
英特尔携手Cloudera发力大数据,背后有哪些契合点
日前,英特尔携手Cloudera在北京举办数据分析媒体沟通会,讲述了双方达成战略合作关系两年来在大数据领域取得的一系列成果。英特尔公司软件与服务事业部副总裁、系统技术和优化部门大数据技术总监马子雅,有Hadoop之父之称、Cloudera公司首席架构师Doug Cutting,以及Cloudera公司副总裁、大中华区总经理凌琦等参会并接受媒体采访。
英特尔平台为用户提供最佳数据洞察力
马子雅说,大数据作为一个非常有前景的产业在过去的几年里得到了快速的发展。目前90%的数据量都是过去两三年产生的。大数据的价值是通过数据分析给人们带来好的商业洞察力。在这方面,英特尔已经进行了多年的努力,最终目标是希望让任何大数据用户能够在英特尔平台上获得最好的数据洞察力,数据分析速度也最为快捷。
他表示,为了达到这样的目的,英特尔将工作分为几个重点方向。
第一是硬件层面。在这方面,英特尔对硬件进行了很多创新,包括网络、存储、运算等。例如在过去的几个月,英特尔推出了实时分析最快的至强E7V4处理器,也推出了最新的非易失性存储技术3D Xpoint。客户通过迁移到新一代英特尔硬件平台,可以使大数据机组性能得到7倍的提升;而通过在每台服务器中引入英特尔的SSD存储,可以使客户的大数据机组性能提升20%。
第二是在大数据层面。英特尔对很多大数据项目进行了优化,以保证它们能够在英特尔的平台上实现性能的大幅提升。比如英特尔推出了Big Bench、High Bench的测试标准,引领了业务基准测试的标准化的发展。该标准可以帮助业界更为精准的了解大数据在微观以及端到端层面的性能。
第三是在开源领域。英特尔看到大数据受开源影响较大,无论是Hadoop生态系统还是Spark生态系统。因此在过去几年中,英特尔在开源领域进行了很多合作,希望以此影响开源技术的未来走向,能与英特尔具有更高的黏合度。
例如在Hadoop相关项目、Spark相关项目,包括SQL、存储、云结合方面,英特尔都做了大量工作。这些工作涵盖添加性能、改善稳定性、可扩展性、提升性能、提升数据保护等。
此外,在机器学习方面,英特尔也在开源方面做了很多工作,尤其是在帮助客户扩大机器学习模块的可扩展性方面,可以达到10倍至70倍,并且可以缩短机器学习的周期达到8倍。在这方面,英特尔把大部分源代码都贡献给开源。
Hadoop让英特尔硬件更优化
Doug Cutting在发言中表示,Cloudera和英特尔至今已经合作两年时间,作为双方在合作方面的亮点,Apache Hadoop确实改变了人们使用数据的方式,能够让用户在数据中挖掘更多价值,同时在这个过程中能够更好地存储、处理数据,和更优化的使用英特尔为主的大部分硬件。
可以说我们与英特尔的合作就是基于这样一个目的,那就是让大家的软件可以在最受青睐的英特尔的硬件上跑的更好。英特尔和Cloudera当前确实也在寻求合作伙伴,当越来越多的大数据应用在数据中心部署,我们希望能够更好地发挥英特尔硬件的一些功能。他说。
Doug Cutting强调,自己非常高兴的看到在两年后的今天,双方的合作非常成功。在许多领域,Cloudera的工程师与英特尔共同合作,以保证Cloudera的软件能够非常好的运行在英特尔的硬件平台上。其中对某些领域通过重点进行优化,从而使Cloudera技术能够与英特尔技术做到深度结合。比如现在可以以非常低的价格进行解密,只有这样才能够使所有的文件都有加密,在保证数据安全的基础上,并不会在解密和加密的过程中影响到使用和运营效率。
对Cloudera中国市场未来有信心
凌琦在发言中主要分享了Cloudera在中国市场落地1年多时间以来的发展情况。
他介绍,从Cloudera自2014年底成立以来至今已经走过了18个月,目前,Cloudera在中国市场也取得了非常好的发展。公司当前已在北京、上海和广州建立了办事机构,业务拓展速度也是非常的快。
凌琦说,除了在与英特尔进行很多项目的研发、合作外,Cloudera公司自身在商业方面也拥有着完整的售前、营销以及专业服务力量。值得一提的是,作为公司的一大业务是涉及大数据人才的培训,目前已有5家培训领域合作伙伴与Cloudera达成了合作关系,并展开了大规模的大数据人才培训。
此外,凌琦还介绍了Cloudera在中国行业市场拓展方面的情况。目前,Cloudera业务已经覆盖电信、金融、制造以及与基础设施建设、零售等相关行业。这些行业也都是在大数据应用和发展上比较快的行业。
我们非常高兴的看到在国内主要的大企业都开始广泛采用基于Apache Hadoop的Cloudera商业发行版。在主要免费版本的发行和采用率上,Cloudera至少在国内占有70%以上的市场份额。到目前为止运营的18个月中,我非常高兴看到Cloudera在中国市场非常成功。我们对未来有非常好的憧憬。凌琦说。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13