未来数据生态系统架构是什么模样?
Gartner认为,未来的数据生态系统应该利用分布式数据管理组件,可以在多个云和/或本地运行,但应被视为具有高度自动化的紧密的整体,像集成、元数据和治理功能将各个组件粘合在一起。
企业中不同的角色会关心不同的数据架构和方法论,数据网格(Data Mesh)、数据编织(Data Fabric)、湖仓一体(Data Lakehouse)是所有角色都会关注的三个数据框架和方法论。Cloudera则提供了适用于数据编织、数据湖库、数据网格和未来数据生态系统架构要求的混合数据平台。
构建未来数据生态系统架构
数据网格(Data Mesh)是数据与产品思维的融合。其是一种范式转变,数据由业务中的不同域拥有和管理,数据由最了解数据的域拥有,随时可供企业内的任何其他域使用。ThoughtWorks公司的工程师Zhamak Dehghani提出了数据网格的四个原则,分别是领域所有权原则、数据即产品原则、自助数据平台原则、联合计算治理原则。
数据编织(Data Fabric)各家评测机构都有自己的框架,Cloudera看来,数据编织的管控流程和之前所有数据管控方法一样,现在要做的不光要对人工的方式、手动数据管理进行服务,也要对未来的机器学习、自动的发现方式、对外进行服务,这个框架比以前要求更高。
湖仓一体(Data Lakehouse)集成并统一了数据仓库和数据湖的功能,在支持单一平台上的AI、BI、ML和数据工程。新技术能力支撑下,由上至下和由下至上的融合,适用于数据分析和机器学习工作负载。
Cloudera大中华区技术总监刘隶放表示,在企业内部针对不同的角色,要讲不同的数据架构和方法论,这之间并不矛盾。
Cloudera大中华区技术总监刘隶放
CEO、CIO、CDO关注如何在管理成本和维护人员规模的同时进行扩展,也就是数据你网格;CTO、CSO关注用什么技术方案保持一致性并构建标准模式,也就是数据编织;领域从业者关注在具体项目上的优化,也就是湖仓一体。
混合数据平台能做些什么
作为一家混合数据企业,Cloudera提供适用于数据网格、数据编织、数据湖仓和未来数据生态系统架构要求的混合数据平台,允许客户在多个公共和私有云以及本地访问和分析数据,使企业能够做出由数据驱动的明智决策,帮助企业建立由数据驱动的未来。
为什么说Cloudera是未来数据生态系统架构要求的混合数据平台,这主要源于三点,第一,开放数据编织、湖仓一体和数据网络,可以在任何地方提供大规模数据;第二,多云和本地数据管理和分析;第三,一次编写,随处运行的数据分析可移植性;第四,使用开放的云原生存储格式统一安全和治理,SDX能够真正帮助客户在新的形势下跨云,包括云原生、不同的存储中,做到数据统一的安全管控和治理。
“从产品构建角度,Cloudera数据平台可以支持现代数据架构。”刘隶放指出,Cloudera拥有三大核心优势,首先以更灵活且简单的方式帮助客户建立数据驱动型文化,其次以性能和成本效益驱动价值,最后与大量合作伙伴做开放性认证,支持开放的标准和互操作性,以速度和控制拉动企业增长。
从算力的角度来说,边缘计算非常重要,一些问题可以通过机器学习的处理模型在边缘进行处理,这对于数据安全性有要求的企业,可以实现数据要脱敏和过滤。
未来数据平台一定存在跨云模式,选择同一个平台,同一个计算引擎,到另外一个平台也可以使用,不需要改造,这是一个非常重要的考量的点。
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
中科院联合字节跳动开发全新AI评测基准TreeBench,揭示当前最先进模型在复杂视觉推理上的重大缺陷。即使OpenAI o3也仅获得54.87%分数。研究团队同时提出TreeVGR训练方法,通过要求AI同时给出答案和精确定位,实现真正可追溯的视觉推理,为构建更透明可信的AI系统开辟新路径。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
PyVision是上海AI实验室开发的革命性视觉推理框架,让AI系统能够根据具体问题动态创造Python工具,而非依赖预设工具集。通过多轮交互机制,PyVision在多项基准测试中实现显著性能提升,其中在符号视觉任务上提升达31.1%。该框架展现了从"工具使用者"到"工具创造者"的AI能力跃迁,为通用人工智能的发展开辟了新路径。