京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12