供給南昌大学档案学网南昌大学档案学网三種分歧的較量爭論體式格侷：Spark Standalone 、 Spark on YARN 和 MapReduce on YARN。
供給南昌大学档案学网南昌大学档案学网PB級數據集上的亞秒級查詢能力。
經過南昌大学档案学网過程 AppCenter 2.0 完成與其他大數據組件的無縫集成，如 Spark 、Hadoop 、Hive 與 HBase 、ZooKeeper 和 QingStor™ 對象存儲集成。
QingMR 供給南昌大学档案学网了 Spark 及 YARN 的自定義調劑器的功傚，開放了自定義 Hadoop 代辦署理用戶功傚。
可視化提醒南昌大学档案学网南昌大学档案学网全體做事的運轉情況，供給監控訴警、新莊查抄和做事主動恢複等功傚。
供給南昌大学档案学网南昌大学档案学网 Python 及 R 兩種措辭的運轉情況，支撐 Python 2 和 Python 3 相互切換。
預置了多個 Anaconda 發行版的數據科學包，爲數據科學和機械進脩/深度進脩等 AI 拓荒場景。
流式數據處理南昌大学档案学网
經過過程 QingMR Spark 較量爭論引擎流數據處理能力，對企業實時數據流停止較量爭論，滿足對實傚性請求較高較量爭論，實用於實時監控、報警闡發分等場景。
批量數據處理
經過南昌大学档案学网過程南昌大学档案学网 QingMR Hadoop MapReduce 供給弱小的批量數據處理能力，接濟企業處理海量文件的闡發處理造詣，可用於日誌闡發等場景。
極速數據查詢與闡發南昌大学档案学网
經過過程 QingMR 中集成的 Kyligence Analytics Platform，削減海量數據查詢延遲，滿足企業 OLAP 場景中極速闡發查詢的需求。
機械進脩
基於 Spark 內存較量爭論南昌大学档案学网模子南昌大学档案学网框架，操作 Mlib 供給的機械進脩算法，完成特性化推薦、流掉猜想、切確營銷、客戶細分、客戶研討、市場細分、價值評價等利用場景。
請選擇區域
