解讀:想了解一下數據采集團隊都是怎么采集數據的？

　　數據采集

團隊是用專(zhuān)業(yè)工具采集

的，當然這種工具還有很多，可以選擇好用的，小E這里推薦我們的云擴展RPA機器人，全自動(dòng)數據采集，無(wú)入侵模式，拖拽操作模式，比很多需要手動(dòng)調整參數或者界面的產(chǎn)品好用得多， 只要在網(wǎng)頁(yè)上可以看到的數據就可以采集，7*24小時(shí)自動(dòng)采集。

　　具體內容可以在我們的網(wǎng)站上找到，您也可以免費下載試用軟件。

　　云擴展RPA平臺的六大優(yōu)勢

" />

　　高效的流程編輯體驗：云擴展RPA編輯器采用直觀(guān)高效的圖形界面，通過(guò)簡(jiǎn)單的拖拽即可設計復雜的流程，學(xué)習成本低。設計的流程以流程圖的形式呈現，所有步驟一目了然，易于企業(yè)內部溝通和維護。該編輯器內置了數百個(gè)自動(dòng)化和 AI 組件，與其他軟件深度集成，開(kāi)箱即用，無(wú)需額外編程。企業(yè)級RPA

　　平臺：云擴展RPA與Windows操作系統深度集成，利用系統的原生驅動(dòng)，為企業(yè)提供精準可靠的自動(dòng)化技術(shù)。云擴展控制臺提供強大的機器人和流程管理功能，動(dòng)態(tài)執行任務(wù)分配，支持定時(shí)調度，提高機器人利用率，擴大您的投資回報。

　　開(kāi)放式 RPA

　　生態(tài)：云擴展RPA平臺具有無(wú)與倫比的開(kāi)放性和可擴展性。通過(guò)豐富的元器件市場(chǎng)和流程市場(chǎng)，用戶(hù)可以通過(guò)簡(jiǎn)單的拖拽將生態(tài)系統中強大的自動(dòng)化能力和AI能力嵌入到流程中，滿(mǎn)足各行業(yè)的需求。

" />

　　領(lǐng)先的人工智能：云擴展的RPA平臺提供大量?jì)戎肁I技能，實(shí)現更多業(yè)務(wù)場(chǎng)景的自動(dòng)化。我們已經(jīng)為AI組件建立了一個(gè)開(kāi)放的市場(chǎng)，新的AI技能不斷被添加到市場(chǎng)上。您可以使用現成的 AI 組件，也可以從市場(chǎng)上獲取它們，或者集成特定于企業(yè)的 AI 技能。

　　靈活的部署模式：不僅支持企業(yè)級私有部署，還支持簡(jiǎn)單便捷的公有云服務(wù)，為不同企業(yè)的運維需求提供全面支持。同時(shí)，具有靈活的計費模式，包括包年支付和按量付費，滿(mǎn)足不同場(chǎng)景的需求。

　　專(zhuān)業(yè)服務(wù)能力：我們提供專(zhuān)業(yè)的團隊和企業(yè)梳理流程各個(gè)環(huán)節，科學(xué)規劃RPA實(shí)施，全程監控實(shí)施流程和運營(yíng)效率，持續為客戶(hù)提供定制化服務(wù)，提升效率，賦能企業(yè)。

　　解決方案:深度解讀：Gartner預測2020數據和分析技術(shù)的十大趨勢

　　作者丨石秀峰

　　文章共5724字，建議閱讀15分鐘

　　2019 年 11 月 5 日，Gartner 發(fā)布預測稱(chēng)，以下數據和分析技術(shù)趨勢在未來(lái)三到五年內具有巨大的影響潛力。

　　趨勢 1：增強分析

　　增強分析會(huì )自動(dòng)發(fā)現并顯示最重要的數據洞察或業(yè)務(wù)變化，以?xún)?yōu)化決策制定。它比手動(dòng)方法需要更少的時(shí)間。增強分析使所有業(yè)務(wù)角色都可以獲得洞察力。它減少了對分析、數據科學(xué)和機器學(xué)習專(zhuān)家進(jìn)行數據分析的依賴(lài)，提高了整個(gè)組織的數據素養。到 2020 年，增強分析將成為新購買(mǎi)分析和商業(yè)智能以及數據科學(xué)和機器學(xué)習平臺的主要驅動(dòng)力。

　　【解讀分析】

　　上網(wǎng)查了一下，原來(lái)“增強分析”的概念早在2017年就由Gartner提出，被譽(yù)為數據和分析市場(chǎng)的下一波顛覆性技術(shù)浪潮，也是數據分析的未來(lái)。簡(jiǎn)而言之，就是用人工智能技術(shù)（AI）賦能商業(yè)智能（BI）。更簡(jiǎn)單的理解是將機器學(xué)習（ML）、自然語(yǔ)言處理（NLP）和數據挖掘等技術(shù)應用到數據分析過(guò)程中。讓數據分析更加自動(dòng)化和智能化。例如：在數據采集和處理方面，利用NLP對非結構化、半結構化數據進(jìn)行文本識別和語(yǔ)言識別，自動(dòng)轉化為結構化數據；利用機器學(xué)習技術(shù)將其應用于數據建模、數據處理、數據質(zhì)量等環(huán)節，實(shí)現數據自動(dòng)清洗和處理，減少人為干預。例如，利用機器學(xué)習和人工智能技術(shù)，在大數據環(huán)境下“加固”傳統數據分析模型（如杜邦），形成更智能、更可靠的適合企業(yè)的數據分析模型，讓商業(yè)智能更加智能。

　　趨勢 2 增強的數據管理

　　隨著(zhù)技術(shù)供不應求和數據呈指數級增長(cháng)，組織需要自動(dòng)化數據管理任務(wù)。供應商正在添加機器學(xué)習和人工智能 (AI) 功能，使數據管理流程能夠自行配置和調整，以便高技能的技術(shù)人員可以專(zhuān)注于更高價(jià)值的任務(wù)。這種趨勢正在影響所有企業(yè)數據管理類(lèi)別，包括數據質(zhì)量、元數據管理、主數據管理、數據集成和數據庫。Gartner 預測，到 2022 年，通過(guò)增加機器學(xué)習和自動(dòng)化服務(wù)水平管理，手動(dòng)數據管理任務(wù)將減少 45%。

　　【解讀分析】

　　關(guān)于加強數據管理的觀(guān)點(diǎn)，筆者在之前的一篇文章中提到過(guò)，可以說(shuō)與筆者的觀(guān)點(diǎn)不謀而合。其中提到將大數據、云計算、人工智能、機器學(xué)習、區塊鏈、微服務(wù)等新技術(shù)應用于主數據管理，實(shí)現*敏*感*詞*數據管理：①廣義連接——人、財、對象、設備和系統的端到端連接；②社會(huì )化融合——企業(yè)小數據與社會(huì )大數據融合；③虛擬化模擬——真實(shí)世界實(shí)體數據在信息世界中的真實(shí)模擬；④智能管理與應用——基于機器學(xué)習的數據質(zhì)量問(wèn)題自動(dòng)發(fā)現與處理。當然，強化管理不僅僅針對主數據管理，還將改變數據治理和管理領(lǐng)域，如數據質(zhì)量管理、數據安全管理、元數據管理等。在元數據管理方面，利用自然語(yǔ)言處理、語(yǔ)義分析等技術(shù)，自動(dòng)識別和提取非結構化數據，建立非結構化數據業(yè)務(wù)詞匯表；在數據質(zhì)量和數據安全管理方面，利用深度學(xué)習、知識圖譜、語(yǔ)義分析等技術(shù)自動(dòng)實(shí)現數據分類(lèi)，自動(dòng)識別和處理數據質(zhì)量問(wèn)題、數據安全問(wèn)題等。在元數據管理方面，利用自然語(yǔ)言處理、語(yǔ)義分析等技術(shù)，自動(dòng)識別和提取非結構化數據，建立非結構化數據業(yè)務(wù)詞匯表；在數據質(zhì)量和數據安全管理方面，利用深度學(xué)習、知識圖譜、語(yǔ)義分析等技術(shù)自動(dòng)實(shí)現數據分類(lèi)，自動(dòng)識別和處理數據質(zhì)量問(wèn)題、數據安全問(wèn)題等。在元數據管理方面，利用自然語(yǔ)言處理、語(yǔ)義分析等技術(shù)，自動(dòng)識別和提取非結構化數據，建立非結構化數據業(yè)務(wù)詞匯表；在數據質(zhì)量和數據安全管理方面，利用深度學(xué)習、知識圖譜、語(yǔ)義分析等技術(shù)自動(dòng)實(shí)現數據分類(lèi)，自動(dòng)識別和處理數據質(zhì)量問(wèn)題、數據安全問(wèn)題等。

　　趨勢三 NLP 和會(huì )話(huà)分析

　　就像谷歌這樣的搜索界面讓普通消費者可以訪(fǎng)問(wèn)互聯(lián)網(wǎng)一樣，NLP 為商務(wù)人士提供了一種更簡(jiǎn)單的方式來(lái)詢(xún)問(wèn)有關(guān)數據的問(wèn)題并從中獲得對洞察力的文本解釋。會(huì )話(huà)分析通過(guò)允許用戶(hù)口頭而不是通過(guò)文本提問(wèn)和回答問(wèn)題，使 NLP 的概念更進(jìn)一步。Gartner 預測，到 2021 年，NLP 和對話(huà)分析將使分析和商業(yè)智能的使用率從 35% 的員工增加到 50% 以上，包括新的用戶(hù)類(lèi)別，甚至是前臺員工。

　　【解讀分析】

" />

　　這很有趣。傳統上，數據分析主要由數據分析師完成。通常需要業(yè)務(wù)理解、數據建模、數據準備、數據預處理、數據分析等過(guò)程，可以說(shuō)是比較復雜的。未來(lái)自然語(yǔ)言處理和會(huì )話(huà)分析數據管理的應用，可以讓業(yè)務(wù)人員甚至公司前臺做數據分析，通過(guò)對話(huà)快速找到?jīng)Q策依據。假設一個(gè)場(chǎng)景：公司的銷(xiāo)售人員想知道未來(lái)哪種產(chǎn)品賣(mài)得好，只要對系統機器人說(shuō)“產(chǎn)品銷(xiāo)售預測”，系統就會(huì )回復“好的，請稍等”，然后進(jìn)行數據自動(dòng)查詢(xún)、計算、可視化渲染，身份驗證，最后將分析后的數據圖表推送給用戶(hù)，并自動(dòng)語(yǔ)音播放數據分析結果；而業(yè)務(wù)員想了解公司的整體經(jīng)營(yíng)情況，他可以對系統說(shuō)“公司業(yè)務(wù)公告”。此時(shí)系統仍會(huì )回復，“好的，請稍等”，然后進(jìn)行自動(dòng)數據查詢(xún)、計算、可視化渲染、身份驗證……，然后語(yǔ)音提示：“抱歉，您的權限不足” ...

　　趨勢四圖分析

　　業(yè)務(wù)用戶(hù)在結構化和非結構化數據中提出越來(lái)越復雜的問(wèn)題，通常會(huì )混合來(lái)自多個(gè)應用程序的數據和越來(lái)越多的*敏*感*詞*從欺詐檢測、交通路線(xiàn)優(yōu)化和社交網(wǎng)絡(luò )分析到基因組研究。Gartner 預測，在未來(lái)幾年內，圖形處理和圖形數據庫的應用將以每年 100% 的速度增長(cháng)，以加速數據準備并使更復雜和適應性更強的數據科學(xué)成為可能。

　　【解讀分析】

　　圖分析是利用數學(xué)模型結合圖像處理技術(shù)，對底層特征和上層結構進(jìn)行分析，從而提取具有一定智能的信息。圖數據庫是一種 NoSQL 數據庫，通常用于存儲實(shí)體之間的關(guān)系信息。在當今時(shí)代，增長(cháng)最大的數據無(wú)疑是圖片和視頻。別說(shuō)工業(yè)領(lǐng)域了，就拿我們來(lái)說(shuō)吧。抖音、快手等短視頻網(wǎng)站每天的數據增長(cháng)非?？植?，而這些海量的視頻和圖片數據也蘊含著(zhù)巨大的價(jià)值，利用好將產(chǎn)生無(wú)限的經(jīng)濟和社會(huì )價(jià)值。圖像處理（如人臉識別）、關(guān)鍵特征數據、NLP等技術(shù)將圖的結構引入模型訓練，構建人與物的知識圖譜和關(guān)系模型，將在金融風(fēng)控、醫療健康、公共安全、智能交通等領(lǐng)域具有廣泛的應用空間，具有無(wú)限的潛在價(jià)值。圖分析、圖處理、圖數據庫等技術(shù)的*敏*感*詞*商業(yè)化應用確實(shí)值得期待！

　　趨勢 5 商業(yè)化人工智能和機器學(xué)習

　　開(kāi)源平臺目前主導著(zhù)人工智能 (AI) 和機器學(xué)習 (ML)，并已成為算法和開(kāi)發(fā)環(huán)境創(chuàng )新的主要來(lái)源。商業(yè)供應商落后了，但現在提供連接到開(kāi)源生態(tài)系統的連接器。它們還提供擴展 AI 和 ML 所需的企業(yè)級功能，例如項目和模型管理、重用、透明度和集成，這些是當前開(kāi)源平臺所缺乏的功能。Gartner 預測，到 2022 年，75% 的利用 AI 和 ML 技術(shù)的新終端用戶(hù)解決方案將使用商業(yè)解決方案而非開(kāi)源平臺構建。

　　【解讀分析】

　　對于A(yíng)I和ML，是商業(yè)化還是開(kāi)源？可以這么說(shuō)：到 2022 年，75% 使用 AI 和 ML 技術(shù)的新終端用戶(hù)解決方案將使用商業(yè)解決方案而非開(kāi)源平臺構建。我相信這個(gè)！但是，這75%的商業(yè)解決方案中至少有80%可能是基于開(kāi)源平臺封裝的，哈哈！

　　趨勢六數據結構

　　從分析投資中獲得價(jià)值取決于擁有敏捷、值得信賴(lài)的數據結構。數據結構通常是定制設計的，通過(guò)精心計劃的數據集成方法的組合提供可重用的數據服務(wù)、管道、語(yǔ)義層或 API。數據結構支持在分布式數據環(huán)境中訪(fǎng)問(wèn)和共享數據。它支持單一且一致的數據管理框架，允許無(wú)縫數據訪(fǎng)問(wèn)和處理設計，否則孤立的商店。Gartner 預測，到 2022 年，定制數據結構設計將主要部署為靜態(tài)基礎設施，迫使組織投入新一波成本，以完全重新設計更動(dòng)態(tài)的數據網(wǎng)格方法。

　　【解讀分析】

　　老實(shí)說(shuō)，我以前聽(tīng)說(shuō)過(guò)“數據網(wǎng)格”這個(gè)詞，但只是聽(tīng)說(shuō)過(guò)。什么是數據網(wǎng)格，一個(gè)新概念？新技術(shù)？還是新工具？維基百科給出了這樣的定義：“網(wǎng)格數據是指定義在網(wǎng)格上的數據?？梢岳靡恍祵W(xué)模型對散點(diǎn)數據進(jìn)行網(wǎng)格化處理，得到網(wǎng)格數據，再由計算機對網(wǎng)格進(jìn)行處理得到數據?！?在網(wǎng)格數據中，將數據分析范圍劃分為大小均勻的網(wǎng)格矩陣，存儲的信息可以是點(diǎn)、線(xiàn)、面實(shí)體，也可以是指向單元相關(guān)屬性的指針，網(wǎng)格越小，精度越高，但存儲容量越大。由于網(wǎng)格是規則排列的，在網(wǎng)格的存儲地址中可以隱含實(shí)體的坐標位置。網(wǎng)格數據便于數據處理，區域綜合分析評價(jià)。與矢量數據相比，它的軟件設計更簡(jiǎn)單，但缺點(diǎn)是數據存儲容量大，特別是對于稀疏的空間數據，浪費了很多存儲單元。適用于數字地形模型、遙感影像等信息的存儲。

　　看了數據網(wǎng)格的優(yōu)缺點(diǎn)后，個(gè)人認為這項技術(shù)可能會(huì )在特定的業(yè)務(wù)領(lǐng)域（比如地理信息分析、氣象信息分析）有深度應用，但不太可能廣泛應用于企業(yè)數據分析。首先，大部分企業(yè)的數據分析還是基于結構化數據，這不是數據網(wǎng)格的存儲優(yōu)勢。其次，在數據網(wǎng)格中存儲數據會(huì )消耗大量的存儲資源。雖然現在存儲資源比較便宜，但是也不是沒(méi)有成本的?？紤]到投資回報率，很多企業(yè)應該更加謹慎。第三，數據網(wǎng)格是一種重數據存儲結構和輕數據分析結構技術(shù)，數據分析仍然依賴(lài)于數據模型。目前的數據結構設計主要是基于定制。未來(lái)技術(shù)的發(fā)展可能以人工定制的靜態(tài)數據模型為主，輔以AI和ML驅動(dòng)的動(dòng)態(tài)數據建模。這兩種結構混合并共存 結構設計模式。

　　趨勢七 可解釋的人工智能

　　可解釋的人工智能提高了人工智能解決方案和結果的透明度和可信度，降低了監管和聲譽(yù)風(fēng)險?？山忉尩?AI 是一組描述模型、突出其優(yōu)勢和劣勢、預測其可能行為并識別任何潛在偏見(jiàn)的能力。如果沒(méi)有可接受的解釋?zhuān)詣?dòng)生成的見(jiàn)解或 AI 的“黑匣子”方法可能會(huì )引起對監管、聲譽(yù)、問(wèn)責制和模型偏差的擔憂(yōu)。Gartner 預測，到 2023 年，超過(guò) 75% 的大型組織將聘請 AI 行為取證、隱私和客戶(hù)信任專(zhuān)家來(lái)降低品牌和聲譽(yù)風(fēng)險。

" />

　　【解讀分析】

　　傳統的數據分析主要關(guān)注數據模型。了解業(yè)務(wù)和數據后，選擇模型，然后進(jìn)行數據準備、調參、分析得到結果。這個(gè)過(guò)程是透明的，可以解釋。在人工智能領(lǐng)域，目前大多數深度學(xué)習算法都是“黑匣子”，只知道根據輸入數據推導出結果，過(guò)程無(wú)法總結和理解。由于人工智能的“黑匣子”問(wèn)題，人們對人工智能和機器人都有一些顧慮?，F在還有一些研究機構正在研究人工智能的自我解釋模型。據新聞報道，來(lái)自加州大學(xué)伯克利分校、阿姆斯特丹大學(xué)的研究人員，和 Facebook AI Research 團隊創(chuàng )建了一個(gè) AI 自我解釋模型，讓 AI 在回答問(wèn)題時(shí)指出與問(wèn)題對應的證據。在回答相關(guān)圖像問(wèn)題時(shí)，它可以提供其決策的自然語(yǔ)言原因，并指向顯示證據的圖像。隨著(zhù)科技的進(jìn)步，AI“黑匣子”正逐漸變得透明。這是趨勢，但離商業(yè)應用可能還有很長(cháng)的路要走。

　　趨勢八持續智能

　　持續智能是一種設計模式，其中將實(shí)時(shí)分析集成到業(yè)務(wù)運營(yíng)中，處理當前和歷史數據以指定響應事件的操作。它提供決策自動(dòng)化或決策支持。持續智能利用增強分析、事件流處理、優(yōu)化、業(yè)務(wù)規則管理和 ML 等技術(shù)。長(cháng)期以來(lái)，組織一直在尋求實(shí)時(shí)智能和用于執行相關(guān)任務(wù)的系統?，F在，得益于云計算、流數據軟件的進(jìn)步以及物聯(lián)網(wǎng) (IoT) 傳感器數據的增長(cháng)，更廣泛范圍內的持續智能變得切實(shí)可行。Gartner 預測，到 2022 年，

　　【解讀分析】

　　Gartner將持續智能定義為一種模式，其核心是將實(shí)時(shí)數據分析融入到傳統的歷史數據分析中，從而實(shí)現分析結果的持續輸出，以支持自動(dòng)化決策。持續智能的重點(diǎn)是持續的。在我們傳統的數據分析中，比如數據倉庫、數據分析、BI、數據報表等，也可以實(shí)現統計、分析、預測、洞察等智能化應用，但是無(wú)法實(shí)現持續的、動(dòng)態(tài)的、智能的決策基礎 。傳統的數據分析多是基于對歷史數據的分析，數據的產(chǎn)生是人為干預產(chǎn)生的，數據的輸入也是人為預設的。對于持續智能，處理的數據是實(shí)時(shí)的，其中大部分是由系統和物聯(lián)網(wǎng) (IoT) 生成的。然后通過(guò)實(shí)時(shí)數據采集、流式數據處理、機器學(xué)習訓練，將實(shí)時(shí)數據與歷史數據進(jìn)行處理、聯(lián)網(wǎng)和融合。從而實(shí)現實(shí)時(shí)動(dòng)態(tài)的數據分析。隨著(zhù)物聯(lián)網(wǎng) (IoT) 傳感器數據的增長(cháng)、實(shí)時(shí)流數據處理和分析的進(jìn)步，持續智能變得切實(shí)可行。

　　趨勢九區塊鏈

　　區塊鏈技術(shù)解決了數據和分析方面的兩個(gè)挑戰。首先，區塊鏈為資產(chǎn)和交易提供沿襲信息。其次，它為復雜的參與者網(wǎng)絡(luò )提供了透明度。但是，區塊鏈并不是獨立的數據存儲，它的數據管理功能有限?；趨^塊鏈的系統不能用作記錄系統，這意味著(zhù)涉及數據、應用程序和業(yè)務(wù)流程的巨大集成工作。事實(shí)上，該技術(shù)的可擴展性尚未成熟到加密貨幣以外用例的實(shí)際生產(chǎn)水平。

　　【解讀分析】

　　從以上文字可以看出，Gartner對區塊鏈技術(shù)在數據分析中的應用持謹慎、保守或模棱兩可的態(tài)度。一方面，Gartner認為，區塊鏈技術(shù)為數據分析建立可信環(huán)境，提供數據產(chǎn)生和變化的全鏈條譜系信息，能夠有效保護個(gè)人隱私，防止數據分析和管理中的核心數據泄露。另一方面，Gartner認為，區塊鏈技術(shù)將涉及大量數據、應用和流程的整合，整合成本巨大。除了“加密貨幣”，其他業(yè)務(wù)應用場(chǎng)景在應用方向上還不成熟。

　　在此，我想談?wù)勎业囊恍┛捶?。正如我們所看到的，區塊鏈是近年來(lái)中央政府持續支持的少數新技術(shù)之一。從2016年國務(wù)院印發(fā)的《“十三五”國家信息化規劃》到2020年的中央一號文件，都明確指出要加快和加強區塊鏈技術(shù)在各行業(yè)的應用。2017年至2018年，國務(wù)院發(fā)布的指導意見(jiàn)中，有6個(gè)文件提到要明確發(fā)展和利用區塊鏈技術(shù)。2019年，中央各部委如火如荼地出臺區塊鏈相關(guān)政策。在國家政策背書(shū)的大背景下，與區塊鏈相關(guān)的科技股在2019年也迎來(lái)了一波又一波的快速增長(cháng)。在行業(yè)技術(shù)應用場(chǎng)景方面，騰訊、螞蟻金服、百度、京東等互聯(lián)網(wǎng)行業(yè)巨頭紛紛加入區塊鏈技術(shù)研究和研發(fā)的行列。實(shí)際應用場(chǎng)景，并成功應用于金融、醫療、法務(wù)、物流、社會(huì )等領(lǐng)域。在公益等場(chǎng)景。相信隨著(zhù)區塊鏈相關(guān)技術(shù)標準和安全標準的進(jìn)一步完善，區塊鏈將在數據管理和數據分析方面發(fā)揮更大的價(jià)值和作用。和京東加入了區塊鏈技術(shù)研究和實(shí)際應用場(chǎng)景的行列，并成功應用于金融、醫療、法務(wù)、物流、社會(huì )等領(lǐng)域。在公益等場(chǎng)景。相信隨著(zhù)區塊鏈相關(guān)技術(shù)標準和安全標準的進(jìn)一步完善，區塊鏈將在數據管理和數據分析方面發(fā)揮更大的價(jià)值和作用。和京東加入了區塊鏈技術(shù)研究和實(shí)際應用場(chǎng)景的行列，并成功應用于金融、醫療、法務(wù)、物流、社會(huì )等領(lǐng)域。在公益等場(chǎng)景。相信隨著(zhù)區塊鏈相關(guān)技術(shù)標準和安全標準的進(jìn)一步完善，區塊鏈將在數據管理和數據分析方面發(fā)揮更大的價(jià)值和作用。

　　趨勢十大持久內存服務(wù)

　　大多數數據庫管理系統 (DBMS) 使用內存數據庫結構，但隨著(zhù)數據量的快速增長(cháng)，內存大小可能會(huì )受到限制。新的服務(wù)器工作負載不僅需要更快的處理器性能，還需要大量?jì)却婧透斓拇鎯?。新的持久內存（Persistent Memory）技術(shù)將有助于降低采用支持內存計算（IMC）架構的成本和復雜性。持久內存是介于 DRAM 和 NAND 閃存之間的新內存層，可為高性能工作負載提供具有成本效益的大容量?jì)却?。它有可能在控制成本的同時(shí)提高應用程序性能、可用??性、啟動(dòng)時(shí)間、集群方法和安全實(shí)踐。它還將通過(guò)減少對數據復制的需求來(lái)幫助組織降低應用程序和數據架構的復雜性。持久內存最大的特點(diǎn)是它的非易失性，即可以避免傳統DBMS掉電后數據丟失的問(wèn)題。但是，這種新型的存儲方式需要編程領(lǐng)域的配合才能充分發(fā)揮其性能。最終是否會(huì )波及到整個(gè)計算機行業(yè)，很快就會(huì )揭曉。

　　【解讀分析】

　　Gartner 認為，持久內存將改變數據庫、消息隊列和日志的持久化模式。不僅提高了讀寫(xiě)數據的速度，而且即使在數據庫系統掉電的情況下也能防止數據丟失。但是，由于筆者對硬件層面的技術(shù)和知識知之甚少，那么持久內存服務(wù)究竟是一種數據存儲軟件技術(shù)，還是一種新型的數據存儲硬件資源？在網(wǎng)上查了很多資料，還是沒(méi)弄明白。如果有人對此很熟悉，請不吝賜教！