大数据和云计算技术周报（第23期）
本期会给大家奉献上精彩的：人工智能、边缘计算、Spark 内存管理、处理器架构、存储系统、函数式编程、阿里集团搜索和推荐。全是干货，希望大家喜欢！！！
#大数据和云计算技术社区#希望通过坚持定期分享能帮助同学在大数据学习道路上尽一份微博之力。相信长期坚持认真阅读周报的同学，在技术的道路上一定会日益精进！感谢编辑们的长期坚持！也请同学们继续打赏，支持社区，支持编辑们持续奉献高质量知识！
#大数据和云计算技术社区#长期招募有兴趣参与社区编辑和运营的同学，欢迎扫描文末二维码联系（参与社区工作，收获知识和进步，还有红包哦）。
特别提醒，文末有惊喜！
以下是正文，限于众编辑水平有限，不保证大家都喜欢。
1人工智能深度推动了机器学习，同时互联网产生的大数据使得机器学习变得至关重要，而机器学习又是人工智能背后的推动力量，本文详细阐述了这一观点
http://mp.weixin.qq.com/s/MxunGzb2_QsPvfPRA3jO5Q
本文通过边缘计算的概念,边缘计算与大数据 、云计算以及边缘计算的运用，一起走进万物互联时代下新兴的计算模式——边缘计算
http://mp.weixin.qq.com/s/uTiN6H9_L9OxPlsKx3KAXQ
Spark 作为一个基于内存的分布式计算引擎，其内存管理模块在整个系统中扮演着非常重要的角色。理解 Spark 内存管理的基本原理，有助于更好地开发 Spark 应用程序和进行性能调优。本文中阐述的内存管理原理基于 Spark 2.1 版本，主要讲述从静态内存管理到统一内存管理的演进，执行内存管理和执行内存管理。
https://www.ibm.com/developerworks/cn/analytics/library/ba-cn-apache-spark-memory-management/index.html
处理器也开源：现在RISC-V的小目标，是成为一种适合各种计算设备的业界标准ISA。一个新的处理器时代即将到来。
http://mp.weixin.qq.com/s/2St7qW3ig42aAOPuR5l7Lw
大数据时代，数据存储的规模和处理需求越来越高，现有的存储系统亟需新的变革以提供更高的性能和更好的可扩展性。
http://mp.weixin.qq.com/s/0_jWSZ1kXHwev0x4TNEtvg
本文结合递归、map 和 reduce，以及 pipeline 等技术，对比了非函数式编程和函数式编程在解决相同问题时的不同处理思路，让你对函数式编程范式有了清晰明确的认知。
http://mp.weixin.qq.com/s/nh5qifdneF_Y3xOJBy_ipg
本文分享了阿里集团从业务效率、资源效率、稳定性三方面来打造了TPP、Tisplus、OpenSearch三大搜索和推荐平台，通过调度系统、管控、高可用分布式服务框架、多机房容灾等手段，实现在不影响业务迭代效率情况下达到4个9的可用性、以及重大故障在5min内快速恢复。
http://mp.weixin.qq.com/s/cnay23m8sAQMHoUb07zLnw
致谢：
薛述强、刘彬、刘超、廖程鹏、董言、吕西金、朱洁、蓝随、黄文辉、魏宏斌
猜你喜欢
加入技术讨论群
《大数据和云计算技术》社区群人数已经2500+，欢迎大家加下面助手微信，拉大家进群，自由交流。
喜欢钉钉扫码下面的群：
喜欢QQ群的，可以扫描下面二维码：
欢迎大家通过二维码打赏支持技术社区（英雄请留名，社区感谢您，打赏次数超过80+）：