金融領域越來越多的活動場景，如雙十一、雙十二、財富日、新春大促，具有活動持續(xù)時間短強度高的特點，解決場景中的計算冷啟動問題，優(yōu)化系統(tǒng)效率和用戶體驗的需求越來越多。在生產環(huán)境的應用中，還需要滿足高吞吐和端到端強數據一致性的需求，解決高維稀疏特征的大模型的訓練、更新和服務問題。
在線機器學習，能夠根據線上反饋數據，實時快速地進行模型調整，使得模型及時反映線上的變化，提高線上預測的準確率，能夠有效的解決上述的一些問題，在金融場景也得到越來越多的應用。
基于融合計算的在線學習，通過打通流計算和機器學習兩種計算模式，將不同系統(tǒng)間的數據傳輸轉化為同一系統(tǒng)內部數據和計算之間、計算和計算之間，從而將不同的數據和計算的組織方式銜接在一起。在性能方面，通過內存間的數據共享減少數據的序列化和反序列化，大幅減少網絡和計算開銷，減少了60%的機器資源使用，將端到端的延遲降低到原來的十分之一。同時，基于融合計算的在線學習通過流計算和Tensorflow的自然銜接，實現(xiàn)了端到端的數據一致性保障，并采用一體化編程、自助云化、智能運維大大簡化了系統(tǒng)的開發(fā)、部署、運維成本。
融合計算由螞蟻金服自主研發(fā)，它基于螞蟻金服聯(lián)合UC Berkeley 大學推進的新一代計算引擎Ray，通過動態(tài)數據流來實現(xiàn)流、批、離線數據的共享，在同一計算框架內兼容分布式服務、流處理、機器學習、圖等計算模式，減少數據交換和落盤來優(yōu)化計算和網絡開銷，是一個解決金融場景中需要銜接多個不同計算模式的開放計算框架。
通過流處理和機器學習兩種計算模式的有機組合，基于融合計算的在線機器學習兼顧了各自的功能，并實現(xiàn)資源的優(yōu)化和共享。在金融領域的其他場景也有其他類似的組合，如流式圖計算。螞蟻金服通過在線機器學習和流式圖計算的探索，初步驗證了融合計算框架。9月27日，融合計算的理念與具體的案例將在云棲大會數字金融技術專場上進行分享，敬請期待。
免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
