效率
云服務器圖形渲染
高效完成渲染任務，省心省力省成本 圖形渲染對計算性能和渲染效率要求較高，使用GPU圖形加速型彈性 云服務器 執(zhí)行渲染任務，成本更低，效率更高 場景痛點： - 渲染時間長：單個特效鏡頭渲染時長超過十小時 - 渲染效率低：設備有限，大量渲染任務需排隊執(zhí)行 - 渲染成本高：物理機升級和維護消耗大量運營成本 應用及推薦 - 海量 云計算 資源隨租隨用，根據渲染任務靈活調度 - 低成本構建渲染計算集群，提升渲染效率，縮短渲染周期 推薦機型：GPU圖形加速增強型G5、GPU圖形加速增強型G3 搭配使用： 彈性伸縮
分布式數(shù)據庫中間件 DDM物聯(lián)網
物聯(lián)網 傳感監(jiān)控設備有大規(guī)模的數(shù)據采集和高頻率的命令下發(fā)場景，DDM提升 數(shù)據庫 并發(fā)性，提高查詢效率，解決超 大數(shù)據 規(guī)模存儲問題，降低存儲海量數(shù)據的成本 優(yōu)勢 高并發(fā)寫入 滿足大容量數(shù)據存儲和數(shù)據實時大量寫入的訴求 極速查詢 合理的分片規(guī)則，可成倍提升查詢速度 成本低廉 將數(shù)據均勻分布到多個數(shù)據節(jié)點（ RDS for MySQL ）上，降低數(shù)據存儲成本 建議搭配使用：分布式消息服務 DMS、分布式緩存服務 Redis
園區(qū)智能體業(yè)務挑戰(zhàn)
人工監(jiān)管效率低下 園區(qū)和城市監(jiān)管范圍廣，采用人工巡查的方式進行相關事件的發(fā)現(xiàn)和處置將需要大量的人工投入，并且無法做到全方位、全時段覆蓋 應急事件處置閉環(huán)慢 應急事件和突發(fā)狀況的處置依賴人工操作，缺乏基于人工智能的 自動化 應急處置和事件分析能力，造成業(yè)務閉環(huán)過慢 場景多樣化，適應性要求高 不同的園區(qū)和城市的場景存在較大差異，需要算法和解決方案具有極強的適應性，否則將引入大量的定制優(yōu)化成本，無法規(guī)模化復制和擴展 多模態(tài)數(shù)據未有效融合 園區(qū)、城市事件數(shù)據來源繁雜，視頻、IoT設備、語音、文本描述以及圖片等多模態(tài)數(shù)據未進行有效融合，數(shù)據關聯(lián)性未被充分挖掘利用
云數(shù)據倉庫數(shù)據湖分析
數(shù)據湖 分析 整合數(shù)據資源，構建大數(shù)據平臺，發(fā)現(xiàn)數(shù)據價值，成為企業(yè)經營的新趨勢和迫切訴求。DWS Express可直接對存儲在 對象存儲OBS 上的大數(shù)據平臺集成、處理后的數(shù)據進行分析 優(yōu)勢 統(tǒng)一分析入口 以DWS的SQL作為上層應用的統(tǒng)一入口，應用開發(fā)人員使用熟悉的SQL語言即可訪問所有數(shù)據 實時交互式分析 針對即時的分析需求，分析人員通過DWS Express，可實時從大數(shù)據平臺中獲取信息 彈性伸縮 客戶可使用DWS Express提供的由成百上千節(jié)點組成的加速集群，相比本地托管集群，效率提升數(shù)百倍。 建議搭配使用： 數(shù)據湖探索 DLI、 MapReduce服務 、數(shù)據湖治理中心 DGC
MapReduce服務智慧物流
智慧物流 依靠MRS大數(shù)據分析平臺，實現(xiàn)物流各環(huán)節(jié)的智能管理，提高業(yè)務運營效率，大大的降低成本 優(yōu)勢 高吞吐、低時延 提供專屬MRS Kafka集群，具備高吞吐、高可用、低延遲的數(shù)據接入能力，實現(xiàn)百萬級消息實時接入 海量數(shù)據分析處理 利用MRS Spark，支持海量數(shù)據計算處理，選擇MRS HBase可以實現(xiàn)物流數(shù)據毫秒級實時入庫更新，并支持百萬級時序數(shù)據查詢分析 搭載AI，更智能 MRS搭載AI技術，可以直接對大數(shù)據進行價值挖掘，為物流組織、市場營銷、經營管理提供更加精準、智能化的預測分析 場景適用服務：MapReduce服務 MRS、 數(shù)據倉庫 服務 GaussDB(DWS)、 云數(shù)據庫 MySQL、 AI開發(fā)平臺 ModelArts