- 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。
15610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”。
13610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。
11100编辑于 2026-05-31- 来自专栏FreeBuf
丹麦7-11门店因网络攻击而关闭
据Bleeping Computer消息，因遭受了网络攻击，丹麦7-11门店的支付和结账系统全面故障，故而选择闭店。 8月8日，7-11公司在Facebook 上发帖称，他们很可能遭受了“网络攻击”。 “在7-11工作，我们的结账系统不起作用，全国所有的7-11都使用相同的系统，所以丹麦的所有7-11现在都关闭了”。 此前也曾遭遇网络攻击 这不是7-11第一次遭遇网络攻击。早在2009年，7-11就因为网络攻击泄露了大约1.3亿张信用卡数据，引起轩然大波。 7-11官网当即发布通知，暂停7pay的充值服务。7-11企业负责人也紧急召开记者会，对此深表歉意，并表示7-11将会承担所有的盗刷损失。
53910编辑于 2023-03-30 - 来自专栏黄成甲
新零售下中小微零售们如何赋能
因为电商SaaS工具无法将用户数据和供应链数据打通，从而实现精准零售。在这方面零售效率最高的就是日本的便利店7-11，7-11门店售卖的SKU ，也就是库存单位只有2千9百种，完全是精益销售。 7-11总部之所以能够通过IT系统分析出卖什么、怎么卖、卖多少量、卖给谁，是因为对于每一家门店，7-11都能够提供三项数据，分别是立地数据、设施数据和长期数据。 “设施数据”主要了解门店周边有没有学校或者医院之类的设施，这对于日常订货的预估能提供一定的帮助。“长期数据”是说，7-11会根据过去的数据，呈现出有关趋势的数据。 所以7-11不仅是一家便利店，也是一家大数据公司。而在电商大数据、用户大数据、物流大数据方面，京东则有天然的优势，这也是刘强东要搞京东便利店的原因。 要是好多人在搜呕吐、腹泻或者其他相关的词，内容特别多，比例特别大，这个区域就有可能爆发了霍乱。这是大数据。但是如果针对一个人，他呕吐腹泻到底是什么病，该怎么治，大数据就没用了。
1K40发布于 2018-09-12 - 来自专栏罗超频道
亚马逊再开3000+无人店！国内却一半是海水一半是火焰
它们之所以不计成本投入研发，是想将无人便利店技术形成解决方案，赋能整个零售行业（就像他们在线上和新零售领域做的那样），寻找新的线下流量入口，获得更多零售数据。 “7-11”和“全家”等知名品牌纷纷在供应链、客户管理和智能门等方面进行智能化变革。 其中“7-11”以数据为中心构建了供应链信息系统，将各节点链接，大幅提升了配送效率，“7-11”的首家无人门店也在中国台湾开业，和京东一样，只需刷脸就可以完成购物。 移动互联网技术（移动支付、物联网、智能锁、LBS等等），让无人便利店可以被开设到更多地方，有更多触达用户的场景； 移动支付快速普及，让自动售货机器改头换面，用户不用再投硬币，拿起手机就能便捷支付，使用意愿更强烈 ； 在引入人脸识别、机器视觉等AI技术则可以直接判断用户在便利店里选购的商品，自动扣款，这也是Amazon Go的故事； 大数据征信这样的技术则对消费者形成一定约束，降低盗窃、赖账等行为出现的概率。
93230发布于 2019-07-17 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- 来自专栏庄帅
全球最大便利店将裁员4000人、关店1000家，这两个是致命原因
图：7-11日本历年店数和销售额 数据驱动运营、决策更合理 高层领导对数据的重视和敏感，引导7-11形成了数据驱动的单品管理模式，也是门店乃至整个集团维持高效运转、保持高利润的关键。 80年代初，7-11引进了POS机，不仅记录产品不同时间段分别卖出去的数量，还提出了基于数据的“假设-执行-验证”的工作模式：“假设”并不是凭空想象，而是以销售数据为出发点，结合第二天的天气、气温、街市的活动等前瞻性信息 长期下来，7-11的每个人，包括老板、店长，甚至是实习生、兼职人员都培养出了对销售数字的敏感和直觉，什么时间什么商品会畅销，什么商品摆放在一起会促进销量，销售额会有什么变化，甚至不看数据就能凭直觉做大致判断 数据相对滞后、成本持续走高 虽然7-11有数据支持决策的“法宝”，但随着互联网的发展，信息逐步多元化，在大数据、人工智能以及数据整合层面，7-11未完全赶上当前的节奏。 相比之下，全家、盒马生鲜，通过大数据运营可以实时了解客户需求、商品保质期、时间管控等，从而实现更好的运营，降低运营成本。
74500发布于 2019-10-31 - 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。
10410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PPV课数据科学社区
数据挖掘相关联系著名案例——啤酒与尿布
我们把找出购物篮中商品之间关系的方法称为“美式购物篮”分析法，这种方法适合应用于类似沃尔玛这样的大卖场，用于找出不同陈列区域商品之间的 关系。 日本的超市以7-11便利店为典型，7-11便利店营业面积都很小，一般只有100~250平方米，商品品种3000~10000种，是典型的“螺蛳壳里做道场”。 与商品之间的关联关系相比，日本7-11便利店认为这些关联因素更重要。由于这是日本7-11便利店大量采取的方式，我们也称为“日式购物篮” 分析法。 超市有会员卡，通过会员卡分析POS机的消费数据是一件惬意的事情，可以知道这样的事实：老张今天买了2瓶啤酒、一包花生米、2袋豆腐干；大前 天老张买了4瓶啤酒、一包开花豆、4袋豆腐干。 西方有一句名言：“不要尝试再去发明车轮”，用在这里作为某些大的R值的评价是很恰当的。 2.
10.2K60发布于 2018-04-20 - 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
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