gydtep

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。

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

例如，启用边缘的摄像头可以处理源自传感器的所有信息，而不会因无关数据而使网络过载。但是，当最终在边缘检测到感兴趣的对象时，可以将相关帧广播到更大的云应用程序，该应用程序可以存储，进一步分析（例如，帧中对象的子类型是什么以及其属性是什么），以及与人类主管共享分析结果。

gydtep

DataWorks数据集成可以通过实时库监控抽取从关系型数据库（MySQL、Oracle、PolarDB等）抽取数据，再采取消息订阅的方式汇聚实时消息流数据，汇聚起来的数据可以去做一些数据处理，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。

gydtep

1）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；
2）整个数据链路由多种引擎和系统组合而成，开发和维护成本高，学习成本高；

gydtep

Elastic Stack的能力基本解决了全观测场景下的6个痛点：
1）Beats获取日志/指标，提供支持Autodiscover的Beats Agent，统一收集各类数据
2）拥有丰富的格式化日志/指标手段，包括各个开源软件、网络格式的日志/指标采模板，无需格式化，拥有实时数据加工处理的扩展组件，提供丰富的转化UDF/Plugin

gydtep

企业基于Hadoop生态构建大数据平台是总有些无法绕开的问题，比如：
1）想对作业调优，但是不懂内核，技术门槛高、运维人员缺乏
2）集群维护成本高、随着时间的推移，HDFS上的数据存储成本越来越高

gydtep

与此同时，云原生技术、数据库自动驾驶技术以及数据库和大数据技术的融合使得数据库的未来更加充满生机。在DTCC 2020大会上，阿里云数据库产品管理与运营部总经理叶正盛为大家分享他对于“数据库2025”的展望。

gydtep

现在全球的几个比较著名的新兴数据库厂商，比如Atlas（MongoDB）、SkySQL（MariaDB）、Redis企业云等都提供了多云部署架构，而今年比较火的Snowflake提供了完全的云原生部署，其不像是MySQL那样可以下载，而只能运行在云上面，这是因为Snowflake认为云原生就是未来的发展方向，所以没有必要再走其它的弯路。总体结论就是数据库是支持多云部署最重要的战略方向，无论是初创产品还是开源的成熟生态，云一定是数据库的未来。

gydtep

此外，新冠疫情进一步让企业更加关注IT成本优化。云原生的一个重要优势是充分利用云的弹性能力，来按需提供业务所需计算资源，避免资源浪费，实现成本优化的目标。但是，与传统成本预算审核制度不同，云原生的动态性、和高密度应用部署，让IT成本管理更加复杂。