【Spark Summit East 2017】Clipper:一个低延迟在线预测服务系统

简介: 本讲义出自Dan Crankshaw在Spark Summit East 2017上的演讲,主要介绍了Clipper——一个通用的低延迟预测服务系统,介于最终用户应用程序和各种机器学习框架之间的Clipper模块化的体系结构来简化对于模型的跨框架部署,此外,Clipper通过引入缓存、批处理和自适应模型选择技术,减少了预测延迟并且提高了吞吐量和预测精度以及系统的鲁棒性。

更多精彩内容参见云栖社区大数据频道https://yq.aliyun.com/big-data;此外,通过Maxcompute及其配套产品,低廉的大数据分析仅需几步,详情访问https://www.aliyun.com/product/odps


本讲义出自Dan Crankshaw在Spark Summit East 2017上的演讲,主要介绍了Clipper——一个通用的低延迟预测服务系统,介于最终用户应用程序和各种机器学习框架之间的Clipper模块化的体系结构来简化对于模型的跨框架部署,此外,Clipper通过引入缓存、批处理和自适应模型选择技术,减少了预测延迟并且提高了吞吐量和预测精度以及系统的鲁棒性。


9bbff1f43dd80c9ad11776ed1e4b2df3e4be09e3

a05f136178dd8984d9d9cea641a8ed6ba4bca168

84fcf9cb07b35ed4ec6f6a4574ec7e42a0025ca6

4b894c0668b00b26ca3883b20e9ffc68ee64467b

51f83137423aad62d36bb761323af3fe4738f657

60f8add1eeb0aef67405620857bfa5e86615e617

a5e39a13c2ea73f25af802ad2800b63462c75be1

3a0537094d6251d2dc6385c38bc6cbcf8f7a9f89

3744baf898958fcaad0fe875f6e8cd2abf63a707

22e60ce7f2cf229cdd3aae86fe47db154dad6ba5

23f14bdac4fee56cf2973416a3d2edd6359c45a3

11774631269c89a88138fa90d1d9e029c8c2e5e5

e5608a95c2c3541ef92a27db580978b898f32ba2

d96ab56800cdfd35bfa46fb91bb5b050cd64dcf7

3683ad436f41d2453c096965c40af41cb395986e

69ed21fd14eac72d6eaf78f6677f64d9be86ec9e

224f807ae5928315bf374db0628efda28369a2ee

b3fc129ade56568d486843b8f46533f6ac10f6e7

56a6a948fa918d127c20ff9fde1ff7ffe5ed62ec

1da04b317a881594f715510892f6a6fc14da5281

8106c015b4d850079ebaa33479973ecca8f9061d

4cb613bd40039d6c562131fc436b888c6219bfad

3afeab4ca85143c855edbeddbcf36ccb573a9b51

1527cd614c509046361d1cd06e7cbb7655ad1315

5e091fb78dd5f61577b8abe9cb3539d50ef904d8

d04e11fa08a8488c08c76f7d7deff63f0b9e0224

0b20eb0791c91682843d35aece21dd8d83362a17

ef4d0666d9aef60fe8e67ee7ed53813af034dc57

416e95e16f57f3dcbcf8ef67d7ad927fc0dd6415

8c08f4f00411741630c1f939c4e8022a19c224cf

7c959a3e2b6b6ec3a378bf25c0b023d20e77576f

ec439ec40973a10d0044f940dc9d746aedbd5c57

98b4078c1983d2d6947152b7f73b8f7bd5b3a3ec

109ddc72700cd0cfb80e6356edc7de6f316c086a

30513c22557b75548f4bc8ab6b56752cae131966

f4de57a66377edea04c0aaf77290cac69284f98a

b67e122e0982fc8bf9c0b077de491ead74710bfe

f8b7cad5c1f679672acf567d830654f178466800

95da709ad395174da885eeb5718dccc7935ddd52

a4439dc26e83bb6baa3eebc3657bac40d38deaf1

c7169ad067688324aa33f2e9d28c4c962b4083e9

ec3d5bd98dcfe9cb296a5a7db1ee33912d4bd4a2

57285767bb5447d5bfa896aaac853f74a5f72c97

28cc58786c7f948d740a79e475f57e5d296a1aae

相关文章
|
7月前
|
SQL 分布式计算 Java
Apache IoTDB开发系统整合之Spark IoTDB Connecter
以下 TsFile 结构为例: TsFile 架构中有三个度量:状态、温度和硬件。
104 0
|
3月前
|
SQL 分布式计算 数据处理
Spark的生态系统概览:Spark SQL、Spark Streaming
Spark的生态系统概览:Spark SQL、Spark Streaming
|
4月前
|
存储 Java 关系型数据库
【Kafka+Flume+Mysql+Spark】实现新闻话题实时统计分析系统(附源码)
【Kafka+Flume+Mysql+Spark】实现新闻话题实时统计分析系统(附源码)
50 1
【Kafka+Flume+Mysql+Spark】实现新闻话题实时统计分析系统(附源码)
|
4月前
|
分布式计算 资源调度 大数据
【大数据技术Hadoop+Spark】Spark架构、原理、优势、生态系统等讲解(图文解释)
【大数据技术Hadoop+Spark】Spark架构、原理、优势、生态系统等讲解(图文解释)
151 0
|
9月前
|
机器学习/深度学习 存储 分布式计算
Hadoop生态系统中的机器学习与数据挖掘技术:Apache Mahout和Apache Spark MLlib的应用
Hadoop生态系统中的机器学习与数据挖掘技术:Apache Mahout和Apache Spark MLlib的应用
|
9月前
|
分布式计算 Hadoop Java
Hadoop生态系统中的流式数据处理技术:Apache Flink和Apache Spark的比较
Hadoop生态系统中的流式数据处理技术:Apache Flink和Apache Spark的比较
|
11月前
|
机器学习/深度学习 分布式计算 搜索推荐
基于Spark的电影推荐系统实现
基于Spark的电影推荐系统实现
|
SQL JSON 分布式计算
Spark Sql系统入门4:spark应用程序中使用spark sql
Spark Sql系统入门4:spark应用程序中使用spark sql
112 0
|
分布式计算 Spark
【Spark】【RDD】从本地文件系统创建RDD
【Spark】【RDD】从本地文件系统创建RDD
101 0
【Spark】【RDD】从本地文件系统创建RDD
|
分布式计算 Hadoop 大数据
大数据编程实验一:HDFS常用操作和Spark读取文件系统数据
大数据编程实验,利用本地搭建的伪分布式集群进行HDFS常用操作和Spark读取文件系统数据的操作。
706 1
大数据编程实验一:HDFS常用操作和Spark读取文件系统数据