集中式云资源通常用于训练深度学习推理模型，因为开发精确模型需要大量数据和计算。生成的模型可以部署在中央云位置，也可以分发到边缘的设备。
例如，在连接的汽车中，汽车上的传感器会提供实时数据流，该数据流会不断进行处理并做出决策，例如施加制动器或调整方向盘。
通用计算平台（如在云服务器中找到的平台）可以运行任何网络体系结构。在边缘AI中这变得更加困难。架构和训练有素的模型必须经过修改才能在边缘的AI芯片组上运行。
包括数据过滤、字符串替换和以后将会支持的Groovy函数，这也是一个比较标准的ETL流程。处理好的数据可以多路输出到不同数据源，再配合上实时运维监控和告警系统，
DataWorks提供数据开发链路的安全管控的能力，以及基于DataWorks的数据服务模块提供统一数据服务API能力。
第三步：实时数据按实际业务需求使用Flink中进行实时ETL（可选）
统一数据服务，减少数据移动。Hologres作为以HSAP理念开发的产品， 隶属于阿里自研大数据品牌MaxCompute，支持PB级数据高并发
但在国内企业的落地中确实很“骨感”。数据驱动不是一个简单的工具，也不是多个分析师或者少个分析师的问题，而是整体的格局问题。“陈新祥在直播中提到。
与此同时，一定要对指标字典进行拆分，看看哪些是公共性指标（跨部门或者公司级别）和个性化指标。
有些公司需要这样的同步方式，再往下是具体的采集方案设计，前面已经拆分出了公共性指标和个性化指标
目前，由于疫情的原因，很多人在家使用钉钉移动协同办公， 如果某个人的KPI出现异常或者波动就会自动同步到群里，分析师会到后台分析异常原因。另外，团队运营人员在后台可以直接用运营弹框来组织活动，并对相关人群做触达并观看效果……
而Tunnel集群规模没有计算机集群那么大，没有这个能力去做排序。因此，这种表一般经典的用法就是先写一张普通表，然后通过SQL做一个insert overwrite，生成一张Hash Clustered表或者Range Clustered表。
