至顶网软件与服务频道消息: 大数据分析公司Splunk今天早些时候宣布,Data-to-Everything Platform平台本地版本和云版本中新增的Data Fabric Search(DFS)和Data Stream Processor(DSP)功能已经全面上市,此举旨在实现大规模的联合搜索和流处理。
Splunk今天在美国拉斯维加斯举行的.conf19年度大会上公布了这一消息,其中DFS旨在通过将来自多个海量数据集的洞察整合到单个视图中,以加速和简化数据分析体验。对于运行多个数据存储并且无法找到所需信息的企业组织而言,DFS是一款功能更为强大的搜索工具。
而Splunk DSP是一种实时流处理工具,可以在数据生称的时候收集来自多个来源的高速海量数据,并将这些信息转化为洞察,然后展示在界面中。
Splunk表示,这么做是为了让分析师或者其他业务专业人员能够提取洞察并且更快地制定关键业务决策。此外,DSP还可以进行数据脱敏以保护业务信息。
Constellation Research分析师Holger Mueller表示,总的来看这些新功能都与Splunk为客户提供更深度的堆栈有关。
Mueller说:“有了DFS和DSP,Splunk向前迈出了一步,从仅仅了解数据内容到实际处理这些数据。这是关键一步,向那些希望有更大规模、更深度集成的堆栈来运行下一代应用的CIO和CTO们强化了Splunk的价值主张。”
Splunk的Data-to-Everything Platform平台可以让企业用来实时搜索、关联、分析、监视和报告数据。
例如其中的Splunk Connected Experiences应用套件可以通过增强现实和移动应用向移动工作人员提供数据洞察,使他们能够从任何位置访问数据。现在该服务已经支持移动设备,并且与Splunk Enterprise和Splunk Cloud进行了紧密集成。
Connected Experiences也与Splunk Natural Language平台进行了集成,使用户能够使用移动设备“与他们的数据进行对话”,这意味着用户可以提出有关数据的问题,并通过Splunk仪表板或者语音的方式直观地收到即时响应。
此外,Splunk还公布了有关收购云应用监控公司SignalFX的最新消息。Splunk在去年8月以10.5亿美元收购了SignalFX。
SignalFX提供实时的云监控、预测分析和其他服务,帮助企业密切关注IT系统的运行状况,现在这些功能也已经与Splunk Cloud平台进行了集成,使DevOps团队能够对IT系统中检测到的任何问题进行根本原因分析,从而有助于缩短修复问题所需的时间。
Splunk还更新了IT Service Intelligence AIOps平台,该平台可提供对关键IT和业务服务的健康状况和关键绩效指标、以及为其提供支持的基础设施的可见性。新增的功能包括VMware vSphere Monitoring、多云监控以及针对Windows、Unix和Linux的增强监控功能,以确保客户可以收到有关物理和虚拟IT环境中任何问题的警报并进行故障排除。
最后,Splunk宣布对一家名为Zonehaven的初创公司进行重大投资,这项投资来自Splunk新成立的Splunk Ventures Social Impact Fund。
Zonehaven销售基于云的分析应用,可以分析野火并尝试预测野火的蔓延位置,该平台可供消防部门和应急机构使用,并利用实时天气数据来进行“高级火灾建模”,这在规划疏散和应对火灾策略方面可能会有所帮助。
Splunk全球事务高级副总裁Lenny Stein表示:“Zonehaven的创新技术具有将野火探测和响应带入21世纪的巨大潜力。”
好文章,需要你的鼓励
文章详细介绍了Character.AI这款主要面向娱乐、角色扮演和互动叙事的AI聊天工具的原理、用户群体、特色功能以及面临的法律与伦理争议,同时揭示了其新推出的视频和游戏互动体验。
上海人工智能实验室研究团队开发了MMSI-Bench,这是首个专注于多图像空间智能评估的全面基准。研究人员花费300多小时,从12万张图像中精心构建了1000道问题,涵盖了位置关系、属性和运动等多种空间推理任务。评测结果显示,即使最先进的AI模型也仅达到41%的准确率,远低于人类的97%,揭示了AI空间认知能力的重大缺陷。研究还识别了四类主要错误:物体识别错误、场景重建错误、情境转换错误和空间逻辑错误,为未来改进提供了明确方向。
思科报告指出,自主型人工智能未来三年内有望承担高达68%的客户服务任务,通过个性化与前瞻性支持提升效率与节省成本,但用户仍重视人与人之间的互动和健全的治理机制。
卡内基梅隆大学研究团队开发了ViGoRL系统,通过视觉定位强化学习显著提升AI的视觉推理能力。该方法让模型将每个推理步骤明确锚定到图像的特定坐标,模拟人类注视点转移的认知过程。与传统方法相比,ViGoRL在SAT-2、BLINK等多项视觉理解基准上取得显著提升,并能动态放大关注区域进行细节分析。这种定位推理不仅提高了准确性,还增强了模型解释性,为更透明的AI视觉系统铺平道路。