- 支持批量計(jì)算、流式計(jì)算和實(shí)時(shí)計(jì)算,并支持對(duì)計(jì)算結(jié)果極速查詢。
提供三種不同的計(jì)算模式:Spark Standalone 、 Spark on YARN 和 MapReduce on YARN。
提供PB級(jí)數(shù)據(jù)集上的亞秒級(jí)查詢能力。
通過 AppCenter 2.0 實(shí)現(xiàn)與其他大數(shù)據(jù)組件的無縫集成,如 Spark 、Hadoop 、Hive 與 HBase 、ZooKeeper 以及 QingStor? 對(duì)象存儲(chǔ)集成。
QingMR 提供了 Spark 及 YARN 的自定義調(diào)度器的功能,開放了自定義 Hadoop 代理用戶功能。
可視化展現(xiàn)整體服務(wù)的運(yùn)行情況,提供監(jiān)控告警、健康檢查和服務(wù)自動(dòng)恢復(fù)等功能。
提供 Python 及 R 兩種語言的運(yùn)行環(huán)境,支持 Python 2 和 Python 3 互相切換。
預(yù)置了多個(gè) Anaconda 發(fā)行版的數(shù)據(jù)科學(xué)包,為數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)/深度學(xué)習(xí)等 AI 開發(fā)場(chǎng)景。
流式數(shù)據(jù)處理
通過 QingMR Spark 計(jì)算引擎流數(shù)據(jù)處理能力,對(duì)企業(yè)實(shí)時(shí)數(shù)據(jù)流進(jìn)行計(jì)算,滿足對(duì)實(shí)效性要求較高計(jì)算,適用于實(shí)時(shí)監(jiān)控、報(bào)警分析分等場(chǎng)景。
?
批量數(shù)據(jù)處理
通過 QingMR Hadoop MapReduce 提供強(qiáng)大的批量數(shù)據(jù)處理能力,幫助企業(yè)解決海量文件的分析處理問題,可用于日志分析等場(chǎng)景。
?
極速數(shù)據(jù)查詢與分析
通過 QingMR 中集成的 Kyligence Analytics Platform,減少海量數(shù)據(jù)查詢延遲,滿足企業(yè) OLAP 場(chǎng)景中極速分析查詢的需求。
?
機(jī)器學(xué)習(xí)
基于 Spark 內(nèi)存計(jì)算模型框架,利用 Mlib 提供的機(jī)器學(xué)習(xí)算法,實(shí)現(xiàn)個(gè)性化推薦、流失預(yù)測(cè)、精確營(yíng)銷、客戶細(xì)分、客戶研究、市場(chǎng)細(xì)分、價(jià)值評(píng)估等應(yīng)用場(chǎng)景。
請(qǐng)選擇區(qū)域