标签

 应用程序 

相关的文章:

MongoDB -

Bosch IoT 和应用程序驱动型分析的重要性

对于 Kai Hackbarth 和他在 Bosch 的团队而言,他们有能力将实时分析构建到其应用程序中,处理海量数据。 “没有数据的支撑,就只是一次又一次的试错。”Kai Hackbarth如是说。他是 Bosch Global Software 的高级技术宣传官,在物联网领域拥有超过 22 年的行业经验。“不论是汽车、工业、还是智能家居,我们都有相关经验。”Hackbarth 说道。但轮胎是个例外,他最近正密切关注该领域及技术挑战。 “听起来可能挺简单的,”Hackbarth 表示,“但细想的话,[其实很复杂]。” 因为实践证明,轮胎可以收集大量不同类型的数据,让系统全面了解汽车在某一时间不同部件的运作状态。 “压力、温度、加速计,”Hackbarth 说道,“当然还有其他数据……对汽车安全和可持续性有重要影响。” 但是,想要发挥数据的真正价值,就需要在尽可能靠近来源的位置对其进行实时分析。为什么? “事关安全大事儿,数据的全面性非常重要,”Hackbarth 说道,“但想要将全部原始数据上传到云中,会消耗大量成本。” 其中上传数据需要花费的时间是主要成本。 要想对问题做出反应,就不能依赖历史数据。因为与轮胎失压或湿路打滑相关的历史数据对车载应用程序并无意义,而这些应用程序恰好又需要在发生这种状况时作出及时响应。 所幸,Hackbarth 及他在 Bosch 的团队能够将实时分析技术部署到其应用程序中,处理海量数据。 内置分析为更智能应用程序实现良好开局 一直以来,应用程序和分析都作为两个不同类别的工作负载而存在。因此,读写访问模式、并发及延迟等需求也不同。企业通常会部署专属的数据存储区,包括适用于应用程序的数据库以及适用于分析的>数据仓库,然后再在这两种数据存储区之间输送或复制数据。 这种做法效果不错,但前提是,分析不需要影响应用程序实时响应的方式。然而,大多数客户期望应用程序能够在当下就采取智能措施,而不是事后补救。 Bosch 的轮胎项目同样以此为原则。要让一辆速度过快的车在逼近另一辆车时能够主动刹车,或是在轮胎感测到湿路打滑时减速,车载应用程序就需要能够实时分析从所有传感器传来的全部数据。 将实时分析内置到应用程序的这个过程称为“应用程序驱动型分析”。应用程序就是通过这种方式变得更加智能的。手机上的电商应用程序、车载安全应用程序以及能够监控火箭发射的应用程序都属于这类智能应用程序。 对于许多开发团队来说,他们需要关注应如何轻松地将这个功能内置到自己的应用程序中。在很长一段时间里,这都是一个亟待解答的难题。 将实时分析内置到既有应用程序的平台 “根据我从业22 年的经验,”Hackbarth 说道,“我们从未具备这能力。” 此前,各个公司的团队 (不单是 Bosch 的团队) 都不得不做大量的定制工程工作,才能在靠近来源的位置实现实时分析: 拼凑多个数据库来处理不同数据结构(文档、表格、时间序列测量数据、键值、图形等),且需要通过独有的查询 API 来访问每一种数据结构。 打造 ETL 数据管道,将数据转换为所需的分析格式,再将数据从实时数据库分层为成本更低的对象存储。 加速运转联盟查询引擎,跨各个数据层运作,且利用的还是自己独有的查询 API。 集成Serverless,响应实时数据变化。 设立自己的 API 层,将数据提供给使用中的应用程序。 以上操作会产生众多需要处理的运营和安全模型、大量数据集成工作以及大量数据复制。 然而,今时不同往日。市面上已有能够将运营和分析工作负载整合到一处的数据平台,进而将实时运营数据和实时分析结合起来。 我就在 MongoDB 任职,因此十分熟悉 MongoDB Atlas 平台。它能够为开发人员提供契合其工作流程的一系列集成式数据和应用程序服务。 开发人员能够载入任意结构的数据,以自己想要的任何方式索引、查询及分析数据,然后再对其进行归档。值得一提的是,无需打造自己的数据管道或复制数据,只需通过一个统一的 API 就能完成所有这些操作。 Bosch 团队就是以该平台为基础持续打造自己的解决方案。 Hackbarth 表示,“没有数据的支撑,就只是一次又一次的试错。”如今,有了数据和单一平台之后,他们能够将实时分析内置到应用程序中,收获兼顾响应能力和可行性的切实成果,变得更加智能。对于 Bosch 正在推进的轮胎项目及其他关键用例来说,他们尤其看重这个特质。 如需深入了解如何将应用程序驱动型分析内置到应用程序中,欢迎参加由我主持的由三部分构成的直播演示,届时将展示如何在 MongoDB Atlas 中打造应用程序驱动型分析应用程序。 在这个三大板块系列中,我们将针对能够管理火箭发射的模拟系统打造实时分析功能。 第 1 部分将介绍基本要点,使用 MongoDB 的聚合框架打造复杂的分析查询,以及使用图表打造可视化效果。 第 2 部分将重点介绍 Atlas 的其他功能,如 Atlas Search、Atlas Triggers,这些功能对于打造应用程序驱动型分析以及将图表生成的可视化嵌入应用程序 UI 具有无限价值。 第 3 部分将聚焦如何使用 Atlas Data Federation、Atlas Data Lake 和 Atlas SQL Interface,并依靠跨多个数据来源的大量历史数据和联盟查询来执行分析。 第 1 场直播时间为 3 月 15 日上午 10 点,接下来的两场分别安排在 3 月 22 日和 3 月 29 日。 Jay Runkel 是 MongoDB 的杰出解决方案架构师,一直效力于世界 500 强企业。在近 15 年的时间里,他使用 NoSQL 文档数据库来架设企业解决方案。加入 MongoDB 前,Runkel 曾担任 MarkLogic 的主要技术专家…… 查看 Jay Runkel 的其他博客→

AI生成摘要 Kai Hackbarth和他在Bosch的团队能够将实时分析技术部署到其应用程序中,处理海量数据。他们使用MongoDB Atlas平台,将运营和分析工作负载整合到一处,实现实时运营数据和实时分析的结合。他们能够将实时分析内置到应用程序中,变得更加智能。他们将在MongoDB Atlas中展示如何打造应用程序驱动型分析应用程序。

相关推荐 去reddit讨论

MongoDB -

Bosch IoT 和应用程序驱动型分析的重要性

对于 Kai Hackbarth 和他在 Bosch 的团队而言,他们有能力将实时分析构建到其应用程序中,处理海量数据。 “没有数据的支撑,就只是一次又一次的试错。”Kai Hackbarth如是说。他是 Bosch Global Software 的高级技术宣传官,在物联网领域拥有超过 22 年的行业经验。“不论是汽车、工业、还是智能家居,我们都有相关经验。”Hackbarth 说道。但轮胎是个例外,他最近正密切关注该领域及技术挑战。 “听起来可能挺简单的,”Hackbarth 表示,“但细想的话,[其实很复杂]。” 因为实践证明,轮胎可以收集大量不同类型的数据,让系统全面了解汽车在某一时间不同部件的运作状态。 “压力、温度、加速计,”Hackbarth 说道,“当然还有其他数据……对汽车安全和可持续性有重要影响。” 但是,想要发挥数据的真正价值,就需要在尽可能靠近来源的位置对其进行实时分析。为什么? “事关安全大事儿,数据的全面性非常重要,”Hackbarth 说道,“但想要将全部原始数据上传到云中,会消耗大量成本。” 其中上传数据需要花费的时间是主要成本。 要想对问题做出反应,就不能依赖历史数据。因为与轮胎失压或湿路打滑相关的历史数据对车载应用程序并无意义,而这些应用程序恰好又需要在发生这种状况时作出及时响应。 所幸,Hackbarth 及他在 Bosch 的团队能够将实时分析技术部署到其应用程序中,处理海量数据。 内置分析为更智能应用程序实现良好开局 一直以来,应用程序和分析都作为两个不同类别的工作负载而存在。因此,读写访问模式、并发及延迟等需求也不同。企业通常会部署专属的数据存储区,包括适用于应用程序的数据库以及适用于分析的>数据仓库,然后再在这两种数据存储区之间输送或复制数据。 这种做法效果不错,但前提是,分析不需要影响应用程序实时响应的方式。然而,大多数客户期望应用程序能够在当下就采取智能措施,而不是事后补救。 Bosch 的轮胎项目同样以此为原则。要让一辆速度过快的车在逼近另一辆车时能够主动刹车,或是在轮胎感测到湿路打滑时减速,车载应用程序就需要能够实时分析从所有传感器传来的全部数据。 将实时分析内置到应用程序的这个过程称为“应用程序驱动型分析”。应用程序就是通过这种方式变得更加智能的。手机上的电商应用程序、车载安全应用程序以及能够监控火箭发射的应用程序都属于这类智能应用程序。 对于许多开发团队来说,他们需要关注应如何轻松地将这个功能内置到自己的应用程序中。在很长一段时间里,这都是一个亟待解答的难题。 将实时分析内置到既有应用程序的平台 “根据我从业22 年的经验,”Hackbarth 说道,“我们从未具备这能力。” 此前,各个公司的团队 (不单是 Bosch 的团队) 都不得不做大量的定制工程工作,才能在靠近来源的位置实现实时分析: 拼凑多个数据库来处理不同数据结构(文档、表格、时间序列测量数据、键值、图形等),且需要通过独有的查询 API 来访问每一种数据结构。 打造 ETL 数据管道,将数据转换为所需的分析格式,再将数据从实时数据库分层为成本更低的对象存储。 加速运转联盟查询引擎,跨各个数据层运作,且利用的还是自己独有的查询 API。 集成Serverless,响应实时数据变化。 设立自己的 API 层,将数据提供给使用中的应用程序。 以上操作会产生众多需要处理的运营和安全模型、大量数据集成工作以及大量数据复制。 然而,今时不同往日。市面上已有能够将运营和分析工作负载整合到一处的数据平台,进而将实时运营数据和实时分析结合起来。 我就在 MongoDB 任职,因此十分熟悉 MongoDB Atlas 平台。它能够为开发人员提供契合其工作流程的一系列集成式数据和应用程序服务。 开发人员能够载入任意结构的数据,以自己想要的任何方式索引、查询及分析数据,然后再对其进行归档。值得一提的是,无需打造自己的数据管道或复制数据,只需通过一个统一的 API 就能完成所有这些操作。 Bosch 团队就是以该平台为基础持续打造自己的解决方案。 Hackbarth 表示,“没有数据的支撑,就只是一次又一次的试错。”如今,有了数据和单一平台之后,他们能够将实时分析内置到应用程序中,收获兼顾响应能力和可行性的切实成果,变得更加智能。对于 Bosch 正在推进的轮胎项目及其他关键用例来说,他们尤其看重这个特质。 如需深入了解如何将应用程序驱动型分析内置到应用程序中,欢迎参加由我主持的由三部分构成的直播演示,届时将展示如何在 MongoDB Atlas 中打造应用程序驱动型分析应用程序。 在这个三大板块系列中,我们将针对能够管理火箭发射的模拟系统打造实时分析功能。 第 1 部分将介绍基本要点,使用 MongoDB 的聚合框架打造复杂的分析查询,以及使用图表打造可视化效果。 第 2 部分将重点介绍 Atlas 的其他功能,如 Atlas Search、Atlas Triggers,这些功能对于打造应用程序驱动型分析以及将图表生成的可视化嵌入应用程序 UI 具有无限价值。 第 3 部分将聚焦如何使用 Atlas Data Federation、Atlas Data Lake 和 Atlas SQL Interface,并依靠跨多个数据来源的大量历史数据和联盟查询来执行分析。 第 1 场直播时间为 3 月 15 日上午 10 点,接下来的两场分别安排在 3 月 22 日和 3 月 29 日。 Jay Runkel 是 MongoDB 的杰出解决方案架构师,一直效力于世界 500 强企业。在近 15 年的时间里,他使用 NoSQL 文档数据库来架设企业解决方案。加入 MongoDB 前,Runkel 曾担任 MarkLogic 的主要技术专家…… 查看 Jay Runkel 的其他博客→

AI生成摘要 Bosch的Kai Hackbarth团队能够将实时分析技术部署到应用程序中,处理轮胎数据。他们使用MongoDB Atlas平台,将运营和分析工作负载整合到一处,实现实时运营数据和实时分析的结合。这种应用程序驱动型分析能够使应用程序更加智能。他们还将举办直播演示,展示如何在MongoDB Atlas中打造应用程序驱动型分析应用程序。

相关推荐 去reddit讨论

亚马逊AWS官方博客 -

向量数据存储在生成式人工智能应用程序中的作用

生成式人工智能深受大众喜爱,并且由于具备回答问题、写故事、创作艺术品甚至生成代码的功能,推动了行业的转变。越来 […]

AI生成摘要 生成式人工智能(Generative AI)在回答问题、写故事、创作艺术品和生成代码方面具有广泛应用。许多AWS客户想知道如何充分利用生成式人工智能,并且注意到向量数据存储在生成式人工智能应用程序中的作用。生成式人工智能应用程序的核心是大型语言模型(LLM),可以根据特定领域的数据进行定制。使用向量数据存储可以提高生成式人工智能应用程序的准确性和情境相关性。Aurora PostgreSQL和Amazon RDS for PostgreSQL、OpenSearch无服务器的向量引擎以及OpenSearch Service的k-NN插件是适合向量数据存储的解决方案。

相关推荐 去reddit讨论

FreeBuf网络安全行业门户 -

数百所学校使用的应用程序泄漏未成年人数据

Cyber news 研究小组近期发现由于系统配置错误,IT 公司 Appscook 泄露了大量敏感数据。

AI生成摘要 IT company Appscook recently leaked a large amount of sensitive data, including photos, home addresses, and birth certificates of minors, due to system configuration errors. The leaked information poses a serious security risk, especially for minors. The leaked data includes student names, parent names, photos, school names, birth certificates, tuition receipts, academic records, home addresses, and phone numbers. Appscook has 96 school-specific applications supporting online courses, with over 500,000 students and over 1 million parents using the platform. The incident has raised concerns about the potential misuse of personal information, particularly addresses and photos, by cybercriminals. The leaked data could be used for identity theft, fraud, and targeted phishing activities. The worst-case scenario is an increased risk of child abuse.

相关推荐 去reddit讨论

dotNET跨平台 -

回顾 | MVP 聚技站 - .NET C# 系列(三):向 C# 控制台应用程序添加逻辑

点击蓝字关注我们MVP 聚技站微软最有价值专家推出“MVP 聚技站”系列主题专栏,邀请多位微软最有价值专家,针对初学者、开发者感兴趣的技术话题,带来专业的技术课程讲解与实践经验分享,帮助大家更快掌握最新的技术技能。.NET 是用于构建新式应用和强大云服务的免费、开源、跨平台框架。作为 .NET 开发的首选语言,C# 因其简单、高效、安全、稳定等特性,深受众多开发者的喜爱。恰逢九月开学季,我们将邀请...

AI生成摘要 微软最有价值专家推出“MVP 聚技站”系列主题专栏,邀请多位专家,带来专业的技术课程讲解与实践经验分享,帮助大家掌握最新的技术技能。本期专栏是关于C#编程语言的学习。

相关推荐 去reddit讨论

亚马逊AWS官方博客 -

使用 PartyRock 和 Amazon Bedrock 构建 AI 应用程序

想在轻松玩乐和构建酷炫内容的同时详细了解生成式人工智能,快来 PartyRock.aws 吧!您可以在这里进行 […]

AI生成摘要 PartyRock.aws是一个平台,可以帮助用户轻松玩乐和构建内容,同时了解生成式人工智能。用户可以试验、学习提示工程知识、构建应用程序并与朋友分享。无需编写代码或创建AWS账户。用户可以通过输入描述来构建应用程序,PartyRock的生成式人工智能会帮助用户准备好构建。用户还可以自定义每个小部件。PartyRock提供了示例应用程序供用户参考。用户可以调整应用程序并查看结果。完成的应用程序可以公开分享。PartyRock还提供了其他功能,如空应用程序、调整、聊天机器人小部件等。PartyRock提供限时免费试用,用户可以追踪服务抵扣金使用情况。PartyRock还在开发更多小部件和功能。

相关推荐 去reddit讨论

DGideas' Blog -

为 Python 应用程序配置 ELK 日志堆栈

ELK 日志堆栈(Elasticsearch B.V. 官方称“Elastic Stack”),是由 Elas… 继续阅读为 Python 应用程序配置 ELK 日志堆栈

AI生成摘要 ELK日志堆栈是由ElasticSearch、Kibana和Logstash等组件组成的工具集,用于日志处理。本文介绍了在单台服务器上配置ELK堆栈的步骤,以将Python应用程序的日志输出接入ElasticSearch。安装Java Runtime Environment(JRE),安装配置ElasticSearch,安装配置Kibana,安装配置Logstash,配置Python应用程序,配置日志自动清除。

相关推荐 去reddit讨论

FreeBuf网络安全行业门户 -

三星公司第三方应用程序漏洞遭黑客利用,客户数据被窃!

三星给客户发布的通知中提到:此次攻击泄露的数据可能包括姓名、电话号码、邮政地址和电子邮件地址。

AI生成摘要 三星电子公司遭遇网络攻击,可能影响英国在线商店客户。黑客利用第三方应用程序漏洞访问个人信息。数据可能包括姓名、电话号码、地址和电子邮件。三星已采取措施解决问题,并向英国信息专员办公室报告。这是三星两年来的第三次数据泄露事件。

相关推荐 去reddit讨论

陈少文的博客 -

容器下的 Go 应用程序优化

1. 内存对齐 结构体内字段,从大到小排列 减少内存占用 安装 fieldalignment 工具 1 go install golang.org/x/tools/go/analysis/passes/fieldalignment/cmd/fieldalignment@latest 分析并修复内存对齐 1 2 3 4 5 6 7 8 9 fieldalignment -fix ./... /Users/shaowenchen/Code/app/config/config.go:136:14: struct with 32 pointer bytes could be 24 /Users/shaowenchen/Code/app/config/config.go:150:11: struct of size 96 could be 88 /Users/shaowenchen/Code/app/config/config.go:166:14: struct of size 152 could be 144 /Users/shaowenchen/Code/app/config/config.go:194:12: struct with 80 pointer bytes could be 72 /Users/shaowenchen/Code/app/config/config.go:209:12: struct with 56 pointer bytes could be 40 /Users/shaowenchen/Code/app/dao/gormx/gorm.go:12:13: struct with 16 pointer bytes could be 8 /Users/shaowenchen/Code/app/dao/gormx/entity/cluster.go:5:14: struct with 128 pointer bytes could be 104 查看 fieldalignment 进行

AI生成摘要 文章介绍了Go语言中提高内存使用效率和CPU利用率的两种方法:1. 使用fieldalignment工具优化结构体字段顺序以减少内存占用;2. 合理设置GOMAXPROCS值以适应容器环境,可通过环境变量或automaxprocs包自动设置。

相关推荐 去reddit讨论

亚马逊AWS官方博客 -

新增功能 – 使用 Amazon Data Lifecycle Manager 和自定义脚本创建应用程序一致性快照

Amazon Data Lifecycle Manager 现在支持使用嵌入在 AWS Systems M […]

AI生成摘要 亚马逊数据生命周期管理器(DLM)新增支持AWS系统管理器文档中的快照前后脚本,确保EBS快照应用程序一致性。脚本可管理事务、刷新数据等。DLM自动创建、保留、删除EBS快照,现支持VSS备份。需编写、测试脚本并设置策略,包括超时和重试选项。

相关推荐 去reddit讨论

热榜 Top10
...
Dify.AI
...
eolink
...
LigaAI
...
天勤数据
...
观测云
...
白鲸技术栈
...
ShowMeBug
推荐或自荐