暂无个人介绍
Daft 算子市场公测来了！开箱即用的 AI 算子，覆盖 视频 / 图片 / 文本 / 音频 四大场景，搭配 Qwen3.7 大模型，零成本跑通 AI 数据处理全流程。 以训练一个能理解厨房操作的智能机器人为例，我们通常需要采集数千小时由人类佩戴摄像头拍摄的操作视频。然而，当这些视频被解码后，往往会膨胀为数亿张图像帧。更棘手的是，原始数据中充斥着静止画面、模糊镜头和无效空帧等海量“噪音”。如何从这些冗余信息中高效提取出高质量训练样本，已成为多模态技术发展的核心瓶颈。 本次实战将带您深入这一典型场景，借助 Daft 算子市场，一步步拆解并跑通从视频抽帧、数据清洗到高质量样本提取的完整链路。
针对自动驾驶海量图像挖掘难题，团队基于阿里云 EMR Serverless StarRocks 构建全链路解决方案。通过 Object Table 挂载 OSS 原图，利用 AI Function 在库内完成场景理解、结构化打标及向量化，将非结构化数据转化为统一 Schema 资产。借助标量过滤与向量相似度融合的 SQL 混合检索，实现长尾场景精准圈选与标签回写。该方案消除跨系统数据搬运，显著提升数据挖掘效率与模型迭代闭环速度，实现“推理即查询”。
针对淘天集团秒级分析需求，构建基于Fluss、Paimon与StarRocks的湖流一体架构。Flusss承载秒级实时数据，Paimon沉淀分钟及历史数据，StarRocks通过Union Read统一查询，实现数据自动同步与口径一致。相比传统Kafka+Flink链路，新方案消除实时孤岛，降低80以上消费成本，提升50%开发效率。阿里云EMR Serverless StarRocks通过Native读取等增强，进一步简化运维，实现低成本、高性能的秒级实时OLAP分析。
EMR Serverless Spark AI Function 已在智驾、具身智能等行业广泛落地。随着数据规模增长，如何控制由模型推理与Spark计算资源构成的双重成本愈发关键。本文深入解析并发控制等执行机制，并重点介绍两大降本手段：一是通过感知AI Function的查询优化减少模型调用量；二是利用Batch File异步批量推理降低单价并释放等待期资源。两者适用场景各异且可叠加使用，助力企业实现高效降本。
EMR StarRocks Stella 2.2.0 多模态数据处理与检索能力重磅发布！揭秘文本、图片、视频的统一向量化与多模态理解，实战演示具身行业训练数据圈选全流程，从向量化标注到模型训练准备，助力智能驾驶、RAG等场景落地，理论+实操一站式掌握！
8月14日，阿里云在北京举办“Agentic Lakehouse”技术活动，聚焦开源大数据生态如何支撑AI Agent全生命周期。
针对消费金融多模态数据（语音、图片、文本）处理难、风险识别滞后及系统割裂痛点，方案基于阿里云 EMR Serverless StarRocks，利用 AI Function实现“推理即查询”。通过标准SQL直接在库内调用大模型，完成OSS文件映射、VLM/ASR识别、情感意图打标、向量生成及内外舆情交叉印证。该方案将非结构化数据转化为可计算资产，实现全量工单自动质检与实时高危预警。相比传统链路，显著降低工程复杂度与成本，提升合规效率，确保数据不出库，为金融风控提供高效、安全的多模态闭环解决方案。
针对大模型语料清洗中文本去重面临的性能瓶颈，某企业迁移至阿里云emr serverless spark后实现突破。新方案通过minhash-lsh内置函数将算法下沉引擎层，减少40%代码量；结合fusion engine向量化加速与shuffle优化，消除python udf跨进程开销并解决数据倾斜问题。实测去重性能提升4倍，任务耗时从天级降至小时级，且实现零shuffle失败与免运维。该实践验证了serverless架构在pb级数据预处理中的高效性与稳定性，显著加速模型迭代并降低计算成本。
钛动科技针对DSP广告业务9.6PB数据规模及多场景SLA差异，将原StarRocks All-in-One架构重构为三条差异化链路：NRR链路利用DLF Paimon存储低频数据，降低60%成本；BT链路依托EMR Serverless StarRocks主键表，实现2分钟新鲜度及P99<5ms在线点查；CT链路负责数据归并。通过解耦实时点查与BI物化视图，该方案在保障故障隔离的同时，兼顾了低成本、高性能与高稳定性，实现了阿里云大数据产品栈的高效协同。
阿里云 EMR AI助手是面向大数据运维场景的 AIOps 智能运维产品，基于自然语言交互，结合大模型的深度认知与规划能力，自动编排工作流，提供根因分析和优化建议。不同于通用大模型的"纸上谈兵"，EMR AI 助手直连您的集群，提供智能诊断、全面巡检、主动运维、专家技能等核心能力。每一条建议都基于真实运行情况和丰富的大数据运维经验，提升10倍运维效率。 核心能力关键词： EMR AI助手 | 大数据智能运维 | AIOps | StarRocks 运维 ｜慢SQL诊断优化 | 集群自动巡检 | AI日报 | 实时数仓运维 | 运维自动化 | AI DBA
Stella 2.2 面向 AI 时代的数据基础设施，打通“多模态数据处理—向量化与理解—多路检索—分析消费”的完整闭环。无论数据沉淀在 Paimon 湖表，还是 StarRocks 存算分离内表，都可以在统一 SQL 入口下组合结构化分析、全文检索、向量检索与 AI Function，服务智能驾驶、具身智能、内容与商品理解、企业知识库和 RAG 等场景。
StarRocks x Fluss x Paimon 湖流一体方案通过将 Apache Fluss（面向分析场景的实时流存储）与 Apache Paimon（高性能湖格式表）深度融合，以 StarRocks 作为统一查询入口，构建了一套具备秒级新鲜度、十倍成本降低、一份数据一次查询的全新实时数据引擎。本文将介绍该方案的核心架构、技术优势、查询模式以及在阿里云 EMR Serverless StarRocks 上的产品化落地。
本文介绍如何通过共享TPC-DS样例数据集，创建并绑定DLF Catalog到StarRocks实例，实现高效数据查询与分析。内容涵盖RAM用户授权、外部Catalog连接、性能测试（如TPC-DS Query 3）、数据写入内外表、物化视图构建数仓DWD-ADS层，以及通过Quick BI进行可视化报表展示的完整流程，助力快速搭建湖仓一体架构。
阿里云 EMR Serverless StarRocks 发布 AI Function，将多模态 Embedding、AI 聚合及向量混合检索原生融入 SQL 链路。支持图片/视频/文本统一向量化、自然语言过滤及跨行语义汇总，无需外部向量库。架构上采用异步 Pipeline、资源有界控制及多账号 AI 网关，保障高吞吐与稳定性。通过“数据不搬家”实现极简运维，广泛应用于广告素材闭环、游戏聊天分析及金融 RAG 场景，构建生产级 AI 数据计算体系。
发表了文章
2026-10-14
发表了文章
2026-10-13
发表了文章
2026-10-13
发表了文章
2026-10-13
发表了文章
2026-10-13
发表了文章
2026-10-13
发表了文章
2026-10-13
发表了文章
2026-10-13
发表了文章
2026-10-13
发表了文章
2026-10-13
发表了文章
2026-10-13
发表了文章
2026-10-13
发表了文章
2026-10-13
发表了文章
2026-10-13
发表了文章
2026-10-13
发表了文章
2026-10-13
发表了文章
2026-10-13
发表了文章
2026-10-13
发表了文章
2026-10-13
发表了文章
2026-10-13
