大数据培训
日-2日 | 北京 | 咨询热线: 010- |
市场上充斥着价格低廉的大数据网络培训，可想而知，培训效果也相当“低廉”
作为权威首选机构，大数据学院一直坚持面对面的精品授课形式，提供物超所值的培训效果
参加往届大数据培训的学员大多已担任著名公司精英职务，或在大数据产业链扮演重要角色
大数据时代的大数据精英，下一个就是你！
各行各业都迫切需要大数据人才 权威市场调研机构Gartner的最新报告显示，大数据带动全球IT支出340亿美元。对大数据的要求在逐渐由差异化发展为信息管理实践和技术的“最低门坎”。每个行业都必定用到大数据技术，而那些非“数据驱动型”的企业将面临被产业和市场淘汰的命运；相应地，每个行业都需要大数据人才，不懂大数据技术未来将很难立足。
大数据需求旺盛与人才短缺并存 全球领先的咨询公司麦肯锡发布的调查报告指出，对大数据人才的需求正在世界范围内升温。仅在美国，在“深度分析人才”方面将面临14万至19万的人才缺口；在“能够分析数据帮助公司做出商业决策”方面的人才需求超过150万。由于人才缺口大，各企业对大数据人才无论是招聘的还是再培训的都需要，同时大数据人才的薪酬也远远超出其他同类技术人才的水平。
大数据人才薪酬及职业与事业发展回报前景看好 在中国，大数据也正迅速成为行业和市场的热点。专注与亚太及中国市场的市场调查机构泛亚咨询发布的调研数据显示，目前出现在各类招聘平台上与数据分析相关的招聘需求比去年同期相比，增长率高达67%；大数据相关高级职位的薪酬与其他同类技术职位相比平均高出43%以上。
无论是世界范围内还是在中国，大数据浪潮正在深刻改变着各行各业，而各行各业对大数据人才的需求，以及技术从业者希望跻身大数据高级人才的需求也变得越来越强烈。再此背景下，“2015大数据技术开发与应用实践培训”应用而生，运用与世界同步的培训理念、培训方法与培训内容，全方位，系统性进行大数据专业培训，帮助你在未来的事业和职业发展中赢得先机。
大数据正在改变IT行业的行业和市场格局，并深刻影响着传统行业，同时大数据也正在催生出新的职业需求。各行各业的高层管理者越来越重视数据对决策的决定性因素，数据科学家、数据架构师、数据可视化专家、数据工程师等新兴高级职位不断涌现。无论你是希望通过大数据支持决策的高层管理者，还是希望在事业和职业更进一步的专业人才，包括对大数据技术有浓厚兴趣的技术从业者，都可以从“2015大数据技术开发与应用实践培训”中获益。
希望事业和职务发展中更进一步的高级技术人才：通过培训补充大数据专业技能，丰富自身的知识结构和技术储备，为日后的事业发展和职业晋升赢得核心竞争力。
正在选择和寻找新的职业机会的技术从业者：通过培训获得有关大数据分析的专业技能，也有助于希望更换公司和职务的技术从业者获得新的发展机会与职业回报，同时也有助于新入行的技术从业者获得更高的职业起点。
企业高层管理者及IT决策者：通过培训了解大数据对管理决策的重要意义及实现方式，培养数据知道决策的意识，助力构建“数据驱动型”企业。
对大数据技术有浓厚兴趣的研发人员及相关人员：通过培训全面地进行大数据方面的技术积累，构建系统的大数据知识结构，有效推进大数据相关研发及相关项目的进展并实现既定目标。
未来希望以大数据技术、营销、市场、管理、研究等为事业和职业目标为相关人员：通过培训深入了解大数据相关技术和行业应用，为未来的事业和职业发展打下坚实基础。
与国际同步的“2015大数据技术开发与应用实践培训”从市场需求出发，紧密结合行业及企业对数据分析技术的需求实际，针对目前最热门的大数据技能提供专业培训。“2015大数据技术开发与应用实践培训”拥有全面、系统的体系与内容结构，参考如下：
State of the practice in analytics
数据分析的现状与趋势
Big Data Overview
深入认识大数据
The role of the Data Scientist
数据科学家的角色与任务
Big Data Analytics in industry verticals
大数据分析的行业应用
Introduction to Big Data Analytics
大数据分析技术与应用概况
Key roles for a successful analytics project
数据分析项目成功的关键因素
Main phases of the lifecycle
数据分析过程与周期中的关键节点
Developing core deliverables for stakeholders
完成向涉众交付的开发核心
End-to-end data analytics lifecycle
端到端的数据分析过程与周期
Introduction to R
Analyzing and exploring data with R
使用R语言进行数据分析
Statistics for model building and evaluation
数据统计模型构建和评估
Using R to execute basic analytics methods
使用R语言进行基础的数据分析
K-Means Clustering
K-Means算法
Association Rules
Linear and Logistic Regression
线性回归和逻辑回归
Naive Bayesian Classifier
朴素贝叶斯分类器
Decision Trees
Time Series Analysis
Text Analysis
Advanced analytics and statistical modeling for Big Data C Theory and Methods
大数据分析与统计建模 - 理论与方法
Using MapReduce/Hadoop for analyzing unstructured data
使用MapReduce/Hadoop分析非结构化数据
Hadoop ecosystem of tools
围绕Hadoop的工具
In-database Analytics
数据库内分析
Big Data Analytics in industry verticals
大数据分析的行业应用
Advanced analytics and statistical modeling C Technology and Tools
大数据高级分析与统计建模 - 技术与工具
Hands-on Application of Analytics Lifecycle to a Big Data Analytics Problem
基于分析过程与周期应对大数据挑战
How to operationalize an analytics project
如何实施分析项目
Data Visualization Techniques
数据可视化技术
Creating the Final Deliverables
创建可交付的最终成果
Endgame, or Putting it all together
将技术、方法及工具应用于实践
培训体系结构图仅供参考，具体课程安排会进行相应调整
“2015大数据技术开发与应用实践培训”致力于打造中国最有影响力的大数据专业培训，不但注重技术与技能的讲解与培训，也注重动手能力的培养；不但拥有全面系统的技术体现机构，也同时提供大数据最新行业实践和商业应用的最新资讯；不但丰富学员的大数据专业知识结构，也为培训学员提供大数据相关职业发展的宝贵建议；不但提供现场授课，也提供后续网上学习和服务机会。参加“2015大数据技术开发与应用实践培训”还可以获得培训证书、培训推荐信（适用于更换职位或有求职需求的学员）、《大数据与云计算资料光盘》（各大专业峰会论坛及知名公司技术资料等）、培训会员卡（参加后续专项培训享受会员折扣）等。
培训推荐信
培训会员卡
往届“大数据技术开发与应用实践培训”受到业界的广泛关注，参加学员不但从技术上获得系统的培训，还对大数据的行业应用、市场格局及未来发展趋势有了深刻了解，这对学员的未来的职业和事业发展将起到积极的推动作用。根据我们对往届参加培训学员的回访，超过九成的学员对培训质量的评价是“很好”和“非常好”，绝大多数学员表示愿意将此培训推荐给其同行、同事及从事相关工作的朋友。
讲师认真授课
课余疑难请教
学员交流提高
往届参加培训的部分知名企业
为确保培训质量，此次精品培训将控制参加培训人数。请选择如下方式进行报名，陪训名额有限，额满截止。
在线报名 （适用于单人报名）
在线填写完整信息注册进行报名。
电子邮件报名 （适用于多人团队报名）
下载并完整填写
● 优惠信息：
同一单位3人以上
同一单位5人以上
注：如果你有兴趣参加同期召开的，可从如下链接统一注册，选择“同时参加培训”，支付合并后的款项金额，即可同时参与论坛和培训。
● 企业内训、定制化培训需求
我们针对不同企业及行业的具体情况提供定制培训及内训服务。大数据学院的企业服务提供从企业需求调研到课程定制开发，从培训交付实施到课后反馈跟踪的立体化定制体验，全方位满足企业客户的定制化培训需求。企业内训、定制化培训需求请发邮件至
或拨打热线电话 010- 与我们联系具体细节。
● 与我们联系：
热线电话：010-
电子邮件：
是弄潮大数据时代，还是被大数据潮流淘汰？
决胜2015，决胜大数据时代，现在行动！全国咨询热线：400-
您现在的位置：> > 正文
Copyright & 荣新IT培训中心 - Oracle培训、Linux培训、IOS培训、WEB前端工程师培训 京ICP备
地址：北京市海淀区白石桥路方圆大厦5层 (首都体育馆东侧) / 北京市海淀区四道口京果商厦 ／ 中关村软件园9号楼4层技术培训 | 大数据分析处理与用户画像实践1收藏分享举报文章被以下专栏收录面向未来的企业级云计算服务商{&debug&:false,&apiRoot&:&&,&paySDK&:&https:\u002F\\u002Fapi\u002Fjs&,&wechatConfigAPI&:&\u002Fapi\u002Fwechat\u002Fjssdkconfig&,&name&:&production&,&instance&:&column&,&tokens&:{&X-XSRF-TOKEN&:null,&X-UDID&:null,&Authorization&:&oauth c3cef7c66aa9e6a1e3160e20&}}{&database&:{&Post&:{&&:{&isPending&:false,&contributes&:[{&sourceColumn&:{&lastUpdated&:,&description&:&青云 QingCloud 使计算资源的交付更加简单、高效、可靠。&,&permission&:&COLUMN_PUBLIC&,&memberId&:2030862,&contributePermission&:&COLUMN_PUBLIC&,&translatedCommentPermission&:&all&,&canManage&:true,&intro&:&面向未来的企业级云计算服务商&,&urlToken&:&qingcloud&,&id&:12402,&imagePath&:&4f5d5afa8421.jpeg&,&slug&:&qingcloud&,&applyReason&:&0&,&name&:&青云QingCloud&,&title&:&青云QingCloud&,&url&:&https:\u002F\\u002Fqingcloud&,&commentPermission&:&COLUMN_ALL_CAN_COMMENT&,&canPost&:true,&created&:,&state&:&COLUMN_NORMAL&,&followers&:245,&avatar&:{&id&:&4f5d5afa8421&,&template&:&https:\u002F\\u002F{id}_{size}.jpg&},&activateAuthorRequested&:false,&following&:false,&imageUrl&:&https:\u002F\\u002F4f5d5afa8421_l.jpg&,&articlesCount&:67},&state&:&accepted&,&targetPost&:{&titleImage&:&&,&lastUpdated&:,&imagePath&:&&,&permission&:&ARTICLE_PUBLIC&,&topics&:[],&summary&:&孔淼：大数据分析处理与用户画像实践 直播内容如下：今天咱们就来闲聊下我过去接触过的数据分析领域，因为我是连续创业者，所以我更多的注意力还是聚焦在解决问题和业务场景上。如果把我在数据分析的经验进行划分的话，刚好就是我所经历的两次创业阶段，第…&,©Permission&:&ARTICLE_COPYABLE&,&translatedCommentPermission&:&all&,&likes&:0,&origAuthorId&:0,&publishedTime&:&T00:30:57+08:00&,&sourceUrl&:&&,&urlToken&:,&id&:537286,&withContent&:false,&slug&:,&bigTitleImage&:false,&title&:&技术培训 | 大数据分析处理与用户画像实践&,&url&:&\u002Fp\u002F&,&commentPermission&:&ARTICLE_ALL_CAN_COMMENT&,&snapshotUrl&:&&,&created&:,&comments&:0,&columnId&:12402,&content&:&&,&parentId&:0,&state&:&ARTICLE_PUBLISHED&,&imageUrl&:&&,&author&:{&bio&:&云计算服务提供商&,&isFollowing&:false,&hash&:&16db884aafc2af4e869b49d08cb68e60&,&uid&:069700,&isOrg&:false,&slug&:&qingcloud&,&isFollowed&:false,&description&:&青云 QingCloud 使计算资源的交付更加简单、高效、可靠。&,&name&:&青云QingCloud&,&profileUrl&:&https:\u002F\\u002Fpeople\u002Fqingcloud&,&avatar&:{&id&:&v2-a8ea46d2fa386bbe2a4c3&,&template&:&https:\u002F\\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},&memberId&:,&excerptTitle&:&&,&voteType&:&ARTICLE_VOTE_CLEAR&},&id&:360791}],&title&:&技术培训 | 大数据分析处理与用户画像实践&,&author&:&qingcloud&,&content&:&\u003Cp\u003E孔淼：大数据分析处理与用户画像实践\u003Cbr\u003E直播内容如下：\u003C\u002Fp\u003E\u003Cp\u003E今天咱们就来闲聊下我过去接触过的数据分析领域，因为我是连续创业者，所以我更多的注意力还是聚焦在解决问题和业务场景上。如果把我在数据分析的经验进行划分的话，刚好就是我所经历的两次创业阶段，第一阶段是“第三方数据分析”，第二阶段是“第一方数据分析”。所以今天咱们就从这两点来谈谈数据分析。\u003C\u002Fp\u003E\u003Ch2\u003E第三方数据分析\u003C\u002Fh2\u003E\u003Cp\u003E先聊聊“第三方数据分析”，这个主要结缘于我给开复做微博数据挖掘。\u003C\u002Fp\u003E\u003Ch3\u003E起因：给开复做“微博推荐”\u003C\u002Fh3\u003E\u003Cp\u003E微博刚刚火起来的时候，大家发现开复曾经一段时间内都是微博的 Top1，很多人会在想，开复每天都在刷微博吗？或者开复的微博是不是有个庞大的运营团队？\u003C\u002Fp\u003E\u003Cp\u003E我可以给你答案，其实基本上都是开复自己处理的。但是开复每天都很忙，没有时间看那么多微博，所以我们玩了个 “trick” ，通过程序自动化微博推荐，“揪出”可能会成为爆点或者有意义的微博。\u003C\u002Fp\u003E\u003Cp\u003E开复提了个算法，就是抓取自己关注的人，以及关注人的关注作为种子，首先将这些人的微博转发历史建立一个“历史档案”，理论上每个人都可以计算出一个时间与转发量的相关函数曲线，然后通过监控这些人的微博，如果在某个时刻，微博的发布超出历史档案一定倍数，我们就会认为这是可被推荐的微博，所以开复每天看的都是经过筛选后的微博。\u003C\u002Fp\u003E\u003Cp\u003E在这个过程中，赶上了微博增长的爆发阶段，所以在计算历史档案的效率上，我们用了连续信号的时序抽样相关算法，减少计算复杂度，并且也会去调整倍数的参数，同时我们每天也会在数据库里手动添加一些新的有价值的种子用户。\u003C\u002Fp\u003E\u003Ch3\u003E转承：微博数据挖掘到第三方数据挖掘\u003C\u002Fh3\u003E\u003Cp\u003E刚刚讲了一些故事，其实跟着开复还做了很多关于微博数据的挖掘，后来其演变成了一款产品叫“脉搏网”，包括微博转发的可视化监控，找出 KOL （意见领袖）分析爆点原因等等。“脉搏网”虽然表面是微博工具，但是其本质是一群精英爬虫。谈到今天的话题，第三方数据，就不得不说爬虫。\u003C\u002Fp\u003E\u003Cp\u003E其实我在做第三方数据分析的时候，所有的用户数据都来自于网络公开的数据抓取，比如微博、豆瓣、人人、知乎等等，所有的标签数据来自于垂直网站的抓取，例如汽车品类就是汽车之家，旅游就是旅游网站等等。\u003C\u002Fp\u003E\u003Cp\u003E所谓第三方数据分析，其实相对于数据使用方的自有数据（第一方数据）而言的。对于数据提供方的数据来源也大概分为几种：\u003C\u002Fp\u003E\u003Col\u003E\u003Cli\u003E类似“脉搏网”这种的爬虫专业户\u003C\u002Fli\u003E\u003Cli\u003E类似 Admaster 这样的广告监控， Cookie 跟踪用户页面访问记录等等\u003C\u002Fli\u003E\u003Cli\u003ETalkingdata 这种数据分析平台，用户的应用列表数据等等\u003C\u002Fli\u003E\u003C\u002Fol\u003E\u003Cp\u003E所以包括我们上家创业公司（37degree）、 Admaster 和 Talkingdata 都做了DMP（Data management platform），虽然大家的数据源不一样，但是都会基于各种数据进行清洗，然后计算标签，比如网页有不同类型的网站，应用也有不同的分类，当然实际的算法会比这个复杂多了。\u003C\u002Fp\u003E\u003Cp\u003E来聊聊我做的第三方数据的一些经验：\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E先说说数据抓取，也就是爬虫。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E这个爬虫不是简单的发个请求，解析一下 DOM 就可以了，实战中主要从以下方面去解决：\u003C\u002Fp\u003E\u003Cul\u003E\u003Cli\u003E找到合适的接口，包括移动端抓包、PC 网站、Wap 站、Ajax 异步请求\u003C\u002Fli\u003E\u003Cli\u003E突破限制和验证，包括模拟请求，绕过验证码，登录验证，网络代理\u003C\u002Fli\u003E\u003Cli\u003E效率问题\u003C\u002Fli\u003E\u003C\u002Ful\u003E\u003Cp\u003E先说说第一个问题：\u003C\u002Fp\u003E\u003Cp\u003E爬虫的第一要点一定是巧取。\u003Cbr\u003E很多人盲目的去爬取所有能爬到的网页接口，这样做是不对的。找到合适的接口是做爬虫的第一步，这样节省的时间可能是指数级的。举个例子，假如要抓取微博用户的 profile ，有以下几种办法：\u003C\u002Fp\u003E\u003Cul\u003E\u003Cli\u003E网页\u003C\u002Fli\u003E\u003Cli\u003E客户端， iOS 、 Android 、平板等等\u003C\u002Fli\u003E\u003Cli\u003Ewap 网站\u003C\u002Fli\u003E\u003C\u002Ful\u003E\u003Cp\u003E同样的业务，各个终端都有。我们所要作的就是在其中找逻辑最简单的，并且限制最少的接口去做爬取。\u003C\u002Fp\u003E\u003Cp\u003E对于PC网站，很多人之前都会被一些 Javascript 异步加载，也就是需要点击交互才能触发的接口卡住，所以喜欢用模拟浏览器的库去处理，这种做法小打小闹还可以，大规模处理就会遇到性能等各方面的问题。一般来讲，用 Chrome 的调试工具，看 Network ，必要时要点下 Preserve Log ，防止日志在重定向时清掉。\u003C\u002Fp\u003E\u003Cp\u003E对于移动端，可以用 Charles 或者 Fiddler2 设置终端代理，然后抓包网络请求，这样就可以看到很多请求数据了，然后找到自己需要的。这种做法我一般用的最多，因为移动端的 API 几乎都是结构化的数据，不像网页还需要解析。\u003C\u002Fp\u003E\u003Cp\u003E然后说说第二个问题，突破限制：\u003C\u002Fp\u003E\u003Cp\u003E模拟请求肯定是第一步，你要熟知 HTTP 协议，简单的比如 UA、Referer，又比如 Cookie 在请求头哪儿设置的，还有的就是一些常用的协议，比如 XAuth 协议、OAuth2.0 协议等，我们当时研究爬虫的同事在原理级需要融会贯通的。\u003C\u002Fp\u003E\u003Cp\u003E绕过验证码，用一些简单的 OCR 的库，比如早期的 12306 很简单，复杂的就只能找漏洞了。\u003C\u002Fp\u003E\u003Cp\u003E登录验证，一般来讲其实最主要的有两个问题：\u003C\u002Fp\u003E\u003Cp\u003E一个是需要连续请求，中间涉及到添加了一些 Cookie 或者参数传递都得完整跟踪模拟；\u003Cbr\u003E第二个就是弄清楚加密的机制，比如早期新浪微博是二次 SHA1 加密还加 salt，后来是 RSA 加密。对于 PC 网页弄清楚加密原理比较简单，就是要学会阅读 Javascript 的代码。然后需要有足够多的账号用来伪造身份，有的时候也可以不用模拟登陆，用 OAuth 的一些授权来做，道理也类似，就是要模拟拿到 Access_token，比如说我看了 OAuth2.0 的 RFC 协议，然后找到了授权的一个隐藏漏洞。\u003C\u002Fp\u003E\u003Cp\u003E网络代理就得看实际情况了。有的请求是 HTTP ，有的请求是 HTTPS ，我们当时是抓了大部分网络公开的代理网站，然后结合不同的抓取域名，验证这些代理的有效性，保证随时拥有大量可用的代理库，包括 HTTP 和 HTTPS 的。\u003C\u002Fp\u003E\u003Cp\u003E最后一个问题就是效率，爬虫是一个很大的工程。举个简单的例子，我要抓取微博用户的个人资料、关注关系、微博内容，微博内容和关注关系还需要分页，如果是 3 亿的微博账号，平均一个人 5 个请求，就需要 15 亿请求，一天的请求耗时是 86400 秒，所以可想而知抓一遍压力还是很大的。\u003C\u002Fp\u003E\u003Cp\u003E我们当时的框架主要分为三种，都是自己写的:\u003C\u002Fp\u003E\u003Cul\u003E\u003Cli\u003E基于 Hadoop 的爬虫\u003C\u002Fli\u003E\u003Cli\u003E基于 Celery 的单网卡\u003C\u002Fli\u003E\u003Cli\u003E基于 Celery 的多网卡分布式\u003C\u002Fli\u003E\u003C\u002Ful\u003E\u003Cp\u003E分布式其实一个很重要的特性就是消息通信，爬虫框架核心是频繁的URL调度和解析的调度。如果是用分布式解析的方法来解析站点的话，那么爬下来的内容会占用非常多的带宽。在多网卡环境下，一般内网千兆，外网百兆，通信走内网，抓取走外网，这样对带宽影响不大。但是如果是单网卡环境时就不一样了，所以单网卡时，基本上就会相应减少解析调度，主要的信息通信依然是URL的调度，通过异步解析的方式来最大程度的利用好网络资源。\u003C\u002Fp\u003E\u003Cp\u003E爬虫这块想了解更多的话，可以看看我之前写的两篇爬虫入门文章。\u003Cbr\u003E《爬虫入门上篇》\u003Ca href=\&https:\u002F\\u002Fp\u002F?refer=zhugeio\& class=\&internal\&\u003E一看就明白的爬虫入门讲解-基础理论篇（上篇） - 诸葛io - 知乎专栏\u003C\u002Fa\u003E\u003Cbr\u003E《爬虫入门下篇》\u003Ca href=\&https:\u002F\\u002Fp\u002F?refer=zhugeio\& class=\&internal\&\u003E一看就明白的爬虫入门讲解-基础理论篇（下篇） - 诸葛io - 知乎专栏\u003C\u002Fa\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E算法分析\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E接下来说说算法分析这块。抓取数据只是一部分，其实更大的挑战还是算法分析，诸如用户画像、标签计算，以及机器学习应用里面的聚类分类等等。\u003C\u002Fp\u003E\u003Cp\u003E影响力算法\u003Cbr\u003E我们对微博用户影响力的计算用的就是 Pagerank 相关的算法，因为用户之前的关注关系很类似网页之间的链接关系，所以我们当时抓取了所有用户的关注关系，用 Pagerank 的算法来计算这些人的影响力排名。\u003C\u002Fp\u003E\u003Cp\u003E消费能力计算\u003Cbr\u003E微博用户有发布微博的设备列表，有加 V 认证的类型，并且还有关注关系，所以我们结合这些维度计算了消费能力。\u003C\u002Fp\u003E\u003Cp\u003E标签计算\u003Cbr\u003E预先标注一些标签库，然后将用户的微博进行分词词频统计，然后找到对应标签统计权重，标签库主要来源于垂直网站的抓取训练。\u003C\u002Fp\u003E\u003Cp\u003E其实计算影响力和消费能力是很大的挑战，虽然这些事情都是通过算法去实现，但效率上还是有很大的挑战，比如 1 秒计算 100 个人，一天也只能计算 800 多万个用户，算完所有用户也要一个月，所以我们做了很多算法和性能的优化，甚至牺牲一定准确性换取效率。最开始我们用过 Pagerank ，后来尝试了 Hadoop 也不是很理想，计算量太大。最后我们优化了算法，换了 Graphlab 的计算引擎。\u003C\u002Fp\u003E\u003Cp\u003E在对微博数据进行上面提到的计算分析之前，我们其实还做了很多数据处理的工作。大家都知道，数据大体可以分为两种，一种是非结构化数据，一种是结构化的数据。\u003C\u002Fp\u003E\u003Cp\u003E比方说：微博抓下来的大多都是人口属性和 Json ，这些属于结构化数据；同时，大家发的140个字的微博内容，这些就属于非结构化的数据。而在简历数据匹配的项目里，简历内容和职位要求也大多是非结构化的。\u003C\u002Fp\u003E\u003Cp\u003E对于非结构话数据的匹配分析，就要用聚类分类的算法了。简历匹配的场景，主要适用于在茫茫简历中找到和企业自身职位相关性最高的简历，或者一个应聘者需要快速找到和自己相关度最高的职位，这个时候，为结构化数据准备的传统的目录索引的方式就很难满足需求了。举个例子，即便都是 Java 工程师，不同公司给这个岗位取的名称可能不一样（ Java 工程师、后端工程师等等），这个时候就要看详细的职位要求，通过对非结构的“岗位描述”信息进行聚类分析来实现匹配。\u003C\u002Fp\u003E\u003Cp\u003E机器学习主要分为两种，无监督学习和有监督的学习。\u003C\u002Fp\u003E\u003Cp\u003E我们做简历的项目运用的就是无监督的 LDA 算法，这个在广告领域应用较多，核心原理你可以认为我们想要聚类分类的就是一些方向，每一个文本行可以是一堆向量，向量有长度和方向，最终我们通过比较找到这些向量的相似性。\u003C\u002Fp\u003E\u003Cp\u003E再解释下，比如一个简历认为是一个处理单元，我们预先准备好职位相关的词库，然后这些词可以认为就是方向，我们将简历 TF-IDF 算法处理后，去除无关词汇，其实就是一些词和词频的组合，可以认为是向量和向量的长度，然后再进行聚类，因为是无监督，所以我们需要去预估大概有多少个分类，然后不停去调配参数，最终得到一些聚类。\u003C\u002Fp\u003E\u003Cp\u003E用户画像其实就是像上述一样，我们会设计好很多人口特征的维度，也会根据我们的数据源去找到可以潜在推测的维度，那么这些维度就可能构成人物的画像，例如影响力，消费能力，兴趣能力，品牌标签等等，又结合应用领域的不一样，标签往往要从细分领域提取，所以就提到要去抓取垂直网站的语料，然后抽取训练，最后给用户打标签，或者给用户聚类分类。\u003C\u002Fp\u003E\u003Cp\u003E我们建立了庞大的用户数据库，一直服务于广告营销等行业。但是在做这个过程中，我们深深感受到的是当今企业内分析能力的不足，以及过多的分析需求聚焦于“流量获取”上，总想从外部拿到数据匹配用户的标签，但是自己的业务数据分析处理很薄弱，另外一方面也是不关心用户的 engagement ，所以我才想到要做第一方数据分析工具，帮助更多企业从内容数据处理优化做起。\u003C\u002Fp\u003E\u003Ch2\u003E第一方数据分析\u003C\u002Fh2\u003E\u003Cp\u003E\u003Cstrong\u003E接下来来聊聊第一方数据分析。\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E第一方数据简单来理解就是自有数据，大多数公司的自有数据就是数据库里用户产生的业务数据，数据分析意识高一点的公司可能会尝试通过日志收集一些用户的行为数据。所谓行为数据就是包括进入产品、浏览等一系列的使用行为，或者收藏、关注、购买、搜索等一系列的业务行为。\u003C\u002Fp\u003E\u003Cp\u003E对于大多数初期小公司而言，都没有自己的数据分析平台，所以多数时候的第一方数据分析是依赖于工程师写脚本，根据需求去查数据库。大量的时间都浪费在沟通、确认需求、写脚本、等待结果运算这些流程中。\u003C\u002Fp\u003E\u003Cp\u003E对于很多有一定能力的互联网公司，公司内部也开始构建自己的数据分析平台，并且已经开始收集用户的行为数据进行分析，但是大多数对于行为的数据利用还是限制于两种：\u003C\u002Fp\u003E\u003Cp\u003E第一种做法还是传统 BI，基于 Oracle 等关系型数据库或者基于 Hadoop 的统计分析。一般来讲就是设计好数据仓库的模型，包括待分析的一些维度，然后基于维度进行汇总统计，比如在产品领域，就是去统计一些关键行为的发生次数，常见的就是计算页面访问量、独立用户数、留存率等指标，简而言之也就是用于统计结果。\u003C\u002Fp\u003E\u003Cp\u003E第二种做法就是利用行为数据进行个性化的数据推荐。这个还是比较 Make Sense 的，从早期亚马逊的推荐到 Facebook 的相关推荐，这个是我比较推崇的：不只计算结果，而是运用数据优化业务。\u003C\u002Fp\u003E\u003Cp\u003E个性化推荐现在常用的就是协同过滤。基本也是分为两种，一个是基于热度，一个是基于兴趣。前者是 user-based，后者是 item-based，如果你想打造一个兴趣社区，那么一定要避免根据统计结果，进行热门推荐，而兴趣推荐的一个重点就是要预设一些标签。\u003C\u002Fp\u003E\u003Cp\u003E综合以上两类公司的做法来看，其实用户的产品互动行为数据基本上始终被当做一个黑盒子来看，推荐算法虽然对这些数据利用的比较好但是只是一个对单用户纵深的分析做法，而横向的用户分析最终止于高度汇总的报表，并不能探索和验证用户在产品上的行为如何影响了公司的业务指标。一个典型的现象就是很多产品的迭代决策靠的是猜测或者直觉。\u003C\u002Fp\u003E\u003Cp\u003E所以基于这些考虑，我们就想怎么才能打造一个更加有意义的第一方数据分析平台，而不只是多维交叉汇总结果。\u003C\u002Fp\u003E\u003Cp\u003E于是就想到了做诸葛 io，那诸葛 io 和过去的第一方数据运用有什么区别呢？我们先从业务来看就是以用户为中心，所以“流量时代”关注的是用户数量结果，BI关注的是维度聚合结果，而我们关心的是用户。\u003C\u002Fp\u003E\u003Cp\u003E诸葛 io 目前已经在青云 QingCloud 应用中心上线，欢迎各位青云的用户前去使用。\u003C\u002Fp\u003E\u003Cp\u003E我们过去看到一些 Dashboard 的图表，上升下降可能很难找到原因，因为一开始分析的基础就是维度汇总的数据。\u003C\u002Fp\u003E\u003Cp\u003E但是如果所有的数据以独立的用户跟踪为基础就不一样了，假若我们看到新增的这些数字，或者汇总分布的结果，我们可以找到每个具体数字背后的人，能还原这些用户的丰富业务标签和维度，亦然可以做更多的比较和分析了。\u003C\u002Fp\u003E\u003Cp\u003E可以说“行为即标签”。用户的行为数据、之前每次的交互行为等，都可以构成丰富的业务标签。举“知乎”这个社区为例，“关注了XX话题”“关注了XX用户”“点赞了XX内容”“分享XX文章”，这些行为本身就是非常丰富且有用的标签，组合起来亦然。基于用户在产品内的行为所构建的标签体系，比之前说的第三方数据计算出标签意义更大。因为基于行为设定的标签，后续是能反作用于用户的，我们可以为不同行为标签下的用户群设定更精准的运营策略，例如内容推荐、活动促销、精准推送等等。\u003C\u002Fp\u003E\u003Cp\u003E最后，再从技术上来讲讲，主要使用的其实还是 lambda 架构。\u003C\u002Fp\u003E\u003Cp\u003E我们以 Kafka 为消息中心，利用多层生产者与消费者的概念，对数据进行运用，例如实时计算、打标签、导入数据仓库、备份等等。\u003C\u002Fp\u003E\u003Cp\u003E数据存储，也用了 SQL 和 NoSQL，但 SQL 也是用的列式存储数据库，NoSQL 诸如对 Elastic search 进行索引，承载一些快速查询的场景，关系型主要用于复杂计算，因为我们不止是用户、事件两个主题，还有会话，所以复杂度很高，中间我们也用了一些小 trick ，以后有机会和大家分享一下。\u003C\u002Fp\u003E\u003Cp\u003E以上是我本次的分享，谢谢大家。\u003C\u002Fp\u003E\u003Ch2\u003EQ&A\u003C\u002Fh2\u003E\u003Col\u003E\u003Cli\u003E\u003Cstrong\u003E如何高效的剔除无用的数据，减少大量批量注册的用户的数据，让数据挖掘更加有价值。\u003C\u002Fstrong\u003E\u003Cbr\u003E第一层就是通过简单的ip或者其他反spam规则过滤，第二层就是基于用户行为分层可以做一些过滤，比如满足完成过某些行为或者访问次数大于多少天的等等，第三层就是用户聚类可以找到这些差异用户\u003C\u002Fli\u003E\u003Cli\u003E\u003Cstrong\u003E如何提高爬虫的效率，剔除无价值的信息\u003C\u002Fstrong\u003E\u003Cbr\u003E这个问题和数据分析很类似，就是先明确目的，然后过滤无关数据源，比如说如果是计算标签，那么确定需要的垂直网站，语料范围等等，再开始定向抓取，有些人会直接用广度优先的开源爬虫框架根据URL抓取，多设置些相关性规则\u003C\u002Fli\u003E\u003Cli\u003E\u003Cstrong\u003E如何绕开被爬取对方的对于防爬虫的机制\u003C\u002Fstrong\u003E\u003Cbr\u003E刚刚已经讲了一些，一定要思路灵活，潜在的漏洞，可触及的访问方式，几近的模拟，肯定有办法的\u003C\u002Fli\u003E\u003Cli\u003E\u003Cstrong\u003E请问如何有效防止爬虫爬取网站数据，防止盗取盗链\u003C\u002Fstrong\u003E\u003Cbr\u003E反爬的策略也是一层层的，最简单的就是UA或者Referer或者cookie的http协议设定，会拦住一大批初级爬虫，然后就是高级一点的请求次数权限控制，最后可能就是要损失一些用户体验了，验证码等等，另外HTTPS很重要，防止网关大规模用户token泄露\u003C\u002Fli\u003E\u003Cli\u003E\u003Cstrong\u003E何种算法对于用户肖像描绘比较适合\u003C\u002Fstrong\u003E\u003Cbr\u003E这个问题不好回答哈，分享中提及到了影响力、标签算法，其实还是要根据业务应用场景以及数据源来的，很灵活\u003C\u002Fli\u003E\u003Cli\u003E\u003Cstrong\u003E对于多项数据分析，比如天气的阴晴雨雪如何设定权值更合理\u003C\u002Fstrong\u003E\u003Cbr\u003E权值需要设定结果目标，然后多做测试，相关性分析，调配参数\u003C\u002Fli\u003E\u003Cli\u003E\u003Cstrong\u003E怎样建立一种评估体系，让真正有价值的大数据凸显出来，同时可以节省成本呢？\u003C\u002Fstrong\u003E\u003Cbr\u003E这其实就是诸葛io在做的，现在的大数据大多都是aggregation，真正的大数据要懂user behavior，然后个性化服务，以及产品市场策略，提高ROI，也降低用户发现价值的成本，那么企业就更有可能提升效益，以及降低成本了\u003Cbr\u003Ecustomer acquisition时代我们依赖第三方数据进行匹配和用户获取，但是customer engagement时代，我们要做的是理解user behavior，提高转化率，和企业效率\u003C\u002Fli\u003E\u003Cli\u003E\u003Cstrong\u003E企业在线搜集用户数据，在做大数据分析时如何平衡企业效用与网络用户个人隐私之间的关系，尊重和保证网络用户的个人隐私？\u003C\u002Fstrong\u003E\u003Cbr\u003E欧盟有很多规范，至少比国内现在很多企业通过植入SDK到开发者程序，通过覆盖抓取客户数据，然后来支撑自己的商业利益有很多，比如你们用google和apple的服务经常会弹出是否允许收集资料要好很多\u003Cbr\u003E现在数据隐私泄露很普遍，比如大家的短信，网络的DNS劫持都被某些数据商贩卖，黑色产业链\u003Cbr\u003E另外未来的数据分析和交换更多可能会基于企业自由交易，以及用户的身份加密\u003C\u002Fli\u003E\u003C\u002Fol\u003E&,&updated&:new Date(&T16:30:57.000Z&),&canComment&:false,&commentPermission&:&anyone&,&commentCount&:0,&collapsedCount&:0,&likeCount&:1,&state&:&published&,&isLiked&:false,&slug&:&&,&isTitleImageFullScreen&:false,&rating&:&none&,&titleImage&:&&,&links&:{&comments&:&\u002Fapi\u002Fposts\u002F2Fcomments&},&reviewers&:[],&topics&:[{&url&:&https:\u002F\\u002Ftopic\u002F&,&id&:&&,&name&:&大数据&},{&url&:&https:\u002F\\u002Ftopic\u002F&,&id&:&&,&name&:&大数据分析&}],&adminClosedComment&:false,&titleImageSize&:{&width&:0,&height&:0},&href&:&\u002Fapi\u002Fposts\u002F&,&excerptTitle&:&&,&column&:{&slug&:&qingcloud&,&name&:&青云QingCloud&},&tipjarState&:&inactivated&,&annotationAction&:[],&sourceUrl&:&&,&pageCommentsCount&:0,&hasPublishingDraft&:false,&snapshotUrl&:&&,&publishedTime&:&T00:30:57+08:00&,&url&:&\u002Fp\u002F&,&lastestLikers&:[{&bio&:null,&isFollowing&:false,&hash&:&ccf08ab9d093b11ddb2ffe2&,&uid&:580500,&isOrg&:false,&slug&:&tian-a-lu-30&,&isFollowed&:false,&description&:&&,&name&:&天啊噜&,&profileUrl&:&https:\u002F\\u002Fpeople\u002Ftian-a-lu-30&,&avatar&:{&id&:&da8e974dc&,&template&:&https:\u002F\\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false}],&summary&:&孔淼：大数据分析处理与用户画像实践 直播内容如下：今天咱们就来闲聊下我过去接触过的数据分析领域，因为我是连续创业者，所以我更多的注意力还是聚焦在解决问题和业务场景上。如果把我在数据分析的经验进行划分的话，刚好就是我所经历的两次创业阶段，第…&,&reviewingCommentsCount&:0,&meta&:{&previous&:{&isTitleImageFullScreen&:false,&rating&:&none&,&titleImage&:&https:\u002F\\u002F50\u002F5e8b9c4a063d574fc9b029ce161ff801_xl.jpg&,&links&:{&comments&:&\u002Fapi\u002Fposts\u002F2Fcomments&},&topics&:[{&url&:&https:\u002F\\u002Ftopic\u002F&,&id&:&&,&name&:&南京&},{&url&:&https:\u002F\\u002Ftopic\u002F&,&id&:&&,&name&:&云计算&}],&adminClosedComment&:false,&href&:&\u002Fapi\u002Fposts\u002F&,&excerptTitle&:&&,&author&:{&bio&:&云计算服务提供商&,&isFollowing&:false,&hash&:&16db884aafc2af4e869b49d08cb68e60&,&uid&:069700,&isOrg&:false,&slug&:&qingcloud&,&isFollowed&:false,&description&:&青云 QingCloud 使计算资源的交付更加简单、高效、可靠。&,&name&:&青云QingCloud&,&profileUrl&:&https:\u002F\\u002Fpeople\u002Fqingcloud&,&avatar&:{&id&:&v2-a8ea46d2fa386bbe2a4c3&,&template&:&https:\u002F\\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},&column&:{&slug&:&qingcloud&,&name&:&青云QingCloud&},&content&:&\u003Ch2\u003E关于实践课堂\u003C\u002Fh2\u003E\u003Cp\u003EQingCloud 实践课堂系列开始于 2014 年末，在深圳、上海、广州、成都、杭州、北京六个城市，QingCloud 的研发工程师们同近千名 CIO 、架构师、开发者、运维工程师……分享了 QingCloud 的技术理念、功能特性和使用技巧，还有来自人民网、融云、泰捷视频、杏树林、友好速搭、百姓网、冰点、顺丰速运、洋葱圈、 MoPaaS 的架构师们同大家分享了精彩的云端实战经验。\u003C\u002Fp\u003E\u003Cp\u003E云赋予我们更大的想象力和创造力，让我们在互联网经济的激烈竞争中凭借敏捷、可靠、高性能、低投入的 IT 能力重新定义面相未来的商业模型和企业核心竞争力。\u003C\u002Fp\u003E\u003Cp\u003E从高性能、高可用和高可靠的基础IT资源提供和调度，到丰富的 Ochestration（编排）层服务，到应用程序全生命周期的管理工具及服务提供， QingCloud 的产品形态和服务能力不断丰富，为超过 45,000 家用户创造了更多的价值。那么，从上一季实践课堂到今天， QingCloud 又有哪些新功能推出？如何最大程度利用云服务的优势？\u003C\u002Fp\u003E\u003Cp\u003EQingCloud 实践课堂第 2 季将会给你答案。\u003C\u002Fp\u003E\u003Cdiv class=\&highlight\&\u003E\u003Cpre\u003E\u003Ccode class=\&language-text\&\u003E\u003Cspan\u003E\u003C\u002Fspan\u003E还是那句话——\n\n我们不作秀，只想同认真好学的你分享最踏实的知识。\n\u003C\u002Fcode\u003E\u003C\u002Fpre\u003E\u003C\u002Fdiv\u003E\u003Ch2\u003E谁适合参加？\u003C\u002Fh2\u003E\u003Cul\u003E\u003Cli\u003E\u003Cp\u003E云计算用户\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E企业 IT 和运维工程师、架构师、管理员、决策者\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E开发者\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003EPaaS、SaaS、DevOps 专业服务提供商\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E想了解靠谱的云知识的朋友和 QingCloud 爱好者\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E还有，错过了第一季的同学们：）\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003C\u002Ful\u003E\u003Ch2\u003E会有哪些收获？\u003C\u002Fh2\u003E\u003Cul\u003E\u003Cli\u003E\u003Cp\u003E你可以全面认识、了解完整的基础云服务所涵盖的全部组件，学会在各种场景下如何最好地使用它们；\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E你可以直接同 QingCloud 研发工程师进行直接交流，还可以向云资源的资深用户取经；\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E从基础知识到实践进阶，掌握如何轻松、熟练地在 QingCloud 公有云平台上搭建一个强壮、弹性、安全的IT环境。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003C\u002Ful\u003E\u003Ch2\u003EWhen & Where ？\u003C\u002Fh2\u003E\u003Cul\u003E\u003Cli\u003E\u003Cp\u003E2016 年 5 月 14，13:30 - 18:00\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E南京市玄武区中央路 256 号斯塔克西餐厅（玄武湖隧道口南 50 米）\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003C\u002Ful\u003E\u003Ch2\u003E除此，还有若干小惊喜。。。\u003C\u002Fh2\u003E\u003Cul\u003E\u003Cli\u003E\u003Cp\u003E参与活动后新注册用户会得到我们的充值赠送；\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E免费领取 QingCloud 限量版礼品，加入 QingCloud 大家庭；\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E免费获得 QingCloud 培训资料一份，技术干货打包带走。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003C\u002Ful\u003E\u003Ch2\u003E注意事项\u003C\u002Fh2\u003E\u003Cul\u003E\u003Cli\u003E\u003Cp\u003E本次活动免费参加，但有人数限制，请您点击报名，我们会在简单审核后确认您的参会资格。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E届时请携我们发送的电子凭证入场。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003C\u002Ful\u003E\u003Ch2\u003E报名请扫码\u003C\u002Fh2\u003E&,&state&:&published&,&sourceUrl&:&&,&pageCommentsCount&:0,&canComment&:false,&snapshotUrl&:&&,&slug&:,&publishedTime&:&T08:59:15+08:00&,&url&:&\u002Fp\u002F&,&title&:&王炸级服务曝光，南京的小伙伴们准备好了么？&,&summary&:&关于实践课堂QingCloud 实践课堂系列开始于 2014 年末，在深圳、上海、广州、成都、杭州、北京六个城市，QingCloud 的研发工程师们同近千名 CIO 、架构师、开发者、运维工程师……分享了 QingCloud 的技术理念、功能特性和使用技巧，还有来自人民网、融云、…&,&reviewingCommentsCount&:0,&meta&:{&previous&:null,&next&:null},&commentPermission&:&anyone&,&commentsCount&:0,&likesCount&:0},&next&:{&isTitleImageFullScreen&:false,&rating&:&none&,&titleImage&:&https:\u002F\\u002F50\u002F195dc01f1fb_xl.jpg&,&links&:{&comments&:&\u002Fapi\u002Fposts\u002F2Fcomments&},&topics&:[{&url&:&https:\u002F\\u002Ftopic\u002F&,&id&:&&,&name&:&云服务&}],&adminClosedComment&:false,&href&:&\u002Fapi\u002Fposts\u002F&,&excerptTitle&:&&,&author&:{&bio&:&云计算服务提供商&,&isFollowing&:false,&hash&:&16db884aafc2af4e869b49d08cb68e60&,&uid&:069700,&isOrg&:false,&slug&:&qingcloud&,&isFollowed&:false,&description&:&青云 QingCloud 使计算资源的交付更加简单、高效、可靠。&,&name&:&青云QingCloud&,&profileUrl&:&https:\u002F\\u002Fpeople\u002Fqingcloud&,&avatar&:{&id&:&v2-a8ea46d2fa386bbe2a4c3&,&template&:&https:\u002F\\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false},&column&:{&slug&:&qingcloud&,&name&:&青云QingCloud&},&content&:&\u003Cp\u003E最近，游戏迷万千瞩目的《魔兽》电影终于正式宣布了内地的上映时间—— 6 月 8 日。自打暴雪宣布要拍摄《魔兽》主题电影以来，这部电影就一直受到魔兽玩家的关注，在经历了无数次跳票后，终于等到了这一天。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cfigure\u003E\u003Cimg src=\&https:\u002F\\u002F195dc01f1fb_b.jpg\& data-rawwidth=\&468\& data-rawheight=\&281\& class=\&origin_image zh-lightbox-thumb\& width=\&468\& data-original=\&https:\u002F\\u002F195dc01f1fb_r.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cbr\u003E\u003Cem\u003E魔兽电影宣传海报\u003C\u002Fem\u003E\u003C\u002Fp\u003E\u003Cp\u003E这部集全球顶尖团队之力打造的魔幻史诗巨制改编自暴雪娱乐的经典游戏——魔兽世界和魔兽争霸，据说还有国民男神吳彥祖扮演大反派古尔丹。你会带上当年的战友去刷“电影院”吗？\u003C\u002Fp\u003E\u003Cp\u003E\u003Cfigure\u003E\u003Cimg src=\&https:\u002F\\u002Fcf4bb994eddacbb71b943af73d11d202_b.jpg\& data-rawwidth=\&534\& data-rawheight=\&240\& class=\&origin_image zh-lightbox-thumb\& width=\&534\& data-original=\&https:\u002F\\u002Fcf4bb994eddacbb71b943af73d11d202_r.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cbr\u003E\u003Cem\u003E国民男神参演让人激动(≧▽≦)\u002F\u003C\u002Fem\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cfigure\u003E\u003Cimg src=\&https:\u002F\\u002Fcd33e2d1da8f_b.jpg\& data-rawwidth=\&518\& data-rawheight=\&399\& class=\&origin_image zh-lightbox-thumb\& width=\&518\& data-original=\&https:\u002F\\u002Fcd33e2d1da8f_r.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cbr\u003E\u003Cem\u003E但这个形象，你能认出来是谁吗(⊙﹏⊙)\u003C\u002Fem\u003E\u003C\u002Fp\u003E\u003Cp\u003E谈到“魔兽”，相信这已经成为了很多 80、90 后一代人的青春记忆，具有非常大的影响力。虽然很多当年的狂热少年如今已为人父，但是《魔兽》电影上映仍然还能够唤起那段记忆吧。\u003C\u002Fp\u003E\u003Cp\u003E魔兽系列最吸引人的莫过于《魔兽世界》，除了具有精彩的游戏内容、宏大的场景、引人入胜的游戏体验外，最最重要的，也是最吸引人的其实是它的社交体验，很多人第一次在游戏中找到了虚拟世界的感觉。魔兽世界的互动分为很多种形式，简单点的可以通过互加好友来进行互动。如果想在游戏世界中获得更深的归属感，还可以加入某个工会，找到大家庭的感觉。\u003C\u002Fp\u003E\u003Ch2\u003E专业队友的重要性\u003C\u002Fh2\u003E\u003Cp\u003E在面临某些比较复杂的游戏内容时（比如 5 人小副本、25 人团队副本），玩家需要和游戏中其他更多的玩家组队完成。既然是队伍，肯定要有分工，魔兽世界的队伍中包括三种角色：坦克、治疗、DPS 。\u003C\u002Fp\u003E\u003Cul\u003E\u003Cli\u003E坦克的作用主要就是抗怪，承受伤害；\u003C\u002Fli\u003E\u003Cli\u003E治疗的作用是为了使队友避免受到伤害，解毒，加血等；\u003C\u002Fli\u003E\u003Cli\u003EDPS的作用就是制造伤害，DPS能力高低决定着完成战斗的时长。\u003C\u002Fli\u003E\u003C\u002Ful\u003E\u003Cp\u003E每一场战斗都需要队伍中的这三种角色紧密配合才能完成，这时候就要考验队友之间的配合和专业性。玩过魔兽的人肯定都有过这种经历：同一场战斗，如果是专业队友，意识好、态度佳、配合紧密的情况下非常轻松，玩起来 so easy ！但是如果碰到了猪队友，easy 模式也能活活给你虐成炼狱模式。\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cimg src=\&https:\u002F\\u002Fbf29f54da584d37b58a08eef_b.jpg\& data-rawwidth=\&585\& data-rawheight=\&354\& class=\&origin_image zh-lightbox-thumb\& width=\&585\& data-original=\&https:\u002F\\u002Fbf29f54da584d37b58a08eef_r.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cbr\u003E\u003Cp\u003E每当这种时候小编就想求老天保佑，千万能组到一个专业队友。同样的，在云计算世界中青云QingCloud 虽然是云计算领域技术领先的服务商，但是云计算毕竟是一个大生态，一个人再优秀也不能完成所有任务，我们也需要有一些专业队友，才能为用户提供全面、专业的服务。\u003C\u002Fp\u003E\u003Ch2\u003E青云QingCloud 的专业队友\u003C\u002Fh2\u003E\u003Cp\u003E自去年 5 月正式推出“\u003Ca href=\&http:\u002F\\u002F?target=http%3A\u002F\u002Fmp.\u002Fs%3F__biz%3DMjM5NDcyNzkwMw%3D%3D%26mid%3Didx%3D1%26sn%3Dec7c1cf7caaacd%26scene%3D21%23wechat_redirect\& class=\& wrap external\& target=\&_blank\& rel=\&nofollow noreferrer\&\u003E青云QingCloud 应用中心\u003Ci class=\&icon-external\&\u003E\u003C\u002Fi\u003E\u003C\u002Fa\u003E” （AppCenter）后，近日又上线了映像市场（Image Market），这里面就包含了我们众多给力的专业队友。\u003C\u002Fp\u003E\u003Cul\u003E\u003Cli\u003E\u003Cp\u003E\u003Cstrong\u003E应用中心\u003C\u002Fstrong\u003E，不用过多解释，类似于苹果的应用商店，是 QingCloud 的一个开放平台，为用户提供各种各样的服务，例如安全、加速、监控、大数据及各类 SaaS 服务。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003Cli\u003E\u003Cp\u003E\u003Cstrong\u003E映像市场\u003C\u002Fstrong\u003E（Image Market）是 QingCloud 的一个开放平台，为用户提供各种各样的映像服务，涵盖基础设施、工具、网站、安全等方面。用户可以根据基于所需映像应用直接创建主机，以获得相应的服务。\u003C\u002Fp\u003E\u003C\u002Fli\u003E\u003C\u002Ful\u003E\u003Cp\u003E\u003Cbr\u003E\u003Cem\u003E第三方应用包含：应用中心与映像市场\u003C\u002Fem\u003E\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cimg src=\&https:\u002F\\u002F38b4e0b06b738fe2a088_b.jpg\& data-rawwidth=\&3140\& data-rawheight=\&1973\& class=\&origin_image zh-lightbox-thumb\& width=\&3140\& data-original=\&https:\u002F\\u002F38b4e0b06b738fe2a088_r.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cbr\u003E\u003Cp\u003E如上图所示，用户在控制台就可以看到目前已有的应用分类，有抗 DDos\u002FCDN、性能优化、数据分析、效率工具、系统检测等，包含几十款专业应用，这一数量还在不断扩大中。\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cimg src=\&https:\u002F\\u002F33a84cb98c09b3ffff3ac_b.jpg\& data-rawwidth=\&897\& data-rawheight=\&632\& class=\&origin_image zh-lightbox-thumb\& width=\&897\& data-original=\&https:\u002F\\u002F33a84cb98c09b3ffff3ac_r.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cbr\u003E\u003Cp\u003E应用提供方可以通过 QingCloud 平台提供服务并对服务定价、收取费用。\u003C\u002Fp\u003E\u003Cp\u003E用户通过登录 QingCloud 控制台即可选择、激活、授权和应用第三方专业服务。目前，应用中心中很多第三方服务都是免费的，用户可以放心使用。\u003C\u002Fp\u003E\u003Cfigure\u003E\u003Cimg src=\&https:\u002F\\u002F4484adae8a8_b.jpg\& data-rawwidth=\&1148\& data-rawheight=\&305\& class=\&origin_image zh-lightbox-thumb\& width=\&1148\& data-original=\&https:\u002F\\u002F4484adae8a8_r.jpg\&\u003E\u003C\u002Ffigure\u003E\u003Cp\u003E选择一款应用后可以看到该应用的简介、提交者、创建时间和更新时间等信息。\u003C\u002Fp\u003E\u003Cp\u003EQingCloud 第三方应用服务与控制台完美融合为一体，用户在控制台就可以完成想要做的一切事情。包括启用某一个服务功能，不必再跳来跳去，直接在控制台里就可以完成，操作第三方服务应用的时候就像操作 QingCloud 自己的功能组件一样方便。\u003C\u002Fp\u003E\u003Cp\u003E在已安装应用选项卡中你能看到自己安装的所有应用，点击右边的“进入应用”就可以进入应用程序中进行设置和使用。\u003C\u002Fp\u003E\u003Cp\u003EQingCloud 应用中心及镜像市场对用户信息安全也非常重视，做了非常详尽、可靠的权限控制，未经 QingCloud 审核以及用户允许的情况下，第三方应用不会访问用户的资料、信息，也不能操作用户的资源。用户在控制台中使用这些第三方应用时完全可以放心。\u003C\u002Fp\u003E\u003Cp\u003E下面小编就向大家介绍一下 QingCloud 上那些堪称专业队友的小伙伴们：\u003C\u002Fp\u003E\u003Ch3\u003E自动化云测试平台——Testin云测\u003C\u002Fh3\u003E\u003Cblockquote\u003E\u003Cp\u003E当前，以计算机为核心的互联网时代已渐渐步入以智能移动设备为核心的移动互联网时代，大量成熟或半成熟的移动应用涌入移动端，不可避免的应用质量问题也就随之而来。用户高喊拒绝“闪退”、“安装失败”、“启动失败”等口号，目的是让移动开发商的应用让用户真正满意。然而事与愿违，直至现在仍有不少移动产品被用户严重吐槽。\u003Cbr\u003ETestin 云测成立于 2011 年 6 月，专注于面向全球范围内游戏企业、互联网金融及互联网＋相关移动应用企业提供“一站式云测试服务”。包括：从移动应用内测到功能测试、性能测试、兼容测试及移动应用发布后持续质量监控，解决 APP 终端在功能、性能、碎片化、兼容性、稳定性等广大移动互联网企业及开发者不易克服的难题。QingCloud＆Testin 可以让众多开发者从繁琐的重复测试中解放出来，有更多时间与空间为用户思考，实现开发者与用户的双赢。\u003C\u002Fp\u003E\u003C\u002Fblockquote\u003E\u003Ch3\u003E抗 D 神器——青松抗 D\u003C\u002Fh3\u003E\u003Cblockquote\u003E\u003Cp\u003EDDoS 是实施成本较低和技术手段最为容易的恶意攻击形式，许多全球大型互联网企业都曾遭受过 DDoS 攻击，无数的中小企业更是深受其害。无论是技术含量较高的反射式攻击，还是简单粗暴的带宽消耗，无不令受害者防不胜防、头痛不已。“青松抗 D”是青松智慧（北京）科技有限公司旗下产品，为互联网企业在线业务，IDC 数据中心，云计算平台，提供 DDoS 防御解决方案及服务，可有效缓解 DDoS 攻击带来的业务和品牌信誉损失。\u003Cbr\u003E青松抗 D 为用户提供一站式 DDoS 防御解决方案，并向用户实时展现攻击数据， 智能防御系统可以快速分析攻击特点，类比攻击规律，提供周期性安全预警。QingCloud＆青松抗 D 可以帮助用户决策最佳防御解决方案， 面对攻击可以“因 D 制宜 ，料 D 制胜”。\u003C\u002Fp\u003E\u003C\u002Fblockquote\u003E\u003Ch3\u003E精细化运营分析工具——诸葛 io\u003C\u002Fh3\u003E\u003Cblockquote\u003E\u003Cp\u003E诸葛io 是国内首屈一指的精细化数据分析工具，致力于辅助企业快速实现用户行为数据的采集、分析与管理。诸葛io 拥有用户行为画像、自定义留存分析、漏斗流失人群分析、行为路径图谱等多项功能，深度挖掘用户行为的分析价值，实现“以数据驱动产品决策”的愿景。\u003Cbr\u003E截至 2016 年 2 月，诸葛io 已获得 4000 余家企业客户的认可，每周事件数据处理数高达 5.26 亿条。暴走漫画、墨迹天气、365 日历、罗辑思维等诸多知名互联网企业均已启用诸葛io 的数据分析服务。 QingCloud＆诸葛io 可以让App & Web 一次性追踪到位！喜闻乐见的分析之路，从诸葛io 开始！\u003C\u002Fp\u003E\u003C\u002Fblockquote\u003E\u003Ch3\u003E企业在线安全平台——唐朝安全巡航\u003C\u002Fh3\u003E\u003Cblockquote\u003E\u003Cp\u003E唐朝安全巡航 (TangScan) 是一个由社区众多安全研究人员维护的企业在线安全平台，希望能够以更简单更快捷更有效的方式帮助企业监控和发现安全问题；\u003Cbr\u003E安全研究人员可以根据自己的经验编写和分享安全问题发现策略，按照 TangScan 支持的开发标准编写出对应的安全插件，鼓励安全研究人员之间分享漏洞分析，代码开发的相关技术以获得更好的技术提升，同时 TangScan 将根据插件产生的结果对安全研究人员进行分成奖励； QingCloud＆TangScan 可以使企业对自己的企业网络进行安全漏洞检测和监控以发现潜藏在网络里的重要安全问题。\u003C\u002Fp\u003E\u003C\u002Fblockquote\u003E\u003Cp\u003E当然，QingCloud 上第三方的专业应用并不只有今天介绍的这几款，更多应用还需要您登录到 QingCloud 控制台一看究竟。\u003C\u002Fp\u003E\u003Cp\u003E今年，我们会继续努力使应用中心变得更为强壮，与更多合作伙伴为 QingCloud 用户提供丰富的专业应用，为您的业务保驾护航。\u003C\u002Fp\u003E\u003Ch2\u003E广告时间\u003C\u002Fh2\u003E\u003Cp\u003E说了那么多，如果您有意成为 QingCloud 第三方应用开发者。\u003C\u002Fp\u003E\u003Cbr\u003E\u003Cp\u003E请发邮件至 \u003Cstrong\u003E\u003Ca href=\&mailto:\&\\u003C\u002Fa\u003E\u003C\u002Fstrong\u003E ，我们会及时与您联系，完成相关流程后即可成为第三方应用开发者，并在控制台创建、提交应用。\u003C\u002Fp\u003E&,&state&:&published&,&sourceUrl&:&&,&pageCommentsCount&:0,&canComment&:false,&snapshotUrl&:&&,&slug&:,&publishedTime&:&T20:34:08+08:00&,&url&:&\u002Fp\u002F&,&title&:&从魔兽世界论专业队友的重要性&,&summary&:&最近，游戏迷万千瞩目的《魔兽》电影终于正式宣布了内地的上映时间—— 6 月 8 日。自打暴雪宣布要拍摄《魔兽》主题电影以来，这部电影就一直受到魔兽玩家的关注，在经历了无数次跳票后，终于等到了这一天。 \u003Cem\u003E魔兽电影宣传海报\u003C\u002Fem\u003E这部集全球顶尖团队之力打造的…&,&reviewingCommentsCount&:0,&meta&:{&previous&:null,&next&:null},&commentPermission&:&anyone&,&commentsCount&:0,&likesCount&:0}},&annotationDetail&:null,&commentsCount&:0,&likesCount&:1,&FULLINFO&:true}},&User&:{&qingcloud&:{&isFollowed&:false,&name&:&青云QingCloud&,&headline&:&青云 QingCloud 使计算资源的交付更加简单、高效、可靠。&,&avatarUrl&:&https:\u002F\\u002Fv2-a8ea46d2fa386bbe2a4c3_s.jpg&,&isFollowing&:false,&type&:&people&,&slug&:&qingcloud&,&bio&:&云计算服务提供商&,&hash&:&16db884aafc2af4e869b49d08cb68e60&,&uid&:069700,&isOrg&:false,&description&:&青云 QingCloud 使计算资源的交付更加简单、高效、可靠。&,&badge&:{&identity&:null,&bestAnswerer&:null},&profileUrl&:&https:\u002F\\u002Fpeople\u002Fqingcloud&,&avatar&:{&id&:&v2-a8ea46d2fa386bbe2a4c3&,&template&:&https:\u002F\\u002F{id}_{size}.jpg&},&isOrgWhiteList&:false,&isBanned&:false}},&Comment&:{},&favlists&:{}},&me&:{},&global&:{&experimentFeatures&:{&ge3&:&ge3_9&,&ge2&:&ge2_1&,&nwebStickySidebar&:&sticky&,&searchSectionStyle&:&loosen&,&androidPassThroughPush&:&all&,&newMore&:&new&,&nwebQAGrowth&:&experiment&,&showTipInLiveDetailsPage&:&true&,&nwebFeedAd&:&experiment&,&newSign&:&newVersion&,&liveReviewBuyBar&:&live_review_buy_bar_2&,&qawebRelatedReadingsContentControl&:&open&,&marketTabBanner&:&market_tab_banner_show&,&liveStore&:&ls_a2_b2_c1_f2&,&qawebThumbnailAbtest&:&new&,&nwebSearch&:&nweb_search_heifetz&,&searchHybridTabs&:&without-tabs&,&enableVoteDownReasonMenu&:&enable&,&showVideoUploadAttention&:&true&,&isOffice&:&false&,&enableTtsPlay&:&false&,&newQuestionDiversion&:&false&,&wechatShareModal&:&wechat_share_modal_show&,&newLiveFeedMediacard&:&old&,&hybridZhmoreVideo&:&no&,&recommendationAbtest&:&new&,&qrcodeLogin&:&qrcode&,&isShowUnicomFreeEntry&:&unicom_free_entry_off&,&newMobileColumnAppheader&:&new_header&,&questionRecommendReadingsAbtest&:&similar&,&androidDbCommentWithRepinRecord&:&open&,&androidDbRecommendAction&:&open&,&zcmLighting&:&zcm&,&androidDbFeedHashTagStyle&:&button&,&appStoreRateDialog&:&close&,&newAppViewRelatedAd&:&no&,&default&:&None&,&isNewNotiPanel&:&no&,&androidDbRepinSelection&:&open&,&nwebRelatedAdvert&:&default&,&qaStickySidebar&:&sticky_sidebar&,&androidProfilePanel&:&panel_b&,&nwebWriteAnswer&:&experiment&}},&columns&:{&next&:{},&qingcloud&:{&following&:false,&canManage&:false,&href&:&\u002Fapi\u002Fcolumns\u002Fqingcloud&,&name&:&青云QingCloud&,&creator&:{&slug&:&Xuanwo&},&url&:&\u002Fqingcloud&,&slug&:&qingcloud&,&avatar&:{&id&:&4f5d5afa8421&,&template&:&https:\u002F\\u002F{id}_{size}.jpg&}}},&columnPosts&:{},&columnSettings&:{&colomnAuthor&:[],&uploadAvatarDetails&:&&,&contributeRequests&:[],&contributeRequestsTotalCount&:0,&inviteAuthor&:&&},&postComments&:{},&postReviewComments&:{&comments&:[],&newComments&:[],&hasMore&:true},&favlistsByUser&:{},&favlistRelations&:{},&promotions&:{},&switches&:{&couldSetPoster&:false},&draft&:{&titleImage&:&&,&titleImageSize&:{},&isTitleImageFullScreen&:false,&canTitleImageFullScreen&:false,&title&:&&,&titleImageUploading&:false,&error&:&&,&content&:&&,&draftLoading&:false,&globalLoading&:false,&pendingVideo&:{&resource&:null,&error&:null}},&drafts&:{&draftsList&:[],&next&:{}},&config&:{&userNotBindPhoneTipString&:{}},&recommendPosts&:{&articleRecommendations&:[],&columnRecommendations&:[]},&env&:{&edition&:{&baidu&:false,&yidianzixun&:false,&qqnews&:false},&isAppView&:false,&appViewConfig&:{&content_padding_top&:128,&content_padding_bottom&:56,&content_padding_left&:16,&content_padding_right&:16,&title_font_size&:22,&body_font_size&:16,&is_dark_theme&:false,&can_auto_load_image&:true,&app_info&:&OS=iOS&},&isApp&:false,&userAgent&:{&ua&:&Mozilla\u002F5.0 (compatible, MSIE 11, Windows NT 6.3; Trident\u002F7.0; rv:11.0) like Gecko&,&browser&:{&name&:&IE&,&version&:&11&,&major&:&11&},&engine&:{&version&:&7.0&,&name&:&Trident&},&os&:{&name&:&Windows&,&version&:&8.1&},&device&:{},&cpu&:{}}},&message&:{&newCount&:0},&pushNotification&:{&newCount&:0}}
