《DataSpeed Weekly》| 速据新知周刊第 1 期

最新推荐文章于 2025-05-10 22:50:00 发布

CodePhage

最新推荐文章于 2025-05-10 22:50:00 发布

阅读量889

点赞数 24

分类专栏： DataSpeed Weekly 文章标签：人工智能大数据

本文链接：https://blog.csdn.net/Tinwares/article/details/145687350

版权

DataSpeed Weekly 专栏收录该内容

2 篇文章

订阅专栏

"Data hides truth, code finds the future."

2025 年 2 月 10 日，🎉 欢迎来到本周的速据新知周刊！ 春节假期结束，我们又回到了忙碌的工作中，在这里给大家拜个晚年，祝大家身体健康，工作顺利！

封面揭晓

《哪吒之魔童闹海》票房（含预售）突破 80 亿，大家都去看了吗？

🐋DeepSeek 横空出世

当《哪吒》刷新票房纪录时，DeepSeek 正以另一种方式震撼世界：斯坦福报告显示，这个引发全球 AI 界震动的大模型，其技术突破的热度已超越 ChatGPT 首发盛况，我们一起来看看发生了什么？

1 月，国内量化私募机构幻方发布自研大模型 DeepSeek-V3 和 DeepSeek-r1，其训练成本显著低于国际主流模型，且通过开源创新技术（如 MLA、FP8 训练）吸引了大量开发者，DAU 在 20 天内突破 2000 万，成为全球增速最快的 AI 应用。这一突破对算力基础设施投资预期形成短期冲击，美股硬件板块波动加剧，但长期看推动了 AI 应用场景的拓展。

然而，DeepSeek 的崛起也伴随争议。美国 OpenAI 称发现证据显示其使用 OpenAI 模型进行训练，涉嫌侵权；美国参议院部分政客甚至提议“使用 DeepSeek 判刑 20 年”，引发科技界反弹。不过人红是非多，DeepSeek 商标在美被抢注，一堆山寨钓鱼网站冒出来蹭热度，逼得官方亲自下场打假。

市场层面，DeepSeek 的“降本增效”逻辑冲击全球科技股，美股算力芯片板块承压，港股半导体和软件板块则逆势走强。其技术优势还被外媒视为中国《中国制造 2025》计划的成果之一，推动 AI 竞争从模型转向应用。

国内方面，连三大运营商都坐不住了，移动、电信、联通集体接入 DeepSeek，春节期间的 AI 客服都变得聪明了不少。华为昇腾、阿里云等各大云厂商也在加速接入。技术突破背后是 DeepSeek 对“成本-性能”曲线的重构，其采用的动态稀疏训练技术，可在同等算力下支持更大参数规模的模型训练。

截至今日，官网^[1]的服务依旧因为全球的热烈关注而经常无效

想要试试自己搭建一个吗？

欢迎关注DataSpeed，这里提供了详细的教程。

官方整理了可以调用 deepseek api 的工具合集：deepseek-ai/awesome-deepseek-integration^[2]

😎 行业动态与趋势

Apache Flink CDC 3.3.0 发布^[3]

3.3.0 属于“查漏补缺”型更新，没有大架构变动，但优化了细节体验，尤其是 MySQL 和 Paimon 的稳定性提升，加上新连接器和性能优化，适合正在用 Flink CDC 的用户升级。如果想尝鲜 OceanBase 或 MaxCompute 同步，可以冲了！注意：新版本最低支持 Flink 1.19+，彻底放弃 1.17 和 1.18 的老版本。

靠大数据杀熟，Metica 融资 6500 万^[4]

这类技术核心在于实时处理玩家行为数据流，通过用户分群和预测算法动态调整付费策略——比如针对高活跃用户推送限定礼包，这确实比传统买量精准得多。不过文中提到“游戏内消费提升 3 倍”的数据，在工程实现上必然依赖强大的分布式计算框架和 AB 测试平台，但技术细节没展开有点可惜。争议点也很明显，“大数据杀熟”的伦理红线始终存在，去年国内某电商平台就因动态定价被约谈。技术是把双刃剑，短期内确实会增加游戏内消费，长期来看恐怕会造成大量用户流失。

👾 工具与开源项目推荐

wewe-rss^[5]

可以将公众号转换为 rss 源，基于微信读书。微信中的公众号文章推荐比较混乱，部署此服务，结合 rss 阅读器可以实现优雅的公众号阅读体验。

Follow^[6]

去年 7 月推出的 rss 订阅神器，配合 rsshub 可以订阅几乎所有内容平台，包括一些不支持 rss 订阅的网站：b 站，抖音，公众号等，将你想看的内容“allinone”，体验了半年，感觉很不错，特别是 ai 总结和自动化，可玩性也很高，适合想要整洁的一体化的阅读体验的朋友。

EmojiAll^[7]

一个可以用中文搜索 emoji 的网站，有很全面的分类和描述，可以直接复制到 md 中使用，可以让文章生动一点。本文的 emoji 均来自于此。

沉浸式翻译^[8]

懂得都懂，浏览器必备插件，看外文文章很方便，可以接入 ai api，实现更加完美的翻译体验，我目前使用的 openai api，直接摆脱机翻的感觉。

🤓 教程与实战案例

minio 接入 hudi 的介绍^[9]

作为开源领域的两大明星组件,Hudi 凭借其强大的增量数据处理与版本控制能力,与兼容 S3 协议的 Minio 存储形成完美技术组合。教程从环境配置切入,指导读者在 Minio 中创建专用存储桶作为数据湖基底,并通过 Spark 引擎实现 Hudi 表结构向 Minio 存储的优雅映射。重点演示了如何通过标准化数据写入流程,在保持 ACID 事务特性的同时,完成数据版本追溯与实时分析管道的构建。后续还有文章继续更新，感兴趣的关注一下。

如何确保仓库中的指标一致性^[10]

在数据仓库中，保持指标的一致性是非常重要的。如果你没有正确管理这些指标，可能会导致混乱和错误的决策。这篇文章提供了一些实用的建议来确保你的指标一致性：

明确定义 ：首先，你得确保每个人都清楚每个指标是什么意思。比如，“销售额”是指实际卖出的产品金额吗？还是包括了税费或其他费用？通过清晰的文档记录，避免因为理解不同而导致数据偏差。
统一来源 ：尽量从一个地方获取数据。如果你的数据分散在多个数据库或表格中，可能会出现重复计算或者不一致的问题。集中管理你的数据源，能够减少这些风险。
好的数据建模 ：选择合适的方式来设计你的数据仓库。无论是使用维度建模还是事实表，关键是让数据在存储和查询时是标准且统一的。这样，当你需要分析的时候，就能快速得到准确的结果。
利用工具和技术 ：借助一些数据治理的工具和自动化流程，可以帮助你监控和校验指标的一致性。这些工具可以自动检测数据问题，提醒你需要处理的地方，从而减少人为错误。