- 综合排序
- 最热优先
- 最新优先
- 来自专栏存储公众号：王知鱼
Samsung：大IU落地的应用生态（LBS实践）
从传统的512B扇区到如今QLC闪存和大IU的演进，SSD的性能瓶颈日益凸显。为了突破这些限制，三星等行业领导者正积极探索主机操作系统层面的优化方案，如大块大小（LBS）技术。 本文将带您抽丝剥茧，解析LBA、IU及LBS之间的复杂关系，揭示NVMe和OCP等标准在其中的作用，并展望LBS如何为主机软件生态系统带来“免费”的性能提升，最终实现QLC SSD在数据库等工作负载下的卓越表现 Fig-16：在主机操作系统中启用大块大小 (LBS) 图片讨论了在主机操作系统层面启用大块大小（LBS）以更好地支持 QLC 和使用大 IU 的 SSD 的工作。 LBS 结论 增加 LBA 扇区大小很困难。 对原子掉电保护提出新要求是启用大 IU 的最佳解决方案。 Fig-17：LBS如何增益大IUs 图片解释了如何在主机操作系统层面通过一种称为“大块大小（LBS）”的方法来更好地支持使用大 IU 的 SSD。
58810编辑于 2025-04-21 - 来自专栏原创
构建基于LBS的大数据应用
构建基于LBS的大数据应用，一般的实现流程为：通过信息收集后进行基础数据的整理，数据挖掘/机器学习，服务搭建以及数据可视化等。 ? 数据挖掘的基本流程 基础数据的处理主要包括：数据集成和一些部分数据处理。 数据集成，数据挖掘或统计分析可能用到来自不同数据源的数据，我们需要将这些数据集成在一起。 数据挖掘时只根据数据库中的数据，用合适的数据挖掘算法进行分析，得出有用的信息。其中，模型算法质量的评价是很重要的一步。且数据挖掘是一个循环往复的过程。 基于LBS的大数据应用需要解决很多问题：基础数据问题比如海量数据流（>20W 条/s）、数据处理性能复杂计算（定位和统计）、准确率、秒级实时性要求、以及数据的实时性等。 最后，基于大数据的LBS应用，可以使用分布式流式计算框架，构建数据闭环，从而实现持续优化基础数据。 ? 目前的成功案例有： 1.杭州白马湖动漫节的安全保障。
2.8K70发布于 2018-03-21 - 来自专栏用户6336521的专栏
本地外卖平台如何利用LBS大数据进行用户画像精准营销
大数据火不火想必大家心中有数，尤其在LBS定位功能的前提下，能够快速找到附近的商圈，吃喝玩乐可以说是样样不缺了。接下来我们先来认识一下LBS定位功能。 u=1326731645,3839116331&fm=26&gp=0.jpg LBS，基于用户定位数据的服务，它包括两层含义：一是确定移动设备所在的地理位置，其次是提供与位置相关的服务。 移动互联网先天被打上了LBS的标签，其成为移动互联网的核心因素之一，这也是移动互联网区别于互联网的一大特征。 用户的性别、年龄、收入等相对稳定的用户标签，能清晰地描绘用户是怎样样的人；用户在APP上的行为轨迹、订单数据等具有一定时效性的行为数据， 表明用户最近对什么感兴趣；用户的定位数据，无疑是用户此时此刻打开 而利用LBS获得精准用户主要做到以下几点，一让用户养成用外卖APP的习惯，能够在更多的地理位置得到用户分布的大数据；二优化立足于地理位置建立的周边搜索，增强用户对外卖APP的信任感；三根据不同的地理位置获取不同的福袋等等
3.3K40发布于 2019-11-15 - 来自专栏数据 学术 商业 新闻
把脉城市功能 | 基于LBS大数据量化城市尺度动态功能
然而以往的研究主要基于统计数据集，问卷调查结果和其他相关数据来定性或定量的定义城市的功能，但是，最新的统计数据并不总是容易获得。 创新点 本文基于LBS大数据，首次在城市尺度量化城市动态功能，并对比了全国不同城市动态功能的异同点。 2.研究框架 2.1 研究数据 核心数据集包括收集自2018年10月15日至11月28日共32个工作日的腾讯定位请求数据以及高德地图开放平台2018年的POIs数据，其中，腾讯定位请求数据的时间分辨率为小时 然后，将poi数据重分类为6类以代表城市可以为居民提供的6大基本功能（商业、工作教育、居住、交通、文化娱乐和户外休闲），并借助TF-IDF方法缓解因poi不同类型数量之间巨大差异所带来的问题。 进一步，为了探究城市功能结构和分布特征的规律和差异，本文构建了城市功能均衡指数（每个城市在同一时段6大功能结构比例的标准差）。
77330发布于 2021-02-22 腾讯地图+AI：基于大模型的智能化位置服务(LBS)核心能力与商业实践概要
其本质是将腾讯地图的开发经验与LBS大数据沉淀为AI编程技能包、大模型可直接调用的MCP工具及多模态知识库。 AI 位置服务 (LBS智能问答与搜索) 核心功能：自然语言理解意图搜地点；结合实时路况与偏好生成个性化路线；融合腾讯地图多模态知识库与大模型能力的LBS智能问答（一套API支持App、小程序、车机等多端 AI 选址 硬核指标：基于腾讯LBS大数据，覆盖小区级人群画像（人口基础、消费能力、兴趣偏好），数据按月更新。支持零食、茶饮、便利店、母婴、健身等业态定制。 2. 大模型深度适配：MCP工具将原始地图接口结果进行语义化转换，更适合大模型理解和编排。 成效：实现快速上线附近门店、地图选点、点聚合展示功能；一键输出门店分布热力图、轨迹图等可视化数据大屏。
15710编辑于 2026-06-02腾讯LBS大数据支撑文旅监管：构建省级智慧平台与客流预警体系
画像与算法体系 标签体系： 基于游客基础特征、线下到访及线上行为，挖掘出7大类1400+文旅画像标签指标。 舆情治理： 结合ASR、OCR、NLP技术，匹配POI数据与位置解析，快速定位舆情发生地点，提升响应速度。 经济带动： 通过LBS数据分析网红打卡地热度与消费情况，为文体活动转化效果提供评估依据。 北京：智慧文旅平台（2023年十大政府信息化项目） 项目定位： 经北京市市长殷勇批准，市政府办公厅第69号文决议建设，打造全域智慧文旅3.0新模式。 五、 选择腾讯的技术确定性与生态优势 技术底座深度： 依托腾讯在人工智能、量子计算、Robotics X、七大安全实验室及多媒体技术领域的探索，提供稳定的技术支撑。 AIGC融合能力： 将位置大数据作为大模型知识引擎的学习数据，结合数字人技术，提供个性路线规划与对话式全流程服务，实现服务内容的“千人千面”。
13710编辑于 2026-05-30腾讯云LBS大数据与智慧停车解决方案驱动商业地产数字化转型
腾讯云LBS大数据与智能停车系统构成核心解决方案 腾讯位置服务提供选址、筹建、运营全周期数据分析支持，其数据基础为日均1100亿次定位请求，覆盖设备达10亿/日，平均精度<20米（来源：腾讯位置服务）。 量化应用效果：提升决策效率与顾客体验 选址决策效率提升：某地产项目通过“数据魔方”平台分析周边商圈，获取常驻人口207,694人、工作人口132,592人等关键指标，指导业态规划（来源：腾讯云合作案例） 停车出场效率飞跃：无感支付方案将平均出场时间从20秒缩短至2秒，高峰期每小时通行车辆达509辆（来源：万达广场实战数据）。 其LBS数据覆盖99%中国网民，微信生态（小程序、企业微信）提供天然流量入口与私域运营工具。腾讯七大安全实验室为全链路业务保驾护航，确保系统稳定与数据安全（来源：腾讯云官方数据）。
8210编辑于 2026-05-31腾讯地图智慧交通解决方案：以LBS数据底座驱动业务提效与空间洞察
部署全栈式智慧位置服务矩阵 为解决上述业务痛点，腾讯地图提供以公有云（地图开放平台）与私有化部署（WeMap专网地图）双轨并行的架构，输出三大核心数据与服务产品： 多维地图数据底座： 标准精度数据（SD 高精度数据（HD）：提供绝对精度<=1m，相对精度<=0.2m的车道级、地物级高精数据，适配智能网联与自动驾驶测试。 动态数据：全天候实时路况、突发事件与道路开通封闭状态更新。 敏捷位置服务引擎（LBS API/SDK）： 整合定位、地址解析、路线规划等基础服务。 LBS大数据分析中台（SaaS/PaaS交付）： 基于百亿级定位数据，封装四大场景套件：城市网联三件套（实时客流、通勤OD、城市迁徙）、智慧交管四件套（人路通、交通安全、车辆管理、态势感知）、商业经营赋能 智能网联与自动驾驶先导区： 西青/襄阳/柳州等网联项目：提供PaaS接口与大屏SaaS平台，实现车辆在途监控、实时客流与通勤OD（起讫点）的动态三维可视化管理。
11200编辑于 2026-05-31腾讯云LBS大数据+电子签约驱动商业地产全生命周期降本提效
运营流程成本高企： 传统合同签署面临毁约风险大、有篡改风险，且需要大量人员投入，资源占用大；法务审核依赖人工，效率瓶颈明显。 第二章：构建基于腾讯位置服务与AI中台的数字化解决方案 腾讯云智慧商业综合解决方案通过“大数据+AI+云原生”技术矩阵，覆盖商业地产全生命周期： 商圈分析（LBS大数据）： 利用腾讯位置服务（Tencent 数据中台： 整合资管、销售、商户、客流等核心数据，构建统一数据模型，通过RayData实现可视化BI分析。 基于3D建模与可视化大屏，辅助集团直观决策招商与运营。 第五章：选择腾讯云的技术壁垒与生态优势 1. 全链路安全与合规 依托腾讯七大世界顶级安全实验室，提供从流量反欺诈（天御TFA）、营销防刷、小程序高并发重保到隐私合规检测的全链路安全解决方案，确保业务系统稳定与用户隐私安全。
9210编辑于 2026-05-31- 来自专栏大数据文摘
大数据：大机遇还是大忽悠？
持反方观点，为大技术时代的到来欢呼的，一位是北京大学光华管理学院新媒体营销研究中心副主任苏萌，另一位是日本政治家、内阁成员山本一太。 他提出“一台电脑论”，即科学家们研究所需的数据，最好用一台电脑就能装下，否则数据处理会过于繁琐，无助于解决问题。他结合自身经验说，随着数据量的增大，研究的准确性一开始会随之上升，但很快就会趋平。 这有三个原因：一是因为不同机构间的数据还未真正流动起来，目前还只是数据“孤岛”；二是完整的生态产业链还未形成，尽管通过行为数据分析已能够分辨出一个消费者的喜好，但从供应到购买的链条还没建成；三是因为数据分析人才仍然极度匮乏 一位听众挑战正方，说，你们认为大数据过于庞杂纷繁，反而解决不了问题，那是不是说，当处理数据的计算工具变得足够好时，大数据就会变得有用？ 正如Howard在发表“失败感言”时所说，“我们并非反对数据，只是反对大而无当的数据，数据本身当然非常重要”。人类已经并将继续产生日益庞大的数据，或许不论我们接受与否，大数据时代都已到来。
4.2K81发布于 2018-05-18 本地化 GEO 优化：AI 搜索引擎如何处理 LBS 和时效性数据？
一、本地化搜索的技术挑战：空间与时效性空间索引（GeospatialIndexing）：传统搜索是线性索引，而LBS需要高效的空间数据结构（如Quadtree或Geohash）来快速筛选出用户周边一定范围内的实体 GEO优化的内容必须包含清晰、准确的经纬度数据和区域实体关联。时效性与实时性（Real-TimeFactors）：本地生活查询高度依赖时效性数据，如营业时间、当前排队时长、最新优惠活动等。 二、LBS场景下的GEO优化：提升“邻近度权重”在LBS场景下，AI搜索引擎赋予品牌的权重，不再仅仅依赖于PageRank，更依赖于**“邻近度权重”（ProximityWeight）**。 时效性数据结构化：GEO优化必须将易变信息（如优惠券、团购链接、活动时间）转化为LLM易于解析的结构化数据流，而不是放在网页深处。 总结：LBSGEO优化是空间与效率的对决AI搜索引擎对LBS数据的处理，要求企业具备高效的空间索引管理和实时信息投喂能力。
43810编辑于 2025-12-16融合LBS大数据重塑行业监管：文旅全域数智化治理与服务赋能路径
行业痛点集中爆发于政府监管（G端）、企业运营（B端）与游客体验（C端）三大链路的协同断层中： 监管视角（G端）缺乏全域穿透力： 省市级大数据建设呈现高度分散态势，线上线下数据无法同步共享。 ： 全景画像与动态监测体系： 建立涵盖7大维度、1400+文旅场景化标签指标数据的人群画像体系。 系统内置50+文旅分析模型（如全域游客模型、驻地模型、消费模型），支持通过LBS（基于位置服务）数据实时洞察客流热度、驻留时长与迁徙趋势，实现对文旅业态最大承载量的全测算。 文旅AIGC智能化应用： 将LBS数据作为大模型知识引擎的学习基座，推出结合数字人技术的智能客服。 基于LBS数据实现天级游客数据统计上报，监控重点商圈与文博场馆密度，彻底解决“无数据、不智慧”的粗放式管理难题。 云南省人民政府（一部手机游云南）： 打造全国级数据枢纽示范。
10510编辑于 2026-05-30- 来自专栏服务端技术杂谈
：UBER数据大迁徙
数据大迁移的日期定为万圣节（10月31日），而这恰是交通量会非常高的一天。 上面图中的大问题是：我们仍然依赖于单一的PostgreSQL （数据库管理系统）来存储大部分的数据。下面的饼图显示了数据是如何在数据库中分配的： ? 我们评估了各种NoSQL（不同于传统的关系数据库的数据库管理系统的统称）的具有上述特点风格的数据库。 追加（无更新）数据模型：它仅支持一个只追加数据模型中，一旦它被写入后，就不能进行修改。这对于存储交易数据，并希望防止数据损坏的系统是非常有用的。由于是只追加模型，修改会自然幂等和交换。 在真正可以开始大迁移之前，第一个任务是从用户身份到用户唯一识别码的迁移，因为原代码依赖于自动递增的PostgreSQL 数据库标识符。几百条SQL查询需要被重写。
2.9K70发布于 2018-04-16 - 来自专栏分布式系统和大数据处理
大数据：大价值大机遇大变革
大数据：大价值大机遇大变革 2017-3-26 张子阳 推荐: 1 难度: 1 ? 这本书就像一个印刷出来的PPT，字体比较大，留白比较多，大量图片，全彩印刷。 概括起来有下面这些要点： 数据量正指数级别增长。大数据时代已经来临。 大数据特点：存储量大、计算量大、增长速度快、类型多样化。 制造业应用：给挖掘机安装GPS和数据上传系统，统计挖掘机每月的工作时长。然后根据大量用户的实际使用数据，来判断市场是否有过剩的风险。 银行业应用：反诈骗系统。 数据仓库（Data Warehouse）是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。 相对稳定：数据一旦进入数据仓库以后，一般很少进行修改，更多地是对信息进行查询操作。 反映历史变化：不只是反映企业当前的状态，而是记录了过去某一点到当前各个阶段的信息。
1.2K40发布于 2018-09-30 - 来自专栏大数据文摘
2016大数据发展7大趋势
大数据已过时，算法正当道。数据已经成为一种商品，每个组织都能够收集和存储大量的数据。分析大数据也不再那么引人注目了。每个组织都可以聘用或培训大数据分析人员来了解数据模式。 由于数据湖带来了相当多的挑战，在2016年，我们将看到数据湖管理的未来：数据湖服务作为一种解决方案，为您的数据湖提供一个完整的管理方案。 由于数据湖在大规模数据存储和分析方面具有巨大优势，数据湖服务解决方案将被用于许多组织中。 因此，高级管理人员正在寻找其人力资源的确切数据，所以，2016年我们会看到人力资源分析将迈出一大步。 人力资源分析虽然是人事部门新的业务领域，但为了更好地提高人力资源的投资回报率，该业务增长极为迅速。 对于那些大的商业组织而言，大数据已经成为通用语言。在适应新趋势方面，政府是缓慢的，但是在2016年，我们会看到更多的国家、地区和地方政府会采用大数据技术来提高社会和公民的体验。
1.2K60发布于 2018-05-22 - 来自专栏华章科技
手把手教你用ECharts画柱状图
导读：柱状图主要用于表示离散数据的频数，也是一种基础可视化图。 作者：王大伟 来源：大数据DT（ID：hzdashuju） 01 简单的柱状图 在ECharts中制作柱状图也十分简单，通过将series中的type设置为bar即可，代码如下： option = { label: { show: true, position: 'right' } }] }; 可视化结果如图4- ▲图4-11 水平聚合柱状图 03 堆叠柱状图 除上述几种柱状图，堆叠柱状图也是非常常用的。 ▲图4-13 堆叠柱状图调整堆叠效果 关于作者：王大伟，毕业于华东理工大学，硕士学历，目前就职于平安金融壹账通，从事数据挖掘算法工作，擅长ECharts、Python、自然语言处理、数据分析挖掘、机器学习
4K20发布于 2021-02-05 - 来自专栏罗超频道
直播、会员、营销……陌陌未来究竟靠什么赚大钱？
陌陌不断探索新兴业务，可塑性强，想象空间大，这是好的一面；不好的一面则是，收入结构不稳定意味着潜在的风险。 陌陌是天生的移动营销平台 Q1财报显示陌陌用户数已突破2亿，MAU突破7000万，是仅次于腾讯的第二大社交平台。 直播营销是陌陌移动营销增长的第一个后手，借助于LBS和社交两大特质，陌陌直播营销具有同类直播平台不具备的优势，未来，你可以在陌陌上看到附近商家对自家餐厅的直播，你可以看到附近商场对促销活动的直播，LBS 3、与大数据结合的LBS数据营销： 眼下陌陌移动营销更多是在做效果营销，即给品牌带来实质性的下载或订单的营销形式。 当然可以，LBS价值在于POI（兴趣点），陌陌有社交和兴趣标签，大数据维度相对更多，这是唐岩拥有的一座尚未挖掘的金矿。
1.1K50发布于 2018-04-27 - 来自专栏程序员小灰
数据结构大总结！
说到算法，就不能不说起数据结构。今天我来讲一讲，什么是数据结构？程序员怎么学好数据结构？ 我们介绍算法的时候说过，计算机当中的算法，本质就是一系列程序指令，用以解决特定的运算和逻辑问题。 而所谓数据结构，是数据的组织、管理和存储格式。简单理解的话，数据结构就是执行算法的“原材料”。 俗话讲，巧妇难为无米之炊。算法，就好比是聪明勤劳的女主人，而数据结构，就是用来做饭做菜的柴米油盐。 数据结构都有哪些组成方式呢？ 首先，是线性结构。 但凡有过一点编程基础的小伙伴，肯定都知道数组，这就是一种典型的线性数据结构。 除了数组以外，链表也是一种重要的数据结构。 Redis当中的集合 sortedSet，背后的数据结构就是跳表。 复合数据结构，往往结合了多种基础数据结构当然优势，在特定的场景下非常有用。 这就是数据结构的几种组成方式，大家可以把这张图保存一下。由于篇幅原因，图里面所列出的具体数据结构，只是最最常用的几种，并非全部。
1.4K41发布于 2021-11-30 - 来自专栏华章科技
2016大数据版图
本文全面总结了大数据领域的发展态势，分析认为尽管大数据作为一个术语似乎已经过气，但是大数据分析与应用才刚刚开始兴起，在与 AI、人工智能等新兴技术的结合下，大数据的机会也许要比大家想象的还要大。 后来随着开源运动的迅速发展，一大批此类新技术开始共享到更广的范围。然后，一些互联网大公司的工程师离职去创办自己的大数据初创企业。 大企业对由年轻的初创企业来处理自己基础设施的关键部分的谨慎是可以理解的。还有，令创业者感到绝望的是，许多（还是大多数？）企业仍顽固地拒绝把数据迁移到云端（至少不愿迁移到公有云）。 你得捕捉数据、存储数据、清洗数据、查询数据、分析数据并对数据进行可视化。这些工作一部分可以由产品来完成，而有的则需要人来做。一切都需要无缝集成起来。 大数据与 AI 的结合将会推动很多行业的惊人创新。从这个角度来说，大数据的机会也许要比大家想象的还要大。
1.2K41发布于 2018-08-14 - 来自专栏机器学习/数据可视化
数据平滑9大妙招
今天给大家分享9大常见数据平滑方法：移动平均Moving Average指数平滑Exponential Smoothing低通滤波器多项式拟合贝塞尔曲线拟合局部加权散点平滑LoessKalman滤波小波变换 它对最近的数据点给予较高的权重，而对较早的数据点给予较低的权重。这使得EMA更适合用于追踪快速变化的数据。 指数平滑的主要特点包括：加权平滑：指数平滑使用指数权重来平滑数据。较新的数据点获得更高的权重，而较旧的数据点获得较低的权重。这意味着它对最近的数据更为敏感，从而更好地捕获了数据的最新趋势。 Loess平滑通常用于探索性数据分析、数据可视化、时间序列分析和回归建模的预处理步骤。它可以帮助用户识别数据中的局部特性、趋势和周期性，从而更好地理解数据的结构。 数据平滑：Savitzky-Golay滤波器旨在平滑数据，减小数据中的高频噪声和突发波动。它保留了数据中的趋势和主要特征，同时去除了噪声。
6.2K44编辑于 2023-10-13
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