ZD至顶网CIO与应用频道 07月05日 北京消息:Teradata天睿公司(Teradata Corporation,纽交所:TDC)日前宣布,为多个商业智能(BI)和可视化解决方案颁布 Teradata Distribution of Presto认证。这些解决方案包括Information Builders、Looker 数据平台、Qlik® 可视化分析平台、Tableau BI工具套件 和 ZoomData®。此外,MicroStrategy已开展认证工作,而 Microsoft Power BI 已完成测试。这些认证为客户提供更多选择,帮助客户有效运用BI工具投入与技术,高效分析 Hadoop数据。
商业智能和数据仓库资深顾问兼 Boulder BI Brain Trust创始人Claudia Imhoff 表示:“Teradata 天睿公司率先通过 Teradata Distribution of Presto 对BI和分析工具进行认证,及时帮助企业应对目前部署使用 Hadoop 时遇到的诸多挑战,对行业具有重大意义。Teradata 天睿公司将Presto打造为一款企业就绪型SQL-on-Hadoop 解决方案时,整合 BI 工具将提供适当的功能,帮助企业内用户轻松运用Presto。无论企业选择哪一家BI和分析服务供应商,都能够运用洞察力引擎创造价值,为所有 Hadoop 用户开启可视化智能新时代。”
Presto 是一款开源 SQL 查询引擎,用于对Hadoop 及其它数据源进行交互式分析查询。Presto最初由Facebook公司开发,是Hadoop平台上重要的 SQL 查询引擎,主要用于在 Hadoop 分布式文件系统(HDFS)、Amazon S3、Cassandra、关系数据库、甚至在专有数据存储上执行跨平台查询,是需要次秒级或次分级响应时间的数据分析师的完美选择。
加入多款 BI 工具后,企业可依托 Teradata Distribution of Presto 及 Teradata Presto ODBC(开放式数据库连接)和 JDBC(Java 数据库连接)驱动程序,跨平台轻松开发 BI 应用并编制 BI 报告。与 BI 工具的紧密结合有助于快速开发应用,并从客户情感分析、客户流失分析、物联网可视化传感器数据分析中获得可做为行动依据的洞察,帮助企业充分利用现有 SQL BI 工具和 Hadoop 投入,更快地创造商机。
目前,Teradata Certified Distribution of Presto、Teradata Presto ODBC 和JDBC驱动程序均已发布,用户可访问http://www.teradata.com/presto免费下载。
Teradata 天睿公司产品与服务营销副总裁 Chad Meley 表示:“过去一年来Teradata天睿公司不断致力于增强 Presto,成果显著,包括通过整合YARN,提升安全性,及开发高性能企业级 ODBC 和 JDBC 应用程序接口驱动程序。随着越来越多的 BI 合作伙伴取得认证,我们将在数据生态系统内进一步扩展可分析数据的范围和领域,为企业创造巨大的效益,这彰显出与 Teradata 统一数据架构息息相关的开创性愿景。”
Looker 公司战略联盟副总裁 Keenan Rice 表示:“作为有能力处理大量复杂数据集的SQL-on-Hadoop 方案,Presto 倍受青睐,它帮助越来越多的企业在大数据基础设施中部署Hadoop。依托Presto 和 Looker,客户能够顺利扩容至 PB 级数据规模,实现企业级交互式分析。Looker 与 Teradata 提供商业支持的Presto 整合,可谓独一无二,因为它带来支持 Presto 的 Schema-on-Read 建模层,配合 Presto 功能强大的数据联合技术和大数据技术能力,可打造出现代化规范的大数据 BI 基础设施。”
Qlik 公司合作伙伴工程技术高级总监 Hugo Sheng 表示:“Qlik 去年率先加入Presto,并持续在Teradata统一数据架构上全面支持各种大数据实施项目。依托 Presto 和 Qlik 技术,客户能够摆脱常见性能限制,不断开发高性能交互式可视化分析解决方案。”
Tableau 公司产品管理副总裁 Dan Jewett 表示:“越来越多的客户希望在Presto上轻松可靠地使用 Tableau。能够携手 Teradata 天睿公司,为 Presto 和 Hadoop 社区在 Presto 上认证 Tableau,我们感到非常兴奋。”
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。