案例分享——飞利浦|学习笔记

简介: 快速学习 案例分享——飞利浦

开发者学堂课程【上云须知 - 全面了解阿里云能为你做什么:案例分享——飞利浦】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址:https://developer.aliyun.com/learning/course/381/detail/4789


案例分享——飞利浦


阿里云对话跨国品牌飞利浦

飞利浦大中华区IT运营总监王坚强先生

主持人:您最早结缘阿里云是什么时候?

王坚强先生:“从14年开始的时候,我们就和阿里云进行了深度的一些合作,因为我们需要在中国找到一家不光具有强大的基础设施,不光是具有在中国国内市场有很深的一个渗透率,也要有一个清晰的海外发展战略,甚至于说海外的一个节点,不光是要有一个快速的一个网络,也需要有一些强大的安全治理,隐私保护的合作伙伴。经过评估和选择,我们决定和企业IT的合作伙伴是阿里云。”

主持人:我想问一下王总,菲利普在发展过程当中是不是也像淘宝一样,在那么大量并发量数据发生的情况下,传统的这种IT的基础架构会支撑不了?

王坚强先生:“行业不一样,所遇到的痛点会不一样。比如说我在中国的业务,那每个城市当中大家都会使用到一种最简单的应用服务,称之为文件服务器。

我在全国当时会有三十多台文件服务器,五年下来以后,有些硬盘只是在当地提供100个 g 甚至于更少的一些服务,对业务来说完全是不够用。我们已经把全中国所有的飞利浦的一些文件服务移植到阿里云上。”

主持人:数据是越打通有价值,所以您在这方面是怎么样的一个考虑?

王坚强先生:“我认为数据是一个企业的一个生命,it 当中展现出来的几个很明显的趋势,一个是云计算,一个是大数据,还有一块就是智能化,其实我们在做很多阿里云做云计算大数据的时候,阿里云对信息安全也是视作一个生命线。

当飞利浦把刚才提到的文件云放到阿里云上面,我就看到仅仅过了一周,我们在阿里云上遭受的攻击 是 8 万次,8 万次的攻击都是在阿里云的盾牌保护下和飞利浦的自己的安全策略规则下被成功的挡住。当你把信息放在云上面,你首先要考虑的是找到一个可信赖的合作的伙伴,和你一起去加强信息安全。”

相关文章
|
存储 负载均衡 网络协议
Docker Swarm Mode
Docker Swarm Mode
|
XML Java 数据格式
深入理解Spring中的Resource资源管理
深入理解Spring中的Resource资源管理
307 0
|
JavaScript 前端开发
第三问:与、或、非与其截断原理
本文介绍了逻辑运算符“与”(&&)、“或”(||)和“非”(!)的基本功能及其真值表,并详细解释了它们的截断原理(短路求值)。文章还强调了在使用这些运算符时需要注意的类型转换、短路行为、优先级和可读性问题。
|
10月前
|
监控 Linux
Linux基础:文件和目录类命令分析。
总的来说,这些基础命令,像是Linux中藏匿的小矮人,每一次我们使用他们,他们就把我们的指令准确的传递给Linux,让我们的指令变为现实。所以,现在就开始你的Linux之旅,挥动你的命令之剑,探索这个充满神秘而又奇妙的世界吧!
184 19
|
机器学习/深度学习 人工智能 自动驾驶
ONNX 在多模态应用中的角色
【8月更文第27天】随着人工智能技术的发展,多模态学习成为了一个热门的研究方向。多模态学习指的是结合多种不同类型的数据(如图像、文本和音频等)进行建模,以提取更丰富的信息并做出更准确的预测。Open Neural Network Exchange (ONNX) 作为一种开放的标准,支持多种机器学习框架之间的模型交换,为多模态应用的开发提供了强大的支持。本文将探讨 ONNX 在多模态应用中的作用,并通过具体的代码示例来展示如何利用 ONNX 来实现图像、文本和音频数据的融合处理。
635 1
|
搜索推荐 算法 Java
堆排序实战:轻松实现高效排序,附详细Java代码
嗨,大家好!我是小米,一名热爱技术分享的程序员。今天要带大家了解堆排序——一种基于二叉堆的数据结构,具有O(n log n)时间复杂度的选择排序算法。堆排序分为构建大顶堆和排序两个阶段:先建堆使根节点为最大值,再通过交换根节点与末尾节点并调整堆来逐步排序。它稳定高效,空间复杂度仅O(1),适合对稳定性要求高的场合。虽然不如快速排序快,但在避免递归和节省空间方面有优势。一起动手实现吧!如果有任何疑问,欢迎留言交流!
398 2
|
机器学习/深度学习 算法 TensorFlow
【图像识别】谷物识别系统Python+人工智能深度学习+TensorFlow+卷积算法网络模型+图像识别
谷物识别系统,本系统使用Python作为主要编程语言,通过TensorFlow搭建ResNet50卷积神经算法网络模型,通过对11种谷物图片数据集('大米', '小米', '燕麦', '玉米渣', '红豆', '绿豆', '花生仁', '荞麦', '黄豆', '黑米', '黑豆')进行训练,得到一个进度较高的H5格式的模型文件。然后使用Django框架搭建了一个Web网页端可视化操作界面。实现用户上传一张图片识别其名称。
452 0
【图像识别】谷物识别系统Python+人工智能深度学习+TensorFlow+卷积算法网络模型+图像识别
|
存储 索引 Python
Python列表的循环遍历详解
Python列表的循环遍历详解
635 1
|
机器学习/深度学习 人工智能 自动驾驶
构建未来:AI技术在智能交通系统中的应用
【5月更文挑战第20天】 随着人工智能技术的飞速进步,其在现代交通系统中的应用日益广泛,从智能导航到自动车辆调度,AI正逐步改变我们的出行方式和交通管理。本文深入探讨了AI技术在智能交通系统中的多种应用,分析了其提升交通效率、增强安全性及减少环境影响的潜在能力。同时,讨论了实施这些技术所面临的挑战和未来的发展方向,为读者提供了一个关于AI如何塑造未来交通网络的全面视角。
|
网络虚拟化 数据安全/隐私保护 网络架构
无线网络管理设备
无线网络管理设备
750 3