gydtep

框架将不断发展，以提供更多有关在哪里进行培训以及如何提高重用性的选择。例如，TensorFlow.js使用WebGL和WebAssembly在浏览器中运行（有益于隐私，低延迟，利用桌面或移动GPU资源等），但也可以加载分片的，缓存的云训练模型版本。

gydtep

模型交换格式（例如，开放神经网络交换）也可以增加模型在不同环境中的流动性。Sletten建议探索像LLVM这样的工具，这是一个开源编译器基础结构项目，以使从应用程序所运行的环境中抽象出应用程序变得更加容易。

gydtep

实时数据按实际业务需求使用Flink中进行实时ETL（可选），结果入库MaxCompute交互式分析（Hologres）构建实时数据仓库、应用集市，并提供海量数据的实时交互查询和分析。Hologres提供实时离线联邦查询。

gydtep

数据集成将数据同步过来以后，我们需要实时的数据仓库将这些数据更好地应用起来。刚才简单介绍了实时数仓的解决方案，接下来我们向大家详细介绍基于Hologres和Flink的实时数据分析方案。

gydtep

MaxCompute交互式分析（Hologres）提出实时数仓“服务分析一体化”的概念，让一个大数据引擎既能满足 OLAP的实时洞察分析又能满足KV式的高QPS点查特征服务的需求，将实时分析和服务做到很好的融合，极大的简化了实时数仓架构的复杂度，助力客户实时的分析与决策。

gydtep

随着数字化转型的快速推进，数据量呈现爆发式的增长，而对数据计算的要求越来越高，低延时、低资源消耗、高效率、高精准度等。 如何从这些海量的历史数据和每日实时增量数据中快速汇总分析、挖掘出业务价值已成为业务最基本的需求。

gydtep

在这个过程中，很多公司推出了批处理、实时计算，但离线批量数仓和实时分析具有不可调和性，离线数仓满足不了业务时效性的要求，而绝对的实时数仓也不切实际，“近实时”才有意义，而实时分析、近实时的分析构建离不开实时数仓系统的构建。

gydtep

企业在实时数仓建设过程中应用最广泛的当属Labmda架构，它一定程度上解决了大部分企业数字化建设初期的业务问题，但是随着业务的快速发展、数据量的暴涨和业务需求的变化，Lambda架构的问题也就逐步凸显，

gydtep

数据在不同的系统中存储多份，空间浪费，数据一致性的问题难以解决；

gydtep

今天是数据库的“云+端”时代。无论是新媒体、移动应用、云计算以及物联网等，包括今年新冠疫情导致在线教育、在线办公都飞速发展，其实都代表着一个新的时代的开始。在这个阶段，云数据库起到了非常大的作用。比较典型的云数据库产品就是AWS的RDS和Redshift以及阿里云的PolarDB和ADB等。