ZD至顶网软件频道消息:数字化企业IT解决方案提供商BMC宣布拓展大数据战略,以使企业级Hadoop?环境实现部署自动化、加快运行并得到安全保护,进而帮助企业出色地运行和维护IT系统,增强在数字化时代的竞争优势。同时,BMC还宣布推出专为提高Hadoop应用部署敏捷性而设计的Control-M Automation API,进一步增强BMC大数据战略的威力。
据了解,Control-M Automation API是一套编程接口,帮助Hadoop设计师、工程师和开发人员以自助服务方式,将Control-M部署在应用发布流程中,提高敏捷性。通过以JSON作为作业定义格式,将GIT和RESTful API用于验证、配置和部署,手工工作流程调度操作可以与首选的Hadoop应用发布及部署流程自动化工具无缝集成。这就使Hadoop项目团队能够缩短开发时间,更快地为拓展业务提供新功能,并提高大数据项目的价值。
据IDC研究表明,“数字宇宙”每两年扩大一倍,预计到2020年,地球上每人每秒钟所产生的新信息将达到1.7MB。这个数字意味着什么?意味着对于企业而言,企业处理的数据量越大、处理速度要求越快、处理的数据种类越多,企业就越需要采取复杂、可扩展的方法管理大数据环境,这是其面临的巨大挑战。所以,管理好这些数据是所有企业成功实现数字化转型的根本前提。反之,企业如果不能很好地分析、利用这些数据,就不能有效的满足客户期望、更谈不上帮助企业缓解竞争压力,轻松面对大数据时代。
BMC企业级解决方案事业部总裁Robin Purohit表示:“为了加速数字化转型,很多企业都在争先恐后地部署大数据项目,以建立新的业务模式、加速业务增长并从根本上改变成本结构。然而,企业在筹建自身的大数据业务时,一旦从‘沙盘推演’进入生产环境,将极大可能遇到非常严峻的挑战:如何与现有的企业应用结合、优化底层基础设施的成本就变得至关重要。BMC大数据解决方案应运而生,旨在为企业成功部署Hadoop生产环境提供了合适的工具。”
BMC大数据解决方案具备以下特色,可帮助企业充分分析、利用数据,为企业管理向数字化转型提供了强有力的支撑:
自动化–Hadoop工作流程与所有已部署应用自动集成,这是快速部署大数据项目、确保可靠性和可扩展性的关键。BMC Control-M解决方案可加快大数据项目部署,实现Hadoop工作流程与数据中心及云中其他应用的无缝集成。
运行加速–大数据项目如果规模很大,就会涉及海量数据,这就要求能够快速扩展基础设施资源。由于数据似乎有无限增长的可能性,因此部署可扩展的基础设施、确保基础设施以峰值性能运行,就变得非常重要。BMCTrueSight Capacity Optimization解决方案帮助企业规划规模得当的Hadoop环境,其中包括计算、存储和网络资源,从而确保有效控制基础设施成本,而BMC TrueSight Operations Management则有助于IT团队提供不间断的服务。
安全防护–企业必须确保应用和数据安全,为了实现这个目标,企业必须首先了解自己拥有哪些资产,资产之间的相互依赖关系。最重要的是,这些资产是怎样为业务提供支持的。通过BMC Discovery企业级管理解决方案,可以全面、动态地查看包括Hadoop、存储、数据分析和消费流程在内的大数据基础设施情况,使IT团队能够全盘了解整个企业的状况,这一点至关重要。如果IT团队对资产状况及其相互之间的依赖关系了如指掌,就能够避免出现孤岛式大数据系统,确保合规,并保护大数据环境安全。
RedMonk公司首席分析师Stephen O‘Grady表示:“大数据日益成为企业战略规划的核心,能够在生产环境中高效管理大规模Hadoop部署变得越来越重要。作为老牌企业级管理解决方案提供商,BMC的核心是建立丰富的企业管理经验及在大数据领域、尤其是Hadoop环境中的专长。
Malwarebytes公司数据科学与工程高级总监Darren Chinen表示:“Control-M for Hadoop拥有独一无二的地位,可以在Hadoop内外集中实现工作负载的自动化管理,使我们能够全面控制和查看整个大数据生态系统。作为一家现代企业,云基础设施使我们实现了弹性扩展,并能够按照工作负载时长管理计算成本。Control-M则使我们能够在云存储基础架构下,管理云基础设施、Hadoop应用和ETL作业,以及进行状态显示板更新。”
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。