SinoBBD探索“一体化”大数据中心创新发展模式

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:

5月25日下午,贵阳2017中国国际大数据产业博览会(以下简称“数博会”)吸引了来自国内外众多企业、专家学者、业界精英参加。作为大数据“国家队”的北京供销大数据集团(以下简称“SinoBBD”),为了更好的与业界专家共同交流 “一体化”的大数据中心发展相关问题,在数博会期间,举办名为“加快建设全国'一体化'的大数据中心发展研讨会”,特邀请贵阳高新区领导、行业专家就如何建设“全国'一体化'的国家大数据中心”以及如何“达到一体化”等问题进行探讨,共议“一体化”大数据中心发展趋势,探讨全球大数据发展及应用走向。

图为“加快建设全国一体化的大数据中心发展研讨会”现场

贵阳市高新区管委会党工委委员、管委副主任张宇致开幕辞并从政府角度和与会嘉宾分享关于大数据与政府治理的相关问题。

“信息技术与经济社会的交汇融合引发了数据迅猛增长,大数据正日益对全球生产、流通、分配、消费活动以及经济运行机制、社会生活方式和国家治理能力产生重要影响。大数据成为提升政府治理能力的全新途径,能够推动政府数据共享开放,促进社会事业数据融合和资源整合,提升政府分析能力。大数据应用技术是提升政府治理能力的大势所趋,处理公共事务的规模和种类海量增长、需要应对的政府决策纷繁复杂。” 管委副主任张宇表示。

图为贵阳市高新区管委会党工委委员、管委副主任张宇发表精彩演讲

当前,我国正处于发展关键期、改革攻坚期、矛盾凸显期,政府治理面临大量新挑战和新情况。各级政府和组织单位碎片化严重,各部门间业务难推动,信息孤岛多,加剧部门鸿沟,造成重复建设和严重浪费,也成为政府通过信息化手段提升治理能力的瓶颈。

管委副主任张宇表示,“基于以上痛点问题,高新区梳理了大数据治理的总体框架,通过四个核心能力和七个技术方向推动了大数据产业的发展。四个核心能力即数据融合共享能力、高效治理能力、创新发展能力、安全保障能力;七个技术方向即政务数据采集分析、政务数据共享与开放、政务数据安全与隐私保护、面向政府综合决策的数据应用、面向政府廉洁高效的大数据应用、面向政府社会管理的大数据应用和面向政府公共服务的大数据应用。

图为北京供销大数据集团CTO兼北京供销科技CEO王帅宇博士发表精彩演讲

北京供销大数据集团CTO兼北京供销科技CEO王帅宇博士在演讲中表示,依托大数据“国家队”身份,凭借技术优势、资源优势和人才优势,集团在全国范围内展开了“一体化”数据中心园区的布局与建设工作。围绕“3+10+X”的发展战略,针对北上广展开大数据产业园的重点布局,在全国范围内打造10个互联网核心节点城市,在贵阳、成都及武汉等地发展建设一批数据中心,同时通过遍布全国各地的数据机房节点,形成一张覆盖全国、全互联的数据中心集群网络,力求打造全国最大规模的第三方公立数据中心集群。同时,集团还抓住市场刚性需求,设置海外公司,打造具备市场竞争力的产品,实现国内外业务一体化。

在全国“一体化”大数据中心的战略下,SinoBBD紧跟国家发展战略规划,利用自身优势,在基于大数据产业链上的优势,提出“数据中心+”创新模式,并以贵阳为基地,投资建设乾鸣国际信息产业园,希望能够以数据中心为主体,整合配套办公、企业研发、园区服务及地标建筑等“多+”综合配套,打造西南地区规模最大的高标准、定制化云数据中心园区。目前,项目一期已经完成,未来将形成建筑规模约30万平方米,5万个机柜的大型国际化信息产业园区。

北京供销大数据集团CTO兼北京供销科技CEO王帅宇表示,将数据中心落在贵阳高新区,是集团“3+10+X”战略规划的重要组成部分,乾鸣国际信息产业园在享有优越地理位置的同时,凭借集团多方优势资源及技术,比如,完全自主研发CDN的产品可为客户提供高性能、高可用、安全等全业务CDN加速服务;并且,通过供销云平台、供销大数据BDOS云平台、大数据管理平台构建的云生态服务,能为客户提供更好的云生态服务。

图为大数据专家杨正洪博士发表精彩演讲

国内知名大数据专家杨正洪博士在研讨会上为与会嘉宾分享题为《大数据应用在美国硅谷的实践》内容。杨正洪博士表示,“中美大数据产业链截然不同,尤其是对大数据的理解和重视程度不同,对于数据创新的模式和内容有很大差异。美国大数据产业链模式为顺序层级,即以大数据基础设施作为底层、大数据工具作为中间层最后到大数据应用作为应用层,每个层级对应各种功能。而中国大数据产业链构成则不同,国内产业链模式是对大数据应用平台、管理平台和云平台进行管理,制定大数据管理工作机制、组织保证标准规范体系、统一运维信息安全体系的产业链模式。”

在随后的话题讨论环节,众多特邀嘉宾对“一体化”大数据中心从基础设施建设、产业链布局以及如何打破现在数据中心存在信息孤岛等问题做了深入细致的探讨,通过嘉宾精彩的讨论和犀利观点阐述,让与会嘉宾对加快建设全国一体化的国家大数据中心有了新的认识。

图为会议结束后与会嘉宾合影留念





本文出处:畅享网
本文来自云栖社区合作伙伴畅享网,了解相关信息可以关注vsharing.com网站。
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 
目录
相关文章
|
2月前
|
分布式计算 Kubernetes Hadoop
大数据-82 Spark 集群模式启动、集群架构、集群管理器 Spark的HelloWorld + Hadoop + HDFS
大数据-82 Spark 集群模式启动、集群架构、集群管理器 Spark的HelloWorld + Hadoop + HDFS
194 6
|
2月前
|
分布式计算 资源调度 Hadoop
大数据-80 Spark 简要概述 系统架构 部署模式 与Hadoop MapReduce对比
大数据-80 Spark 简要概述 系统架构 部署模式 与Hadoop MapReduce对比
83 2
|
2月前
|
消息中间件 监控 数据可视化
大数据-79 Kafka 集群模式 集群监控方案 JavaAPI获取集群指标 可视化监控集群方案: jconsole、Kafka Eagle
大数据-79 Kafka 集群模式 集群监控方案 JavaAPI获取集群指标 可视化监控集群方案: jconsole、Kafka Eagle
103 2
|
2月前
|
分布式计算 资源调度 大数据
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(一)
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(一)
82 0
|
2月前
|
分布式计算 资源调度 大数据
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(二)
大数据-110 Flink 安装部署 下载解压配置 Standalone模式启动 打包依赖(二)
82 0
|
4月前
|
分布式计算 资源调度 大数据
【决战大数据之巅】:Spark Standalone VS YARN —— 揭秘两大部署模式的恩怨情仇与终极对决!
【8月更文挑战第7天】随着大数据需求的增长,Apache Spark 成为关键框架。本文对比了常见的 Spark Standalone 与 YARN 部署模式。Standalone 作为自带的轻量级集群管理服务,易于设置,适用于小规模或独立部署;而 YARN 作为 Hadoop 的资源管理系统,支持资源的统一管理和调度,更适合大规模生产环境及多框架集成。我们将通过示例代码展示如何在这两种模式下运行 Spark 应用程序。
280 3
|
1月前
|
SQL 存储 算法
基于对象 - 事件模式的数据计算问题
基于对象-事件模式的数据计算是商业中最常见的数据分析任务之一。对象如用户、账号、商品等,通过唯一ID记录其相关事件,如操作日志、交易记录等。这种模式下的统计任务包括无序计算(如交易次数、通话时长)和有序计算(如漏斗分析、连续交易检测)。尽管SQL在处理无序计算时表现尚可,但在有序计算中却显得力不从心,主要原因是其对跨行记录运算的支持较弱,且大表JOIN和大结果集GROUP BY的性能较差。相比之下,SPL语言通过强化离散性和有序集合的支持,能够高效地处理这类计算任务,避免了大表JOIN和复杂的GROUP BY操作,从而显著提升了计算效率。
|
2月前
|
存储 分布式计算 druid
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
44 1
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
|
2月前
|
SQL 存储 算法
基于对象 - 事件模式的数据计算问题
基于对象-事件模式的数据计算是商业中最常见的数据分析任务之一。这种模式涉及对象(如用户、账户、商品等)及其相关的事件记录,通过这些事件数据可以进行各种统计分析,如漏斗分析、交易次数统计等。然而,SQL 在处理这类任务时表现不佳,特别是在有序计算方面。SPL 作为一种强化离散性和有序集合的语言,能够高效地处理这类计算,避免了大表 JOIN 和大结果集 GROUP BY 的性能瓶颈。通过按 ID 排序和分步计算,SPL 能够显著提高计算效率,并支持实时数据处理。
|
2月前
|
分布式计算 大数据 分布式数据库
大数据-158 Apache Kylin 安装配置详解 集群模式启动(一)
大数据-158 Apache Kylin 安装配置详解 集群模式启动(一)
56 5