SPL
0 人感兴趣 · 14 次引用
- 最新
- 推荐
开源 SPL 强化 MangoDB 计算
MongoDB是NoSQL数据库的典型代表，支持文档结构的存储方式数据存储和使用更为便捷，数据存取效率也很高，但计算能力较弱，实际使用中涉及MongoDB的计算尤其是复杂计算会很麻烦，这就需要具备强计算能力的数据处理引擎与其配合。
SPL 实现电力高频时序数据实时存储统计
发电设备中常常会放置传感器（DCS）来采集数据以监控设备运转的状况，某集团设计的电力监控统计系统，需要实时采集传感器的数据后保存，然后提供按时段的实时查询统计功能。
从 SPL 看开放计算能力的意义
关系数据库提供了SQL，因而有较强的计算能力，但很遗憾的是，这个计算能力是封闭的。所谓计算封闭性，是指要被数据库计算和处理的数据，必须事先装入数据库之内，数据在数据库内部还是外部是很明确的。与之相对，计算开放性是指数据无需进入内部就可以直接处
DCM: 中间件家族迎来新成员
DCM是什么 现代应用无时无刻不在与数据打交道，数据计算无处不在，报表统计、数据分析、业务处理不一而足。当前数据处理的主要手段仍然是以关系数据库为代表的相关技术
SPL 比 SQL 更难了还是更容易了？
SPL作为专门用于结构化和半结构化数据的处理技术，在实际应用时经常能比SQL快几倍到几百倍，同时代码还会短很多，尤其在处理复杂计算时优势非常明显。用户在看到这些应用效果后对SPL往往很感兴趣
【云原生】内存数据库如何发挥内存优势
与以磁盘存储为主的普通数据库相比，内存数据库的数据访问速度可以高出几个数量级，能大幅提高运算性能，更适合高并发、低延时的业务场景。
SPL 工业智能：识别指定工况
问题提出 工业生产过程中会产生大量的数据，比如电压、温度、流量等等，不同的工况条件下，数据的走势不同，比如产量稳定时，流量走势平稳，产量增加时，流量势必也会增加，体现在图像上就是流量曲线上升。
国产 CPU 执行 SPL 实现数据库运算的性能实用性测试
任务背景 国际大环境就不用多说了。 对于数据库类的关键业务，全国产技术（国产CPU+国产数据库）和国外主流技术在性能上相比还有不小的差距，经常需要借助分布式技术使用数倍的硬件才能获得类似的效果。
SPL 工业智能：原料与产品的拟合
工业生产活动的目标是利用原料生产产品，从而产生利润。原料经过一系列加工过程，包括物理反应和化学反应，最终形成产品，生产的理想状态是原料到产品的转换率是确定的，工厂想生产多少产品就知道需要准备多少原料，提高生产效率
SPL 工业智能：发现时序数据的异常
工业生产过程中会产生大量的数据，比如电压、温度、流量等等，它们随时间推移而不断产生，这些数据在多数情况下是正常的，否则生产无法正常进行；少数情况下，数据是异常的，生产效率会降低甚至发生事故。在重大事件（如事故）发生之前
Hadoop Spark 太重，esProc SPL 很轻
随着大数据时代的来临，数据量不断增长，传统小机上跑数据库的模式扩容困难且成本高昂，难以支撑业务发展。很多用户开始转向分布式计算路线，用多台廉价的PC服务器组成集群来完成大数据计算任务。Hadoop/Spark就是其中重要的软件技术，由于开源免费而广受欢迎
