阿里巴巴深化实时数据分析处理，收购德国数据处理公司data Artisans，双方管理层分别在网站宣布深化合作，共同建立大数据分析框架Apache Flink，惟未有披露收购作价。消息传出涉资高达9000万欧元，相等於8.1亿港元。

 

data Artisans开发的大数据分析框架Apache Flink，为企业客户提供大规模即时分析、机器学习、搜索、内容排名及欺诈检测等服务。

 

阿里巴巴集团副总裁、搜索事业部与计算平台事业部负责人周靖表示， 阿里巴巴将继续投资技术，未来将与data Artisans进一步推进Flink在技术领域的发展和应用。

 

 

阿里技术计算平台事业部资深技术专家莫问指出，目前，Apache Flink在阿里系内最典型的业务场景是实时BI（商业智能），Flink已经连续两年支援阿里巴巴双11实时GMV（交易总额）大屏幕，2018年双11期间，阿里巴巴内部Flink版本（Blink）完成峰值每秒17亿次的处理能力。

 

较早前，阿里巴巴已宣布，Blink版本将於今年1月正式对外开放。

 

根据Market Insights Reports的数据，预计到2025年，全球串流数据市场市场规模将达到477.5亿美元（约3725亿港元），从2017年到2025年增长近35%。

 

 

data Artisans网站显示，公司客户除了成为股东之一的阿里巴巴，还有内地另一互联网巨擘腾讯（00700），其他客户包括拍卖平台ebay、共享汽车平台Uber、影片串流服务商Netflix等。

 

於2014年，Apache Flink创始人Kostas Tzoumas及Stephan Ewen成立data Artisans，总部设於德国首都柏林，主要透过Apache Flink技术，向客户提供大数据处理解决服务。

 

据了解，data Artisans已完成两轮融资，其中A轮融资於2016年3月进行，由英特尔旗下Intel Capital投资600万美元（约4680万港元）。不过，公司未有披露去年进行的B轮融资，惟市场估计当时阿里巴巴已有份参股。

 

 

基於人工智能（AI）技术，阿里巴巴与英特尔（Intel）合作，发展首个由人工智能推动的3D运动追踪系统，并计划於2020东京奥运会启用。

 

在2019美国消费电子科技展（CES）上，阿里巴巴与Intel共同宣布开发3D运动追踪系统，只要通过一般的摄录机拍摄运动员的动作，从而提供新的训练数据及分析。

 

同时，阿里巴巴公布，人工智能实验室开发的智能音箱天猫精灵，将搭载宝马（BMW）在中国推出的新车及部分现有系列车款，实现“AI+车”的新车型，预期在2019年底推出市场。

 

搭载天猫精灵的宝马车款，将为车主提供语音唤醒服务、云端生态服务，例如车主可通过车内的远程语音系统，控制家中的天猫精灵。

 

装配有BMW Connected Drive系统的部分BMW汽车将陆续接入天猫精灵的语音交互及人工智能服务能力。目前，阿里巴巴人工智能实验室还正与斑马智行、高德A+Box等车载系统商进行“AI+车”方案的合作。

 

 

据互联网资料显示，Apache Flink（以下简称 Flink）是诞生於欧洲的一个大数据研究专案，原名StratoSphere。该专案是柏林工业大学的一个研究性专案，早期专注於批计算。2014年，StratoSphere专案中的核心成员孵化出Flink，并在同年将Flink捐赠给Apache，后来Flink顺利成为Apache的顶级大数据专案。

 

Flink是近年来越来越流行的一款开源大数据计算引擎，它同时支持了批处理（即静态的数据集、历史的数据集）和流处理（即时数据流，即时产生数据的结果），也能用来做一些基於事件的应用，比如说，滴滴通过Flink CEP实现即时监测用户及司机的行为流，判断用户或司机的行为是否正当。官网介绍Flink的一句话，就是“Stateful Computations Over Streams”（数据流上的有状态的计算）。

 

Flink是一个纯流式的计算引擎，它的基本数据模型是数据流。流可以是无边界的无限流，即一般意义上的流处理。Flink优势之一，是支持有状态的计算。如果处理一个事件（或一条数据）的结果，只跟事件本身的内容有关，称为无状态处理；反之结果还和之前处理过的事件有关，称为有状态处理。稍微复杂一点的数据处理，比如说基本的聚合，数据流之间的关联都是有状态处理。

 

Flink不同於Storm、Spark Streaming以及其他流式计算引擎，它不仅是一个高吞吐、低延迟的计算引擎，同时还提供大量高级功能。它的受欢迎，还离不开它身上的众多标签，其中包括性能优秀（尤其在流计算领域）、高可扩展性、支持容错，是一种纯记忆体式的一个计算引擎，做了记忆体管理方面的大量优化，另外也支持eventime的处理、支持超大状态的Job、支持exactly-once的处理。