热点推荐:2016年热门技术方向预测

简介:

关于2016年对技术的预测众说纷纭,我有一些在MongoDB公司的朋友和我说了他们的预测。关于Kafka和Container Orchestration的预测看来非常正确。我还想补充的一点是,微服务仍将很重要,以及Apache Spark将会如同星星之火燎原。我觉得Scala、Go、Python将急剧上升,Java将保持稳定。很多很酷的新项目和技术会以大数据,云和 devops的工作形式出现。让我们一起拭目以待吧。

数据开始在会议上展露头角:CDO(开发总监)成为财富500强的必备头衔

CIO关注于用基础设施来处理数据。CDO的任务是让组织将数据当作资本:使得数据可被访问、管理和支配,并找到提取数据值和减少违规风险之间的平衡。

日益增长的Kafka:数据流连接数据库到强大的现代业务app

Kafka将成为企业数据基础架构的重要结合点,促进建立智能化、分布式的系统。随着IoT、全球性部署、以及微服务的增长,在数据被存储在数据库 之前捕捉和控制数据,变得越来越重要。Kafka和其他的流系统,如Spark和Storm将补充数据库作为企业堆栈的关键部分,用以管理跨应用程序和数 据中心的数据。

容器之争已经结束:Container Orchestration之争的烽烟却已燃起

Docker 显然已经赢得了容器之争的胜利,每个人现在都以此为标准。当前战斗已经转移到了Container Orchestration,并且数据中心的控制正处于紧要关头。有赢家,也有输家,还有一些意外。有趣的是,胜利者将是现任供应商——Red Hat和VMW——他们指明了如何从Docker和Google(Kubernetes)获取开源码,构建到自己的商业产品中,并销售给现有的买家。

应用性能瓶颈从存储转移到CPU和网络

在十多年来,性能瓶颈压倒性地取决于存储层。在此期间,CPU和网络的发展速度保持平稳,并没有太大的性能问题,因为存储层才是短板。随着存储中的 关键创新——英特尔的3D XPoint,一种NAND闪存的新形式,可以增加密度、耐久性和性能,还具备了NVME SSD的绕过文件系统的更佳更快的接口——企业架构师现在需要集中精力去优化位于CPU和网络层的应用程序。结果就是,应用程序的代码将需要被优化,以及 部署架构——和内存计算,还有保持全球范围内用户附近的数据副本一样——将成为关键。


作者:小峰

来源:51CTO

相关文章
|
机器学习/深度学习 传感器 编解码
一文详解视觉Transformer在CV中的现状、趋势和未来方向(分类/检测/分割/多传感器融合)(中)
本综述根据三个基本的CV任务和不同的数据流类型,全面调查了100多种不同的视觉Transformer,并提出了一种分类法,根据其动机、结构和应用场景来组织代表性方法。由于它们在训练设置和专用视觉任务上的差异,论文还评估并比较了不同配置下的所有现有视觉Transformer。此外,论文还揭示了一系列重要但尚未开发的方面,这些方面可能使此类视觉Transformer能够从众多架构中脱颖而出,例如,松散的高级语义嵌入,以弥合视觉Transformer与序列式之间的差距。最后,提出了未来有前景的研究方向。
一文详解视觉Transformer在CV中的现状、趋势和未来方向(分类/检测/分割/多传感器融合)(中)
|
2月前
|
人工智能 云计算 开发者
探究后端技术发展趋势,预测未来发展方向
【2月更文挑战第4天】随着信息技术的不断更新迭代,后端技术也在不断发展壮大。本文将从云计算、容器化、微服务等多个角度,探究后端技术的现状和未来发展趋势,并对未来发展方向进行预测。
|
8月前
|
人工智能 安全 量子技术
量子力学的挑战和未来:未解决的问题和可能的发展方向
量子力学作为现代物理学的基础理论,在过去几十年中取得了巨大的成功,并在许多领域展现出了巨大的应用潜力。然而,它仍然面临一些未解决的问题,如量子测量问题、量子力学与相对论的统一、退相干和纠缠保持等。未来,我们可以期待量子技术的进一步发展,包括量子计算、量子通信和量子感应等领域的突破,为人类带来更多的科学和技术进步。
102 0
量子力学的挑战和未来:未解决的问题和可能的发展方向
|
12月前
|
传感器 机器学习/深度学习 存储
2022 年及以后的技术趋势预测
2022 年及以后的技术趋势预测
|
机器学习/深度学习 人工智能 算法
纯视觉3D检测综述!一文详解3D检测现状、趋势和未来方向!(中)
基于图像的3D目标检测是自动驾驶领域的一个基本问题,也是一个具有挑战性的问题,近年来受到了业界和学术界越来越多的关注。得益于深度学习技术的快速发展,基于图像的3D检测取得了显著的进展。特别是,从2015年到2021年,已经有超过200篇研究这个问题的著作,涵盖了广泛的理论、算法和应用。然而,到目前为止,还没有一个调查来收集和组织这方面的知识。本文首次对这一新兴的不断发展的研究领域进行了全面综述,总结了基于图像的3D检测最常用的流程,并对其各个组成部分进行了深入分析。此外,作者还提出了两个新的分类法,将最先进的方法组织成不同的类别,以期提供更多的现有方法的系统综述,并促进与未来作品的公平比较。
纯视觉3D检测综述!一文详解3D检测现状、趋势和未来方向!(中)
|
机器学习/深度学习 传感器 人工智能
纯视觉3D检测综述!一文详解3D检测现状、趋势和未来方向!(下)
基于图像的3D目标检测是自动驾驶领域的一个基本问题,也是一个具有挑战性的问题,近年来受到了业界和学术界越来越多的关注。得益于深度学习技术的快速发展,基于图像的3D检测取得了显著的进展。特别是,从2015年到2021年,已经有超过200篇研究这个问题的著作,涵盖了广泛的理论、算法和应用。然而,到目前为止,还没有一个调查来收集和组织这方面的知识。本文首次对这一新兴的不断发展的研究领域进行了全面综述,总结了基于图像的3D检测最常用的流程,并对其各个组成部分进行了深入分析。此外,作者还提出了两个新的分类法,将最先进的方法组织成不同的类别,以期提供更多的现有方法的系统综述,并促进与未来作品的公平比较。
纯视觉3D检测综述!一文详解3D检测现状、趋势和未来方向!(下)
|
机器学习/深度学习 编解码 人工智能
纯视觉3D检测综述!一文详解3D检测现状、趋势和未来方向!(上)
基于图像的3D目标检测是自动驾驶领域的一个基本问题,也是一个具有挑战性的问题,近年来受到了业界和学术界越来越多的关注。得益于深度学习技术的快速发展,基于图像的3D检测取得了显著的进展。特别是,从2015年到2021年,已经有超过200篇研究这个问题的著作,涵盖了广泛的理论、算法和应用。然而,到目前为止,还没有一个调查来收集和组织这方面的知识。本文首次对这一新兴的不断发展的研究领域进行了全面综述,总结了基于图像的3D检测最常用的流程,并对其各个组成部分进行了深入分析。此外,作者还提出了两个新的分类法,将最先进的方法组织成不同的类别,以期提供更多的现有方法的系统综述,并促进与未来作品的公平比较。在
纯视觉3D检测综述!一文详解3D检测现状、趋势和未来方向!(上)
|
机器学习/深度学习 传感器 编解码
一文详解视觉Transformer在CV中的现状、趋势和未来方向(分类/检测/分割/多传感器融合)(上)
本综述根据三个基本的CV任务和不同的数据流类型,全面调查了100多种不同的视觉Transformer,并提出了一种分类法,根据其动机、结构和应用场景来组织代表性方法。由于它们在训练设置和专用视觉任务上的差异,论文还评估并比较了不同配置下的所有现有视觉Transformer。此外,论文还揭示了一系列重要但尚未开发的方面,这些方面可能使此类视觉Transformer能够从众多架构中脱颖而出,例如,松散的高级语义嵌入,以弥合视觉Transformer与序列式之间的差距。最后,提出了未来有前景的研究方向。
一文详解视觉Transformer在CV中的现状、趋势和未来方向(分类/检测/分割/多传感器融合)(上)
|
机器学习/深度学习 传感器 编解码
一文详解视觉Transformer在CV中的现状、趋势和未来方向(分类/检测/分割/多传感器融合)(下)
本综述根据三个基本的CV任务和不同的数据流类型,全面调查了100多种不同的视觉Transformer,并提出了一种分类法,根据其动机、结构和应用场景来组织代表性方法。由于它们在训练设置和专用视觉任务上的差异,论文还评估并比较了不同配置下的所有现有视觉Transformer。此外,论文还揭示了一系列重要但尚未开发的方面,这些方面可能使此类视觉Transformer能够从众多架构中脱颖而出,例如,松散的高级语义嵌入,以弥合视觉Transformer与序列式之间的差距。最后,提出了未来有前景的研究方向。
一文详解视觉Transformer在CV中的现状、趋势和未来方向(分类/检测/分割/多传感器融合)(下)
|
传感器 机器学习/深度学习 编解码
2022最新综述!一文详解自动驾驶中的多模态融合感知算法(数据级/特征级/目标级)
多模态传感器融合意味着信息互补、稳定和安全,长期以来都是自动驾驶感知的重要一环。然而信息利用的不充分、原始数据的噪声及各个传感器间的错位(如时间戳不同步),这些因素都导致融合性能一直受限。本文全面调研了现有多模态自动驾驶感知算法,传感器包括LiDAR和相机,聚焦于目标检测和语义分割,分析超过50篇文献。同传统融合算法分类方法不同,本文从融合阶段的不同将该领域分类两大类、四小类。此外,本文分析了当前领域存在的问题,对未来的研究方向提供参考。
2022最新综述!一文详解自动驾驶中的多模态融合感知算法(数据级/特征级/目标级)