毕马威企业咨询(中国)有限公司云事业部副总监,前微创技术总监。致力于帮助客户通过数字化转型实现业务价值最大化,大数据架构与人工智能方向研究人员。 于其与程序员哔哔Dubbo还是Spring,REST还是SOAP,Java还是C,不如让他们老板帮他们决定技术方向。改变世界的一定是企业。
暂时未有相关通用技术能力~
阿里云技能认证
详细说明关注公众号“达摩院首座”,了解开发者最真实生活
关注公众号“达摩院首座”,了解开发者最真实生活
关注公众号“达摩院首座”,了解开发者最真实生活
关注公众号“达摩院首座”,了解开发者最真实生活
关注公众号“达摩院首座”,了解开发者最真实生活
关注公众号“达摩院首座”,了解开发者最真实生活
关注公众号“达摩院首座”,了解开发者最真实生活
关注公众号“达摩院首座”,了解开发者最真实生活
关注公众号“达摩院首座”,了解开发者最真实生活
关注公众号“达摩院首座”,了解开发者最真实生活
关注公众号“达摩院首座”,了解开发者最真实生活
关注公众号“达摩院首座”,了解开发者最真实生活
关注公众号“达摩院首座”,了解开发者最真实生活
关注公众号“达摩院首座”,了解开发者最真实生活
关注公众号“达摩院首座”,了解开发者最真实生活
关注公众号“达摩院首座”,了解开发者最真实生活
关注公众号“达摩院首座”,了解开发者最真实生活
关注公众号“达摩院首座”,了解开发者最真实生活
关注公众号“达摩院首座”,了解开发者最真实生活
关注公众号“达摩院首座”,了解开发者最真实生活
关注公众号“达摩院首座”,了解开发者最真实生活
关注公众号“达摩院首座”,了解开发者最真实生活
最近又遇到一个数据相关的咨询项目,为一家企业整理数据服务目录,今天就来讨论下企业数据目录架构和它的部署方式。 企业数据目录(EDC)旨在帮助企业与IT人员通过统一的元数据视图(包括技术元数据、业务元数据、用户释义、关联关系、数据质量和用途)来释放企业数据资产的最大能量。
相信很多人和本座有同样的感受,就是在第一次登录阿里云的服务清单时,一度以为这是AWS的操作界面,因为两者看起来是何其相似。 AWS界面:阿里云界面: 对于UI界面,本座还是比较喜欢用图标来展现产品,给人以带入感。
其实一直想写这个主题,只是最近事有点多。按照向下兼容的特性来说,大数据治理和数据治理应该是没有差别的。但从本质而言,传统数据库的模式是Schema on Write,即在写入数据前先要定义Schema,包括了数据库的表、视图、存储过程、索引等,每个数据库条目都有自己的血缘关系(Lineage),基于角色或栏的访问控制,变更日志等等,这些内容在跨系统数据传输或转置时必须定义明确,因为在数据流的每个入库阶段都可能改变原始数据。
之前讲了很多关于数据建模的场景,让人感觉大数据分析就是配合模型创建API供应用调用的事。但其实大数据分析要远比想象的复杂。 以风控模型为例,需要经历 数据集采集 风险定义 特征工程 机器学习模型选取与优化 本地化部署 在数据集采集需要考虑哪些是反映用户信用等级的数据,包括用户的按揭贷款、信用卡账单、损益表以及可预测的消费行为。
首先声明本座并不是阿里粉丝,一直认为阿里的服务框架Dubbo跟Netflix的Spring Cloud相比,无论从社区成熟度还是功能组件上相比都差了一大截。 但就在刚刚过去的618年中大促中,阿里硬是将这个京东成立日变成了自己在上半年的购物狂欢节。
自2017年阿里云落地了数据中台和业务中台的架构后,“中台”这一概念很快成为了许多企业数字化转型的技术评定标杆。一时间咨询公司的DT蓝图充斥着“中台化”、“大中台、小前台”,似乎脱离了这些描述,报告就不够高大上;相较而言,很多AIOPS的科技公司明明具备了中台化技术,但习惯用技术语言去表达,比如“客制化SPL语句模板”就明显LOW很多。
咨询业有两种人,一种对行业做研究,另一种对新技术在行业的应用做研究。作为一个有深度技术背景的半路咨询来说,小僧显然属于后者。 据研究,物联网技术在2025年为现有的全球产能提升25%,约11兆美元的价值。
目前微服务两大主流框架无非是Dubbo和Spring Cloud。在Spring Cloud框架中,通常由前端Zuul承担网关的工作,包括基于Ribbon的负载均衡,API网关以及反向代理三种功能;Eureka服务器维护了微服务的列表,包括自动注册微服务,以及定期更新列表中的服务状态。
最近小编一直在接微服务转型的咨询Case,有些企业已经开始着手了,但中途发现从各个微服务的数据库中做跨表查询是个大问题,尤其当数据库自动分表存储之后。其实从数据库设计的角度,独立的数据库固然可以更好地解耦微服务架构,但很难保证数据的一致性,而且每个微服务治理团队需要维护各自的数据库,例如备份、升级等等。
上周在Sunnyvale举办的TensorFlow开发峰会上,Google发布了最新一版的TensorFlow: 2.0 Alpha版本。 它较原先的1.x版本有什么改进呢?我们知道作为一个算法研究工具,tensorflow相较于同类型产品,编码是较为复杂的,需要引入额外的“搭建阶段(Construction Phase)”来创建视图,创建会话,初始化变量等等。
在前一期介绍搭建结合机器学习的CI/CD管道时,无意中提到了算法分类。在受监督学习的分类中,有一个既适用于回归又适用于分类的算法,即我们今天要介绍的决策树算法(CART, Classification and Regression Tree)。
无服务器计算(Serverless Computing,以下简称SC)的概念最近很流行,甚至被解读为第四代技术架构。就像出行服务:最早的时候,我们需要有辆车才能驾车出行(Physical Machine);后来我们只需要从提供汽车租赁服务的公司租辆车就可以满足出行需求(VM及微服务);再后来我们不需要自己开车,通过手机就可以即时或者定时地给自己或他人安排接送服务(Serverless)。
许多企业都有业务系统庞杂,想拆解微服务,进而可以降低运营成本,提高开发效率和速度,同时达到节点快速迁移的目的。 恰巧小编最近刚做了一个航空公司的业务系统改造项目,需求是将现有的核心业务拆解微服务,将所有服务模块假设在云端,自由扩展以应对未来各种复杂的开发环境。
面对金融企业强监管的混合云部署设计