支持存储间传输备份

可以考虑采用分布式对象存储做为后端支持，针对回查时间久的问题，需要具体分析其潜在瓶颈，有针对性的做方案设计。

看服务器的性能吧，减少采集周期肯定能够提高效率的，但是会影响采集数据的粒度，这些问题我觉得不适合单独拿出来探讨，主要还是要综合考虑，是要节省成本，还是要数据精度为主，housekeeping本身没有多大的影响...

一般情况下，分布式块适合做业务的资源池底座，比如虚拟机、容器镜像存储等；分布式文件适合高IO访问场景，支持数据快速访问，高效率处理。而对象有很好的扩展性，适合用来做大容量的数据归档、离线分析等业务。...

对于大数据Spark在治金制造业的应用，建议可以阅读以下书籍和文献:1.《Spark大数据处理技术实战》: 该书透彻介绍了Spark的基础知识、数据处理流程和常见应用场景，并结合实际案例详解了Spark在工业领域 (包括制造业)中的应用。2.《大数据处理技术及其在治金制造业中的应用》...

目前比较主流的是采用对象存储，规模小可以考虑分布式NAS或者就是简单的NAS。

executor是真正执行task地方，而task执行离不开具体的数据，这些task运行的结果可以是shuffle中间结果，也可以持久化到外部存储系统。一般都是将结果、状态等汇集到driver。但是，目前executor之间不能互相通信，只能借助第三方来实现数据的共享或者通信。...

离线在线混合部署后，主要是错峰运行。夜间(22:00-8:00)之间是在线的低谷期，可以出让较多的CPU计算资源给大数据，比如40%-45%。白天(8:00-18:00) 是在线应用的高峰期，可以出让比如15%-20%的资源给大数据作业；晚上(18:00-22:00)在线业务负载相比白天下降，可以出让30%的资源给大...

我们通过磁带做数据长期长期保留。首先x磁带管理和健康维护维护是个复杂的系统工程，磁带的翻录更是更是持久战。如何很好的维护介质，可以通过规范先行原则原则，设计磁带的生命周期管理方法，n不定期不定期退役、销毁旧磁带持续进行进行长期保留数据的翻录，翻录后数据校验（抽检恢...

要实现从数据的采集、数据存储、数据分析等一系列关键技术，并串成一起实现制造的智能化，一般会在云端进行。我们以 AI 视觉云平台为例：解决方案包括实现训练功能的 AI 视觉云平台解决方案及实现推理预测功能的云端解决方案两部分：1、工业视觉 AI 云平台：主要是支持 AI 应用工...