暂无相关内容

最近几年关于Apache Spark框架的声音是越来越多，大家通过Google搜索更多关于Spark的信息。然而很多人对Apache Spark的认识存在误解，在这篇文章中，将介绍我们对Apache Spark的几个主要的误解，以便给那些想将Apache Spark应用到其系统中的人作为参考。

数据湖常常被厂商说成是应对大数据挑战的一种手段，它其实有助于你搞清楚针对你的数据提出的新问题，但前提是你得有相应技能。换句话说，别头脑发热将数据湖用于数据仓库

近年来，随着“大数据成为热门词汇，金融业在这一领域不断进行研究和探索。就金融业和大数据相关问题，本报记者近日专访中国民生银行发展规划资深 专家王彦博。王彦博认为，数据挖掘是大数据发展的核心驱动力，金融业依托大数据东风，通过有效运用数据挖掘，能够更好地识别客户和服务客户，实现与客户的 互利共赢。

对于任何学习系统，输入的数据决定了输出。这并不是一个新的观点，但当看到系统被数以百万的示例数据驱动时，我们往往会忘了这个观点。人们往往会想：海量的数据可以将人类造成的误差碾压成渣渣。但是如果训练集本身就有偏斜的话，结果也可想而知。

前段时间Facebook的新版消息系统发布，Facebook对HBase的成功使用也使得很多的HBase案例得以出现，下文是 Facebook的Hadoop工程师Dhruba Borthakur发表的Hadoop系列文章中的一篇，对Facebook选择Hadoop和HBase的原因做了一个说明。

心态不够平静，晚上在小区里面逛了一圈又一圈、一圈又一圈、一圈又一圈。

随着全球“数字宇宙”的快速膨胀，企业存储在云上及数据中心的海量数据，正在形成“压力锅”，并濒临“爆锅”状态。作为全球数据集成领域的领导者，Informatica的企业数据治理解决方案结合人工智能和机器学习CLAIRE引擎，可跨越多个业务系统访问、发现、清洗、集成和交付数据，为防止企业数据“爆锅”提供基础保障。

Hadoop最重要的两项服务是HDFS和MapReduce，阿里通过分组对资源做了切分，HDFS通过文件数和空间的配额做限制，mapreduce是做slot的限制。数据可以在阿里的平台上方便的共享，计算资源通过分时共享，白天进行开发和测试任务，晚上进行生产任务。

个性化推荐系统是一门由数据挖掘和机器学习综合的学科，它必须能够基于用户之前的口味和喜好提供相关的精确的推荐，而且这种口味和喜欢的收集必须尽量少的需要用户的劳动。本文主要介绍了如何基于内容和用呢画像实现一个个性化推荐化系统。

想要理解大数据，使之更贴近大多数人，最重要的手段的之一就是数据可视化。数据可视化标识导向系统，包括文字的，如街头的路标指引你到高速公路，还有象征的，如颜色、大小或位置的抽象元素传达的信息等。

2020年将是制造业期待的一年。Deloitte预测15个最有竞争力的制造业国家将有10个在亚洲。不过，为实现此一目标，亚太制造业将需拥抱物联网(IoT)。