参加2013中国大数据技术大会(BDTC2013)

2013年12月5日-6日参加了为期两天的2013中国大数据技术大会(Big Data Technology Conference, BDTC2013)，本期会议主题是：“应用驱动的架构与技术 ”。大数据概念最近真是火得不行，从大会多达7个的“大数据架构与系统”、“大数据技术”、“大数据应用”、“大数据研究与发展”、“大数据基准测试”“智能交通与大数据”以及“传统行业如何驾驭大数据”主题论坛，再到现场爆棚的人群，可见大家拥抱大数据的高涨热情。

在9月份读完了一本《大数据时代》，后面又听大学老师介绍了一次Hadoop的HDFS以及MapReduce，就敢修改了一篇勘探大数据立项报告。当看了Hadoop生态系统的框架图后，直接被一堆代号搞得晕头转向，慢慢地只明白了其中几个简单意思，随便一个系统就能庞大得把你淹死，大数据，胆小者慎入！

大数据白皮书与发展趋势

5号会议以主席致辞和院士讲话开始。

马上就是程学旗发布《大数据白皮书》，据说这本书马上就会在CSDN免费发布，内容包括：大数据的发展背景、典型的业务大数据、大数据技术体系、大数据产业链与生态环境、大数据人才培养以及大数据发展趋势等。

程学旗报告的后半部分重点介绍了大数据的10大发展趋势，网上有一篇报道发得挺快的讲了这个内容。

1. 大数据从概念化走向价值化

2. 大数据处理架构的多样化模式并存

3. 大数据安全与隐私越来越重要

4. 大数据分析与可视化成为热点

5. 大数据产业成为战略性产业

6. 数据的商品化和数据共享的联盟化

7. 基于大数据推荐和预测正逐步流行

8. 大数据性能成为支撑性的技术

9. 数据科学的兴起

10. 大数据生态环境逐步完善

BDAS

在大数据创新大赛颁奖之后，是一篇主题演讲Taming Big Data with Berkeley Data Analytics Stack(BDAS)，这里介绍一个Hadoop之外的一个大数据分析框架，试验室的名称叫AMPLab（来自于Algorithms, Machines, Person）。

BDAS的目标：

腾讯的报告：大数据处理的规模化与实时化演进

云计算是挖掘大数据价值的核心基础这张片子介绍传统处理方式与大数据处理的对比。

后面讲到了RCFile和ORCFile(Optimized Row Columnar)数据的存储格式，还不了解。

 

The Stae of Apache HBase

下午吃完饭后直接犯困，有2个演讲人的声音几乎没有什么起伏，一会就要睡过去。其中有一篇讲互联网金融的，我也不感兴趣。

只是大概听了一个老外介绍The Stae of Apache HBase，下图中被人头挡住的部分是HDFS。

 

 

6号的会议我一直在大数据技术主题论坛里呆着。

 

百度：基于大数据的硬盘故障预测

 

从HDFS里学了一个三副本概念，这里才知道还有各种纠删码的方案，有一个重要评价指标叫MTTDL（Mean Time To Data Loss平均无数据丢失时长？）。

浙大：机器学习与大数据

何晓飞教授从人脸识别讲到机器学习，先介绍了机器学习的发展历程。

大数据时代的机器学习现在都在朝着深度学习和在线学习攻关。

后面介绍了最近邻搜索中的哈希索引等技术问题。

 

大数据时代可视化和可视分析的机遇与挑战

报告从The Top 10 Challenges in Extreme-Scale Visual Analytics这篇论文引出了北大在可视化方面的工作。

下图给出了通过出租车GPS数据来分析北京交通情况。

还讲到一个多维数据拼图系统。http://vis.pku.edu.cn/mddv/val/sketch#CarData

 

这篇大数据可视化的报告有PDF在CSDN上可以下载。

 

Extending MPI to Big Data Computing: Challenges and Benefits of DataMPI

这篇报告中探讨了如何让MPI改造为大数据时代的并行计算，以前有大量MPI并行代码可以看看这篇文章。