deep analytics:深度分析
深度分析(deep analytics)是复杂数据处理技术的应用,目的是从大型且一般是多来源的数据集中产生信息,这些数据集也许不仅包含结构化数据,其中也会有非结构化数据和半结构化数据。 深度分析(deep analytics)涉及到数据集上目标精准且有时很复杂的查询,这些数据集一般都以拍字节和艾字节计量,这样的查询通常要求得到实时或接近实时的回答。 由于这类数据集的实时分析可能需要成百或上千台电脑来分配工作量,深度分析(deep analytics)常常和云计算(cloud computing)联系在一起。工作量分配可以通过MapReduce等框架来管理。加速数据查询过程的方法包括运用纵列数据库(columnar database)和内存分析(in-memory analytics)。 财政部门、科学界和制药及生物医学行业都已经引进深度分析(deep analytics)多年。近些年,由于企业数据的生产量增加,该实践在企业界也越发常见,它们也希望可以从这些数据中提取商业价值。 企业内产生的大量数据有时候指代大数据(big data),深度分析有时候指代大数据分析。 活森超级计算机(IBM’s Watson supercomputer)、非结构化数据(unstructured data)、文本挖掘(text mining)、商业智能(BI)、商业分析(BA)
最近更新时间:2011-03-24 翻译:徐艳EN
相关推荐
-
AI能源使用增加,技术工作负载限制IT
能源的可用性和成本正在成为技术使用的制约因素,随着企业AI应用程序增加计算需求,IT经理必须计划解决这一问题。 […]
-
减少关键技术债务的策略
现在的IT领导者、项目经理和软件开发领导者必须优先考虑预防技术债务。 技术债务会带来深远的负面影响。出于速度或 […]
-
生成式AI能耗增加,但尚不清楚投资回报率
在为生成式AI构建商业案例时,IT领导者需要考虑很多成本考虑因素,有些显而易见,有些则是隐藏成本。 其中最明显 […]
-
CrowdStrike事件揭露关于IT的残酷真相
美国立法者希望CrowdStrike首席执行官George Kurtz解释其软件更新如何导致数千次航班取消、医 […]