难以应对非结构化数据存储与复杂分析需求，而数据湖虽能解决海量数据存储问题，但若缺乏高效计算引擎与智能化能力，仍会导致资源浪费与效率低下。 本文将结合制造业实际场景，为数据湖平台选型提供决策参考。 1. 成本控制：按需付费 vs. 预置资源 制造业数据波动性大（如产线调试期数据爆发式增长），需选择弹性伸缩、按使用付费的架构。 生态兼容：数据孤岛 vs. 统一视图 制造业涉及ERP、MES、IoT等多系统数据，需构建统一数据视图。 安全合规：数据泄露 vs. 全链路防护 制造业数据涉及工艺参数、客户隐私等敏感信息，需强化安全能力。
27410编辑于 2025-11-03TiDB 助力北京电信夯实电信账务系统的数据底座
鉴于电信行业对稳定性和数据安全的高要求，核心数据库系统必须具备极高的稳定性、可靠性、安全性和性能，同时拥有全面的容灾能力，确保数据零丢失。 计费账务系统在运营商业务中处于核心地位，对数据库稳定性和性能要求也极为严苛。面对传统数据库在性能上的严峻挑战，选型的数据库需要具备云原生、分布式架构和高可靠性等关键能力。 TiDB 的数据分片自动透明分布，不需要分区键，避免侵入应用和代码的相关改造，同时解决了数据倾斜的问题。在数据库迁移过程中，北京电信采用了数据迁移工具 DM，实现了全量和增量数据的迁移。 首先，通过提前割接资料库数据和历史数据，成功减少了当晚数据割接的时间和风险。其次，通过优化流程，当晚需要割接的数据量大幅缩减至原来的 20%，大幅缩短了割接时间。 • 数据零丢失，秒级复原：高效数据备份和恢复机制保障数据在两地三中心间实时同步，一旦突发故障，系统能在极短时间内迅速切换并恢复服务，确保数据万无一失、用户体验不受丝毫影响。
1.1K10编辑于 2024-11-27- 来自专栏mysql
hhdb数据库介绍(9-9)
高可用服务读写分离计算节点支持读写分离功能，并且支持配置读写分离权重读写分离功能说明要使用读写分离功能，需在数据节点中配置主备存储节点。读写分离功能默认设置为关闭。 -- 不开启读写分离：0；可分离的读请求发往所有可用数据源：1；可分离的读请求发往可用备数据源：2；事务中发生写前的读请求发往可用备数据源：3--><property name="weightForSlaveRWSplit strategyForRWSplit参数为1时可设置主备存储节点的读比例，设置备存储节点读比例后<em>数据</em>节点下的所有备存储节点均分该比例的读任务。 strategyForRWSplit参数为2时<em>数据</em>节点上的所有可分离的读任务会自动均分至该<em>数据</em>节点下的所有备存储节点上，若无备存储节点则由主存储节点全部承担。 用户级别的读写分离可通过管理平台创建<em>数据</em>库用户页面添加用户或编辑用户开启用户级别的读写分离。
23110编辑于 2024-11-29 - 来自专栏技术集锦
练习9—数据计算
题目 写一个简单的函数实现下面的功能：具有三个参数，完成对两个整型数据的加、减、乘、除四种操作，前两个为操作数，第三个参数为字符型的参数。 ; } 说明 注意switch-case语句中case处的数据类型，因为设定了变量c为char类型，所以需要使用 c = input.next().charAt(0) 语句接收用户键盘上的单个字符输入
30720编辑于 2022-06-03
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