6月18日,在腾讯云融合创新大会上,腾讯云宣布大数据TBDS平台全新升级,通过深度融合多架构技术,实现了在单一平台上的湖仓统一,能提供数据入湖、存储、分析、应用等全场景的数据服务能力。升级后的TBDS综合性能提升20%,存算可按需伸缩和智能调优,让大数据处理进一步降本增效。
腾讯云大数据总经理徐晓敏表示,腾讯积累了非常丰富的大数据实践,持续为客户打造更轻、更快、更易用、更安全的大数据产品,致力于让企业实现数据的存储、分析和应用的自由,让大数据的价值快速兑现。
全新升级的TBDS融合了两种产品形态。一方面兼容社区生态,针对存储、计算、调度、分析等环节提供“开箱即用”的组件和引擎,帮助用户轻松应对实时分析、交互分析、数仓构建以及海量点查等多种需求场景。
另一方面,TBDS基于Lakehouse架构打造了云原生数据湖仓。借助统一元数据服务能力,异构存储集群间的数据可以互访,实现“一份数据、多种计算”,省去了传统大数据平台因为计算场景不一带来的数据来回搬迁。
得益于无服务的产品形态,TBDS数据湖仓变得“更轻”,用户可以一次部署、随开随用。过去需要多名专业人员协同完成的大数据任务,在TDBS上仅需少量人力即可独立操作。同时,极简化的操作体验也使得数据分析人员不再需要繁琐的配置工作,可以聚焦业务场景和目标实现,显著降低企业内部开展大数据工作的门槛和成本。

TBDS还提供提供多元化的集成方式,使其能够轻松地与各种生态系统实现无缝对接,来适应不断扩展的业务场景需求。此外,TBDS还全面支持国产化软硬件生态,涵盖主流芯片、操作系统、服务器、数据库、国密、IPv6等领域。
截止目前,腾讯云TBDS已持续为超1000家中大型客户构建国产化大数据方案,涵盖金融、能源、工业、零售、医疗等多个领域,如中国银行、中央广播电视总台、国家电网、中国商飞、三一重工、陕西建工等各行业头部客户,其中多项解决方案获得工信部、数博会等行业认可,数据量年增长速度超过90%。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。