收录了 mapd 频道下的 10 篇内容
MapD Technologies将MapD Core数据库发布到了开源社区。MapD是使用图形处理单元(GPU)以毫秒为单位分析数十亿行数据的先驱,比传统的基于CPU的数据库快几个数量级。
导语 | Apache Superset是一个现代的数据探索和可视化平台,可以帮助分析人员能够迅速、一致、交互地从各个方面观察信息,以达到深入理解数据的目的。本文基于供应链行业大数据实时分析场景,集成Superset分析工具进行相应解读。
随着GPU在数据库和深度学习里的应用越来越成熟,越来多的开发者和科研人员开始搭建自己的GPU集群,作为高性能计算或人工智能的平台。 那么GPU的选型上应该考虑哪些问题? 哪种芯片架构更适合? 在开发环境和算法上,哪些的适应性更好? 本文试图结合自己的经验和Tim Dettmers的介绍,为大家提供参考。
物联网的迅猛发展,让人们不得不调整数据平台的设计思路和处理方式。2017年Gartner指出,到2020年,210亿只IoT设备对数据中心存储需求增长将不超过3%。 GPU数据库带来了三大方面的进步:加载速度、实时处理和宽表多条件查询。它最大的革新点之一在于,不再需要借助索引来加速访问。
数据生态系统在2017年终于实现了火力全开。本文为大家提供了一个有关大数据领域详细的“国情咨文”,以及投资机构针对这一行业的见解和关键趋势。
前段时间京东公开了面向第二个十二年的战略规划,表示京东将全面走向技术化,大力发展人工智能和机器人自动化技术,将过去传统方式构筑的优势全面升级。京东Y事业部顺势成立,该事业部将以服务泛零售为核心,着重智能供应能力的打造,核心使命是利用人工智能技术来驱动零售革新。
大数据、算法和计算能力决定了人工智能的发展。在计算领域上,主要依靠的硬件就是GPU、CPU,以及最近刚推出的TPU,背后是英伟达、英特尔和谷歌的角力。伴随着这些公司的股价一路上涨的趋势,从此也能看出并行计算的再次崛起。InfoQ一直很关注并行计算领域,联系了业界领军人物刘文志老师,并拜托杨旸进行了一次较深入的访谈,以下是访谈实录。 刘文志(花名风辰),商汤科技高性能计算总监,毕业于中国科学院研究生院,闻名于并行计算江湖,尤善异构并行计算(X86、ARM、GPU、APU及PHI)和大规模集群计算,有7年相关经验,涉及图像处理、计算机视觉、数据挖掘和石油勘探。曾任英伟达并行计算工程师(协助建立英伟达北京CUDA团队)、百度在线高级研发工程师(协助建立百度深度学习实验室异构计算团队)。
Apache Calcite是一个基础的软件框架,能够为许多流行的开源数据处理系统提供查询处理、优化和查询语言的能力支持。其灵活、可嵌入且可扩展的架构设计使得Apache Calcite在大数据处理框架上,成为一个很好的选择。
数据库优化器是数据库最重要的组件之一,数据库优化器主要要解决的问题,就是可扩展性和可以支持更多领域的系统,下面我们将回到过去来回顾下关系型数据库的发展历史和各自优化器框架是如何设计和发展的。