大数据技术领域的九大痛点

尽管在Hadoop与NoSQL部署方面做足了打算，某种程度的问题依然一次又一次重复经常出现。现在业界是时候尽早搞定这些麻烦事了。　　有时候一艘巨轮的侧方经常出现了破洞，但业界却要求坐等船体沉降、并把期望竭尽在销售救生艇身上。　　也有些时候，这些问题或许并到时要闹得出人命的地步类似于我家里浴室的状况，只有往一旁把手龙头才不会入水。

过一阵子我可能会去找机会维修一下，但事实上这个问题早已不存在了12年之幸了。　　而在面临大数据业务时，我可以所列九个长久以来仍然令人头痛的问题，时至今日它们仍然不存在着并后遗症着无数用户。　　大数据痛点一号：GPU编程仍并未获得普及　　CPU的用于成本依然更为便宜，最少与GPU比起要喜得多。如果我们需要面向GPU研发出更理想的继续执行标准以及更加多表现出色的驱动程序，那么坚信 一个新的市场将由此问世。

就目前来讲，GPU的用于成本优势并未能获得很好的反映，这是因为我们无法针对其展开编程，而且完全没有办法在不创建特定模型的前 托下已完成这项任务。　　这种情况类似于，有些人期望续写类似于ODBC或者JDBC的代码来处置某些高强度工作，并劝说AMD或者英伟达将业务着眼点放到显示卡产品之 外。假设我们原本早已习惯了用于Spark构建各类计算出来任务，而且压根不实在这么做有什么问题； 但好像在一夜之间，其他人都开始建构所谓GPGPU集群，这大自然不会让我们有点措手不及之感觉。　　不少技术人员都开始在这方面作出探寻，但要想要确实让成果构建市场化，我们最少必须搞定两大竞争对手AMD以及英伟达，或许再行再加英特尔。

除非它们不愿合力合作，否则如果之后像现在这样把技术保密看做市场顺利的构建途径，那么问题总有一天也去找将近理想的答案。

本文来源：正规买球app十佳排行-www.do1do2.com.cn