首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    五招教你如分辨是云忽悠还是云专家

    当你修理汽车的时候会更相信哪一类人,有上岗许可证的汽车修理师还是偶尔见过换一次油的那些人?我想做出选择并不困难。但不知你是否发现,每一天关于相信专家还是那些自称专家的人的讨论几乎每时每刻都在进行着,而且贯穿所有行业。所以云计算领域出现类似的争论,并不觉得有多差异。 云计算实现了随时随地办公的可能性,人们生活和企业办公可以在任何计算机上使用软件应用。但云计算的出现同样推动产生了一批声称精通云计算的人—没有多少软件开发经验却对他们云应用软件的表现大放厥词。表面上看,这些人宣称的软件产品对你的企业有比较大的帮助,

    06

    00 Confluent_Kafka权威指南-前言部分

    对kafka来说,这是一个激动人心的时刻。kafka被成千上万个组织使用,包含了三分之一的世界500强公司。它是增长最快的开源项目之一,围绕它产生了一个巨大的生态系统。它是管理和处理流式数据的核心。那么kafka从何而来?我们为什么要建造它?它到底是什么? Kafka最初是我们在Linkedin开发的一个内部基础性系统。我们的初衷很简单:有很多数据库和系统能够存储数据,但是缺少对连续不断的流式数据的处理。在创建kafka之前,我们对各种现有的技术进行选择,从消息传递系统到日志聚合和ETL工具等,但是没有一个能很好的满足我们的需求。 我们最终决定从头开始。我们的想法是,与其像关系数据库、key-value数据库、搜索引擎、缓存数据库等专注保存大量的数据,我们将专注于数据的流式处理-建立一个数据系统-实际上是基于这个想法的数据架构。 这个想法被证明比我们预期的更加广泛适用。虽然kafka一开始只是在社交网络场景下支撑实时应用和数据流式处理,你现在可以看到它是每个行业的架构核心,大型的零售商正在重新围绕流式数据设计他们的基础业务、汽车制造企业正在收集和处理物联网汽车实时数据流、银行也正在重新考虑建立围绕kafka的基础业务处理和系统。 那么kafka究竟是怎么回事呢,它与你已经知道和使用的系统相比如何? 我们认为kafka是一个流式处理平台:允许对流式数据进行发布订阅、存储和处理,这正是apache kafka的设计初衷。这种数据的处理方式可能与你习惯的方式有点不同,但是对抽象应用程序的体系结构收到了难以置信的效果。kafka经常被拿来与现有的三个技术领域做比较:企业消息系统、大数据系统hadoop以及其数据集成和etl工具。这些比较虽然能说明一部分问题,但是存在着诸多的局限性。 Kafka像传统的消息队列一样,支持对消息的发布和订阅。在这方面类似于activeMQ、RabbitMQ、IBM的MQSeries以及其他的消息队列产品。但是即便有这些相似之处,kafka还是与传统的消息队列存在跟不上的区别,使得kafka完全是另外一种系统。kafka与传统的消息系统相比有三个最大的区别:首先,kafka是一个作为完全分布式系统的集群系统。即便在规模最大的公司也能将分布式扩展到所有的应用之上。而不是像传统的消息队列,需要运行几十个单独的消息broker,手动指定不同的应用。这使得你有了一个中心平台可以灵活应对公司内部的各种数据流。其次,kafka是一个真正的存储系统,可以持久化存储你想要的任何数据。这是一个巨大的优势,它实现了真正的传输保证,其数据复制了多个副本、支持持久化,并且可以随时保存。最后,流式处理的概念大大提高了数据处理的抽象水平,传统的消息队列中,消息队列只是分发消息。而kafka的流式处理能力让你用更少的代码就可以实现对数据的动态流式计算。这些差异让kafka自成体系,简单的只是认为kafka是另外一种消息队列是没有任何意义的。 另外一个关于kafka的观点,也是我们设计和开发kafka的初衷之一,我们可以把kafka看成一个实时版本的hadoop。hadoop允许周期性的存储和处理大规模的文件和数据,kafka让你可以对大规模持续的数据流进行存储和处理。在技术层面上,二者肯定存在相似之处。许多人将新兴的流式处理当作是hadoop批处理的超集。这种比较忽略了数据的连续性,低延迟的处理与自然的批处理的存储很大的不同。而hadoop的大数据分析能力,通常应用在数仓之上,不具有实时性,而kafka的低延迟特性,则让实时数据处理分析直接应用到业务的核心应用成为了可能。这使得当业务在进行的时候,可以有能力对业务的各种情况进行反应,当业务的各种情况出现时,就可以构建直接支持操作的服务,对业务进行反馈或者反馈客户体验等等。 与kafka进行比较的最后一个领域是ETL或者数据抽取工具。毕竟,这些工具移动数据,而kafka也可以移动数据。这是有一定到理的,但是我认为,核心区别在于kafka反转了这个问题,kafka是一个面向数据实时处理的平台,而不是从一个系统抽取数据插入另外一个系统的工具。这意味着kafka不仅可以连接现成的应用程序和系统,还可以支持自定义应用程序来触发这些相同的数据流。我们认为围绕事件流的架构设计是非常重要的。在某些方面,这些流动的数据流是现代数据是公司最核心的内容,与你在财报上看到的现金流同等重要。 结合这三个领域的能力,在所有的用例中将所有的数据流聚集到一起,这就是为什么流平台如此引人入胜的原因。

    03

    AI一分钟 | NLP先驱Aravind Joshi教授去世,曾获ACL终身成就奖;年度花木兰诞生,甘薇全权负责贾跃亭的一地鸡毛

    一分钟AI 人民日报展望2018,深耕无人驾驶、智慧城市、医学图像和语音识别,中国人工智能有望“弯道超车”。 美国科学家开发机器人“预见”功能,通过视频识别技术在移动物体之前预测到可能发生的情况。 马斯克追加100万美元投资洛杉矶的30层地下隧道工程,该工程通过电动滑板来传输汽车,速度可达150英里/小时。 自然语言与计算机语言学先驱Aravind Joshi教授去世,曾获ACL终身成就奖。 2017年国产工业机器人销量继续增长,上半年累计销售18519台,已服务于国民经济37个行业大类,102个行业

    08

    【区块链技术工坊35期】潘超:区块链上的稳定币理论和技术实现

    2)议题: 过去一年里,稳定币成为了区块链的最热门话题之一。USDT 的独占鳌头,去中心化稳定币 Dai 的一枝独秀以及各种引入监管稳定币的出现让稳定币的市场好不热闹。最近摩根大通银行推出的 JPM coin再次引爆了区块链行业。错综复杂的市场下,对于用户而言,要去了解每一种稳定币的模式、甄别优劣和选择合适的稳定币却不是一件简单的事情。甚至对很多资深的区块链从业者,理解稳定币也并不容易。 “稳定币会是区块链的第三次落地应用吗?”“稳定币该怎么设计才能保持稳定?”“稳定币会取代法币吗?”“稳定币的商业模式和风险是什么?”“央行数字货币是何物”。请报名者带好笔记本电脑,且看MakerDAO 中国区负责人潘超的技术观点和从业经验的分享。

    03
    领券