收录了 data 频道下的 50 篇内容
Ryan Knight撰写的这篇文章对两个类似的产品(Adobe的LiveCycle Data Services和开源的Blaze Data Services)进行了比较。该比较有助于用户了解这两个产品之间的差异以在特定的情况下选择合适的产品。
Dojo 定义了一套API用于统一数据访问,并且提供了针对不同数据源的多种实现,统称Dojo Data Store。作为一种异步的Data Store,尤其适合于Web应用,为实现数据层与表现层的分离提供稳定的基础架构。Dojo中几乎所有的控件都以此为基础,因此,要能熟练使用各种控件,或是开发自定义控件,都需要对这个机制有深入的了解。
我们渴望通过数据来增强和改善商业和生活的各个方面,这驱使我们在大规模管理数据方面进行范式转变。
Data Mesh 的潜力既令人兴奋又令人生畏,就像从前的微服务架构一样。
对于大多数公司而言,处理不断增加的数据量并整合新数据源充满挑战。
本文作者Ryan Knight对Adobe的LiveCycle Data Services和开源的Blaze Data Services进行了详尽而又细致的分析与比较,从而帮助用户从中选择适合自己项目的产品。直接点击阅读完整文章。
得益于诸如 Amazon SageMaker 和 AWS Data Exchange 等云服务,现在实施机器学习 (ML) 比以往更加容易。
Tobias Trelle 对Spring Data项目做了一个介绍,那是一个高级别的SpringSource项目,旨在统一包括数据库系统和NoSQL数据存储在内不同持久化存储的访问方式
让您能够通过交互式接口摄取和编辑业务元数据。它包括可用于实现常见任务自动化的编程接口。定义和采集一组元数据,因此,我们将在这里提供一些关于如何从长期角度声明、创建和维护这类元数据的最佳实践。
如何使用 Gravitino 和 Fileset 来管理 AI 数据资产?
在过去的几年里,Netflix Studio经历了几次数据移动方式的迭代。
微软继续努力将微软产品从.NET Core中分离出来,并将SQL Server驱动程序分离到了一个单独的部署流中。
简化基于DynamoDB的系统的数据转换。
我们生活在一个数据驱动的数据密集世界!
本次分享介绍Linkedin derived data platform以及其如何帮助Linkedin更好的管理机器学习的结果数据集。
什么是Data Warebase
Neo4j是一款非常流行的开源图型NoSQL数据库。它完全支持ACID数据库事务属性,由于其良好的图数据模型设计,Neo4j的速度非常快。对于连接的数据操作,Neo4j的速度要比传统的关系型数据库快1000倍。Spring Data是Spring的一个核心项目,其下涵盖了如Spring Data JPA、Spring Data MongoDB、Spring Data Redis、Spring for Hadoop等子项目,而Spring Data Neo4j也是Spring Data下的一个重要子项目,它提供了高级的特性以将注解的实体类映射到Neo4j图型数据库上。其模板编程模型类似于我们熟知的Spring模板,为与图的交互提供了基础,此外也用于高级的仓库支持。该项目旨在为NoSQL数据库操作提供便捷的支持。
作为微软贡献的jQuery程序库之一,Data Link让双向数据绑定成为可能。尽管目的相同,Data Link的实现和WPF或者Silverlight则是完全不同的。
随着机器学习 (ML) 在公司核心业务中占据的份量越来越重,缩短从模型创建到部署的时间就变得越来越重要。
Netflix 已经拥有了超过 83000000 名遍布全球的会员,他们使用着数千个多样的微服务。这些服务由多个团队分别负责,每个服务有自己的构建和发布周期,服务产生的复杂多样的数据被存储在不同类型的数据存储系统中。云数据工程团队负责管理数据存储系统,他们通过运行基准测试来验证这些系统的更新、进行容量规划,还会在不同的失败场景下和多种工作负载下测试我们的云实例。我们希望有这样一个工具,它可以评估和比较在市场上或开源领域出现的新的数据存储系统的性能特征和缺陷,可以预估它们是否可以用在相关的产品中。有了以上需求,创作了 Netflix Data Benchmark,一个用于各种数据存储系统的可插拔云端基准测试工具。NDBench 为我们使用的各种主要的数据存储系统提供了插件支持,包括 Cassandra、Dynomite和 Elasticsearch。它也可以被扩展连接其他客户端的 API。