数据中心布局,一个旧数据中心布局。分布式电源(PDU)和计算机房空调(CRAC)系统都是固定放置在适当的地方;不间断电源(UPS)和辅助发电机是固定型号的,以适应原始的数据中心布局设计。数据中心布局建筑平面图:建造数据中心布局的第一个要着手的地方是物理设计。如果倾斜的地面和较高的数据中心地面能够处理洪水危机,那么最好建造多个而不是单一的V形系统排水道。
物联网、大数据及人工智能都是近年来互联网行业比较火热的话题,三者之间具有非常紧密的联系。想探讨物联网、大数据及人工智能之间如何融合,首先需要了解其基本概念。
概念
1、物联网
根据百度百科的解释,物联网(InternetofThings,IoT)是一个基于互联网、传统电信网等的信息承载体,它让所有能够被独立寻址的普通物理对象形成互联互通的网络(万物互联)。物联网网络架构设计由感知层、网络层及应用层组成,分别实现数据采集、数据传输及数据应用的功能。目前,物联网已经广泛应用于智慧医疗、智慧环保、智慧城市、智能家居及物流等领域。
2、大数据
大数据指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据具有体量大(Volume)、及时性(Velocity)、多样性(Variety)、低价值密度(Value)及真实性(Veracity)的“5V”特性。
3、人工智能
人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。目前,人工智能正在改变各行各业的传统模式,作为人工智能分支的机器学习/深度学习已经广泛用于自然语言处理(NLP)、计算机视觉(CV)、机器翻译及推荐系统等领域。
深度融合
物联网、大数据、人工智能三者之间相辅相成,可以形成一个闭环通路。物联网作为智能感知层,主要负责采集现场的数据并将数据上传至分布式数据库中;大数据作为数据存储层,将经过ETL处理后的数据保存到分布式文件系统(HDFS)或数据仓库(HIVE)中;人工智能作为应用层,可利用sparkml或tensorflow实现相关的机器学习或深度学习算法,对存储在HDFS或HIVE中的数据进行数据挖掘。
应用案例
目前,物联网、大数据、人工智能已经广泛用于智慧城市、智慧环保、智慧交通等领域。以智慧环保中的空气预警为例,首先,物联网可以作为智慧感知层,安装在客户现场的空气监测设备采集的空气质量信息通过网络传输数据中心;而后,利用大数据ETL工具(spark、hive)进行数据清洗并存储至分布式数据库/文件系统/数据仓库中;最后,利用人工智能相关技术进行大数据分析(sparkml、tensorflow),预测未来若干天的空气质量,并以此辅助进行科学决策及改善环境。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)