内存计算与深度学习
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
内存计算与深度学习柏睿数据科技(北京)有限公司
2016-5
这是一个什么样的时代?
Big D ata
-----------------------
大数据的四个典型特征Volume
Variety Velocity Value 价值密度低商业价值高
数据量巨大PB->EB->ZB 数据类型多文本|图像|视频|音频
速度要求快要求输入输出速度
BIG D ATA 是什么?
我们该怎么做?
我们一直是这样来读写的
我们需要这样计算的
我们是这样工作的
我们是期望是这样工作的
未来是工作模式
三个与“学习”高度相关的流行词汇
机器学习就行一个真正的冠军一直迎头而上;模式识别一开始主要作为机器学习的代名词,而后正慢慢的没落的消忙;深度学习是一个崭新快速攀升的领域。
模式识别-智能程序的诞生
机器学习-从样本中学习的智能程序
深度学习-一统江湖的架构
大数据平台的整体视图
同一台机器
同一台机器
同一台机器
Flume Sqoop
结构化非结构化
数据Real Time Structured Database
(HBase)
Big SQL
(Hive 、MR 、
RDP)
Mahout
Analytics
HDFS
Hcatlog Stinger
o YARN(Hadoop2 计算框架)YARN(Hadoop2计算框架)
Rapids产品架构图
基于内存的作业计算
基于内存高灵活扩展性
基于内存跨节点数据查询
基于内存计算RapidsDB特点
n⏹全内存分布式数据库
n⏹高性能,高吞吐量,高扩展性
n⏹满足ACID数据库基本要求
n⏹支持标准SQL语句
n⏹实时数据加载
n⏹动态数据导出
n⏹高性能存储过程
n⏹高可用性
n⏹异地灾备,动态迁移
谢谢!