2013大数据揽金186亿 投资者趋理性

简介:

怪不得这几日净是关于大数据的新闻,原来Structure Data 2014召开了,众多数据分析领域的大佬们都亲临会场,看来大数据要继续“火”……

Wikibon:增长58%,2013大数据揽入186亿美元

据第三方研究机构Wikibon发布的报告显示,2013年,全球大数据市场总收入达186亿美元,相比于2012年,增加了58%,其中硬件、软件和服务所产生的收入占比分别为38%、22%和40%。

在这报告中,2013年大数据市场营收前三强分别为IBM、HP和Dell,SAP、Teradata、Oracle和SAS紧随其后,Pivotal未进前10,仅排名12位;思科与Splunk分别排名13与14,微软第15。亚马逊(排名16)和谷歌(排名20)这两大互联网公司在这一市场的收入超过了NetApp(排名22)、Intel(排名23)和EMC(排名24);红帽未进前30。

2013大数据揽金186亿 投资者趋理性

Wikibon预计2014年大数据市场的总收入将达到285亿美元,继续保持超过50%的增长速度;到2017年,其市场总收入将攀升至500亿美元。在这之中,服务将逐渐成为营收主力。

原文地址:

http://wikibon.org/wiki/v/Big_Data_Vendor_Revenue_and_Market_Forecast_2013-2017

众大佬现身Structure Data 理性投资大数据

Structure Data 2014大会开幕,众多数据分析界的大佬现身,譬如Pivotal公司CEO Paul Maritz。他认为,大数据分析将发挥其越来越重要的作用,将横跨所有产业群,从农业到航空,再到医学等其他行业。越来越多的公司投入其中,高性能的实时分析能够成为企业商业决策的有力支撑,但利用现有的IT系统很难做到实时分析。

也许Paul Maritz在暗示Pivotal公司未来的发展方向。当然,Pivotal并不是唯一的选择,比如提供企业版Hadoop的Hortonworks公司也对这一市场充满了野心。其CEO Rob Bearden在会上宣称,到2017或2018年,Hortonworks将成为一个年收入过10亿美金的公司。

这在开源界并非没有先例,比如红帽在2012年就年收入过10亿了。谁将成为第二个依靠开源而年收入过10亿的公司,我们还是比较期待的。

尽管大数据比较火,但是对于创业者来说,可能并不是好事情,一是因为竞争。二是因为投资者在大数据方面的投资已趋于理性。来自Bloomberg Beta投资基金的Shivon Zilis和其他投资者提醒创业者,不要试着用流行词汇来糊弄他们。当然他也透露了投资人比较看好的创始人团队组合:其一对特定行业有深入了解,另一个则有专业的技术背景。

原文链接:http://gigaom.com/2014/03/19/structuredata-2014-live-coverage/

SolidFire发布新Elements操作系统 增强全闪存阵列实力

SolidFire发布了代号为“Carbon“的全闪存阵列操作系统——Elements v6.0。据称这是一款既可以用于云数据中心,也可用于传统企业级数据中心的全闪存阵列操作系统。

这款新的操作系统增加了对16Gb FC和10GbE iSCSI的同时支持;提供不依赖第三方软、硬件的实时复制功能,单个集群可与其他四个集群配对,并在任意两个集群间进行数据复制;单个集群最小5个节点,支持非对称横向扩展,并能根据性能和容量资源分隔成多个逻辑资源池。提供基于快照的备份与还原,集成Amazon S3和OpenStack Swift API,可直接与任意对象存储或设备兼容。

2013大数据揽金186亿 投资者趋理性

提供FC支持能够让其进入企业级数据中心市场,并与现存设备兼容。其所内嵌的备份与还原功能则可绕开实际环境内需要第三方复制、备份系统支持的问题。

原文链接:

http://www.theregister.co.uk/2014/03/19/solidfire_solidifies_cloud_and_enterprise_creds/

SPEC组织为高性能计算领域发布SPEC ACCEL测试软件

SPEC(Standard Performance Evaluation Corporation,标准化性能测试公司)目前为HPC高性能计算领域发布了ACCEL的第一个软件版本。ACCEL应该是Accelerator加速器的意思。SPEC ACCEL用于测试带有硬件加速器的基于OpenCL和OpenACC的大规模并行计算系统。SPEC ACCEL检验整个系统的CPU组件、内存到加速器的传输带宽、支持库、驱动以及编译器的性能。

目前,SPEC ACCEL包含了19个OpenCL应用和15个OpenACC应用,它们都来自于典型的高性能应用程序。未来SPEC ACCEL还会加入对OpenMP 4.0的支持。

原文发布时间为:2014年03月20日
本文作者:曽智强
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
新零售 大数据
家纺大数据理性应用与品牌情怀
家纺大数据应用与情感我们的某个客户,是一家领先的专业家纺生产商,通过深度合作为客户提供服务。公司希望向他们提供差异化服务,如何定位公司的差异化,我们通过从 淘宝网 和阿里指数 上收集信息,更深入的理解家纺品的营销模式,随后他们认识到必须保留两类有价值的客户:高消费者和高影响者。
1374 0
|
2月前
|
分布式计算 DataWorks IDE
MaxCompute数据问题之忽略脏数据如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
47 0
|
2月前
|
SQL 存储 分布式计算
MaxCompute问题之下载数据如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
38 0
|
2月前
|
分布式计算 关系型数据库 MySQL
MaxCompute问题之数据归属分区如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
35 0
|
2月前
|
分布式计算 DataWorks BI
MaxCompute数据问题之运行报错如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
38 1
|
2月前
|
分布式计算 关系型数据库 数据库连接
MaxCompute数据问题之数据迁移如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
33 0
|
2月前
|
分布式计算 Cloud Native MaxCompute
MaxCompute数据问题之没有访问权限如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
38 0
|
4天前
|
数据采集 搜索推荐 大数据
大数据中的人为数据
【4月更文挑战第11天】人为数据,源于人类活动,如在线行为和社交互动,是大数据的关键部分,用于理解人类行为、预测趋势和策略制定。数据具多样性、实时性和动态性,广泛应用于市场营销和社交媒体分析。然而,数据真实性、用户隐私和处理复杂性构成挑战。解决策略包括数据质量控制、采用先进技术、强化数据安全和培养专业人才,以充分发挥其潜力。
11 3