干货云集 WOT2016峰会揭密大数据背后的技术难点

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


当前,大数据浪潮席卷全球,整个IT技术领域发生了许多深刻而又复杂的变化。移动设备的爆炸式增涨,以及云计算、传感器和物联网等技术的快速发展,使近两年产生的数据量,几乎超过了以前历史上的总和。每年,大数据领域都会涌现出大量新的技术,成为大数据获取、存储、处理分析或者可视化的有效手段。

然而,搭建大数据平台是一个完整、复杂的体系工程,新的思路和方法考验着各大IT企业人才对大数据进行整合、评价及利用的综合能力。未来,大数据将在哪些领域蓬勃发展并得到深入应用?数据智能化的程度将进化到哪个阶段?

11月25日,由51CTO.com主办的WOT2016大数据技术峰会在北京粤财JW万豪酒店召开,50多位来自阿里、腾讯、百度、京东、小米等知名企业的大数据领域资深技术专家齐聚大会现场,将在两天的时间里与逾千名一线IT技术人员直面交流,分享经验。


本次WOT大会采取“9大技术分论坛+行业应用实践分论坛”的专场设置模式。议题涵盖实时计算、机器学习、区块链、算法与模型、数据挖掘与分析、系统架构、NoSQL技术实践、数据安全、数据可视化这九个大数据领域前沿话题,以及包含金融大数据、气象大数据、零售大数据等传统行业与大数据领域实践和热门应用,使参会者既能学习到落地的技术应用,又能打开大数据技术引领的商业模式创新、行业发展趋势的视野。

在上午WOT2016大数据峰会的主会场环节,来自阿里云数据架构部总架构师周卫天、Hortonworks高级技术成员Ted Yu、【友盟+】CDO李丹枫和GrowingIO联合创始人叶玎玎为大家带来了数据智能、数据分布调优、用户行为数据透视和精益数据分析等方面的精彩实战分享,赢得了在场技术人的阵阵掌声。

周卫天:数据智能与阿里巴巴和我们


首先,周老师介绍了阿里巴巴集团大数据平台的数据智能之路,具体包括大数据平台架构和数据智能能力是如何支撑阿里支付宝、蚂蚁金服、菜鸟等宽泛的业务线;如何统一和保障数据的质量和数据的安全;如何支撑阿里云云平台的能力和安全。然后,分享了阿里大数据平台如何帮助国计民生,如何帮助普惠金融,如何做到融入到我们的生活,让数据服务为人类提供便利和让生活更美好。

Ted Yu:TinyLFU, a highly efficient cache admission policy


数据的分布随着时间的演变随时发生变化,这就需要考虑两个问题:一个是当Cache满的时候,如何去除热度低的数据。二是关注Cache的管理方案,如果新的数据有更大的贡献,再把它放回Cache里面。这里基本上忽略了Admission。Efficient Policy和新的数据进行比较,看谁更适合保留在列表里面。Ted Yu这次主要基于访问频次跟大家分享如何基于TinyLFU调优和提高它在各种应用场景下的命中率。

李丹枫:从用户行为数据透视大数据商业密码


如何在海量的数据中挖掘背后的价值,找到实际的应用场景,并且以产品化的形态展现是当今DT时代面临的一个重大课题。李老师本次演讲主要分享了三方面内容,即基于亿级的数据分析,友盟+做过的数据挖掘工作和应用的实践。【友盟+】积累了大量的用户互联网、移动端的使用数据。在过去的一年里,他们围绕这些用户行为数据,在广告营销,客户生命周期管理,金融风险控制和线下数据化运营等方面做了很多有益的尝试,集中分享这些尝试中用到的一些方法和取得的一些初期结果。

叶玎玎:精益数据分析驱动下一轮企业增长


流量为王的时代正在瓦解。2016年上半年,创业公司纷纷面临流量成本居高不下、用户对同质产品免疫的双重困境。留存比新增更重要、在运营上精细深耕比单纯寻求产品上的差异更值得投入。你的团队是否也感受到挑战,正为互联网下半场的争夺暗中发力?那么,如何用最少的成本获取流量,并真正将用户留存下来,如何把现有流量快速变现?数据驱动如何帮您找到增长的魔法数字?这些问题,叶老师给出了他的统计答案和经验之谈。

今明两天,更多技术大牛将在WOT2016大数据技术峰会现场为大家带来技术干货和一线实践经验以及精彩的应用案例,并给各位技术人员面对面解惑答疑。期待您的光临和持续关注!



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
|
存储 机器学习/深度学习 SQL
大数据处理与分析技术
大数据处理与分析技术
167 2
|
2月前
|
存储 分布式计算 NoSQL
【赵渝强老师】大数据技术的理论基础
本文介绍了大数据平台的核心思想,包括Google的三篇重要论文:Google文件系统(GFS)、MapReduce分布式计算模型和BigTable大表。这些论文奠定了大数据生态圈的技术基础,进而发展出了Hadoop、Spark和Flink等生态系统。文章详细解释了GFS的架构、MapReduce的计算过程以及BigTable的思想和HBase的实现。
136 0
|
25天前
|
分布式计算 大数据 数据处理
技术评测:MaxCompute MaxFrame——阿里云自研分布式计算框架的Python编程接口
随着大数据和人工智能技术的发展,数据处理的需求日益增长。阿里云推出的MaxCompute MaxFrame(简称“MaxFrame”)是一个专为Python开发者设计的分布式计算框架,它不仅支持Python编程接口,还能直接利用MaxCompute的云原生大数据计算资源和服务。本文将通过一系列最佳实践测评,探讨MaxFrame在分布式Pandas处理以及大语言模型数据处理场景中的表现,并分析其在实际工作中的应用潜力。
62 2
|
1月前
|
SQL 运维 大数据
轻量级的大数据处理技术
现代大数据应用架构中,数据中心作为核心,连接数据源与应用,承担着数据处理与服务的重要角色。然而,随着数据量的激增,数据中心面临运维复杂、体系封闭及应用间耦合性高等挑战。为缓解这些问题,一种轻量级的解决方案——esProc SPL应运而生。esProc SPL通过集成性、开放性、高性能、数据路由和敏捷性等特性,有效解决了现有架构的不足,实现了灵活高效的数据处理,特别适用于应用端的前置计算,降低了整体成本和复杂度。
|
2月前
|
机器学习/深度学习 存储 大数据
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系,保留最大方差信息,实现数据压缩、去噪及可视化。本文详解PCA原理、步骤及其Python实现,探讨其在图像压缩、特征提取等领域的应用,并指出使用时的注意事项,旨在帮助读者掌握这一强大工具。
115 4
|
2月前
|
机器学习/深度学习 存储 大数据
云计算与大数据技术的融合应用
云计算与大数据技术的融合应用
|
2月前
|
SQL 存储 大数据
单机顶集群的大数据技术来了
大数据时代,分布式数仓如MPP成为热门技术,但其高昂的成本让人望而却步。对于多数任务,数据量并未达到PB级,单体数据库即可胜任。然而,由于SQL语法的局限性和计算任务的复杂性,分布式解决方案显得更为必要。esProc SPL作为一种开源轻量级计算引擎,通过高效的算法和存储机制,实现了单机性能超越集群的效果,为低成本、高效能的数据处理提供了新选择。
|
2月前
|
SQL 存储 算法
比 SQL 快出数量级的大数据计算技术
SQL 是大数据计算中最常用的工具,但在实际应用中,SQL 经常跑得很慢,浪费大量硬件资源。例如,某银行的反洗钱计算在 11 节点的 Vertica 集群上跑了 1.5 小时,而用 SPL 重写后,单机只需 26 秒。类似地,电商漏斗运算和时空碰撞任务在使用 SPL 后,性能也大幅提升。这是因为 SQL 无法写出低复杂度的算法,而 SPL 提供了更强大的数据类型和基础运算,能够实现高效计算。
|
2月前
|
存储 大数据 定位技术
大数据 数据索引技术
【10月更文挑战第26天】
72 3
|
2月前
|
存储 大数据 OLAP
大数据数据分区技术
【10月更文挑战第26天】
96 2