开源大数据周刊-第85期-阿里云开发者社区

开发者社区> 阿里云EMR> 正文
登录阅读全文

开源大数据周刊-第85期

简介: 资讯 美国公布长达35页的《2016-2045年新兴科技趋势报告》, Hadoop社区最新动态

资讯

前段时间美国公布的一份长达35页的《2016-2045年新兴科技趋势报告》。该报告是在美国过去五年内由政府机构、咨询机构、智囊团、科研机构等发表的32份科技趋势相关研究调查报告的基础上提炼形成的。

通过对近700项科技趋势的综合比对分析,最终明确了20项最值得关注的科技发展趋势。

Apache HBase PMC主席Michael Stack在Mail List中宣布了HBase 2.0版本已正式Release的消息,该版本可以说是迄今为止最大的一个版本。一起来看看HBase 2.0的一些新特性以及与HBase 1.0的兼容性问题等。

近日,eBay 宣布正式开源 Accelerator,一款久经考验的数据处理框架,提供快速的数据访问,并行执行以及自动组织源码、输入数据和结果。它可以用于日常数据分析,也可以用在包含数十万大型数据文件的实时推荐系统上。

技术

在深度学习训练过程中,需要对大量参数进行优化,目前主流的优化方法主要有 SGD、Adam、RMSProp 等。尽管这些方法已经被广泛的使用,但在许多方面仍需改进。近日,谷歌团队提出一种新的优化方法 Adafactor,针对目前主流优化方法存在的问题进行改进,对比其他优化算法在机器翻译任务上取了的目前最好的结果。本文对这一成果进行了解读。

Uber 的数据架构团队对Hadoop整个架构进行了彻底仔细的检查和分析,对相应的模块进行了持续的改进和优化。具体方向包括: View File System (ViewFs),快速的 HDFS 版本升级,NameNode 垃圾回收 调优,限制系统中小文件数量,提供了 HDFS 加载管理服务,以及增加了一个 NameNode 的只读副本。本文针对上述内容进行一个详细介绍,看 Uber 是如何构建一个快速增长的、稳定的,并且可靠的存储系统的。

Spark Streaming集成了Kafka允许用户从Kafka中读取一个或者多个topic的数据。一个Kafka topic包含多个存储消息的分区(partition)。每个分区中的消息是顺序存储,并且用offset(可以认为是位置)来标记消息。开发者可以在他的Spark Streaming应用中通过offset来控制数据的读取位置,但是这需>要好的offset的管理机制。本文详细讲解了Offsets管理的集中方式。

时序数据库技术体系中一个非常重要的技术点是时序数据模型设计,不同的时序系统有不同的设计模式,而不同的设计模式对时序数据的读写性能、数据压缩效率等各个方面都有非常重要的影响。这篇文章将会分别针对OpenTSDB、Druid、InfluxDB以及Beringei这四个时序系统中的时序数据模型设计进行介绍。

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
+ 订阅

阿里巴巴开源大数据技术团队成立阿里云EMR技术圈, 每周推送前沿技术文章,直播分享经典案例、在线答疑,营造纯粹的开源大数据氛围,欢迎加入!加入钉钉群聊阿里云E-MapReduce交流2群,点击进入查看详情 https://qr.dingtalk.com/action/joingroup?code=v1,k1,cNBcqHn4TvG0iHpN3cSc1B86D1831SGMdvGu7PW+sm4=&_dt_no_comment=1&origin=11

官方博客
官网链接