中国林业大数据中心已跃升至PB级

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

据统计监测,截止至2015年12月31日,中国林业大数据中心数据量已超过1PB。

近年来,国家林业局深入贯彻党中央、国务院关于加快信息化建设的系列决策部署,大力推进大数据建设,充分运用大数据技术、理念和资源,服务于林业发展大局。特别是在国务院印发《促进大数据发展行动纲要》后,我局作为大数据发展部际联席会议成员单位,积极开展大数据发展战略研究,加快建设林业大数据平台,努力推动数据开放共享,以中国林业大数据中心为主中心的全国林业大数据建设布局初步形成。

中国林业大数据中心

  中国林业大数据中心

目前中国林业大数据中心初具规模。在历年林业信息化建设积累的大量数据的基础上,随着近期京津冀、长江经济带、一带一路林业大数据应用试点项目陆续启动,目前中国林业大数据中心数据量已超过1PB。其中包括业务数据、文件档案数据、视频图像数据、卫星遥感数据、基础地理数据、林业专题数据、林业成果数据等数据资源。

中国林业大数据中心

  中国林业大数据中心机房一角

以数据资源为基础,以大数据技术为支撑,逐步拓展各项业务应用,最终建立一体化的林业智慧决策平台,将为林业重大决策提供依据,增强林业资源监管能力,提升林业管理水平,提高对公众的服务效率。

本文转自d1net(转载)

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
|
存储 算法 数据安全/隐私保护
阿里云发布移动数据中心“闪电立方”:为PB级海量数据迁移而生
 本文讲的是阿里云发布移动数据中心“闪电立方”:为PB级海量数据迁移而生【IT168 云计算】在人人习惯网络下载的时代,像快递一样来搬数据显得有点奇怪?其实这才是企业需要的。
1713 0
|
分布式计算 算法 大数据
阿里云发布ODPS 可分析PB级海量数据
 本文讲的是阿里云发布ODPS 可分析PB级海量数据8日,阿里云计算发布核武级大数据产品——ODPS。通过ODPS在线服务,小型公司花几百元即可分析海量数据。ODPS可在6小时内处理100PB数据,相当于1亿部高清电影。此前,全球掌握这种能力的公司屈指可数,如Google、亚马逊等。
1598 0
|
存储 监控 算法
阿里云发布移动数据中心“闪电立方”:为PB级海量数据迁移而生 
阿里云推出的“闪电立方”外形黑色立方,可防尘防水,抗震抗压。容量上可容纳100TB数据,并能实现最高30:1的压缩比,配合高效的去重功能可节省更多的存储空间。内置了20Gbps的光纤网络连接,传输速度更快。
4454 0
|
7月前
|
存储 传感器 监控
探索现代数据中心的冷却技术革新
【4月更文挑战第23天】 在信息技术迅猛发展的今天,数据中心作为计算和存储的核心枢纽,其稳定性和效率至关重要。然而,随着处理能力的增强,设备发热量急剧上升,有效的冷却方案成为确保数据中心持续运行的关键因素。本文将深入分析当前数据中心面临的热管理挑战,并探讨几种前沿的冷却技术,包括液冷系统、热管技术和环境自适应控制策略。通过比较不同技术的优缺点,我们旨在为数据中心管理者提供实用的冷却解决方案参考。
|
4月前
|
机器学习/深度学习 存储 监控
利用机器学习技术优化数据中心能效
【7月更文挑战第36天】在数据中心管理和运营中,能源效率已成为关键性能指标之一。随着能源成本的不断上升以及环境保护意识的增强,开发智能化、自动化的解决方案以降低能耗和提高能源利用率变得尤为重要。本文探讨了如何应用机器学习技术对数据中心的能源消耗进行建模、预测和优化,提出了一个基于机器学习的框架来动态调整资源分配和工作负载管理,以达到节能的目的。通过实验验证,该框架能够有效减少数据中心的能耗,同时保持服务质量。
|
7月前
|
存储 大数据 数据处理
探索现代数据中心的冷却技术
【5月更文挑战第25天】 在信息技术迅猛发展的今天,数据中心作为其核心基础设施之一,承载了巨大的数据处理需求。随着服务器密度的增加和计算能力的提升,数据中心的能耗问题尤其是冷却系统的能效问题日益凸显。本文将深入探讨现代数据中心所采用的高效冷却技术,包括液冷解决方案、热管技术和环境自适应控制等,旨在为数据中心的绿色节能提供参考和启示。
|
7月前
|
人工智能 监控 物联网
探索现代数据中心的冷却技术
【5月更文挑战第27天】 在信息技术迅猛发展的今天,数据中心作为信息处理的核心设施,其稳定性和效率至关重要。而随着计算能力的提升,数据中心面临的一个重大挑战便是散热问题。本文将深入探讨现代数据中心冷却技术的进展,包括传统的空气冷却系统、水冷系统,以及新兴的相变材料和热管技术。通过对不同冷却方式的效率、成本及实施难度的分析,旨在为读者提供一份关于数据中心散热优化的参考指南。
|
7月前
|
机器学习/深度学习 资源调度 监控
利用机器学习技术优化数据中心能效
【5月更文挑战第30天】在数据中心管理和运营中,能源效率的优化是降低运营成本和减少环境影响的关键。本文旨在探讨如何应用机器学习技术来提升数据中心的能源效率。通过对现有数据中心运行数据的深入分析,开发预测性维护模型,以及实施智能资源调度策略,我们可以显著提高数据中心的能效。本研究提出了一种集成机器学习算法的框架,该框架能够实时监控并调整数据中心的能源消耗,确保以最佳性能运行。