日本亚洲精品,中文字幕第24页,欧美日韩射射

下載：10 收藏：10

免費下載

Cloudera Machine Learning (產(chǎn)品編號：14223)

使AI第一企業(yè)能夠通過自助服務(wù)訪問受控數(shù)據(jù)。

標(biāo)簽：

開發(fā)商： Cloudera

當(dāng)前版本：

產(chǎn)品類型：軟件

產(chǎn)品功能：大數(shù)據(jù)分析工具

平臺語言：

開源水平：不提供源碼

本產(chǎn)品的分類與介紹僅供參考，具體以商家網(wǎng)站介紹為準(zhǔn)，如有疑問請來電 023-68661681 咨詢。

使數(shù)據(jù)科學(xué)團(tuán)隊實現(xiàn)IT平臺自由

全球第二大軟件公司

全面，凝聚的用戶體驗

數(shù)據(jù)可任意移動

便捷的ML工作區(qū)

Cloudera Machine Learning是Cloudera針對CDP構(gòu)建的云原生機器學(xué)習(xí)平臺。Cloudera Machine Learning將自助服務(wù)數(shù)據(jù)科學(xué)和數(shù)據(jù)工程統(tǒng)一在一個便攜式服務(wù)中，作為企業(yè)數(shù)據(jù)云的一部分，可對任何位置的數(shù)據(jù)進(jìn)行多功能分析。

* 關(guān)于本產(chǎn)品的分類與介紹僅供參考，精準(zhǔn)產(chǎn)品資料以官網(wǎng)介紹為準(zhǔn)，如需購買請先行測試。

產(chǎn)品介紹

Cloudera Machine Learning（CML）只是您可以在Cloudera數(shù)據(jù)平臺（CDP）上使用的眾多體驗之一。 Cloudera Machine Learning使團(tuán)隊可以立即部署機器學(xué)習(xí)工作空間，這些工作空間可以自動擴展以適應(yīng)他們的需求，并可以通過使用kubernetes自動掛起以節(jié)省成本。所有這些都打包成可移植的體驗，多個團(tuán)隊成員可以輕松訪問這些體驗，以在整個組織中提供一致的體驗。在下面的視頻中，將帶您逐步了解CDP公共云上CML中的各種高級功能。

優(yōu)勢概況

			對于數(shù)據(jù)科學(xué)家
			在可滿足您的業(yè)務(wù)和IT要求的平臺上獲取端到端機器學(xué)習(xí)工作流所需的訪問，工具和計算資源。
			對于IT領(lǐng)導(dǎo)者
			在不影響安全性和治理的前提下，為您的團(tuán)隊提供通過機器學(xué)習(xí)進(jìn)行試驗，迭代和影響業(yè)務(wù)所需的資源。

功能詳細(xì)介紹

自助式數(shù)據(jù)訪問

借助Cloudera Machine Learning，管理員可以輕松地在混合和多云環(huán)境中復(fù)制受控數(shù)據(jù)集，以使數(shù)據(jù)科學(xué)團(tuán)隊可以自助訪問他們所需的業(yè)務(wù)數(shù)據(jù)，同時保持企業(yè)數(shù)據(jù)安全性和治理控制。

彈性，自動暫停的資源

Cloudera Machine Learning使數(shù)據(jù)科學(xué)團(tuán)隊可以訪問橫向擴展的異構(gòu)計算資源，以快速完成工作，同時維護(hù)可調(diào)節(jié)的護(hù)欄，以幫助IT部門輕松管理和優(yōu)化基礎(chǔ)架構(gòu)資源和成本。

首選的開放軟件工具

除了適用于Spark的Python，R和Scala之外，現(xiàn)代數(shù)據(jù)科學(xué)團(tuán)隊還需要最新的開源工具和庫來進(jìn)行創(chuàng)新，并在首選IDE中進(jìn)行協(xié)作。Cloudera機器學(xué)習(xí)使從業(yè)人員可以自由使用自己喜歡的工具，同時保持安全性，效率和可擴展性，而無需管理開銷。

可對云大規(guī)模批處理計分

當(dāng)在本地訓(xùn)練ML模型但推理數(shù)據(jù)存儲在云中時，可以對駐留在云存儲中的大量數(shù)據(jù)進(jìn)行批評分。IT部門可以使用預(yù)先配置的資源利用防護(hù)欄來部署ML工作區(qū)，數(shù)據(jù)科學(xué)團(tuán)隊則使用自動縮放/掛起的TensorFlow/Spark作業(yè)快速處理數(shù)據(jù)，不會損失任何成本。

CML與CDS的對比

CML是Cloudera Machine Learning，CDSW是Cloudera Data Science Workbench。對于現(xiàn)有的Cloudera Data Science Workbench用戶，本主題將有助于重點介紹Cloudera Data Science Workbench與它的原生云產(chǎn)品Cloudera Machine Learning之間的一些關(guān)鍵區(qū)別。

CML與CDSW有何關(guān)系？

CML利用云原生優(yōu)勢（如快速配置，彈性自動縮放，分布式依賴項隔離和分布式GPU培訓(xùn)）擴展了Cloudera Data Science Workbench（CDSW）的端到端工作流。它可以運行自己的本機分布式計算工作負(fù)載，而無需單獨的CDH群集進(jìn)行橫向擴展計算。它旨在在現(xiàn)有Kubernetes環(huán)境中的CDP上運行，例如托管云Kubernetes服務(wù)（EKS，AKS，GKE）或Red Hat OpenShift，從而在提供多云可移植性的同時為某些客戶降低了運營成本。

兩種產(chǎn)品都可以幫助數(shù)據(jù)工程師和數(shù)據(jù)科學(xué)團(tuán)隊通過強大的安全性和治理來提高共享數(shù)據(jù)和計算的生產(chǎn)力,他們共享大量的代碼。

CML與CDSW的區(qū)別

主要區(qū)別在于：

CDSW通過在網(wǎng)關(guān)節(jié)點上運行并將分布式計算工作負(fù)載推入群集來擴展現(xiàn)有的CDH群集。CDSW為其分布式計算（包括Apache Spark）需要并支持一個CDH集群。
相比之下，CML是自包含的，并且在Kubernetes上的容器中管理自己的分布式計算，本機運行的工作負(fù)載-包括但不限于Apache Spark。

	CDSW	CML
結(jié)構(gòu)	CDSW需要CDH或HDP群集，并在群集上的一個或多個專用網(wǎng)關(guān)節(jié)點上運行。	CML是自包含的，不需要附加的CDH / HDP群集。
	1個主主機和多個工作主機的概念。	沒有指定的主機和工作主機；所有節(jié)點都是短暫的。
安全性	通過CDH / HDP集群集成了Kerberos身份驗證；通過LDAP / SAML進(jìn)行外部身份驗證。	通過Cloudera數(shù)據(jù)平臺（CDP）使用FreeIPA進(jìn)行集中身份管理。
應(yīng)用存儲	項目文件，內(nèi)部postgresDB和Livelog都永久存儲在Master主機上。	所有必需的持久性存儲都在云托管的塊存儲，NFS和關(guān)系數(shù)據(jù)存儲中。
計算	Python / R / Scala工作負(fù)載在集群的CDSW網(wǎng)關(guān)節(jié)點上執(zhí)行。	Python / R / Scala工作負(fù)載在CDP /云提供商管理的K8s集群上運行。
	CDSW將分布式計算工作負(fù)載（例如YARN上的Spark）推送到CDH / HDP集群。	不支持Spark-on-YARN；改為使用Spark-on-K8s 。工作負(fù)載將在客戶環(huán)境中配置的專用K8s集群上運行。
	沒有自動縮放。	通過您的云服務(wù)提供商進(jìn)行自動擴展。Kubernetes /節(jié)點級自動縮放將用于根據(jù)需求擴展/收縮集群大小。
打包	作為可下載的RPM和CSD提供。	作為CDP上的托管服務(wù)提供。
	Spark與CDH打包在一起。	K8s上的Spark與CML打包在一起，不依賴于外部集群。
資料存取	數(shù)據(jù)通常駐留在HDFS，Hive，HBase等中的附加CDH / HDP群集上。	數(shù)據(jù)可以駐留在對象存儲（例如S3）上，也可以駐留在向CDP注冊的任何現(xiàn)有工作負(fù)載群集上。