京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21