gydtep
发表于 2020-10-19 17:16:07
一般而言，「数据上云」更多强调的是数据的存储和计算，而要让数据能够赋能业务，则更需要「数据中台」来进行数据处理，进而支持业务决策和优化运营。
gydtep
发表于 2020-10-19 21:40:19
这个阶段，互联网黄页才刚刚出现，数据来源大部分还是传统商业的ERP/CRM的结构化数据，数据量并不大，也就是GB的级别。简单的DB就能满足需求。
gydtep
发表于 2020-10-20 14:13:14
进行优化和缓存加速的中间层技术。这里面出现较早的社区方案应该是Alluxio，Hadoop社区有S3A Guard，AWS有EMRFS，
gydtep
发表于 2020-10-20 17:41:25
这个不是性能问题，而是正确性了，因此在适配层为了满足大数据计算的需求，Hadoop社区在S3A适配上花了很大力气处理应对这种问题，AWS自己也类似提供了EMRFS，支持ConsistentView。
gydtep
发表于 2020-10-21 09:57:44
界早已给出的答案是计算侧的缓存。Alluxio一直在做这方面的事情，JindoFS核心定位是数据湖加速层，其思路也同出一辙。下面是它在缓存场景上的架构图。
gydtep
发表于 2020-10-21 14:31:00
像HBase依赖hsync/snapshot，Flink依赖truncate。数据湖架构的开放性也决定了还会有更多的引擎要对接上来，对这些高级接口有更多需求。
gydtep
发表于 2020-10-21 18:17:29
JindoFS在湖加速整体解决方案上进一步支持block模式，为我们拓宽数据湖使用场景和支持更多的引擎带来更大的想象空间。
gydtep
发表于 2020-10-22 14:04:39
用以辅助作战指挥决策。运用智能算法收集情报，高速、高效且结果精确，能够为作战指挥决策提供及时且优质的参考，并且通过实时战场的反馈算法能够不断得到修正更新。
gydtep
发表于 2020-10-22 18:40:28
协同指挥各作战要素和武器平台，推进战场各要素向最大限度的“自主适应、自主行动”方向发展，以更快的指挥速度、更高的打击精度，实施连续指挥和协同作战。
gydtep
发表于 2020-10-23 10:04:00
并将指挥员的意图指令实时准确地作用于被指挥对象，实施正确、最优的指挥控制。
