文/郑凯

一场围绕人工智能的风暴正在扑面而来，AlphaGo显然无法代表我们对智能世界的所有联想。企业和行业，在这场风暴中又将何去何从？

我认为，通向未来的航标应该有两个。一个是智能化，通过AI技术实现智能化，会改变现在的业务流程，智能化将成为衡量传统行业新的标准；二是数据革命，作为驱动人工智能前进的核心动力，也是未来世界新的能源和资源，数据的价值将会被重新定义。

作为SAP新一代分析解决方案，SAP Analytics Cloud从发布时起就致力于重新定义数据的价值。据SAP副总裁，大中华区商务分析总经理徐哲介绍，SAP分析云的目标是提供以‘数据、分析、云’为核心的企业服务，推动创新型增长，引领数字经济的发展。

全数据链条，做到一生万物

老子的《道德经》中说，道生一，一生二，二生三，三生万物。这指的是创生万物的过程，万物不论如何演化,其中都存有最原始的“道”,

显然在未来的智能世界中，最原始的“道”就是数据，那么谁会是那个独特的“一”？

SAP分析云产品研发中心副总裁Ty Miller说，“SAP Analytics Cloud的发布为数字化企业提供了一种可行的方式：单一产品，所有服务。”

这所指的就是将所有分析功能汇聚于一个平台，用这一个产品，覆盖所有的分析服务。这是相当宏大的愿景，SAP分析云可以为企业提供“全链式”的分析服务，涵盖了商业智能，商业规划和商业运行的结合产品。

简单说，这是一个涵盖所有分析功能的服务，从商务分析、计划、预测分析和机器学习，并做到“一生万物”。

如Ty Miller所说，“Analytics Cloud本身就是SAP商业智能，商业规划和商业运行的一个结合产品，在世界范围之内基本上没有其他的竞品存在。其次，Analytics Cloud能够进一步深入连接数据，能够把数据从本地的部署跟云端的服务结合在一起，同时能够预测数据，分析数据，并且根据数据所呈现的结果重新规划或采取行动，这也是我们整个技术的核心。”

不难看出，SAP分析云其实早已超越了传统意义上的BI，按照徐哲的说法，“分析云不仅包括BI，还包括预测性分析，机器学习，计划等功能，并集成了丰富的行业知识库和业务线模板，是超出BI的模式之上的新业务平台。”

同时，SAP分析云能够做到极简，这也代表着易用，它支持混合部署方式，客户在本地部署的应用，可以轻松通过SAP提供的分析云，在云端完成数据分析服务，这让客户走向混合云的道路变得简单。

用一个产品，提供全数据链条的分析服务，这就是做到“一生万物”的SAP分析云最为独特的竞争力。

帮助客户跟上数字化带来的快节奏

中信戴卡股份有限公司CIO黄小兵的观点认为，“数据的量，数据的质量是数据价值的基础”。 可见，行业用户已经意识到数据价值对企业数字化转型的重要性。

而数据的大爆炸也带来了企业转型的快节奏。Ty Miller说，“我们已经发现我们现在这个世界变化的非常快，接下来的三年，对于很多企业家来说，可能要比过去50年发展更加重要。”

据IDC预测，到2020年全球数字化转型相关的行业增加值将达到18万亿美元，在全球有46%的企业将促进数字化业务发展作为未来一年内的首要业务优先级，而在中国这个比例数值是69%。

从中国市场的角度看，中国的数字化转型虽然有巨大动力，但是压力更大。“数字化和更多技术带来了很多变化，数字化的企业盈利能力更加强，但是现在只有50%的公司有自信认为其在数字化方面有很强的竞争优势。” Ty Miller。

在未来，电信，交通运输，物流，零售，医疗，还有各种各样的行业中都不可避免，要受到颠覆性数据创新的影响。而SAP分析云就是为企业提供挖掘数据价值的能力，在数字化的战场上能够立于不败之地。

欧美用户相对保守一些，要保证客户数据在本地，经过加工后上传到云端。SAP对中国客户还有新的模式，核心应用还是在本地，将安全要求不高的数据放在云上。

对企业来说，SAP分析云应该有两个好处。其一是服务的云化。过去有很多分析工具是运行在本地。徐哲告诉我，”大客户开始对分析云是有抵触的，它们不愿意把业务分析放在云端。但现在越来越多的大行业开始选择分析云。”

因为云端的分析，不仅可以更好地满足不断变化的系统可扩展性及性能要求，还可以做到灵活的付费，从2018年开始，客户可以在SAP的单一订单上同时购买云和本地部署的许可证，并且同时使用这两种解决方案,可以不需要进行转换许可证的操作。

其二是跨平台和跨行业的无障碍，无论企业采取什么样的云端部署方式，公有云、私有云或者混合云，企业处于什么样的行业。都可以通过SAP分析云得到完美的解决方案和不同云部署方式的需求。

这两个支点也决定了，SAP分析云能够在企业数字化转型中，成为数据价值挖掘的有力武器，并帮助企业在快节奏的企业转型中，跟上时代的步伐。

让合作生态自然生长

从传统软件时代起，SAP就是一家善于做生态的公司。同样，对于SAP分析云，SAP希望构建一个SAPAnalytics Cloud生态联盟。这个联盟是SAP的一个宏伟构想，其宗旨是联合解决方案合作伙伴、商业创新合作伙伴等建立合作共赢的生态系统，为企业提供丰富的SaaS应用。

徐哲告诉我，“在中国区，开始是从SAP传统业务的合作伙伴，来培养成为分析云的合作伙伴，慢慢发展出独立的分析云的渠道团队，因为云的体量没有那么大，执行周期也不长，所以很多友商的合作伙伴，也很愿意和SAP进行合作。”

看起来，SAP Analytics Cloud生态联盟的建设要比预想来得容易。上海文沥信息技术有限公司是最早与SAP分析云进行合作的生态伙伴之一，经过短短不到两个月的时间，文沥就基于SAP Analytics Cloud开发了新一代渠道管理产品ABC，可见云服务的模式不仅让生态自然生长，更推动了合作伙伴与SAP的联合创新。

徐哲也说，“SAP Analytics Cloud是超出传统商业智能服务模式之上的新业务平台，它提供了更简单，更快，更便宜，更安全地在云端采用数据分析的能力。在这个过程中，SAP也希望让更多的合作伙伴能够一起合作，打造一个全新的共赢模式。”

为此，SAP为加入生态联盟的合作伙伴提供不同级别的技术培训和技术支持；提供多种模式的联合创新，快速将商业创想转变为真正的商业应用；通过统一的SAP Analytics Cloud生态联盟平台 analytics-cloud 对联盟成员的应用进行管理、展示和推广。比如，在全球合作伙伴创新日，会给合作伙伴打造社区的体验，让全球不同的合作伙伴来分享它们的经历，实现一个真正的生态价值。

“这个生态联盟，我们希望是一个自然的生态链，可能客户拿到一个合作，根本不知道背后是SAP。我们完全成为一种能力，通过合作伙伴赋能给客户。”徐哲说。

总的来说，智能时代必然是数据驱动，而实现了对数据价值全面释放的SAP分析云，毫无疑问将是企业智能化转型的助推器。

去年，阿里云将中国的计算方式推向全球，百度首次向全社会展示了百度大脑的科技成果，移动互联网的迅速崛起，预示着互联网正在逐步进入到智能时代，云计算、大数据、人工智能的进步将推动人类社会迎来变革性的发展。

无论是计算机产业，还是其他制造领域，技术层面的成熟都是推动行业飞速发展的基础。如果在一个新的技术创新时代，在硬件和软件上没有达到产业的要求，时代的产业基础将变得十分薄弱，而从产业政策角度分析，当技术累积到一定程度时，产业政策的出台也会变成一种必然。

就像为了刺激云计算的发展，国务院相继出台了《关于促进云计算创新发展培育信息产业新业态的意见》、《云计算白皮书2016》等，当然国务院出台这些政策绝非偶然，是在其背后众多云计算相关从业者共同努力的结果。

作为云计算运行的基础，大数据主要来源于政府、企业和消费者三个方面。政府对数据进行授权，但由于法制的不健全，政府数据被大量滥用，消费者的数据在流量入口处被自动抓取，数据提供商可以提供所有维度的数据，但并不是全部。

中国有高达7亿的大规模网民群体，每人每时每刻都在产生着数据，中国的数据市场还远远没有达到平衡点，未来还将继续保持高速增长的态势，另一个方面，企业经济增长模式的改变，也使得企业对大数据应用的需求在不断提高，更加强调数据的专业性和实用性。

上周五 ，Kyligence Cloud正式发布上线。 本周一下午 ，某领先的反欺诈服务商A公司开始使用Kyligence Cloud，当时客户对云上大数据分析还不甚了解。 今天上午 ，该公司已成功通过Kyligence Cloud 从零开始在AWS上构建KAP分析集群，接入Kafka数据源，并为业务出具了分析报表，快速满足了流式大数据分析的业务需求， 前后不到48小时！

对于Kyligence的云产品及快速上手能力，客户表示“ 非常给力 ”！

Kyligence Cloud是一个基于公有云的大数据分析PaaS服务，结合了Kyligence在大数据和云计算领域的核心技术和最佳实践，以更好、更快地满足各行业客户日益增长的分析需求。

A公司作为领先的反欺诈服务商，借助独有的安全技术服务于金融、零售、制造等多领域客户。随着业务的迅猛发展，A公司数据量急剧增加，急需一套端到端的大数据解决方案，这套解决方案需要既能在公有云部署，又可在私有数据中心部署，同时还满足效率高、成本低、安全性高等要求。在了解了Kyligence的解决方案后，A公司选择了Kyligence Cloud。

1

第一天下午

客户A申请了试用Kyligence Cloud，当天即按照用户指南成功创建了架构在AWS中国区的整套服务堆栈，整个过程完全是自助式的。

2

第二天

用户开始从KAP接入已有的Kafka集群获取数据，并开始建模，期间还对Kafka集群进行了扩容等工作。

3

第三天上午

用户成功构建了若干个Cube，并通过KyAnalyzer生成了可视化分析报告，查询性能非常棒，完成了端到端的所有流程！

该用户之前并无使用Apache Kylin或其企业版产品Kyligence Analytics Platform（简称KAP）的经验，整个过程用户无需涉及编程开发，操作之简便、效率之高超出A公司预期。

“本来担心60天的免费期是否够完成端到端的概念验证，现在看来担心完全是多余的。接下来公司会继续深入了解KAP的模型优化和构建优化，并接入更多数据，生成更多适合不同场景的分析应用！”

——A公司相关人士

今天来看看四大名著之一《水浒传》，一个好汉排第一，但是第二第三居然不是好汉。仍然有点出人意料，直接上图：

全文一百多万字，共分为605074个词语。也就是60多万个词语，比西游记多10万。俱是施耐庵先生一笔一笔写出，显然是耗费了大半生的心血。从词语来看，“宋江”毫无疑问的排在第一位，是小说的绝对主角。下面会专有宋江专图。而排名第二第三的居然“两个”、“一个”，从词汇上分析，这是施耐庵老先生的一个非常明显的写作风格。且看原文“林教头风雪山神庙”一回：

三人在庙檐下立地看火。

数内一个道：“这一条计好么？”一个应道：“端的亏管营，差拨，两位用心！必到京师，禀过太尉，都保你二位做大官。——这番张教头没得推故了！”

一个道：“林冲今番直吃我们对付了！高衙内这病必然好了！”

又一个道：“张教头那厮！三四五次托人情去说，“你的女婿没了，”张教头越不肯应承，因此衙内病奔看看重了，太尉特使俺两个央浼二位干这件事；不想而今完备了！”

又一个道：“小人直爬入墙里去，四下草堆上点了十来个火把，待走那里去！”

那一个道：“这早晚烧个八分过了。”

又听得一个道：“便逃得性命时，烧了大军草料场，也得个死罪！”

又一个道：“我们回城里去罢。”

一个道：“再看一看，拾得他两块骨头回京，府里见太尉和衙内时，也道我们也能会干事。”

使用“宋江”简笔画再来展示一下词云图：

林冲在风雪山神庙那一回，“一个”、“两个”这么简单的词汇，到了施耐庵笔下，简直成了神来之笔！然后比较多的就是“李逵”和“武松”。两个人都有非常精彩的故事。三个女人一台戏，水浒这么一大部头，宋江、李逵、武松也成了一台大戏！

下一篇预告：下一篇将分析四大名著《三国演义》，请期待。

中商情报网讯：云计算是一种以网络方式接入到一个可扩展，弹性的共享物理或虚拟资源池的服务模式，用户可以通过自服务和管理的方式来按需购买该服务。云计算用户只需要很少的管理手段或者与服务商间的交互，便能够快速完成计算资源的拓展和释放。根据云服务提供资源的类型不同，云计算服务模式分类软件即服务（SaaS）、平台即服务（PaaS）以及基础设备即服务（IaaS）三类。

目前，全球云服务正处于高速发展期，数据显示，2017年全球云计算市场规模达到2628.0亿元，同比增长18.5%，伴随着企业逐渐倾向于追求数字化商业战略，传统IT服务向云端服务转变，全球云计算市场规模将进一步增长，预计2018年全球云计算市场规模将达到3088.6亿元。

数据来源：中商产业研究院整理

中国公有云市场高速发展，IaaS占比最高

目前，中国云计算市场处于快速发展阶段，容器、微服务等技术的不断成熟，推动着云计算的变革。随着云计算的应用场景的不断拓展，云计算的应用已深入达到政府、金融、工业、交通、物流等传统行业。当前，中国的云计算市场规模整体规模较小，与全球市场规模仍存在一定的差距，数据显示，2017年中国云计算整体市场规模达到691亿元，同比增长34.3%。

在公有云市场方面，2014年以来，中国公有云市场高速发展，2014-2017年市场规模增长超4倍，随着云计算产业垂直行业的纵深场景化，中国云计算市场规模将保持高速发展，预计2020年市场规模将有望突破600亿元。

数据来源：中商产业研究院整理

在公有云细分市场中，数据显示，IaaS市场规模为149亿元，SaaS市场规模为105亿元，PaaS市场规模为12亿元，与往年相比，不难发现，IaaS是公有云市场中增速最快的服务类型，伴随着IaaS服务商的大量入场，IaaS市场规模将进一步增长。

数据来源：中商产业研究院整理

私有云市场规模超400亿元，硬件占比超七成

私有云是为一个客户单独使用而构建的，因而提供对数据、安全性和服务质量的最有效控制。企业通过建设私有云计算平台，可以根据各种业务应用系统的特性来综合调整资源的分配。2017年中国私有云市场规模达到429.8亿元，同比增长23.4%，安全性、可靠性和成熟度等方面的完善，私有云市场规模将进一步增长。

数据来源：中商产业研究院整理

在细分市场中，2017年私有云市场规模硬件市场占比为71%，软件占比为16%，服务占比为13%。随着硬件设备的标准化程度和软件异构能力的不断提升，软件和服务市场规模也将持续增长。

数据来源：中商产业研究院整理

在2018年云计算企业排行榜中，排名前十的企业分别为阿里巴巴、中国电信、腾讯、中国联通、华为、中国移动、百度、华云、浪潮、新华三。

资料来源：互联网周刊、中商产业研究院整理

以上数据及分析均来源于中商产业研究院《2018-2023年中国云计算行业市场前景及投资机会研究报告》。

云计算和大数据哪个发展前景好？

说实在话，二者之间都是未来的发展趋势，没有说那种好或者不好，根据你的兴趣，你未来的发展方向，来判断你想走那条路!

大数据相当于海量数据的“数据库”，而且通观大数据领域的发展也能看出，当前的大数据处理一直在向着近似于传统数据库体验的方向发展，Hadoop的产生使我们能够用普通机器建立稳定的处理TB级数据的集群，把传统而昂贵的并行计算等概念一下就拉到了我们的面前，但是其不适合数据分析人员使用(因为MapReduce开发复杂)，所以PigLatin和Hive出现了(分别是Yahoo!和facebook发起的项目，说到这补充一下，在大数据领域Google、facebook、twitter等前沿的互联网公司作出了很积极和强大的贡献)，为我们带来了类SQL的操作，到这里操作方式像SQL了，但是处理效率很慢，绝对和传统的数据库的处理效率有天壤之别，所以人们又在想怎样在大数据处理上不只是操作方式类SQL，而处理速度也能“类SQL”，Google为我们带来了Dremel/PowerDrill等技术，Cloudera(Hadoop商业化最强的公司，Hadoop之父cutting就在这里负责技术领导)的Impala也出现了。

整体来看，未来的趋势是，云计算作为计算资源的底层，支撑着上层的大数据处理，而大数据的发展趋势是，实时交互式的查询效率和分析能力，借用Google一篇技术论文中的话，“动一下鼠标就可以在秒级操作PB级别的数据”难道不让人兴奋吗?

在谈大数据的时候，首先谈到的就是大数据的4V特性，即类型复杂，海量，快速和价值。IBM原来谈大数据的时候谈3V，没有价值这个V。而实际我们来看4V更加恰当，价值才是大数据问题解决的最终目标，其它3V都是为价值目标服务。在有了4V的概念后，就很容易简化的来理解大数据的核心，即大数据的总体架构包括三层，数据存储，数据处理和数据分析。类型复杂和海量由数据存储层解决，快速和时效性要求由数据处理层解决，价值由数据分析层解决。

数据先要通过存储层存储下来，然后根据数据需求和目标来建立相应的数据模型和数据分析指标体系对数据进行分析产生价值。而中间的时效性又通过中间数据处理层提供的强大的并行计算和分布式计算能力来完成。三层相互配合，让大数据最终产生价值。

传统的BI分析通过大量的ETL数据抽取和集中化，形成一个完整的数据仓库，而基于大数据的BI分析，可能并没有一个集中化的数据仓库，或者将数据仓库本身也是分布式的了，BI分析的基本方法和思路并没有变化，但是落地到执行的数据存储和数据处理方法却发生了大变化。

谈了这么多，核心还是想说明大数据两大核心为云技术和BI，离开云技术大数据没有根基和落地可能，离开BI和价值，大数据又变化为舍本逐末，丢弃关键目标。简单总结就是大数据目标驱动是BI，大数据实施落地式云技术。

云计算和大数据分析是近年来一个非常热门的话题，也是一个非常重要的技术。以大数据的出现，云计算为代表的技术创新，将在许多领域掀起一股改革的浪潮，并将逐渐为人类创造更多价值。云计算和大数据是近年来IT界最热门的话题，云计算改变数据架构，大数据改变商业企业运作模式，云计算大数据相互依托互相促进共同发展。在以云计算为代表的技术创新大幕的衬托下，它将在众多领域掀起变革的巨浪，大数据会逐步为人类创造更多的价值。

基于ICCCBDA 2016和2017年，成功2018第三届IEEE国际会议上的云计算和大数据分析（ICCCBDA 2018）将在期间举行的2018 4月20-22日，在 西华大学在 成都，中国 。ICCCBDA 2018是在云计算和大数据分析领域呈现新颖和根本性进展的领先国际会议之一。它也有助于促进在广泛的科学领域工作的研究人员和从业人员之间的沟通，共同关心改善云计算和大数据分析相关技术。

CCCBDA由四川电子学院，西华大学，西南交通大学和IEEE联合主办。有前两届会议的成功经验，2018年第三届IEEE云计算与大数据分析国际会议 将于2018年4月20日- 22日 在农历·成都·西华大学。举办本次会议由四川电子学会，西华大学，西南交通大学以及IEEE主办联合 会议旨在促进云计算与大数据分析等领域的学术交流与合作，热忱欢迎从事相关技术研究的专家，学者和专业技术人员踊跃投稿并参加大会。

ICCCBDA 2018会议已被列入IEEE会议日历/ ICCCBDA 2018被列入IEEE会议清单

ICCCBDA 201 7会议记录已被列入IEEE Xplore，并且Ei Compendex和Scopus结果可用。 ICCCBDA 2016 会议录在2016 年4月28 - 30日召开，6月份进入IEEE Xplore数据库，8月公布EI和Scopus 检索结果ICCCBDA 2016 Conference Conference已被列入IEEE Xplore，并被Ei Compendex和Scopus收录ICCCBDA 2016于2016年7月5-7号召开，2016年8月2日公布EI检索状语从句：SCOPUS 检索结果

出版检索：仔细审查过程后，所有录用论文正确注册和报告后，将刊登在2018 ICCCBDA 会议论文集， 由被索引 工程索引 和Scopus。 会议收录的文章将以论文集形式出版并提交EI收录和SCOPUS检索。文章作者将被邀请参展展示研究报告。

投稿截止日期：2018年1月10日

录用通知日期：2018年2月5日

注册截止日期： 201 8年 2月 20日

会议时间：2018年4月20-22日

会议地点：成都西华大学

部署优质高效的大数据分析平台是企业的愿景，而这背后的门道你知多少？英特尔和金山云帮忙来科普，一起看他们如何联手打造云时代的大数据分析师吧！

大数据时代的到来，令企业用户认识到利用大数据帮助企业进行经营决策的重要性，各企业纷纷着手部署自己的大数据分析平台。但平台部署的复杂度及维护难度却成为企业用户大数据发展的路障。

大数据处理分析的结果将对用户的决策产生直接影响，因此，数据处理过程需要更加实时、稳定和准确，这些都对进行大数据分析处理的动力源平台提出了更高的性能要求。此外，企业的业务变动会带来大数据处理资源需求的频繁变动，无论对于自建系统还是云平台都会造成成本压力，同时也带来资源浪费。

面对挑战，可以快速部署、弹性扩展的金山云KMR产品能提供多种节点配置，弹性增加或减少节点，应对用户多变的业务需求；同时，分钟级集群部署和扩容能力，可以帮助用户快速部署。

围绕KMR，金山云还提供云存储、云主机、关系型数据库等一系列服务，为用户提供延伸服务。同时，KMR通过与其他产品整合，也使用户的运营成本更低，数据可靠性更高。

通过引入英特尔至强处理器E5家族、英特尔固态盘以及英特尔万兆位以太网服务器适配器等产品，KMR产品在处理能力、稳定性等多个性能指标上都拥有卓越表现。而这些优势又如何为企业带来更好的体验呢？

完全托管，集群分钟级快速部署

过去，企业通过自建平台来进行计算、存储、数据处理等工作，这种方式会消耗大量资源在软、硬件维护上。例如，部署一个典型的Hadoop平台，通常需要经历业务评估、设备选型采购、硬件上架调试、操作系统和平台软件安装调试等一系列复杂工作，花费1-3个月的时间。同时，企业在专业维护人员上的缺失也使自建平台在安全性、系统稳定性等方面的表现不尽如人意。因此，很多企业都逐渐将目光转移到云平台上。

尽管如此，向云平台的转移却并不能完全消除用户在部署上遇到的问题，面对不同的业务需求，用户仍需要耗费一定的资源去执行部署和维护的工作。KMR的重要优势，就是能最大程度地帮助用户降低部署的复杂度和运维的工作量。通过采用弹性计算服务 (Kingsoft Elastic Compute，KEC) 构建集群，通常情况下只需几分钟即可自动完成部署工作，用户只需关心数据处理任务本身，而不需要关注硬件和底层系统的运维工作。

性能优化，大数据分析即时响应

大数据分析处理的核心目的是为行为决策提供参考，因此时效性是评价其分析平台能力好坏的重要指标。在一些特殊场景中数据的处理分析速度带来的影响更不容小觑。

英特尔固态盘以及英特尔万兆位以太网服务器适配器的引入，令KMR性能表现卓越。适用于PCIe的英特尔数据中心固态盘可以直接为英特尔至强处理器提供极致的数据吞吐量，在KMR中采用的高性能英特尔以太网聚合网络适配器X520-SR2，针对苛刻的数据中心/云环境提供了高度的灵活性以及可扩展性。

在硬件产品以外，英特尔在各类大数据分析软件库上的贡献也为金山云的性能加速提供了动力。例如英特尔高性能数据分析加速库，包含了基于英特尔平台优化的常用机器学习算法库(如K-Means，LR，PCA等)。在英特尔工程师的协助下，金山云完成了英特尔数据分析加速库的评测。数据分析加速库K-Means算法对应传统的SparkML-Lib算法有近4.6倍性能提升。

生态丰富，弹性服务有效降低TCO

用户数据从产生到最终体现价值，包含收集、存储、分析处理和消费等多个环节，每个环节又有多种多样的需求。除了KMR以外，大数据的处理与分析还需要多种云服务能力的配合。基于金山云丰富的生态环境和良好的开放性，KMR不仅提供了丰富的开源生态组件，还可以和其他云服务产品以及第三方的解决方案无缝集成，共同构建端到端的大数据生态。

以存储为例，KMR提供了金山云KS3(标准存储服务)访问接口。在进行数据处理时，通过内部高速网络直接访问KS3的同时，也可将原始数据统一汇总到这里。KMR集群中运行的MapReduce、Spark等作业就可以直接调用KS3中存储的数据进行计算，并把结果写回到KS3。KS3提供了较低的使用成本和极高的数据可靠性，保证了在集群释放时仍然可以持久地存储原始数据和计算结果。

展望未来，新技术助推更优服务

实践证明，英特尔至强处理器E5产品家族、英特尔固态盘以及英特尔万兆位以太网服务器适配器有助于KMR性能提升，获得更好用户体验。同时，英特尔不断引领的各项大数据开源技术正为大数据处理分析技术的发展提供源源不断的动力。

现在，英特尔开源了基于ApacheSpark的分布式深度学习库BigDL，可以直接运行在金山云一类的Hadoop/Spark集群上，并允许用户编写标准的Spark程序来进行深度学习的训练与预测。

未来，通过提供类似于BigDL的先进技术，英特尔可以帮助金山云的用户在KMR及相关平台上获得数据存储、预处理、分析和深度学习等一站式服务，获得更强劲的大数据分析和处理能力。

大数据：藏在啤酒和尿布背后的秘密; 云计算：物联网的隐形大脑

我们提到物联网，就不得不把它与现在非常火热的另一个概念联系起来，那就是“大数据”。

大数据是怎么一回事呢？有一个为人津津乐道经典案例，就是啤酒与尿布的例子。一家美国超市把尿布与啤酒这两种风马牛不相及的商品居然摆在一起，但这一奇怪的举措居然使尿布和啤酒的销量大幅增加了。原来，美国的妇女通常在家照顾孩子，所以她们经常会嘱咐丈夫在下班回家的路上为孩子买尿布，而丈夫在买尿布的同时又会顺手购买自己爱喝的啤酒。

在这个案例里面，丈夫的行为被预测出来，其预测的依据是根据长期经验所得的。假定不在尿布旁边放啤酒，爱喝酒的丈夫可能也会去买，但嫌麻烦或者酒瘾不那么大的丈夫可能就只会买了尿布就走，而想不到去买啤酒。因而，大数据就此产生了经济价值。当然，这背后基本是一个零和游戏，这家超市的啤酒销售得多了，别家超市卖得就少了。

腾讯的QQ我们都用过，它能够把我们久未联系的老同找出来，推荐给我们去联系，但也会把你的前女友推荐给你的未婚妻认识。而淘宝在我们买东西的时候会把相关产品推荐给我们，还会告诉我们诸如某省狮子座最败家、某省水瓶座最花心、某省天蝎座最抠门这样的信息。而百度则会对人们使用关键字搜索进行排名，从而让更多人知道最近大家的关注点在哪里。

显然，这些数据或多或少已经开始影响我们的生活。而在未来，万物联网产生的数据量与现在人们通过互联网活动产生的数据量不可同日而语，开发的价值也会更加巨大。比如我们现在的手环、手表读取我们的心率、运动量等数据，仅仅是反馈给我们让我们管理自身健康。而未来随着大数据的分析能力增强，加上能够互动的设备增多，那么这些数据就变成了健康服务，甚至能提前预防疾病发生。

反过来，大数据的处理能力能力会反过来帮助物联网实现智能控制和产品改进。比如，我们的智能家居的学习功能，可以看做是对用户一段时间的行为数据的收集，然后通过特定算法得出主人的喜好从而自己完成对家庭环境的控制。

前面讲了大数据，那么还有另一个大数据的亲兄弟不得不讲，那就是云计算。从成本和实际效果来考虑，其实很多物联网设备并不需要太多的计算能力，只要能够取得数据并反馈给上层具有计算能力的数据处理中心就好了，多一点的还有能够通过从计算中心获取的指令完成某些活动就可以了。

那么，这些数据谁谁在处理呢，他们又是怎么处理的呢，这里就要提到云计算的概念。云计算被认为是一种革命性的计算方法，是继大型计算机到客户端-服务器的大转变之后的又一关于计算方式的重大转变。

举一个不那么恰当但比较好理解得例子。使用过QQ远程助手的朋友大概可以体验云计算，你在QQ提供的界面里面访问对方的电脑，使用对方的软件。云计算大概也可以看做这么种方式，不过对方的电脑变成了处理能力超强的云计算中心，而处理方式更加复杂一些。

云计算给我们带来了全新的解决思路。由于通讯技术的不断发展，我们的计算不一定要在本地进行。比如，在远程操作的例子，哪怕你的电脑没有安装一个程序，你仍然能够获得这个程序的使用结果。而我们平时收发邮件，这些邮件存储在我们的邮箱里，而不是在我们的电脑上，这其实可以视作早期的云服务。这种理念，简单概括起来就是“网络即电脑”。只要有网络，我们就能获得更高的运算能力。

目前云计算还处于基础阶段，现在的云计算被分为三层：基础设施即服务（IaaS），平台即服务（PaaS）和软件即服务（SaaS）。基础设施可以看做是我们的电脑主机，其实质是大规模的主机集群。平台的地位大致相当于我们的计算机系统，类似于windos，是开发和运行程序的基础。软件服务我们就明白多了，微信、游戏客户端、美图秀秀这样的都是软件。

借助云计算，企业的管理成本将降低。由于云计算的作用，一些企业不用浪费金钱和精力建立自己的数据处理中心，而将自己的一些数据和企业管理软件放在公共的云服务器上；而另一些企业对于数据的安全性和专业性等要求较高，于是自建云服务器，于是有了公有云、私有云、的概念之别；有一些私有云并不能满足企业的运算需求，向公有云服务器寻求支持，于是就有了混合云的提法。

同时，云计算中心能够根据实际需求来安排服务器的运算，让整个计算中心保持高效的运作，避免了运算资源的浪费。除此之外，云计算的好处在于按使用付费。这就是说，你可以按照实际需要的存储空间或者运算能力购买云服务。这是云服务诞生之初的“电厂模式阶段”就提出的理念，即把计算能力当做像水、电这样的产品来出售。现在基本已经变成现实，而在未来，个人用户也将慢慢感受到这种全新方式给生活带来的改变。

讲了这么多云计算，那么云计算和物联网是是怎么结合起来的呢？前面我们已经提到，我们的物联网设备只需要能够联网，云计算就能够通过网络为我们的设备提供数据处理能力。其次，大数据的运用对物联网来说十分重要，而云计算和大数据分析就像一枚硬币的两面密不可分。

比如智能家居系统，其一部分运算其实就是依托云服务器，因为我们的家里面的数据处理中心（电脑或手机）没有必要一直保持开机状态。而更多的诸如交通系统、工厂制造系统、社区服务系统等等都将依托于私有云或者公有云的服务。除了这些，我们前面提到云计算还是打通各种物联网标准的有效手段，两个采用不同技术标准的设备也具有了互相交换数据的可能，简单说来，就像你在网上和一个外国人聊天，哪怕你不懂他的语言，只要通过相应的翻译软件，就能够理解对方的意思了。