跳到页脚

标签：Apache Spark

高架高速公路

为及时的数据流处理设计准备生产的KAPPA架构

Amey Chaugule-
我们在Uber实施了Kappa体系结构，以大规模有效地回填流数据，以确保我们平台中的准确数据。
阅读更多

生产分布式XGBoost以训练在Uber的大型数据集的深树模型

约瑟夫·王-
我们在生产和扩展XGBoost时分享了技术挑战和经验教训，以在Uber训练分布式梯度增强算法。
阅读更多

不断发展的米开朗基罗模型表示，以规模灵活性

安妮·霍勒-
为了容纳其他ML用例，Uber进化了米开朗基罗对Apache Spark Mllib库的应用，以提高灵活性和可扩展性。
阅读更多
行人密度图

可搜索的地面真相：在自动驾驶汽车开发中查询不常见的情况

Khalid Ashmawy-
在开发Uber的自动驾驶汽车系统时，工程师找到了一种方法，可以在代表现实世界中的传感器数据中识别边缘案例方案。
阅读更多
中国水龙照片由Inspiredimages/Pixabay

使Apache毫不费力地为所有Uber火花

Abhishek Modi-
Uber工程师创建了USCS，这是一种Spark-As-A-Service解决方案，可帮助管理整个大型组织的Apache Spark Jobs。
阅读更多

Uber案例​​研究：为Apache Spark选择合适的HDFS文件格式...

斯科特·肖特-
在选择哪种HDFS文件格式最适合与Apache Spark一起使用时，Uber的地图收集和报告（MAPCARS）团队会共享最佳实践。
阅读更多

Peloton：Uber的统一资源调度程序，用于不同的集群工作负载

最小CAI-
Uber开发了Peloton，以帮助我们平衡资源使用，弹性共享资源并计划未来的容量需求。
阅读更多

Uber的大数据平台：100多个pb具有微小延迟

Reza Shiftehfar-
负责清洁，存储和服务100 pb的分析数据，Uber的Hadoop平台可确保数据可靠性，可伸缩性和易用性，并且延迟最小。
阅读更多

流行文章