e disk，SSD)、新型非易失内存、新型计算网络等成为大数据处理系统的重要硬件配置，计算与存储的融合趋势明显。为了最大限度地发挥数据管理能力，大数据管理系统在存储、网络、计算等硬件上最大化挖掘新型硬件的处理能力。在处理上针对不同数据处理需求，配置不同计算与存储硬件成为大数据处理系统的主流架构。数据驱动的计算架构快速发展，以数据流为中心的系统结构成为重要的系统设计理念。  趋势五：扩展性优先设计到性能优先设计。数据规模急剧增长，大数据处理需求越来越走向深度价值挖掘，数据处理计算愈发密集，数据管理与处理的成本成为大数据管理与处理系统的重要考量因素，传统“扩展性优先”的大数据处理系统设计将会被“以性能优先”的系统设计代替。Spark、Flink等系统在大数据处理生态系统中的占有率明显体现了这一趋势，图计算(图加速器、图计算框架等)、深度学习框架(Tensorflow、PyTorch等)等领域专用大数据处理系统的崛起也是这一系统设计理念在技术生态上的表现。智能化数据管理、近似计算等新兴管理和处理方法成为性能优先设计的重要技术手段。  趋势六：近数处理成为突破大数据处理系统性能瓶颈的重要途径。存算一体类体系结构技术快速发展，新型SSD等新型存储赢家功能愈发丰富，分布式计算系统边缘能力迅速发展。以上3种体系结构技术发展为大数据近数处理提供了良好的发展契机。近数处理体现在“存储上移”(如在GPU、现场可编程门阵列(field-programmable gate array，FPGA)等计算设备上集成HBM)、算力下沉(如在DRAM内存或者SSD存储设备上集成处理能力)、“分布扩展”(如在云、边、端分布式处理数据，降低数据处理中心压力)3个方面。  趋势七：从单域单模态分析到多域多模态融合，实现广谱关联计算。传统大数据分析技术大多仅聚焦于单一来源、单一模态的数据，而实际应用中往往要对来自不同来源、不同模态(如文本、图像、音视频等)的数据进行联合分析，从而实现不同来源与不同模态数据之间的信息互补。此外，诸多领域的大数据具有重要的时空属性，当前研究对这类信息的利用还不够充分。因此，探究能够跨模态关联、跨时空关联的广谱关联技术是大数据分析处理的一个重要趋势。  趋势八：从聚焦关联到探究因果，实现分析结果可解释。如何让大数据分析模型更加稳定且具有可解释性，从而使其分析结果对于用户而言变
=*=*=*=*=*=
当前为第3/4页
下一页-上一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页