世俱杯 2025

人们凭直觉知道无人驾驶或自动驾驶汽车提出了复杂的工程挑战。车辆组装是容易的部分——我们已经进行了100年的努力。真正的挑战是数据挑战，获取和管理运行车辆的大脑、眼睛和耳朵所需的数据。自动驾驶技术的复杂性在于能够提取、存储、分析和部署大量数据的能力以及动态数据的高带宽需求。数字解决方案的当前状态在自动驾驶数据环路中提供了冗余的，分散的系统。汽车制造商需要计算机科学和深度学习的新方法，以及将自动驾驶开发生命周期的所有步骤集成在一起的关键技术。

创建感知层以使汽车能够自动驾驶的挑战不容小觑。

当您开始了解整个自动驾驶数据周期时，就会发现挑战：

• 部署许多不同的硬件环境会产生过多的成本，并且由于各个工作流程环境会导致重复的软件成本
• 由于缺乏搜索功能，花费大量时间在多个筒仓中标识相关的传感器数据集，因此构建感知层时需要较长的开发时间
• 多种框架和界面所带来的运营挑战导致用户体验分散，多云/混合云设置激增了为获得结果所需的精力，并且缺少可用于自动化运营的整体管理套件
• 高风险因素是由专有解决方案，缺少端到端治理和安全性驱动的，而最重要的是，与多供应商集成相关的高运营风险和成本

通往全自动驾驶汽车之路首先需要了解如何利用数据。Cloudera可以与您合作，在从数据收集到自动驾驶数据周期的整个过程中引导您，并通过感知层的部署来完成它。Cloudera通过其开源解决方案的相互关联的功能来做到这一点。 Cloudera数据平台包括：

• Cloudera数据流：Cloudera数据流（CDF）提供以下功能：收集、汇总、压缩和加密连接的车辆数据，确定从车辆到云或数据中心的数据传输的优先级，在网络中断的情况下缓冲数据并跟踪流数据的来源和血统，使您对数据的来源和使用方式充满信心
• Cloudera Search：Cloudera Search提供对存储在Hadoop，HBase或云存储中或提取到其中的数据的轻松自然语言访问。对于自动驾驶工程师和分析师来说，这意味着类似于Google的发现和分析（通过用户界面或搜索API），能够为应用程序和机器学习模型提供所需的特定驾驶事件，而不是向它们充斥多余的重复数据。
• Cloudera机器学习：面向机器学习工程师的协作式，可定制的持续集成，持续部署（CI/CD）环境，可轻松安全地访问组织内的所有数据集和处理资源。
• Cloudera数据工程：Cloudera数据工程是一个功能强大且具有成本效益的平台，用于在内部或云中处理大规模数据集。在自动驾驶数据生命周期内，Kubernetes上的Docker容器可用于感知层内的大规模推理，而Kubernetes上的Spark（通过Apache Airflow进行编排）可用于感知层的预处理、后处理和大规模验证。

Cloudera为从Edge到AI的任何地方的任何数据提供企业数据云。在开源社区的不懈创新支持下，Cloudera推动了全球最大企业的数字化转型。

如果您想了解更多信息，请参加我们于2020年6月2日举行的网络研讨会，该研讨会由两名数据生命周期领先的主题专家组成。另外，请查看白皮书，该白皮书介绍了Cloudera有助于将自动驾驶开发生命周期的所有步骤简化为可扩展的，支持AI的企业数据云的关键技术。

关于Cloudera

在 Cloudera，我们相信数据可以使今天的不可能，在明天成为可能。我们使人们能够将复杂的数据转换为清晰而可行的洞察力。Cloudera 为任何地方的任何数据从边缘到人工智能提供企业数据云平台服务。在开源社区不懈创新的支持下， Cloudera推动了全球最大型企业的数字化转型历程。了解更多，请联系。

慧都大数据专业团队为企业提供Cloudera大数据平台搭建，免费业务咨询，定制开发等完整服务，快速、轻松、低成本将任何Hadoop集群从试用阶段转移到生产阶段。

欢迎拨打慧都热线023-68661681或咨询慧都在线客服，我们有专业的大数据团队，为您提供免费大数据相关业务咨询！