首页 > 国际新闻

除了解锁吃鸡新姿势,华为云大数据还带来这些

文章作者:来源:www.787store.com时间:2019-09-18



我昨天要共享的计算机前端网络

“大数据”的概念已经存在了15年。从最初的互联网搜索行业到商业运营和制造业,再到城市治理、教育和医疗保健,经过公众和各行业的深入讨论,目前大数据在各个领域已经成熟。

我们现在不讨论我们熟悉的大数据应用程序,而是从“替代”大数据体验开始。

你在玩游戏,其他人在玩“大数据”

去年,“吃鸡”游戏《绝地求生》着火,很多玩家都在学习加班,都致力于“吃”。

当然,在鸡的军队中,大多数时候,它们在游戏开始时不可避免地会变成“盒子”(杀死)。

0×251C

内存,还有一些仍然购买

一只高性能的老鼠,但吃鸡的“悲剧”是不可重复的。最近一篇文章从大数据的角度分析了20G的游戏日志数据,可能会让这些玩家“突然意识到”。

本文作者捕获了近70万个游戏中的杀戮,然后使用了数学工具

游戏新姿势:

1。通过分析杀手与被杀者的相对位置信息,得出结论:“在房屋的视觉死角方向,靠近房屋可以大大降低被杀的概率”;

2。通过分析杀戮的坐标信息,分析游戏中最脆弱的区域,玩家可以根据自己的游戏策略选择进入高风险区域或避开高风险区域;

三。通过对击毙人数的统计,得出“击毙15名对手的玩家有75%的获胜几率”。这说明只有在比赛中杀死对手才是赢得最后胜利的关键。

事实上,“吃鸡”游戏只是大数据应用的一个常见情况。目前,“大数据”已经少了。

几个组织的技术杀手已经成为每个企业都可以快速应用的通用技术。技术的发展似乎进入了一个相对稳定的阶段。我们不禁要问,大数据的未来在哪里?

在过去十年中,硬件性能,尤其是网络性能,一直是大数据应用的瓶颈。 Genius架构师自然会想到集群大数据系统架构。无论是集中部署分布式集群,还是将数据分布在物理机的每个硬盘上,还是数据本地化,这些都是大数据技术架构。经过十多年的发展,网络性能提升了100倍,内存容量增加了数十倍。

但是,当大数据处理的瓶颈逐渐从网络转移到CPU时,上述集成计算架构的缺点逐渐凸显出来:

首先是严格的扩张和资源浪费。不同场景所需的存储空间和计算能力是不同的。在实际使用中,要么计算资源达到瓶颈,要么存储容量不足,集群只能严格扩展,导致集群资源浪费。其次,不同场景和不同时段所需的计算能力并不固定。有高峰和低谷。物理机中的数据存储不能大规模地关闭空闲节点,导致空闲功率和能量浪费。

第三,由于企业数据和存储在不同系统中的多种数据格式共存,很容易形成数据孤岛,数据之间的相互访问和转换成本很高,这限制了数据值的进一步挖掘。最后,企业用EB级数据已经成为常态,多任务并发,很容易出现运营拥堵,影响企业的正常运营。

华为预测,到2025年,全球新的数据存储容量将达到180ZB,企业的数据利用率将达到86%。如此庞大的数据如何有效地分析其价值?显然,现有的大数据架构无法满足未来的需求,那么大数据的未来在哪里呢?

8月27日,重庆悦来国际会议中心,华为云城峰会重庆站,华为云和鹏数据大数据解决方案BigData Pro发布,这将为大数据开辟道路。

收集报告投诉

“大数据”的概念已经存在了15年。经过公众和各行业的深入讨论,从最初的互联网搜索行业到商业运营和制造,再到城市治理,教育和医疗,目前,大数据已经在各个领域成熟。

我们不讨论当今我们熟悉的大数据应用程序,而是从“替代”大数据体验开始。

你正在玩游戏,其他人正在玩“大数据”

去年,“吃鸡”游戏《绝地求生》大火,很多玩家正在学习加班,都致力于“吃饭”

当然,在鸡群中,大多数时候,它们在游戏开始时不可避免地会成为“盒子”(被杀)。

记忆,还有一些还在买

一只高性能的老鼠,但吃鸡肉的“悲剧”并没有重演。最近一篇文章从大数据的角度来看,对20G游戏日志数据的分析,可能会让这些玩家“突然意识到”。

该文章的作者捕获了近700,000个游戏中的杀戮,然后使用Mathematica工具

游戏新姿势:

1.通过分析凶手和被杀者的相对位置信息,作者得出结论:“在房屋视觉死角的方向上,靠近房屋可以大大降低被杀的可能性”;

2.通过分析杀戮的坐标信息,分析游戏中最脆弱的区域,玩家可以根据自己的游戏策略选择进入高风险区域或避开高风险区域;

3.通过对杀人次数的统计,得出的结论是“杀死15名对手的玩家有75%的机会赢得比赛”。这表明只有在游戏中杀死对手才是赢得最后胜利的关键。

事实上,“吃鸡”游戏只是大数据应用的一个常见情况。目前,“大数据”已经少了。

几个组织的技术杀手已经成为每个企业都可以快速应用的通用技术。技术的发展似乎进入了一个相对稳定的阶段。我们不禁要问,大数据的未来在哪里?

在过去十年中,硬件性能,尤其是网络性能,一直是大数据应用的瓶颈。 Genius架构师自然会想到集群大数据系统架构。无论是集中部署分布式集群,还是将数据分布在物理机的每个硬盘上,还是数据本地化,这些都是大数据技术架构。经过十多年的发展,网络性能提升了100倍,内存容量增加了数十倍。

但是,当大数据处理的瓶颈逐渐从网络转移到CPU时,上述集成计算架构的缺点逐渐凸显出来:

首先是严格的扩张和资源浪费。不同场景所需的存储空间和计算能力是不同的。在实际使用中,要么计算资源达到瓶颈,要么存储容量不足,集群只能严格扩展,导致集群资源浪费。其次,不同场景和不同时段所需的计算能力并不固定。有高峰和低谷。物理机中的数据存储不能大规模地关闭空闲节点,导致空闲功率和能量浪费。

第三,由于企业数据和存储在不同系统中的多种数据格式共存,很容易形成数据孤岛,数据之间的相互访问和转换成本很高,这限制了数据值的进一步挖掘。最后,企业用EB级数据已经成为常态,多任务并发,很容易出现运营拥堵,影响企业的正常运营。

华为预测,到2025年,全球新的数据存储容量将达到180ZB,企业的数据利用率将达到86%。如此庞大的数据如何有效地分析其价值?显然,现有的大数据架构无法满足未来的需求,那么大数据的未来在哪里呢?

8月27日,重庆悦来国际会议中心,华为云城峰会重庆站,华为云和鹏数据大数据解决方案BigData Pro发布,这将为大数据开辟道路。

http://www.qthks.com.cn