数促会年会颁发第五批大数据产品评测证书

最新更新时间:2017-11-08来源: 集微网关键字:大数据 手机看文章 扫描二维码
随时随地手机看文章

电子网消息,2017年11月7日,在“大数据发展促进委员会2017年年会暨成果发布会”上,中国通信标准化协会常务副秘书长、数据中心联盟理事长代晓慧为通过数据中心联盟第五批大数据产品评测的企业颁发了证书。


通过Hadoop平台基础能力评测的产品名单(排名不分先后):


中国电信股份有限公司的中国电信天翼大数据飞龙平台 v1.0


济南浪潮数据技术有限公司的浪潮云海Insight HD软件 v3.5


腾讯云计算(北京)有限责任公司的腾讯云数智方略大数据系统软件v4.0


新华三技术有限公司 H3C的DataEngine v1.0


航天恒星科技有限公司(503所)的星磐数据 DS4.0


杭州数梦工场科技有限公司的数梦工场大数据计算平台 v1.2.0


北京华宇信息技术有限公司的大数据管理平台 v2.0


北京经纬信息技术公司的铁路数据服务平台 v1.0


通过MPP数据库基础能力评测的产品名单:


百度网讯科技有限公司的百度数据仓库Palo v3.2


杭州数梦工场科技有限公司的数梦工场大规模分析型数据库 v1.1.0


通过Hadoop产品性能评测的产品名单(排名根据评测时间):


成都四方伟业软件股份有限公司的SDC大数据基础平台 v3.0


北京中联润通信息技术有限公司的易云汇智大数据平台 v1.0


联想(北京)有限公司的联想企业级数据分析平台[LEAP系统] v3.2


新华三技术有限公司的H3C DataEngine v1.0


杭州泰一指尚科技有限公司的泰一指尚DMP数据聚合与管理服务平台 v1.0

腾讯云计算(北京)有限责任公司的腾讯云数智方略大数据系统软件 v4.0


中国电子科技集团公司第二十八研究的28th鲸云大数据存储分析平台软件 v2.1.0.0


济南浪潮数据技术有限公司的浪潮云海Insight HD软件 v3.5


通过MPP数据库性能评测的产品名单是:


天津南大通用数据技术股份有效公司的南大通用大规模分布式并行数据库集群系统 GBase 8a MPP Cluster v8.0


中移(苏州)软件技术有限公司的BC-RDB Hybrid v1.0


在本次数促会年会上,数据会办公室主任姜春宇对第五批大数据产品评测结果进行了通报,详细的解读了评测的方法和结果。


大数据产品能力评测由数据中心联盟组织,并委托中国信息通信研究院实施测试,是国内起步最早、覆盖最广、技术水平最高、影响最大的大数据评测体系。评测包括大数据产品基础能力和性能,目前覆盖Hadoop和MPP数据库产品。其中Hadoop平台基础能力评测包括功能、运维、多租户、可用性、安全、兼容性、易用性、扩展性八类项目,总共44项测试用例;MPP数据库基础能力评测包括功能、运维、安全、扩展性、可用性、兼容性六类项目,总共49项测试用例;Hadoop平台性能测试包括SQL能力、NoSQL能力、机器学习3类项目,总共15项测试用例;MPP数据库性能测试包括SQL能力、混合负载、稳定性测试、压力测试四类项目。依据测试标准,联盟目前已经完成五批测试,共有31家企业的33款大数据产品通过大数据产品能力评测,颁发证书47张(基础能力测试和性能测试单独颁发证书),共完成52个评测项目(包括年检测试)。圈定了国内大数据产品厂商第一梯队,为政府和行业用户选购大数据产品提供权威参考。


联盟在2017年6月到2017年10月之间完成了第五批大数据产品能力评测,囊括16家企业的17款产品,其中通过Hadoop产品基础能力评测的产品8款,通过MPP基础能力评测的产品2款,通过Hadoop产品性能评测的产品8款,通过MPP性能评测的产品2款。评测采用报名、材料审核、现场审核、企业互评、专家评审等环节来保证过程的公平和严谨性。


此项工作的开展不仅可以方便政府和企业选购大数据产品,还有利于企业技术和产品的成熟完善,推动大数据产业真正落地。

关键字:大数据 编辑:王磊 引用地址:数促会年会颁发第五批大数据产品评测证书

上一篇:英特尔、超微双雄结盟台积恐受影响
下一篇:2017数促会年会公布《中国大数据行业自律公约》推进进展

推荐阅读最新更新时间:2023-10-12 23:57

百度高级副总裁王劲:一朵花的大数据之旅
   百度正在传统的搜索技术之外,利用“大数据+云计算”打造另一个驱动公司发展的新引擎——百度高级副总裁王劲接受21世纪经济报道记者采访时如是说。 百度大脑是“云计算+大数据”的载体:其由硬件和软件两部分组成,硬件部分是由云计算中心和服务器组成,软件部分是由大数据和人工智能算法组成。无论百度推荐引擎、BaiduEye,还是百度面对商家的直达号,均依赖百度大脑作为技术基础,是一切前端应用的backoffice。 王劲认为,百度的核心竞争力在于人工智能和大数据的结合。可能的场景是:用手机拍一朵花的照片,上传给百度,百度大脑把它转化成“0101”的数字流,然后输入到深度神经网络里,经过层层的分析、复杂的学习算法和大数据比对,最后还原并
[手机便携]
2015来了,国外专家教你找风口
雷军说,站在台风口上,一头猪都能飞起来。找准市场的潜在热点,你成功的几率就会大增。在这样的市场里更容易招到好的人才、有更多露面的机会,更容易融资,也更容易退出。那么2015年的风口在哪里呢?我们来听听Elad Gil的看法。   初创企业退出的平均时限是 7 年。而站在风口上则可以大大缩短退出时间。1990 年代末,由于互联网热潮的兴起,被收购或 IPO 的时间仅仅是 2、3 年。最快的退出方式是并购。   而要想成功 IPO 通常需要有 5000 万美元的收入,还要有几个季度的盈利。不过如果处在风口的话,对盈利的要求也许就没那么高,甚至还可以宽松一阵子(比方说大数据热潮下 Hortonworks 的 IPO 就是
[嵌入式]
不同国家的“工业4.0”有什么区别?
2015年,李克强总理提出了“中国制造2025”的国家战略后,“中国制造2025”经常在各个场合被提及。与此同时,日、美、德国的“工业4.0”概念也常常被与“中国制造2025”一起被提及。它们是不是同一个概念?在巨大的工业基础差别下,彼此又有哪些不同? 大数据与制造的关系 大数据与制造间的关系可以用下图表示,有3个重要的元素: 1、问题:制造系统中线性或隐性的问题,如质量缺陷、精度缺失、设备故障、加工失效、性能下降、成本较高、效率低下等。 2、数据,从制造系统的5大要素中获得的,能够反映问题发生的过程和原因的数据。数据的获取应该是以问题为导向,目的是去了解、解决和避免问题。 3、知识:制造系统的核心,也就是Know-how
[嵌入式]
不同国家的“工业4.0”有什么区别?
机器人自动化和大数据包含的智能制造理念
智能制造与快速反应            如果把这些角度中,选取最适合代表智能制造的角度,大概有两个方面:一个是ICT技术(数字化、网络化),这是手段;一个是快速反应,这是目标。把快速反应作为目标时,ICT技术只是手段之一,还要配合软件、硬件、组织、商业模式手段。但ICT技术同时是关键性、标志性的手段:恰恰是ICT技术的进步却为智能制造发出洪荒之力——ICT技术的迅速发展,才使得过去的一些设想有条件变成现实。            ICT技术是怎样促进快速反应的呢?有几个方面的原因:           第一,可以用信息实现多方的协同工作。一条新的信息可能涉及到多个部门的工作(如产品设计的改动)。如果可以共
[安防电子]
物联网三波浪潮即将开启 低延迟决胜关键
物联网、人工智能、大数据,恐怕是2020前最重要科技议题,目前对于一般民众最有感应用,可能是手机控制家电,接着医疗设备、车、监视器,最后生产工厂、企业大楼、运输产业等,都会融入物联网技术。下面就随网络通信小编一起来了解一下相关内容吧。 物联网三波浪潮即将开启 低延迟决胜关键 Akamai大中华区媒体技术解决方案部技术经理刘烨表示,物联网(IoT)大致上会有三个变革,首先融入一般人居家电器,再来发展至各种产业的网络相互联结,最后人类所有大小物品都能上网,让数据分析、网络能力、软件效能交互应用。 未来的十字路口,行人手上拿着手机,红绿灯、汽车、公交车、脚踏车都连着网络,在数据快速交换状态下,手机可以提醒行人是否闯红灯,车子会提
[网络通信]
Linux基金会宣布举办新会议,支持开源大数据社区协作
Apache: Big Data大会,开源项目提交者将汇聚一堂,促进Apache大数据技术的应用 Marketwired 2015年5月28日美国加利福尼亚州旧金山消息―― 致力于促进Linux和协作开发发展的非营利性组织Linux基金会(The Linux Foundation)今天宣布举办一场新会议----Apache: Big Data大会,新会议将把领先的Apache大数据项目提交者汇聚到一起,促进捕捉、评估和存储海量数据的技术向前发展。 首届Apache: Big Data大会将于9月28-30日在匈牙利布达佩斯举行,替代之前的ApacheCon大会。另一场新会
[嵌入式]
360汽车安全新设想 为人工智能测试提供“尺子”
日前,360网络安全北美研究院负责人,360 IoT安全研究院院长李康与360智能网联汽车安全实验室总监张青联合宣布360的一项全新研究成果,可为人工智能的算法测试尤其是智能汽车的测试提供了一把“尺子”,简单理解就是人工智能算法的调试器。 这把“尺子”什么样 李康表示,深度学习系统是基于分层统计学方法得到的结论,和传统的计算机软件系统不一样,并没有专门的测试平台对系统进行测试和调试。 “传统的软件测试我们有污点跟踪、覆盖测试等各种方法,而对于深度学习测试来说,工程师面对的是一个黑盒。”李康说道。 人工智能时代的大数据就是过去的源代码,而对于现阶段机器学习测试来讲,更多是依靠数据测试,人肉测试。所以我们也能看到Uber等无人驾驶
[汽车电子]
为什么人工智能没有大数据就不能生存?
  随着技术的发展和进步,数据量呈指数级增长,这并不令人意外。如果说人们在2005年还可以勉强处理0.1ZB的数据的话,那么如今这个数字已超过了20ZB,甚至到2020年的数据量将达到47ZB。除了数量庞大之外,数据面临的问题还在于其大部分是非结构化的数据,而这些不完整或不准确的数据对于蓬勃发展的 人工智能 和人类来说没有任何好处。下面就随网络通信小编一起来了解一下相关内容吧。   人们如今只能处理10%的结构化数据,而剩下的都是大量未被标记的信息,机器不能以建设性的方式使用。例如,电子邮件就是非结构化的数据,而电子表格等内容被认为是被标记的结构化数据,并且可以被机器成功扫描。   这看起来似乎并不成问题,但如果人们期望 人工智
[网络通信]
小广播
热门活动
换一批
更多
最新半导体设计/制造文章
更多精选电路图
换一换 更多 相关热搜器件
更多每日新闻
随便看看

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

站点相关: 市场动态 半导体生产 材料技术 封装测试 工艺设备 光伏产业 平板显示 EDA与IP 电子制造 视频教程

词云: 1 2 3 4 5 6 7 8 9 10

北京市海淀区中关村大街18号B座15层1530室 电话:(010)82350740 邮编:100190

电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2024 EEWORLD.com.cn, Inc. All rights reserved