2016 年,Google 的 AlphaGo 横空出世,让我们见识了“大数据 + 机器学习”的巨大威力。
从我的角度而言,不管是学习某门技术,还是讨论某个事情,最好的方式一定不是一头扎到具体细节里,而是应该从时空的角度先了解它的来龙去脉,以及它为什么会演进成为现在的状态。当你深刻理解了这些前因后果之后,再去看现状,就会明朗很多,也能更直接地看到现状背后的本质。说实话,这对于我们理解技术、学习技术而言,同等重要。
2004 年左右,大多数公司的关注点其实还是聚焦在单机上,在思考如何提升单机的性能,寻找更贵更好的服务器。而 Google 的思路是部署一个大规模的服务器集群,通过分布式的方式将海量数据存储在这个集群上,然后利用集群上的所有机器进行数据计算。 这样,Google 其实不需要买很多很贵的服务器,它只要把这些普通的机器组织到一起,就非常厉害了。
发展史
爆肝出图,太难画了,再也不想画了。

除了这些技术,还需要一个大数据平台,也就是万象来整合所有的大数据组件和企业应用系统。

一个典型的互联网大数据平台架构。

2016 年,Google 的 AlphaGo 横空出世,让我们见识了“大数据 + 机器学习”的巨大威力。
发展史
爆肝出图,太难画了,再也不想画了。

除了这些技术,还需要一个大数据平台,也就是万象来整合所有的大数据组件和企业应用系统。

一个典型的互联网大数据平台架构。
