云栖大会|云原生+AI技术双重加持,打造一体化数据平台

本文涉及的产品
云原生多模数据库 Lindorm,多引擎 多规格 0-4节点
云数据库 Redis 版,社区版 2GB
推荐场景:
搭建游戏排行榜
云数据库 MongoDB,通用型 2核4GB
简介: 在线服务+离线分析+AI

导读

在2023云栖大会上,阿里云瑶池数据库宣布旗下产品现已全面拥抱向量检索能力,其中,Lindorm、Tair等产品已集成向量功能。此外,瑶池数据库为用户提供了全方位的一体化能力,具体包括HTAP一体化、DB+Cache一体化、DB+存储一体化等三大能力全新升级,实现OLTP、OLAP、NoSQL等多业务场景融合,产品易用性全面升级,切实提升用户使用体验


来自掌阅科技、携程等知名企业代表和瑶池数据库团队的产品&技术专家,深入真实场景实践,分享最新技术进展。同时,作为国内首个MongoDB云服务商战略合作伙伴和唯一可提供最新版本MongoDB服务的中国云厂商,阿里云表示将持续深化与MongoDB的战略合作关系,积极布局汽车、金融、物流、制造等领域的数据库建设


多模数据库Lindorm:打造AI时代的一体化数据平台


阿里云数据库事业部资深技术专家 沈春辉


阿里云数据库事业部资深技术专家沈春辉发表《多模数据库Lindorm:打造AI时代的一体化数据平台》精彩演讲。他提到,面向车联网、物联网、AI等新时代场景,传统堆叠式大数据方案存在架构复杂、ETL链路多、数据重复冗余、API差异大等痛点,Lindorm全新打造了云原生化、一体化、智能化、开放化的数据平台能力,一站式满足海量数据低成本存、在线查、灵活算的需求,大大降低数据应用的开发、运维和资源成本。


携程数据库专家 吴宙旭


携程数据库专家吴宙旭分享了Lindorm在携程混合云体系建设中的最佳实践,他表示:“相比线下自建数据库,携程采用云上Lindorm的技术成本降低了20%,并提供了更好的性能和容灾能力”。


1. Lindorm一站式车联网数据平台

伴随着产业数字化和新能源汽车的发展,车联网数据平台受到越来越多车企的关注。车联网数据具有大规模(PB+级别)、大宽列(国标100+列,企标数千列)、处理多元化(存储、检索、计算和AI)以及业务敏捷迭代带来的动态列扩展等特点,传统的基于HBase、ElasticSearch、HDFS、Hive、Spark等的开源技术栈,面临架构复杂、开发效率低、运维难、成本高、扩展难等痛点。


阿里云数据库事业部高级产品专家 葛双博


阿里云数据库事业部高级产品专家葛双博在会上详细介绍了Lindorm一站式车联网方案。他表示,Lindorm提供在线+离线+AI智能一体化的数据处理平台,满足车联网数据全链路处理需求。Lindorm SQL兼容MySQL协议,让用户像使用MySQL一样,可以轻松处理车联网大数据。在产品能力上,Lindorm自研宽表在数千列的大宽列场景下,读写性能相比HBase提升3倍;高压缩率叠加冷热分离技术,存储成本下降80%;支持创建数千列索引,满足根据车辆状态检索车辆的业务需求;全链路支持动态列,支撑业务敏捷迭代。同时内置列存引擎,可自动实现行列转存,并提供Serverless形态具备按需弹性能力的计算引擎,分析列存数据;内置AI引擎支持用户导入自有模型或者算法,用以处理车机数据,实现电池包检测、车辆状态预测等业务。


目前,云原生多模数据库Lindorm已服务于50%的头部车企和国内40%的造车新势力企业,持续伴随行业一同成长。


2. 阿里云多模态大模型+Lindorm,全方位支持自动驾驶闭环


阿里云行业解决方案资深产品专家 孙放


在自动驾驶领域,每时每刻都会产生大量的视频、图片数据,除了视频、图片存储需求外,进一步还需要对这些数据进行检索。


阿里云行业解决方案资深产品专家孙放在分享《阿里云多模态大模型+Lindorm全方位支持自动驾驶闭环》时提到:“阿里云Lindorm数据库集成阿里云opentrek多模态大模型,在能够处理各类结构化、半结构化数据的基础上,提供了非结构化的图像、点云等数据的检索和挖掘能力。通过多模态大模型,用户可以利用文本、图像、物体元素等多种输入检索图片等内容,已经广泛的用于自动驾驶、交通物流等行业。同时Lindorm还通过AI引擎能力,集成多种开源模型,提供文生图等其他AI能力”。


3. Lindorm一站式AI数据平台实战


阿里云数据库事业部高级技术专家 郑涔


随着大语言模型在语义推理和文本生成方面的优秀表现,基于大语言模型的应用越来越火热;其中自动驾驶、智能问答等场景应用范围最广。阿里云数据库事业部高级技术专家郑涔通过分享《Lindorm一站式AI数据平台实战》,向大家介绍了云原生多模数据库Lindorm开箱即用的AI推理与向量检索能力,Lindorm通过支持向量+标量多模态检索,提供语言、多模态等多种大模型的支持,为构建LLM+企业知识库,实现文搜图、图搜图、文搜万物等功能提供了一站式的数据处理底座。


阿里云Redis深度剖析 —— 构建稳定易用的企业级缓存

缓存及高性能KV存储是业务系统的核心支撑组件,其中Redis开源版被广泛使用,但其运维难度、稳定性和成本等问题同样突出并难以解决。


阿里云数据库事业部资深技术专家 朱国云


阿里云数据库事业部资深技术专家朱国云分享了阿里云Redis服务基于自研Tair内核带来的优势能力,在保证兼容性的前提下解决大量开源Redis的使用痛点,同时在持久化、大容量场景中具有显著优势。


掌阅科技平台研发部负责人 张博


掌阅科技平台研发部负责人张博分享了阿里云Redis企业版在掌阅内部的最佳实践,他表示:“基于阿里云Redis 企业版,掌阅在Redis上的使用成本和运维成本均得到了有效下降,使得掌阅运维团队能够投入更多精力到业务中去”


云原生与AI双翼加持,MongoDB助力企业高效开发


借助云原生和AI技术的双重加持,阿里云 & MongoDB为企业提供了高效的开发解决方案。


MongoDB高级解决方案架构师 黄东旭


MongoDB高级解决方案架构师黄东旭分享了数以百万计的开发者和成千上万的客户如何借助MongoDB构建关键业务程序。通过AI技术赋予MongoDB平台智能化的能力,帮助客户实现智能化的数据管理和分析。


阿里云数据库事业部高级技术专家付秋雷分享了阿里云MongoDB如何借助瑶池数据库在资源调度、数据合规、数据库自治、备份恢复等领域沉淀多年的能力,在全链路安全、自动诊断、智能优化等层面做出的云原生特色能力,以及阿里云和MongoDB的合作如何实现一加一大于二的效果,助力企业用户平滑上云。

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
4天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗领域的应用与挑战
【5月更文挑战第31天】随着人工智能技术的不断发展,其在医疗领域的应用也日益广泛。本文将探讨AI技术在医疗领域的应用及其面临的挑战,包括诊断辅助、药物研发、患者管理等方面的内容。同时,我们也将讨论AI技术在医疗领域所面临的伦理和隐私问题以及数据安全等挑战。
|
4天前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在医疗领域的应用与挑战
人工智能技术在医疗领域的应用日益广泛,从辅助诊断到个性化治疗,都展现出了巨大的潜力。然而,随着技术的发展,我们也面临着一系列的挑战,包括数据安全、伦理问题等。本文将探讨AI技术在医疗领域的应用现状、前景以及面临的挑战。
|
5天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗领域的应用
随着人工智能(AI)技术的快速发展,其在医疗领域的应用也越来越广泛。本文将探讨AI技术在医疗领域中的具体应用,以及这些应用对医疗保健的影响。
22 1
|
1天前
|
语音技术 人工智能 机器学习/深度学习
构建基于AI的语音合成系统:技术探索与实践
【6月更文挑战第3天】本文探讨了构建基于AI的语音合成系统,包括文本预处理、声学模型、语音生成和后期处理四个步骤。关键技术和挑战涉及分词、词性标注、语调预测、HMM、DNN、RNN模型、波形合成及后期音质优化。实践中,获取高质量语音数据、训练计算资源和系统实时性是主要挑战。随着技术进步,未来语音合成将在多语种、个性化领域有更多应用。
|
2天前
|
人工智能 搜索推荐 数据处理
如何利用AI技术提高教育评估的效率和准确性?
【6月更文挑战第2天】如何利用AI技术提高教育评估的效率和准确性?
68 35
|
3天前
|
人工智能
如何优化人工智能人才培养体系以适应快速发展的AI技术?
【6月更文挑战第1天】如何优化人工智能人才培养体系以适应快速发展的AI技术?
15 4
|
3天前
|
人工智能 算法 大数据
确保AI技术健康发展的关键策略
【6月更文挑战第1天】确保AI技术健康发展的关键策略
14 6
|
3天前
|
人工智能 数据安全/隐私保护
对于AI技术的滥用现象,我们应该如何提高公众的认识和理解?
【6月更文挑战第1天】对于AI技术的滥用现象,我们应该如何提高公众的认识和理解?
107 59
|
3天前
|
人工智能 算法 网络安全
AI技术被滥用的原因是什么?
【6月更文挑战第1天】AI技术被滥用的原因是什么?
10 5
|
3天前
|
人工智能 开发者
如何防止AI技术被滥用?
【6月更文挑战第1天】如何防止AI技术被滥用?
11 4