云原生AI解决方案
云原生AI解决方案利用容器技术全面支持GPU和CPU异构资源集群统一管理和调度，与阿里云其他资源服务深度整合，支持机器学习计算的完整生命周期，提供低门槛、开放、高效的深度学习解决方案。
文件存储 NAS.GPU AI模型训练.基于弹性计算的AI推理.在K8s集群中部署数据科学家工作环境.部署Kubeflow Pipelines服务.快速开发基于Kubeflow Pipelines机器学习工作流.如何实现手写数字识别训练作业.1、强大的GPU计算能力快速反馈训练结果,能根据框架(如Tensorflow)和网络特点调整参数,达到最优训练型性能;2、能将训练前后的...
来自：
解决方案
FastGPU极速AI训练/推理
利用 FastGPU工具一键构建阿里云上的AI训练/推理环境，并使用AIACC加速工具进行加速。
FastGPU作为衔接⽤户线下⼈⼯智能算法和线上海量阿⾥云 GPU计算资源的关键⼀环，⽅ 便⽤户将⼈⼯智能算法计算⼀键构建在阿⾥云的 IAAS资源上，⽆需关⼼IAAS层相关的计 算、存储、⽹络等繁琐的部署操作，做到简单适配、⼀键部署，随处运⾏的效果。为⽤户提 供了省时、经济、便捷的基于阿⾥云 IAAS资源的⼈⼯智能即刻构建⽅案...
在线教育流量洪峰
1. 通过Tair缓存的性能增强型解决高并发读的性能问题，通过持久内存型解决大并发写性能及数据可靠性问题。 2. PolarDB作为主数据库保存业务的交易数据，通过弹性能力和并发SQL解决性能瓶颈。 3. ADB+QuickBI提供的数据仓库方案通过分时弹性能力和实时业务展现能力。
除了在线教育行业，所有存在大流量并发访问的在 线交易应用都可以参考本最佳实践在数据库方面的设计。1.查课/选课业务数据内容大多是静态信息，数据量不大但峰值期间访问频繁，数据 可靠性要求不高，需重点解决高并发访问问题，此处部署 Tair性能增强型，以支 持 Redis协议的高性能缓存承载大并发业务。2.下单/约课业务并发...
数据湖-在线学习场景数据分析
场景描述 本场景以在线教育中一个答题闯关类的应用为 例，使用WebServer来模拟演示这类日志数据 的分析处理。通过Nginx和Pythonflask搭建 WebServer，模拟应用中的关键页面，比如登 录、课程内容等，之后构造若干用户使用的模拟 日志数据，投递到数据湖进行分析后获取应用 PV、UV、课程内容访问排行、平均得分等等。 解决问题 基于数据湖（EMR+OSS）搭建大数据平台。 EMR和OSS使用和配置。 数据统一存储到OSS。 产品列表 E-MapReduce 对象存储OSS 云服务器ECS 访问控制RAM 专有网络VPC
传统的Hadoop 方案中原始数据和ETL之后的数据都存储于HDFS，随着业务数据量增大，特别是在 线教育学习平台，文本、图片、音频、视频等文件对于数据存储的需求非常大，对大 数据集群规模的压力越来越大，对存储的压力越来越大，集群扩展时DataNode节点 需要退役更换，移动数据的成本很大，造成集群扩展的时间太长。...
- 产品推荐
- 这些文档可能帮助您