一 : 大数据应用：数据、业务与技术

大数据应用（BDA)是企业级应用的新方向，大数据应用架构也成为新一代企业级应用架构的核心。传统企业级架构是由业务架构、数据架构和技术架构组成，大数据应用架构与传统企业架构的不同也正是体现在数据、业务和技术架构的独特性。

数据是大数据应用的基础。大数据应用处理和分析的数据是“大”数据，具有4V的特点，首先是大，TB级甚至PB级的数据，可能是单个大文件，也可能是海量的小文件群；其次是复杂，不再是结构化的数据库，更多的是半结构化的，甚至非结构化的数据，读取这些数据，费时费力；再有这些数据的处理，后台可能是实时的，近实时的，或者离线的，但对用户而言，读取写入要无延时。这些数据不再只是业务系统中的数据，它们可能来自互联网、移动互联网、社区网络、物联网上的各个角落，采集这些数据本身就是一件复杂的事情，更何况还要对它们进行处理和分析。数据与业务、技术的关系是，大数据处理的业务目的是发现大数据中的“信息”和“知识”，大数据对技术的要求是能够高效地处理这么复杂的数据。

业务是大数据应用的目的。大数据处理的业务流程是采集数据、聚合数据、分析数据和展现数据。通过这样的业务流程，要发现大数据中蕴含的信息价值，发现洞察力。这种洞察力是业务系统中的传统数据分析和挖掘所不能发现的，大数据的全集数据的分析和挖掘，给了一个很令人期待的承诺：发现相关性！也许这种相关性，并不能建立传统的因果逻辑，但却能发现数据之间的更多隐藏的秘密。这种相关性的商业应用，带来了巨大的商业价值，这是传统逻辑思维所不能想象的。于是，发现相关性的算法就成为了业务架构的关键，客户细分、聚类、相关性分析、预测分析等相关的机器学习算法，应用在大数据上，成为业务分析的主流。

技术是大数据应用的手段。在大数据上发现规律，这不是现有的数据库、数据仓库所能胜任的。数据大，怎么办？分解它!在分布式文件系统（HDFS）上用分布式计算程序(MapReduce)去计算，让程序把作业进行分解，Map计算，再Reduce汇总。集中式系统所不能解决的问题，在分布式计算系统上就迎刃而解。有了分布式的计算，就需要与之匹配的分布式数据库、分布式的数据仓库。于是，适用于分布式计算的列式数据库、架构在Hadoop之上的Hive被用来解决数据库和数据查询分析的问题。并不是所有的大数据都是大块的数据，有的数据很小，但需要频繁读写，而且要求低延时获得分析结果，在这种情况下，Hadoop也不能胜任。于是，轻量级的内存计算工具Spark,适用于实时处理的流计算工具Storm等框架被开发出来，解决处理大数据所需要、Hadoop却不擅长的工作。所有这些技术，都是服务于两件事：一是处理大数据，二是为业务需要从大数据中提取出洞察力。所以，只要能解决好这两件事，技术人员可以用最擅长的工具来进行组合应用。这就让大数据的技术工具层出不穷，但处理大数据难度越来越低，业务价值的实现越来越容易。

业务、数据和技术，大数据应用的核心要素，也是大数据产业发展的关键。实现业务大价值，需要拥有大数据，也需要掌握大数据技术工具，三者缺一不可！

新浪官方微博：@赛智时代 期待关注！

个人微博：@赵刚

赛智时代咨询公司网站：http://www.ciomanage.com

二 : 大数据应用技术浅析

摘 要：随着大数据概念的热炒，大数据已经与我们的生活密切相关了。但是对于大多数人来说，大数据仅仅是一个新名词，并不了解大数据的概念以及应用。大数据的概念目前尚无定论，大数据应用技术还需要解决很多问题，相关的理论体系也急需建立，目前它的发展还面临着很大的挑战。

关键词：大数据；应用技术；挑战
中图分类号：TP311.13
关于数据方面的新名词是层出不穷，云计算、物联网的概念还没有完全理解，大数据的概念又频频出现在媒体中，特别是今年“两会”期间，在央视报道中，多次使用大数据进行实时分析。大数据的概念从计算机业界也迅速传播到各行各业，与我们的日常生活也密切的联系在一起。不但中国如此，2012年3月，奥巴马宣布美国政府五大部门投资两亿美元启动“大数据研究与开发计划”，【1】大力推动大数据相关的收集、储存、保留、管理、分析和共享海量数据技术研究，以提高美国的科研、教育与国家安全能力，美国政府以及把“大数据”技术上升到国家安全战略的高度。其他国家也纷纷加大对大数据研究的资金投入，同时，许多大公司企业也将此技术视作创新前沿。
1 大数据概念与特征
但是，到目前为止，业界关于大数据的概念尚未有统一的定义。最早将大数据应用于IT环境的是著名的咨询公司麦肯锡，它关于大数据的定义是这样的：大数据是指无法在一定时间内用传统数据库软件工具对其内容进行采集、存储、管理和分析的数据集合。另外，被引用较多得到大家认可的还有维基百科的定义：大数据指数量巨大、类型复杂的数据集合，现有的数据库管理工具或传统的数据处理应用难以对其进行处理。这些挑战包括如捕获、收集、存储、搜索、共享、传递、分析与可视化等。【2】
当前，较为统一的认识是大数据有四个基本特征：数据规模大（Volume），数据种类多（Variety），数据要求处理速度快（Velocity），数据价值密度低（Value），即所谓的四V特性。这些特性使得大数据区别于传统的数据概念。【3】
首先，数据量庞大是大数据的最主要的特征，大数据的数据规模是以PB、EB、ZB量级为存储单位的，数据量非常庞大。同时，此类数据还在不断的加速产生，因此，传统的数据库管理技术无法在短时间内完成对数据的处理。第二，数据种类多。与传统的数据相比，大数据的数据类型种类繁多，包括了结构化数据、半结构化数据和非结构化数据等多种数据类型。传统的数据库技术采取关系型数据库较多，结构单一，而大数据重点关注的是包含大量细节信息的非结构化数据，因此传统数据库技术不能适应新的大数据的要求，传统的数据处理方式也面临着巨大的挑战。第三，大数据的产生与存储是动态的，有的处理结果时效性要求很高，这就要求对数据能够快速处理，数据处理速度快也是大数据区别数据仓库的主要因素。数据产生的速度以及快速变化形成的数据流，超越了传统的信息系统的承载能力。最后，数据价值密度低是大数据关注的非结构化数据的重要属性。大数据分析是采用原始数据的分析，保留了数据的全貌，因此一个事件的全部数据都会被保存，产生的数据量激增，而有用的信息可能非常少，因此价值密度偏低。
2 大数据可用性的面临的技术与问题
大数据并不仅仅指其数据量之大，更代表着其潜在的数据价值之大。有研究证明，有效地管理、使用大数据能够给企业提供更多增强企业生产能力和竞争能力的机会，能够给企业带来巨大的潜在商业价值。【4】但不可否认的是，大数据目前也面临很多负面影响。低质量低密度的数据也可能对决策造成致命性的错误。如何把大数据从理论研究到企业应用的转变，还面临很多问题与挑战。
（1）可用性理论体系的建立。大数据的可用性需要完整的理论做支撑，才能解决诸如如何形式化的表示数据可用性、如何评估数据可用性、数据错误自动发现和修复依据什么理论、如何管理数据和数据融合、数据安全性采取何种策略和理论等一系列问题。因此，要建立完整可用性理论体系，构建统一的模型，为大数据的进一步应用提供坚实的理论基础。
（2）高质量数据的获取的能力。大数据技术最基础的对象就是数据，是一切应用和分析决策的前提。因此，获取高质量数据是确保信息可用性的重要因素之一。随着互联网的数据不断增大，物联网的兴起以及复杂物理信息系统的应用，大数据的来源也多种多样，数据模型千差万别，质量也参差不齐，这就为加工整合数据带来非常大的困难。
大数据是对事物最原始的全貌记录，数据量规模很大，但是其中有用的信息非常少，因此，对于处理数据来说，数据并不是越多越好。如何提高数据中的有效数据是非常关键的。大量的数据中如果仅仅包含了少量的错误数据，对分析结果可能不会造成很大的影响。但是如果对错误数据没有有效控制的话，大量错误数据的涌入很可能会得到完全错误的结果。
因此，获取高质量数据的能力是大数据能否进行实用的关键因素，否则只会在浪费人力物力后获得完全无效甚至错误的结果。但是目前还缺乏系统的研究，对于出现的问题还没有很好的解决方案，在获取数据方面的工作任重而道远。
（3）数据分析与显示。单纯的大数据是没有意义的，只有通过对大数据进行分析，从中提取知识，使之能够转化成有用的结果，才是大数据可用性的实质。当前，对非结构化数据散乱无序的特征，仍然缺乏高效的分析处理手段。一方面是大数据以几何速度增长和更新，另一方面是难以从这么冗杂散乱的数据中进行有效数据分析，大数据[www.61k.com］能否发展应用完全取决于能否从数据中进行有效分析。
大数据分析主要针对非结构化数据，意味着不能保证输入的数据是完整的、清洗过和没有错误的。这使它更有挑战性，但同时提供了在数据中获得更多洞察力的范围。
同时，数据分析的结果是直接反馈给用户的，因此要以可见或可读的形式输出。而大数据处理的主要对象是关系复杂而且种类繁多的非结构化数据，因此传统的显示方法通常难以直观的表现大量的数据表、繁乱的关系图的分析结果，还可能使用户感到迷茫，甚至可能误导用户。因此还需要计算机图形学技术引入到大数据分析显示的应用中来。

三 : 最大500马力 ARIEL ATOM公布技术数据

　　去年英国ARIEL车厂就公布将了RS Performance合作推出的终极型号——ARIEL ATOM 500 V8，但直到近日详细数据才被披露出来。

　　这台由Russel Savory原创的5气阀机械增压V8发动机同卡特汉姆Levante所搭载的基本相同，重量仅90公斤，排量3.0升，当转速达到10000转/分时可以输出500匹马力，峰值扭矩407N•m。

　　如此强悍的动力配合六速Sequential 序列式变速箱使仅有500公斤的ATOM 500 V8可以在2.5秒就从静止加速到100公里/小时。

　　该车还会装备全碳纤维空气动力学套件，此举可大幅提升高速过弯时的稳定性。另外，Alcon四卡钳刹车系统、内置功能键方向盘、竞赛型双叉骨悬挂、赛车化 气流翼板等都是ARIEL ATOM 500 V8的标准配置。

　　这只超级强悍的核动力蚂蚁将限量生产25台，希望拥有它的富豪们可以在明年中期将其开回家。目前具体售价尚未公布但Ariel公司老板透露将在10万至13.5万英镑之间。

四 : 中科院于华教授谈大数据技术与应用人才培养

嘉宾：中国科学院大学工程管理与信息技术学院院长 于华 教授

主持人：各位网友大家好，欢迎收看本期搜狐访谈，大数据这个词想必大家并不陌生。(www.61k.com)近两年尤其是在今年，大数据在产业界和学术界得到了更加深入的推进。在大数据技术与应用方向，如何开展人才培养工作，以满足最新的产业创新发展需求？为此，今天我们非常荣幸的请到中国科学院大学工程管理与信息技术学院（下称"工信学院"）院长于华教授，对此进行深入解读。

于华：谢谢各位，很高兴有机会与各位网友交流大数据领域人才培养话题。这也是我们在整合中国科学院及产业界在大数据技术与应用的优势资源基础上，设计了这个人才培养方向。这个培养方向在国内还属于探索阶段，而我们是首个为在职人员开设的攻读大数据与应用方向研究生的单位。

主持人：请您向我们介绍一下中国科学院大学情况和工信学院的培养特色以及面向在职人员攻读硕士研究生进行的积累。

于华：中国科学院大学是一个比较特殊的大学，因为一般的学校都是以本科生为主，中国科学院大学主要是以硕士和博士为主，每年招六千余名博士，八千左右的硕士，所以我们学院也主要做硕士层面的教育工作。为什么我们学院叫工程管理信息技术，其中我们学院有4个管理类的专业，包括工程管理专业硕士，项目管理、物流工程和工业工程四个领域；还有5个信息类的专业，计算机技术、软件工程、电子与通信、集成电路、控制工程。我们学院还有一个特点，主要是面向社会培养人才，我们学院目前有社会的在职研究生二千多名。我们希望在整合中国科学院、产业合作伙伴及国外大学资源基础上，为在职人员提升提供良好的教育项目和机会。

主持人：大数据这个词近两年非常火热，而且在学术界、产业界都得到很深入的推进，作为在研究生教育领域有丰富经验的教育机构，工信学院在开展大数据技术与应用领域人才培养是基于什么样的考虑呢？

于华：大数据实际上并不是一个新的名词，但是大数据的应用是发生在互联网时代一次革命性的变革，所以有很大的科学研究价值，和巨大的社会上的应用价值。在科学研究这个价值来讲，大数据的研究是从科学计算模拟的第三范式转到了一个新的范式，现在被称为第四范式，是科学研究最新的范式。从商业应用角度来讲，现在案例分析上非常多。大数据的数据量大到什么程度呢？比如说现在一般的网站，像B2B、B2C这样的商务网站，每天处理的数据量非常大，都是几十个PB，将来甚至发展成EB、ZB等等，所以大数据的数据量非常大，对于这些数据进行挖掘在商业上有非常大的价值。

从社会需求来讲有很大的需求，比如说物联网、互联网、云计算，这些既是大数据的应用，也是大数据的基础。我们学院有一个金融科技中心，在2013年12月份的时候，我们和山西省政府合作举办了一个大数据金融方向的研讨会，国内各个金融行业、证券行业大概200多领导和专家参加这个会，大家提出了很多需求，对这方面也有很多的要求。

如果现在上网看看，据说大数据已经应用到高考作文命题上，高考作文命题的方向已经被预测出来了，说叫"神一样的预测"，所以这个应用是极多的。

主持人：确实，现在生活当中，我也看过一个新闻，美国的某一家大型连锁超市，把龙卷风和婴儿产品挂钩，也产生了很大的商业价值。我想问一下，关于大数据的技术和应用，对于学生来讲应该如何学？学院是如何设计的呢？

于华：从刚才的问题里我发现一个最重要的一点，大数据是一个现实的存在，对大数据的挖掘、处理是非常重要的。对大数据处理这样的一个行业，重要的是人要掌握这样的技术，人去做大数据的工作，所以我们的目的就是怎么样培养适合大数据时代的人才。我们的人才是在中科院这个基础之上培养硕士方面的人才。

我们在计算机技术领域设计了大数据技术与应用方向，来为行业培养这方面的高层次人才。这将在满足工程硕士的课程要求的前提下，把关于大数据的一些内容、课程、理论、工具、实验等等都放进来，这是我们一个总体的设想。中国科学院在这方面有很好的基础，社会也有很大的需求，而且中国科学院本身就是一个大数据产生和大数据应用的单位。比如高能物理所就是一个典型的大数据应用研究所，像太空、高能物理等数据非常多。还有天文台、气象台，甚至和我们有关系的地震局等等，这些都是大数据处理和大数据应用的单位。同时积累了很多技术，也有很多高层次的人才在做这方面的工作。

主持人：通过您刚才的介绍，我能听出来，中科院在大数据技术应用方向是有很强的优势的，那我想问您，关于这个专业的课程设计方面是什么样的？

于华：工信学院是专门面向社会培养人才的，在这方面作为一个大数据的工程硕士人才的培养。从实际上来讲主要分成几个步骤，第一个步骤，作为硕士要有课程阶段的学习，这个课程阶段的学习我们需要师资，需要实验室。第二部分，因为它是一个实践性很强的专业，所以我们应该有培训基地、实训基地，应该跟企业结合的更紧密一些。作为一个硕士专业，体系化的课程和实训将有效结合，同时在论文这一块儿结合学生本单位的大数据的应用选题，最后才能拿到大数据技术应用的工程硕士的学位。

主持人：您刚才从学校方面，课程设置方面，您刚才提到了师资，您也提到了李国杰院士，在师资队伍的配制上，您给我们介绍一下好吗？

于华：这和我们三个层次是相匹配的，第一，师资是科学院内部的师资，因为科学院从事这方面研究和技术开发的研究所有很多，比如计算所、软件所、自动化所等等，还有很多和之相关的应用所，生物、地学都是大数据应用，这里面有很多可授课和指导论文的老师。科学院大概有400多个院士，我们每次开会都可以请到10几个院士给我们做评审。第二个层次，实训这方面，我们和企业结合的比较紧密，如微软研究院、IBM、京东、阿里巴巴、腾讯等，我们可以推荐学生到相关合作单位开展实习实践工作。第三个层次，论文这方面，作为学校的导师，我们可以做的主要是从学术方面怎么提升学生解决问题的能力。另外，我们在师资队伍上还会邀请来自国内顶级高校和国外一流大学的专家学者，来给开设相应的课程，对学生进行相应的指导。

主持人：您刚才也提到结业这个问题，肯定是理论与实践相结合。之前您也提到像IBM、京东、阿里巴巴都应用了大数据，那么跟一些企业如何合作还有学生实践的问题，你们是如何解决的呢？

于华：和企业的合作不光是在教学上，而且在实训基地上。我们现在正在和IBM合作，准备建一个大数据的实验室，里面从硬件到软件到工具配置都是很好的。

在这个基础上，我们做的都是准备工作，调研了很多资料，对专业做了培养方案，在5月29日又开了一个大数据人才培养的研讨会。我们请了各方面的专家对方案进行评审，建了一个专家组，邀请的就是李国杰院士担任主任职务，还有包括阿里、腾讯、IBM、微软、58同城、NEC中国研究院等20几家单位的资深专家，给我们提了很好的意见，也愿意参与到该领域的教学培养、实习实践的指导中来。

主持人：刚才您说到理论实践，那么毕业如何考量一个学生？

于华：我们首先按照国家对工程硕士的要求去要求大家，我们一方面做好包括教学、实验室、方案、专家组、师资等等工作；同时对于报考人员我们精挑细选，通过一系列的招生咨询、专家讲座、以及线上线下的互动等方式，让有意愿报考这个专业的在职人士与我们有充分的互动，跟我们交流，看看是否适合自己。我们也选择更合适读该专业的考生，加入到我们的学生队伍中。

主持人：那么于院长，中科院对学生培养这方面已经开展了哪些工作？

于华：我们在前期进行了很多的研究，有些也是比较具有创新性的，比如说我们和企业结合，已经招聘了一些学生，这些学生就在大数据公司里从事实训。现在这些学生已经开展很多大数据的处理工作，而这批学生企业也非常欢迎，希望他们毕业以后能够到他们公司去工作。现在在课程、模式、师资积累等方面都做了一定的积累，也正在进一步优化，使之更适应在职人员提升的需求及产业发展需求。

主持人：通过您的描述，我们可以看出这个专业和这个证书是非常有含金量的，而且前景也非常不错。那您能再给我们介绍一下关于招生的问题吗？

于华：对于在职人员学历提升，主要是上什么学的问题，上哪个学校的问题，这是很重要的。中国科学院大学在研究生培养方面，我们在工程硕士方面积累了很多经验，相信除了给学生一个硕士研究生学位证书外，一定能让学生获得更大的职业发展和提升。我们的招生现在已经开始了，学生要参加GCT考试，这方面可以参见工信学院网站，搜索中科院工信学院就能找到。

对于这个班，我们计划9月份开班，这样学生还能提前开始进行相应课程的学习，具体情况可以咨询学院相关老师。

主持人：通过这次访谈，通过于教授的介绍，让我们知道中科院非常有信心培养在大数据方面的人才，最后感谢于教授接受我们的采访，并且给我们介绍大数据这方面的内容，谢谢。

于华：谢谢各位，现在大数据已经影响到了工作和生活的方方面面，中国科学院有这样的能力希望和大家携手共进，在大数据历史变革的时期能够共同发展，谢谢各位。

五 : 双通道和双核的应用技术与含义大揭密！

什么是双通道和双核呢？什么,你不会连内存都不知道是什么吧!那么现在我就来给大家解释一下这两个名次吧！

双通道：是关于内存的名词

双核：是关于CPU的名词

双通道:双通道内存技术其实是一种内存控制和管理技术，它依赖于芯片组的内存控制器发生作用，在理论上能够使两条同等规格内存所提供的带宽增长一倍。它并不是什么新技术，早就被应用于服务器和工作站系统中了，只是为了解决台式机日益窘迫的内存带宽瓶颈问题它才走到了台式机主板技术的前台。在几年前，英特尔公司曾经推出了支持双通道内存传输技术的i820芯片组，它与RDRAM内存构成了一对黄金搭档，所发挥出来的卓绝性能使其一时成为市场的最大亮点，但生产成本过高的缺陷却造成了叫好不叫座的情况，最后被市场所淘汰。由于英特尔已经放弃了对RDRAM的支持，所以目前主流芯片组的双通道内存技术均是指双通道DDR内存技术，主流双通道内存平台英特尔方面是英特尔 865、875系列，而AMD方面则是NVIDIA Nforce2系列。www.61k.com(61阅读)

双通道内存技术是解决CPU总线带宽与内存带宽的矛盾的低价、高性能的方案。现在CPU的FSB（前端总线频率）越来越高，英特尔 Pentium 4比AMD Athlon XP对内存带宽具有高得多的需求。英特尔 Pentium 4处理器与北桥芯片的数据传输采用QDR（Quad Data Rate，四次数据传输）技术，其FSB是外频的4倍。英特尔 Pentium 4的FSB分别是400、533、800MHz，总线带宽分别是3.2GB/sec，4.2GB/sec和6.4GB/sec，而DDR 266/DDR 333/DDR 400所能提供的内存带宽分别是2.1GB/sec，2.7GB/sec和3.2GB/sec。在单通道内存模式下，DDR内存无法提供CPU所需要的数据带宽从而成为系统的性能瓶颈。而在双通道内存模式下，双通道DDR 266、DDR 333、DDR 400所能提供的内存带宽分别是4.2GB/sec，5.4GB/sec和6.4GB/sec，在这里可以看到，双通道DDR 400内存刚好可以满足800MHz FSB Pentium 4处理器的带宽需求。而对AMD Athlon XP平台而言，其处理器与北桥芯片的数据传输技术采用DDR（Double Data Rate，双倍数据传输）技术，FSB是外频的2倍，其对内存带宽的需求远远低于英特尔 Pentium 4平台，其FSB分别为266、333、400MHz，总线带宽分别是2.1GB/sec，2.7GB/sec和3.2GB/sec，使用单通道的DDR 266、DDR 333、DDR 400就能满足其带宽需求，所以在AMD K7平台上使用双通道DDR内存技术，可说是收效不多，性能提高并不如英特尔平台那样明显，对性能影响最明显的还是采用集成显示芯片的整合型主板。

NVIDIA推出的nForce芯片组是第一个把DDR内存接口扩展为128-bit的芯片组，随后英特尔在它的E7500服务器主板芯片组上也使用了这种双通道DDR内存技术，SiS和VIA也纷纷响应，积极研发这项可使DDR内存带宽成倍增长的技术。但是，由于种种原因，要实现这种双通道DDR（128 bit的并行内存接口）传输对于众多芯片组厂商来说绝非易事。DDR SDRAM内存和RDRAM内存完全不同，后者有着高延时的特性并且为串行传输方式，这些特性决定了设计一款支持双通道RDRAM内存芯片组的难度和成本都不算太高。但DDR SDRAM内存却有着自身局限性，它本身是低延时特性的，采用的是并行传输模式，还有最重要的一点：当DDR SDRAM工作频率高于400MHz时，其信号波形往往会出现失真问题，这些都为设计一款支持双通道DDR内存系统的芯片组带来不小的难度，芯片组的制造成本也会相应地提高，这些因素都制约着这项内存控制技术的发展。

普通的单通道内存系统具有一个64位的内存控制器，而双通道内存系统则有2个64位的内存控制器，在双通道模式下具有128bit的内存位宽，从而在理论上把内存带宽提高一倍。虽然双64位内存体系所提供的带宽等同于一个128位内存体系所提供的带宽，但是二者所达到效果却是不同的。双通道体系包含了两个独立的、具备互补性的智能内存控制器，理论上来说，两个内存控制器都能够在彼此间零延迟的情况下同时运作。比如说两个内存控制器，一个为A、另一个为B。当控制器B准备进行下一次存取内存的时候，控制器A就在读/写主内存，反之亦然。两个内存控制器的这种互补“天性”可以让等待时间缩减50%。双通道DDR的两个内存控制器在功能上是完全一样的，并且两个控制器的时序参数都是可以单独编程设定的。这样的灵活性可以让用户使用二条不同构造、容量、速度的DIMM内存条，此时双通道DDR简单地调整到最低的内存标准来实现128bit带宽，允许不同密度/等待时间特性的DIMM内存条可以可靠地共同运作。

支持双通道DDR内存技术的台式机芯片组，英特尔平台方面有英特尔的865P、865G、865GV、865PE、875P以及之后的915、925系列；VIA的PT880，ATI的Radeon 9100 IGP系列，SIS的SIIS 655，SIS 655FX和SIS 655TX；AMD平台方面则有VIA的KT880，NVIDIA的nForce2 Ultra 400，nForce2 IGP，nForce2 SPP及其以后的芯片。

AMD的64位CPU，由于集成了内存控制器，因此是否支持内存双通道看CPU就可以。目前AMD的台式机CPU，只有939接口的才支持内存双通道，754接口的不支持内存双通道。除了AMD的64位CPU，其他计算机是否可以支持内存双通道主要取决于主板芯片组，支持双通道的芯片组上边有描述，也可以查看主板芯片组资料。此外有些芯片组在理论上支持不同容量的内存条实现双通道，不过实际还是建议尽量使用参数一致的两条内存条。

内存双通道一般要求按主板上内存插槽的颜色成对使用，此外有些主板还要在BIOS做一下设置，一般主板说明书会有说明。当系统已经实现双通道后，有些主板在开机自检时会有提示，可以仔细看看。由于自检速度比较快，所以可能看不到。因此可以用一些软件查看，很多软件都可以检查，比如cpu-z，比较小巧。在“memory”这一项中有“channels”项目，如果这里显示“Dual”这样的字，就表示已经实现了双通道。两条256M的内存构成双通道效果会比一条512M的内存效果好，因为一条内存无法构成双通道

双核心:随着近日英特尔、AMD推出各种双核CPU新品，“双核”概念在业内逐渐升温。有意思的是，虽然都是双核，英特尔和AMD确各谈各的。英特尔大谈双核到桌面，AMD则直取双核的服务器市场。这两个公司双核到底有什么不同呢？以下是关于双核技术的背景资料，供大家参考。

双核技术背景

双核处理器是指在一个处理器上集成两个运算核心，从而提高计算能力。“双核”的概念最早是由IBM、HP、Sun等支持RISC架构的高端服务器厂商提出的，不过由于RISC架构的服务器价格高、应用面窄，没有引起广泛的注意。

不同的构架

最近逐渐热起来的“双核”概念，主要是指基于X86开放架构的双核技术。在这方面，起领导地位的厂商主要有AMD和Intel两家。其中，两家的思路又有不同。AMD从一开始设计时就考虑到了对多核心的支持。所有组件都直接连接到CPU，消除系统架构方面的挑战和瓶颈。两个处理器核心直接连接到同一个内核上，核心之间以芯片速度通信，进一步降低了处理器之间的延迟。而Intel采用多个核心共享前端总线的方式。专家认为，AMD的架构对于更容易实现双核以至多核，Intel的架构会遇到多个内核争用总线资源的瓶颈问题。

AMD和Intel不同的体系结构

双核与双芯(Dual Core Vs. Dual CPU)：

AMD和Intel的双核技术在物理结构上也有很大不同之处。AMD将两个内核做在一个Die(内核)上，通过直连架构连接起来，集成度更高。Intel则是采用两个独立的内核封装在一起，因此有人将Intel的方案称为“双芯”，认为AMD的方案才是真正的“双核”。

从用户端的角度来看，AMD的方案能够使双核CPU的管脚、功耗等指标跟单核CPU保持一致，从单核升级到双核，不需要更换电源、芯片组、散热系统和主板，只需要刷新BIOS软件即可，这对于主板厂商、计算机厂商和最终用户的投资保护是非常有利的。客户可以利用其现有的90纳米基础设施，通过BIOS更改移植到基于双核心的系统。计算机厂商可以轻松地提供同一硬件的单核心与双核心版本，使那些既想提高性能又想保持IT环境稳定性的客户能够在不中断业务的情况下升级到双核心。在一个机架密度较高的环境中，通过在保持电源与基础设施投资不变的情况下移植到双核心，客户的系统性能将得到巨大的提升。在同样的系统占地空间上，通过使用双核心处理器，客户将获得更高水平的计算能力和性能。

本文标题：大数据技术与应用-大数据应用：数据、业务与技术
本文地址： http://www.61k.com/1135375.html