
英特尔推动大数据技术迈入全新阶段:实时分析
2月19日,英特尔公司今日宣布推出英特尔至强处理器 E7 v2 产品家族,以帮助零售、医疗、银行和交通运输等众多行业用户将数据转化为切实可行的洞察。
使用分析功能可以帮助企业制定决策,提高企业的营收和利润,英特尔至强处理器 E7 v2 产品家族的全新功能,能够处理和分析大量繁杂的数据,捕获以前无法获得的信息。
“利用数据,企业可以加速获取业务洞察,在现有经济环境下获得巨大优势,”英特尔公司高级副总裁兼数据中心事业部总经理柏安娜 (Diane Bryant) 表示,“英特尔至强处理器E7 v2 产品家族具备出色的性能、内存容量支持及可靠性,可帮助IT部门利用大型数据集提供实时分析能力,快速发现并利用最新全球趋势创建新服务,并提高业务效率。”
大数据和物联网(IoT)提供了巨大的机遇,使众多企业从他们能够得到的信息中创建可盈利服务,从而得到成长。大数据技术和服务市场的规模预计每年拥有27%的增长,市值将于2017 年达到 324 亿美元。这一增长的主要驱动力来自于构成物联网的联网设备所产生的海量数据。据估计,到2020年联网设备的数量将会增加到 300 亿台。投资性能最卓越的技术和分析解决方案能够帮助他们大幅节省成本。例如,2016年,英特尔的 IT 部门预计将通过使用分析解决方案帮助企业节省成本并增加接近 5 亿美元的净收入。
全新大数据处理、分析能力与强大的可靠性
与上一代处理器相比,英特尔至强处理器 E7 v2 产品家族可支持3倍的内存容量,能够更快完成数据分析。内存分析功能会在系统内存中放置整个数据集并进行分析(例如一个企业的整个用户数据库),而非在传统硬盘上进行。由于对更多复杂分析需求的增长,这一功能正在日渐受到企业的青睐。根据行业调研公司 Gartner 的预测,35%的大中型企业将会在 2015 年前采用内存分析,相比 2012 年拥有 10%增长。预测显示,2000家全球企业中,超过50%的公司将会在其企业资源计划(ERP)中使用内存分析计算,从而在投资中得到显著的附加收益。
全球规模最大最复杂的在线商城之一 eBay, 需要处理来自1亿多名用户的超过 50 PB 的数据。基于初步评测,全新英特尔至强处理器 E7 v2与 SAP HANA 内存分析软件相结合,可让 eBay的分析性能得到显著提高,并从大型数据集中得到更重要的洞察,从而为其客户带来更多创收良机。
英特尔至强处理器E7 v2 产品家族最高可支持32路的服务器平台,拥有最多15个处理内核和每插槽1.5TB内存容量,平均性能为上一代产品的两倍。这些提升可帮助企业以更低成本,可靠高效地运行业务支持系统 (BSS)、客户关系管理 (CRM)和企业资源计划 (ERP)等关键业务应用程序,并加快响应速度。例如,可以帮助销售团队精确定位销售产品的最佳时间,从而实现营收最大化;又或使石油天然气公司更好地预测其平台何时需要进行预防性维护。
为了消除数据传输瓶颈,英特尔至强处理器 E7 v2 产品家族还采用了英特尔集成 I/O 技术、英特尔数据直接 I/O 技术、以及对PCIe 3.0的支持,达到相比上一代提高达四倍的I/O 带宽,并提供更强大的存储和网络连接能力。
系统连续运行时间和可靠性仍然是关键业务应用程序的一项重要要求。英特尔至强处理器 E7 v2产品家族延续了英特尔提供世界一流可靠性、可用性和可维护性 (RAS) 的传统。英特尔可靠运行技术(Intel Run Sure Technology)专用于支持对于核心业务数据至关重要的“五个九”解决方案,能够显著降低计划内和计划外宕机的频次与成本。
广泛的行业支持
全球各地的 21 家系统制造商预计将会推出超过 40 个基于英特尔至强处理器 E7 v2 产品家族的平台。这些制造商包括:华硕*、Bull*、思科*、戴尔*、EMC*、富士通*、日立*、惠普*、华为*、IBM*、浪潮*、联想*、NEC*、Oracle*、宝德*、广达*、SGI*、曙光*、Supermicro*、Unisys* 和中兴*等。众多软件合作伙伴也支持基于英特尔至强™ 处理器 E7 v2 产品家族的平台,这些合作伙伴包括: Altibase*、神州数码*、IBM*、微软*、甲骨文*、Pivotal*、QlikView*、Red Hat*、SAP*、SAS*、Software AG*、Splunk*、Sungard*、Teradata*、东方通*、Vertica* 和用友*等。
为了推动实时分析技术应用创新,加速中国本地产业的发展步伐,英特尔也将于2月25日在北京召开英特尔至强™ 处理器E7 v2 产品家族发布会。届时,英特尔将针对该创新产品在中国服务器市场发展中的价值进行详细解析,众多软、硬件合作伙伴也将莅临发布会,展示他们在相关系统、应用软件和解决方案层面对这一创新的有力支持。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28