btt博天堂

EN
首页 明略动态 从广告监测到知识图谱 ，，，，，，明略千亿大数据处置惩罚能力是怎样炼成的

从广告监测到知识图谱 ，，，，，，明略千亿大数据处置惩罚能力是怎样炼成的

2021-05-18

网购、叫车、订外卖、看影戏…… 移动互联网种种场景的背后都离不开大数据手艺。。 。。。。。。经由十几年的生长 ，，，，，，大数据手艺已经成为互联网企业的基础设施。。 。。。。。。

1源起谷歌“三驾马车”

聊起大数据 ，，，，，，就绕不开谷歌的“三驾马车“。。 。。。。。。早在 2003 年 ，，，，，，谷歌揭晓第一篇论文——谷歌文件系统（GFS）；；；；；；；第二年 ，，，，，，谷歌再次揭晓一篇论文——漫衍式盘算框架 MapReduce；；；；；；；2006 年 ，，，，，，谷歌揭晓第三篇论文——NoSQL 数据库系统 BigTable。。 。。。。。。这三篇论文由此开启了大数据时代。。 。。。。。。

徐飞在《大数据浪潮之巅：新手艺商业制胜之道》一书中写道 ，，，，，，“通过‘三驾马车’这一利器 ，，，，，，谷歌具备了存储和剖析海量数据的能力 ，，，，，，其个性化广告系统犹如永动的印钞机 ，，，，，，一直为谷歌赚取财产。。 。。。。。。”

受谷歌“三驾马车”的影响 ，，，，，，其他互联网公司也在实验大规模漫衍式系统 ，，，，，，希望构建强盛的数据存储、剖析和处置惩罚平台。。 。。。。。。不过 ，，，，，，其时正处于前 Hadoop 时期 ，，，，，，互联网公司基本上都在摸着石头过河。。 。。。。。。

2数据网络和盘算领域的先驱

在众多的互联网公司中 ，，，，，，建设于 2006 年的秒针系统无疑是这个领域的先行者。。 。。。。。。据秒针系统产研中心认真人刘沛先容 ，，，，，，2008 年 Hadoop 还没有成熟 ，，，，，，他们从零研发了自己的大数据平台 ，，，，，，“思绪跟 Hadoop MapReduce 类似 ，，，，，，一天也能处置惩罚几十亿数据”。。 。。。。。。刘沛在 2007 年加入秒针 ，，，，，，那时他还在读大三。。 。。。。。。一年后 ，，，，，，他正式结业 ，，，，，，留在秒针系统。。 。。。。。。他先后向导了包括广告监测系统 AdMonitor 等焦点产品的研究和开发。。 。。。。。。作为秒针系统的老人 ，，，，，，他见证了秒针系统大数据平台从 0 到 1 的历程。。 。。。。。。

据悉 ，，，，，，秒针系统的营业是广告监测 ，，，，，，焦点产品是 AdMonitor。。 。。。。。。在 AdMonitor 的效劳链路中 ，，，，，，前端认真网络数据。。 。。。。。。每个广告会被嵌入一个发送到秒针系统域名的代码。。 。。。。。。一旦广告在媒体端被点击 ，，，，，，它就会把被嵌入的代码发回到秒针系统的效劳器。。 。。。。。。这样 ，，，，，，系统就知道完成了一次广告曝光。。 。。。。。。这样的一个广告营业流程主要涉及数据收罗、数据存储、数据盘算和数据剖析手艺。。 。。。。。。

多端网络数据

那么 ，，，，，，第一个问题来了 ，，，，，，秒针系统怎么网络数据？ ？？？ ？？据刘沛先容 ，，，，，，在 PC 时代 ，，，，，，大多使用 JavaScript 来屎厕数据。。 。。。。。。这就要求秒针系统的产品要适配每一个浏览器 ，，，，，，包括 Firefox、IE、傲游浏览器、海豚浏览器等。。 。。。。。。据悉 ，，，，，，cookie 是其时数据网络使用的主要手艺之一。。 。。。。。。除 cookie 之外 ，，，，，，团结 Flash。。 。。。。。。那时 ，，，，，，险些所有的广告都是 Flash ，，，，，，由于 Flash 自己是一个可执行程序 ，，，，，，以是能在其内部编程 ，，，，，，把监测代码放在内里 ，，，，，，网络数据。。 。。。。。。

刘沛体现 ，，，，，，“Flash 也有 cookie 的看法 ，，，，，，手艺术语叫 FSO。。 。。。。。。把 FSO 和 cookie 做种种联动 ，，，，，，实现长期化。。 。。。。。。这边删了 ，，，，，，那里能恢复；；；；；；；那里删了 ，，，，，，这边再恢复。。 。。。。。。在�；；；；；；；び没б降奶跫赂嫉厥侗鸪鲆桓鲎粤τ没А！� 。。。。。。”

到了 2012 年 ，，，，，，智能手机泛起 ，，，，，，Android 和 iOS App 数目一直增多 ，，，，，，秒针系统又在 AdMonitor 产品中增添移动端广告丈量能力。。 。。。。。。SDK 手艺成为其时移动端数据网络的主要方法。。 。。。。。。刘沛称 ，，，，，，“Android、iOS 都是新事物 ，，，，，，不但要学习新的编程语言 ，，，，，，还要面临新手艺情形举行开发。。 。。。。。。做出一款应用后 ，，，，，，要适配厂商差别机型的差别型号。。 。。。。。。除硬件外 ，，，，，，还要顺应手机上运行的种种 App”。。 。。。。。。

举个例子 ，，，，，，爱奇艺、优酷和腾讯视频是三大主流视频 App。。 。。。。。。SDK 要在之上运行 ，，，，，，前期要做种种对接测试 ，，，，，，包管运转正常。。 。。。。。。“不可让 App 死机 ，，，，，，也不可拖慢了它的系统运转。。 。。。。。。另外 ，，，，，，数据收罗效果要和他们上报的一致。。 。。。。。。因此 ，，，，，，每加入一款主流 App ，，，，，，都得做手艺对接和数据测试。。 。。。。。。”他说。。 。。。。。。

2012 年 8 月 ，，，，，，秒针系统正式推出中国第一个移动端广告加载 SDK ，，，，，，“很快就被加进了主流的 App 中”。。 。。。。。。

用 RAID 5 搞定命据存储难题

时任秒针系统大数据平台运维认真人任鑫琦向 InfoQ 记者透露 ，，，，，，秒针系统的营业量其时很是大 ，，，，，，占到天下所有广告监测流量的 60% ，，，，，，网络数据的效劳器天天 PV 量凌驾 100 亿。。 。。。。。。

这么大都据 ，，，，，，怎样存储？ ？？？ ？？据刘沛先容 ，，，，，，其时使用了 RAID（自力磁盘冗余阵列）手艺 ，，，，，，详细说是 RAID 5 手艺：数据在写入磁盘时 ，，，，，，将数据分成 N-1 份 ，，，，，，并发写入 N-1 块磁盘 ，，，，，，校验数据螺旋式写入所有磁盘。。 。。。。。。这样包管了 RAID 5 既有较快的会见速率 ，，，，，，又有较高的数据可靠性。。 。。。。。。

用刘沛的话诠释 ，，，，，，“一个集群中 ，，，，，，一份数据被切片后保存差别地方。。 。。。。。。若是一块磁盘销毁了 ，，，，，，还能从别处恢复”。。 。。。。。。

百亿规模的数据盘算问题 ，，，，，，怎么解？ ？？？ ？？

数据网络上来后 ，，，，，，要害是数据盘算。。 。。。。。。任鑫琦先容 ，，，，，，盘算分为两类：第一类是按小时举行批量盘算 ，，，，，，这要求平台具备大规模数据的处置惩罚能力。。 。。。。。。第二类是实时盘算 ，，，，，，这要包管实时盘算的可靠性 ，，，，，，不然盘算延迟 ，，，，，，“客户看到的数据就禁绝确”。。 。。。。。。

据悉 ，，，，，，秒针系统其时一天有 100 多亿数据。。 。。。。。。其单台日志效劳器的承载性能是“满负荷运行 ，，，，，，一天可以处置惩罚 4 个亿的数据”。。 。。。。。。现实中 ，，，，，，一样平常凭证 50% 的负载使用率 ，，，，，，即一台日志效劳器一天要处置惩罚 2 亿数据。。 。。。。。。这样算下来 ，，，，，，或许需要 50 台日志效劳器。。 。。。。。。

当数据量凌驾一台效劳器的承载能力时 ，，，，，，前端要分成许多台效劳器做负载平衡。。 。。。。。。好比 ，，，，，，监测代码加在种种各样的媒体上 ，，，，，，每个广告主在多个媒体上投放 ，，，，，，而每个媒体同时又承载多个广告主 ，，，，，，每个媒体又有差别的广告位 ，，，，，，“以是要把这些所有用监测代码 ID 索引好”。。 。。。。。。

刘沛称 ，，，，，，“每个广告被曝光或点击时 ，，，，，，这条请求是发到了哪台效劳器 ，，，，，，都要有一套统一的调理规则 ，，，，，，包管每台效劳器的承压一致 ，，，，，，包管每台效劳器分工合理。。 。。。。。。这样整体性能就会最好”。。 。。。。。。

在数据盘算架构上 ，，，，，，由于 Hadoop 其时不可熟 ，，，，，，以是秒针系统使用了一个开源的漫衍式文件系统 KFS。。 。。。。。。任鑫琦说：“基于 KFS ，，，，，，我们没有用 Hadoop 零点几版本的架构 ，，，，，，由于不太稳固 ，，，，，，其治理节点不是高可用的。。 。。。。。。”Hadoop 在 2.0 版本之前 ，，，，，，其 NameNode 只有一个 ，，，，，，一旦坏了 ，，，，，，整个集群就会瓦解。。 。。。。。。以是 ，，，，，，自己维护了一套漫衍式盘算使命的调理工具 ，，，，，，把顺序调理和背序调理相团结 ，，，，，，再加入一些针对局部的调理技巧和优化。。 。。。。。。

Hadoop 助力 ，，，，，，手艺能力再上一层楼

2012 年 ，，，，，，Hadoop 宣布 2.0 版本。。 。。。。。。它是一套全新架构 ，，，，，，包括 HDFS Federation 和 Yarn 两个系统。。 。。。。。。相比 1.0 版本 ，，，，，，它更稳固 ，，，，，，也更成熟。。 。。。。。。因此 ，，，，，，秒针系统最先逐渐接纳。。 。。。。。。但系统迁徙并不是那么容易 ，，，，，，花了一年的时间才乐成切换到 Hadoop 上。。 。。。。。。

刘沛说 ，，，，，，一方面 ，，，，，，版本不稳固；；；；；；；另一方面 ，，，，，，所有人都是新手。。 。。。。。。泛起问题找不到缘故原由时 ，，，，，，刘沛他们就到 Hadoop 开源社区去问 ，，，，，，有没有人遇到同样问题。。 。。。。。。若是其他人也遇到这个问题 ，，，，，，各人就一起讨论怎么办。。 。。。。。。而有的问题 ，，，，，，”没有其他人遇到 ，，，，，，就只能自己看源代码 ，，，，，，想步伐解决 ，，，，，，解决不了的 ，，，，，，再找别的解决计划 ，，，，，，用别的工具来实现或自己写代码实现“。。 。。。。。。厥后 ，，，，，，随着故障的一直镌汰 ，，，，，，手艺职员的履历越来越富厚 ，，，，，，迁徙到 Hadoop 上的大数据平台也愈加成熟和稳固 ，，，，，，能力变得更强。。 。。。。。。

2014 年 ，，，，，，秒针系统抵达一个新高度——实现日均最高千亿级广告请求处置惩罚能力。。 。。。。。。

3站在秒针系统肩上的明略

2012 年 ，，，，，，大数据的看法最先火起来。。 。。。。。。此时 ，，，，，，Hadoop 生态圈的主要角色都已入局 ，，，，，，包括 Facebook、LinkedIn 和 Twitter 以及 Hadoop 三大刊行商 Cloudera、MapR、Hortonworks。。 。。。。。。整个生态的蓬勃生长和日益完善让 Hadoop 的市场远景变得更优美。。 。。。。。。于是 ，，，，，，从秒针系统孵化出一个小团队 ，，，，，，目的是做定制化大数据平台。。 。。。。。。这样 ，，，，，，明略降生了。。 。。。。。。

任鑫琦被抽调到明略 ，，，，，，开发大数据平台。。 。。。。。。相比以前 ，，，，，，开发一个大数据平台相对更容易 ，，，，，，由于秒针系统的实践积累了一些履历 ，，，，，，并且 Hadoop 生态生长越来越完善 ，，，，，，有更多的工具可以使用。。 。。。。。。

手艺选型

据任鑫琦先容 ，，，，，，手艺选型的一个标记是 Hadoop 在 2.0 时提出了 NameNode HA 框架 ，，，，，，加入选举机制和控制组件 ，，，，，，可以实现大于 3 的奇数个治理节点的设置。。 。。。。。。当一个治理节点宕掉 ，，，，，，马上会选出第二个治理节点 ，，，，，，这是一个真正的高可用状态。。 。。。。。。

此前 ，，，，，，他们虽然一直关注 Hadoop ，，，，，，可是却没接纳 ，，，，，，缘故原由之一是 Hadoop 1.0、1.1 版本 ，，，，，，只有一个焦点治理节点 NameNode。。 。。。。。。厥后 ，，，，，，它引入 Second NameNode ，，，，，，即有一个主活治理节点 ，，，，，，有一个备用节点 ，，，，，，这两个节点实时同步。。 。。。。。。若是主节点效劳宕掉了 ，，，，，，备用节点会提醒并继续治理这个集群。。 。。。。。。可是 ，，，，，，它着实并非高可用 ，，，，，，“由于效劳要切换 ，，，，，，并且 Second NameNode 也会有问题”。。 。。。。。。

他说：“在 Hadoop 2.0 时 ，，，，，，我们以为它抵达一个基本工业级可用的状态。。 。。。。。。只要整个集群不出太严重的问题 ，，，，，，一些细节问题 ，，，，，，好比盘算效率问题、使命调理问题等 ，，，，，，我们可以通过修改开源代码 ，，，，，，或调解执行使命 ，，，，，，优化使命战略 ，，，，，，逐步刷新。。 。。。。。。”

因此 ，，，，，，明略就把所有的手艺系统切到 Hadoop 上面。。 。。。。。。

2014 年 7 月 ，，，，，，明略宣布大数据平台 1.0 版本。。 。。。。。。据悉 ，，，，，，1.0 版本已经相当成熟 ，，，，，，“在集群上架的效劳器系统装完情形下 ，，，，，，网都通了 ，，，，，，不可说完全一键安排 ，，，，，，可是点几键就能搞定安排。。 。。。。。。半小时左右就可以完成一个大数据整个生态系统的安排和装置“。。 。。。。。。

这一年 ，，，，，，明略数据乐成中标中国银联项目 ，，，，，，这是它在海内第一个大的企业级客户。。 。。。。。。任鑫琦称 ，，，，，，“其时 ，，，，，，任何成熟的（大数据）安排系统都无法做到半小时完成整个集群的安排装置和设置事情。。 。。。。。。这是我们成熟的一个标记”。。 。。。。。。

发力知识图谱

基于已有的大数据手艺 ，，，，，，明略在 2015 年继而研发出知识图谱 ，，，，，，焦点产品是 SCOPA。。 。。。。。。

自己的大数据生长蒸蒸日上 ，，，，，，为什么要去做知识图谱？ ？？？ ？？现任明略科技集团副总裁任鑫琦诠释 ，，，，，，第一 ，，，，，，知识图谱手艺源于搜索引擎 ，，，，，，它把所有网页和内容做知识化治理 ，，，，，，这样能更好地明确用户搜索意图 ，，，，，，提供用户想要的内容和效果。。 。。。。。。第二 ，，，，，，差别化竞争。。 。。。。。。他说：“若是能把大宗的结构化数据 ，，，，，，从原来简朴数仓的盘算一些报表 ，，，，，，做一些盘问 ，，，，，，转换思绪 ，，，，，，从中抽出它自己的寄义 ，，，，，，组织成营业知识 ，，，，，，更有用地组织数据 ，，，，，，并且实现数据增值。。 。。。。。。这就可以跟业界许多做通用大数据处置惩罚的公司实现差别化。。 。。。。。。“

不过 ，，，，，，他也坦承 ，，，，，，基于大宗数据做知识图谱有着不小的难度。。 。。。。。。

难度一 ，，，，，，数据量很是大 ，，，，，，这涉及到整个的实时数据处置惩罚能力 ，，，，，，包括数据融合问题、数据冲突问题。。 。。。。。。同时 ，，，，，，业界也没有参考的。。 。。。。。。

难度二 ，，，，，，每个行业要建设领域知识图谱。。 。。。。。。“这与已往的专家系统很像。。 。。。。。。知识图谱的价值有多大 ，，，，，，要害在于行业领域知识图谱的界说 ，，，，，，每个行业都要跟营业专家探讨知识图谱的设计 ，，，，，，同时一直地迭代 ，，，，，，做种种刷新 ，，，，，，这很难“。。 。。。。。。

难度三 ，，，，，，知识图谱要与一些 AI 手艺相团结。。 。。。。。。知识图谱的主力场景是“从大数据里捞知识” ，，，，，，最基础的是实体与关系。。 。。。。。。据任鑫琦先容 ，，，，，，针对实体要做两件事：一是数据融合 ，，，，，，二是给实体打上明确标签。。 。。。。。。可是实体种类很是多 ，，，，，，怎么打标签 ，，，，，，要使用许多 AI 手艺。。 。。。。。。而关系的质量和数目决议了整个知识图谱组织形式的质量 ，，，，，，”关系没有处置惩罚好 ，，，，，，整个知识图谱的可用性就会降低 ，，，，，，它的推荐、推理、交织剖析就用不起来。。 。。。。。。关系的处置惩罚也要用到许多的 AI 手艺“。。 。。。。。。

更主要的是 ，，，，，，与之前相比 ，，，，，，知识图谱对背后支持的手艺平台要求更高。。 。。。。。。为此 ，，，，，，任鑫琦他们在 2015 年决议做一个混淆型知识图谱数据库。。 。。。。。。那么 ，，，，，，这个混淆型知识图谱要解决三个焦点问题：

  • 一是知识图谱要能实现全文式的定位式索引盘问 ，，，，，，好比凭证一个要害词定位到知识图谱的某个点 ，，，，，，这需要有一个全文的检索系统；；；；；；；
  • 二是知识图谱会有许多的条件盘问 ，，，，，，好比通例的大数据盘算 ，，，，，，凭证哪一个?Key?和?ID ，，，，，，做盘问、统计剖析；；；；；；；
  • 三是知识图谱要有图 ，，，，，，要完成关系的推演 ，，，，，，包括关系存储。。 。。。。。。

这就要求既有全文 ，，，，，，又有大数据 ，，，，，，尚有图。。 。。。。。。同时 ，，，，，，还要把这三个存储融合在一起 ，，，，，，做好统一索引和治理。。 。。。。。。

据任鑫琦透露 ，，，，，，他们的解决步伐是把 Elasticsearch、HBase 和图数据库 Titan 做了一致性索引的融合 ，，，，，，包括统一的数据存储的路由、性能优化。。 。。。。。。

他说：“这个问题解决后 ，，，，，，像怎么做营业界说、怎么形貌图谱的语义等问题都可以用这个混淆型数据库实现。。 。。。。。。大规模数据的融合、实时数据盘算或高性能盘算 ，，，，，，这个混淆型知识图谱数据库都可以用差别的特征支持天天更新 ，，，，，，甚至是实时更新。。 。。。。。。”

明略知识图谱的手艺架构

据悉 ，，，，，，明略知识图谱的架构如下图所示：

从广告监测到知识图谱 ，，，，，，明略千亿大数据处置惩罚能力是怎样炼成的

这个架构系统中 ，，，，，，前端有数据接入、数据汇总。。 。。。。。。之后 ，，，，，，数据洗濯 ，，，，，，举行知识图谱构建。。 。。。。。。在知识图谱里 ，，，，，，尚有实体构建、实体标签的构建、关系构建等。。 。。。。。。同时 ，，，，，，尚有图谱事务类或者行为类数据的构建。。 。。。。。。这是一整套数据处置惩罚的基础流程。。 。。。。。。往后 ，，，，，，把这些数据加载到图数据库。。 。。。。。。在这之上是基于知识图谱的可视化交互剖析系统。。 。。。。。。

知识图谱的手艺架构仍以 Hadoop 为焦点 ，，，，，，数据接入上 ，，，，，，最早用 Flume（现已切换到 Kafka）。。 。。。。。。据任鑫琦先容 ，，，，，，”若是对接的是数据库系统 ，，，，，，用的是 Scoop 1.0 和 2.0。。 。。。。。。数据抽取上来后 ，，，，，，若是不属于日志型、库表型 ，，，，，，用剧本方法抽取到平台上 ，，，，，，落地到 HDFS；；；；；；；若是是结构化数据 ，，，，，，直接完工 Hive 表。。 。。。。。�；；；；；；；� Hive 层完成整个数据洗濯、融合、转换和知识图谱构建事情 ，，，，，，基本上用 Spark 实现整个的数据治理历程。。 。。。。。。若是是实时盘算 ，，，，，，用的是准实时 Spark Streaming 的手艺选型 ，，，，，，由于这可以镌汰更多相关组件的引入”。。 。。。。。。

简言之 ，，，，，，焦点图谱库的架构和支持基本是一个以 Elasticsearch、HBase 和 Titan 三个库为焦点的综合混淆型数据库。。 。。。。。。

据悉 ，，，，，，2015 年底 ，，，，，，明略知识图谱就在海内一个省会市级公安局落地 ，，，，，，为公安做数据剖析 ，，，，，，包括线索挖掘、团伙预警 ，，，，，，协助公安破案。。 。。。。。。

2016 年到 2017 年 ，，，，，，任鑫琦向导团队探索知识图谱在更多行业的落地和应用 ，，，，，，现在 ，，，，，，明略知识图谱在公安、金融、工业和数字都会等领域获得普遍应用。。 。。。。。。

4回看大数据 15 年生长

2019 年 ，，，，，，大数据进入后 Hadoop 时代 ，，，，，，种种实时架构和组件大规模生长 ，，，，，，大数据手艺也与云原生、人工智能深度融合。。 。。。。。。

回首大数据已往几年的生长 ，，，，，，任鑫琦把它归纳综合成三个阶段：

阶段一 ，，，，，，大数据初期 ，，，，，，以卖硬件和炒作看法为主。。 。。。。。。2010 年左右 ，，，，，，许多大型企业受市场和宣传影响建设了大数据平台 ，，，，，，但没有施展出作用 ，，，，，，由于脱离营业。。 。。。。。。

阶段二 ，，，，，，大数据进一步生长 ，，，，，，以剖析型为主。。 。。。。。。2014 年 ，，，，，，企业对大数据的熟悉进一步深入 ，，，，，，通过网络更大都据 ，，，，，，资助营业决议。。 。。。。。。

阶段三 ，，，，，，大数据生长成熟和稳固 ，，，，，，以实时性剖析为主。。 。。。。。。架构上 ，，，，，，Lambda 架构和 Kappa 架构广受接待 ，，，，，， Flink、Kafka 的使用越来越广 ，，，，，，营业对实时性要求越来越高。。 。。。。。。“实时剖析意味着实时性的决媾和实时的价值 ，，，，，，这对营业系统直接爆发影响”。。 。。。。。。以银行为例 ，，，，，，一小我私家申请贷款 ，，，，，，是否放贷 ，，，，，，银行要做大数据风控 ，，，，，，举行实时剖析。。 。。。。。。因此 ，，，，，，这个阶段要求大数据的实时性更高 ，，，，，，更轻量级的组件和更先进的手艺。。 。。。。。。

任鑫琦说：“现在 ，，，，，，大数据已经生长到一个细腻化阶段。。 。。。。。。”

以前 ，，，，，，人们对数据的熟悉是单点的、伶仃的 ，，，，，，明确很浅 ，，，，，，好比先汇总数据 ，，，，，，再逐步挖掘和剖析 ，，，，，，但这可能汇总大宗无效、无关的数据 ，，，，，，这些数据对整个数据系统的营业价值会有负面影响。。 。。。。。。这些年 ，，，，，，人们对数据有了新熟悉 ，，，，，，好比数据并非越多越好 ，，，，，，要妄想好数据怎么存、怎么用、怎么爆发更大价值。。 。。。。。。这就要求大数据越来越细腻化和精准化！

5写在最后：从 2003 年谷歌的“三驾马车”到现在 ，，，，，，大数据手艺历经十余年生长 ，，，，，，明略也见证了它从风口到落地再到大规模的普及应用。。 。。。。。。2007 年 ，，，，，，明略就投身大数据行业 ，，，，，，从零到一研发出一套成熟的大数据平台 ，，，，，，解决了大数据存储和大数据盘算问题。。 。。。。。。以后 ，，，，，，基于秒针系统积累的大数据能力 ，，，，，，明略乐成研发出知识图谱平台 ，，，，，，并在行业里获得普遍应用。。 。。。。。。今天 ，，，，，，大数据手艺正与云原生、AI 手艺相融合 ，，，，，，数据驱动成为共识 ，，，，，，作为行业先行者 ，，，，，，明略一直深耕手艺 ，，，，，，从未止步 ，，，，，，让数据爆发更大价值、施展更着述用。。 。。。。。。

信息填写

*手机号码:

请选协议

【网站地图】【sitemap】