本文介绍了如何利用Nuclio和RAPIDS在Python中实现比Spark更快的数据处理，通过简单代码实现GPU加速的实时流处理。RAPIDS保持Python API的便利性，利用GPU提升性能，而Nuclio作为无服务器框架，提供高度优化的流处理能力。结合两者，可以在无需额外编码和DevOps工作的情况下，实现30倍速度的流处理能力。
全文共3482字，预计学习时长7分钟
如今，大家都在Python工具（pandas和Scikit-learn)的简洁性、Spark和Hadoop的可扩展性以及Kubernetes的操作就绪之间做选择。结果是，选择应用了以上所有工具。主攻Python的数据科学家、精通Java和Scala Spark的大师和一批开发者，他们三批人马保持独立，分别管理解决办法。
数据科学家们用pandas进行探索。然后，其他的数据工程师团队重新编写相同的逻辑代码并使其大规模工作，或者使用Spark令其与实时流一同工作。当数据科学家需要更改逻辑或将一个不同的数据集用于他/她的模型时，则会进行一次次地迭代。
除了注意业务逻辑之外，还要分别或同时在Hadoop和Kubernetes构建集群，并应用整个CI / CD过程手动进行管理。最重要的是，大家都在努力工作，没有足够的业务影响来展示它......
如果你想在Python中编写简单代码，并且用比Spark更快的速度运行，同时无需重新编码、无需开发者解决部署、扩展和监控问题，可能吗？
你可能会“说我是一个梦想家”。我是一个梦想家，但不是唯一的一个！本篇文章将证明如今可以使用Nuclio和RAPIDSlimg令以上设想成为现实，它们是由NVIDIA孵化的免费开源数据科学加速平台。
过去几个月，有人将RAPIDS与Nuclio开源无服务器项目和Iguazio的PaaS集成在一起。现在，使用相同的P
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
