gydtep

厂商无关：此项目完全中立，不倾向于任何一家厂商，让大家可以有充分的自由来选择/更换适合自己的服务提供商，而不需要收到某些厂商的垄断或者绑定

gydtep

2020年，我国网络基础设施建设已经位居世界前列，信息技术应用持续发展。计算能力、数据资源和核心算法的进步推动人工智能的快速商业化应用。另一方面，多年来的城市智能化治理和建设积累了海量的视频监控数据资源，再加上资本对人工智能算法领域的不断投入，各方面的资源储备为人工智能技术在视频监控行业的大规模商用创造了条件。

gydtep

AI视频监控系统的海量数据会占据很大带宽容量，如果与客户的其他业务共用网络通道，将影响其他业务网络通信质量。边缘计算等新一代技术的应用将在一定程度上减少数据流量，但视频取证等功能仍然会占据较大的带宽，因此服务器等全部基础设施将会进一步提高。

gydtep

边缘的AI允许通过本地化处理进行实时机器学习，从而实现即时数据处理，详细的安全性和增强的客户体验。同时，许多企业正在寻求将AI推入云端，这可以减少实施障碍，改善知识共享并支持更大的模型。前进的道路在于找到一种利用云和边缘优势的平衡。

gydtep

实时分析决策的第一步就需要将数据实时同步到大数据计算引擎，DataWorks数据集成采用自研高性能引擎，在相同的机器规格情况下，RDS实时同步性能最高为其他数据同步方案的2倍，而价格可低至其1/4。通过DataWorks数据集成，企业可以进行高效、低成本、稳定的实时数据同步。

gydtep

菜鸟智能物流引擎原来采用Flink+HBase+OLAP的方案，该架构数据导入时间长、资源浪费、数据孤岛等问题严重严重困扰了业务同学，采用Hologres后，整个链路2亿记录数据处理速度端到端优化到3分钟，开发效率大幅提升，整体硬件成本下降60%。

gydtep

在业务层面，好未来（前身学而思）作为Elasticsearch的阿里云标杆客户，直播云业务支撑着百万人线上课堂，支持师生互动，承诺不卡顿并支持500ms低延迟高清画质。但是随着监控指标越来越多，直播质量实时性保障困难。为保障客户使用体验，好未来还需要对一个大池子中的数据进行细粒度的数据权限分析，并且应对教育行业寒暑假高流量，强波动的情况。

gydtep

另一个方面，新数据会从哪些地方产生呢？以前数据基本上都是由PC、手机、平板电脑产生的，而在未来，汽车、视频、智能设备以及工业互联网都是新数据产生的典型场景，而且这些场景下数据产生的速度将会迅速提升。产生的数据大致分为两类：一类就是结构化的数据，这里的结构化数据不仅包括了关系型数据库中存储的关系数据，也包括了JSON、XML等之前大家称为半结构化的数据

gydtep

虽然分布式存储的技术挑战非常大，但是云厂商把这些问题基本上解决了，所以很多企业开始基于云厂商基础设施的能力构建分布式的数据计算能力，这也导致了大数据技术、数据仓库以及数据库逐渐走向融合。

gydtep

以开源项目OpenKruise的方式与社区开放、共建。一方面帮助企业客户在云原生的探索的过程中，少走弯路，减少技术碎片，提升稳定性；一方面推动上游技术社区，逐渐完善和丰富 Kubernetes的应用周期自动化能力。