大数据成就滴滴霸主地位
日前，滴滴出行的创始人兼CEO程维在北京国家行政学院，为400多为来自全国各地的中青年干部作了一场题为“分享经济发展中国”的报告。该报告原文近2万字，详细介绍了滴滴作为一家初创互联网公司，一路走来实现高速发展的艰辛历程，以及在探索“分享经济”、移动互联网和产业发展方面的心得，最后程维大胆预测，互联网下半场的角逐一定在人工智能。
从程维的演讲中，我们可以提炼出以下核心内容。
一、从无人接受到一步步打开市场，成为行业龙头，滴滴经历了艰难的探索，最终解决了资源配置问题，盘活了市场，同时解决了人们的出行痛点，改变了出行方式，经过4年的发展、积累数据和经验，成为中国第二大互联网交易平台。
二、资源分配不均和巨大的人口基数产生的巨大刚需、互联网的极大发展，促使“分享经济”成为未来20年整个互联网时代最大的发展趋势。
三、滴滴的发展已经积累了大量的数据，在大数据收集处理计算方面已经有了相当的经验，接下来，滴滴要取得长足发展必须依靠人工智能。从大的趋势来说，互联网的革命时机已经来临，互联网的上半场已经结束，下半场的核心是人工智能。
滴滴：中国第二大互联网交易平台崛起之路
程维曾在阿里巴巴工作八年，前六年在B2B公司，后两年在支付宝。深刻理解了阿里巴巴在电子商务方面的成功，源于互联了***双方，大大改善了信息的不对称。同时，在移动互联网不断颠覆和改变一个又一个的垂直行业的大背景下，程维又在自己的工作和生活中敏锐地嗅到了出行的痛点----即乘客打车难和司机找客难的双重困局。于是在2012年，程维从支付宝副总经理的职位辞职创业，创立了滴滴打车，后改名为滴滴出行。
滴滴刚建立的时候，充满了各种困难。北京的180家出租车公司全部拒绝滴滴，深圳则直接取缔了滴滴。经过长时间的推广和教育，以及一线城市的带动启发，加上大力度的补贴，这才慢慢有了滴滴的首批用户，后面凭借这些用户的口碑和推广，才慢慢发展壮大至今。
其成功的本质原因，其实还是在于成功抓住了司机和乘客的需求痛点，还得益于智能手机的普及、移动支付的大范围兴起、4G网络的全面铺设。
在成功解决了出租车和乘客之间的信息不对称问题之后，滴滴又解决了出租车的市场化问题。首先，打车的价格不能随着需求的变化而合理调节，无论是否高峰和繁华路段，都是固定的根据里程收费，不能随着市场需求灵活变动，滴滴调节了不同时段的价格，激励司机，缓解供需。其次，司机的服务态度的好坏，不能实时反馈，滴滴借鉴了淘宝的模式，请乘客打分，差评达到一定量的司机将被平台淘汰。
目前，滴滴已成为整个中国甚至全球发展最快的互联网公司。拥有3亿用户，在中国400多个城市里开展服务，司机超过1400万，1400万的司机是整个中国所有机动车总量的10%。每天服务的订单超过1300万，这个订单量让滴滴成为仅次于淘宝的中国第二大互联网交易平台。
成就滴滴霸主地位
目前来看，滴滴已经拥有了足够的数据量，超过一直占据主导地位的“铁老大”铁路系统和城市出行生力军公交系统。
中国第二大互联网交易平台绝非浪得虚名，程维公布了目前滴滴的数据，“平常一天大概服务500万人次，在今年春运初七那天返程那天创历史新高，1034万人次。所以现在滴滴已经超过铁路总公司，超过所有公交集团，地铁集团成为最大的出行服务企业，我们每天服务超过1300万次。但是今天大概只有1%的出行从线下到了网上，淘宝在全中国渗透率超过13%，我们还有超过十倍的空间，还处于发展的很早期阶段。社会给了滴滴很大的信任，从安全、服务到效率，滴滴有很大的发展机遇，也有很大的责任。”
目前，滴滴平台上每天产生超过50TB数据（相当于5万部电影），超过90亿次路径规划次数。在过去一年中，滴滴出行平台完成14.3亿订单，这相当于在中国平均每个人都使用滴滴打过一次车；累计行驶里程达128亿公里，相当于环绕中国行驶29万圈，累计行驶时间达4.9亿小时，相当于昼夜不歇的行驶56000年。所以滴滴“数据大脑”对弈的是现实出行的海量数据，通过对每天24小时不间断产生的新数据，以及检测这些数据本身产生的二度数据，包括ETA、路径规划、实际路线、匹配时间等等，进行研究、学习，最终实现订单匹配效率的提升，司机取得更多收入，乘客更加快捷出行。
在业界看来，这巨大订单量背后实则体现的是滴滴出行超强的大数据计算能力。比如，如何将信息推送给更适合区域内的司机、谁优先获得订单，如何给乘客和司机补贴等等策略，都是要靠大数据的支持。
据滴滴大数据方面的工作人员透露，滴滴根据成交率和应答率来进行智能激励，以此增加用户的叫车意愿，而通过大数据计算，则让订单匹配更加智能，实现了智能派单。比如以前司机需要开3公里才能接到1个客人，但现在可能0.5公里就能接到客人，在节省时间的同时，每天订单成交量也得到增加。
去年，程维提出了“潮汐战略”，整合社会上的专业运力和零散运力，并通过分档运营手段，来灵活满足高峰期低谷期不同时段的民众出行需求。
“分享经济”让生活更美好
2015年，在滴滴和快的合并之后，滴滴开始推出了专车服务、快车服务、顺风车服务。希望建设一个中国最大的一站式出行平台，用互联网把路上所有的交通工具都连接起来，统一调度，互相分享。把出行需求搬到互联网上，把所有的供应搬到互联网上，通过一个云端的大数据智能交通引擎统一匹配和调度，提高整个城市出行的效率，提高每一个市民和司机的体验。
程维提到，在去年乌镇的世界互联网大会上，习***主席在演讲的时候多次提到了分享经济。以及最近在数博会上听李克强总理讲话的时候，大段篇幅在讲中国分享经济的发展。
程维认为，中国很有可能是全球分享经济的领军国度，因为中国人多，资源分配不均，分享经济能快快速、经济实惠地解决人们的需求问题，并且，中国人口基数庞大，这对于分享经济来说是一个巨大的市场。
程维说，因为有了滴滴这样的出行方式出现，中国的城市白领购车的意愿在过去两年时间力下降了20%，这是麦肯锡的一份报告里的数据。
接下来，滴滴有望推出漫游套餐，用户无论到那个城市都可以使用滴滴的车，月底时订单统一结算，并且会根据用户的需求来定制不同的汽车，满足不同应用场景下的需求。
不管借助互联网还是分享经济，目的都是通过技术的进步，通过更先进的模式和理念，能够让传统的、一百年都没有变化的、比较僵化的行业开始往未来走，并且以后会越来越好。
不得不说，互联网的核心之一就是去中心化，而分享经济正是去中心化的结果。
人工智能：互联网的下半场
程维说，工业时代最后的壁垒就是汽车工业，所有的工业品都会被互联网，被智能设备逐步取代。传统同业正在被互联网企业、科技公司打败。苹果投资了滴滴，我们交流时候苹果讲他们对于手机的理解，跟别的手机品牌的理解完全不一样。之前所有的企业把它理解成一个硬件，工业产品就是一个机械硬件，软件只是它里面的一个操作控制系统而已。
苹果从来不是一个简单的硬件公司，它更加看重的是软件中的千万种可能和后续的价值。
美国所有顶尖的互联网公司都在做未来汽车，苹果在做汽车，特斯拉在做汽车，Google、Uber在做无人驾驶，他们相信颠覆这个行业的一定是像苹果一样的科技公司，会有一个互联网公司做一个未来的智能汽车出来。他们说未来的智能汽车首先是一个互联网汽车，是一个无人驾驶汽车，是一个电动汽车，是一个按需定制的汽车。
这是一个互联网革命逐步替代工业革命的时代，这是一个不可逆的历史趋势。互联网汽车一定会打败所有的传统汽车。所以今天滴滴这种移动出行方式只是互联网出行的第一朵浪花，是整个汽车第二次革命的前奏而已，下一步就是分享汽车、智能汽车、无人驾驶。
工业革命时代本质是机器替代人的体力，把人从体力劳动里面解放出来，互联网时代上半场结束了，下半场是人工智能。信息革命的本质是机器替代人的脑力，把人从未来会越来越复杂的脑力劳动中替代出来。
互联网20年的上半场已经过去了，今天中国和全世界大多数行业都被互联网连接了。
互联网的下半场开始的时候，创业机会已经很少了，现在互联网创业也已经到了一个瓶颈，创业就跟买股票是一样的，在大家都买股票的时候就不应该买了，连大妈都在买股票就应该卖了，大家都不买的时候就应该买。下半场开始有了数据，开始有了计算能力，开始有了更先进的算法，人工智能是三件事情，第一件事情是算法，第二件事情是大规模的云计算能力，第三件事情是海量数据的沉淀。
工业时代不管是最强的公司还是国家，在全世界掠夺的都是矿产资源，在抢占石油，抢占各种金属矿产。大数据互联网时代大家在抢的其实是智慧资源，你去看一看硅谷的互联网公司，不全是美国人，Airbnb、Uber有1/3是华人工程师，我们最优秀的年轻人到美国留学，北大清华最好的学生都去美国留学了，学成以后都留在了当地，这里面留在学校的那部分也都被互联网公司挖走了。我看到美国互联网公司里面，有非常多的印度人，华人、犹太人，都是最聪明的人去给美国的互联网公司打工，帮它研究前沿的技术再来占领全球。
滴滴的人工智能战略
程维在讲话中将人工智能提到了互联网下半场的绝对主导地位上，滴滴在人工智能的布局上也是紧锣密鼓。
2015年5月，滴滴成立“机器学习研究院”，促使滴滴出行平台拥有超大规模数据智能分析能力，以便为用户设计最合理的出行方案。基于对道路和人的更深理解，滴滴快的将能够提供更加精确的地图和交通路况信息、更准确地估计不同情况下所需的通行时间、根据用户的偏好为其量身定制最优的出行路线以及可以对用户推送相关度更高的信息。
如果说在2015年，滴滴对人工智能的理解还停留在“机器学习这个层面上的话，到了2016年，滴滴的人工智能布局则更加精密和成熟。
2016年4月，滴滴“机器学习研究院”升级为滴滴研究院，任命何晓飞教授为滴滴研究院首任院长。
滴滴研究院是滴滴出行全新的创新性研究机构，也是滴滴出行的“大脑”。一切有助于提高移动出行效率的技术创新，都在这里孵化出来。
滴滴研究院的研究方向包括：机器学习、计算机视觉、人工智能、数据挖掘、最优化理论、分布式计算等。滴滴研究院与业务线紧密结合，每一项研究成果都能以最快的速度应用到相应的产品上，给千万用户带去便捷。
2016年4月，滴滴出行总裁柳青在接受彭博电视台的采访时透露，滴滴下一步将加大在机器学习和人工智能方面的投资，从而进一步提高运营效率。“下个阶段我们将会加大对人工智能和机器学习的投资。如此大的体量，不应该再人为地制定策略，而是让机器来做决策，我们的智能调配网络每天都通过自我学习不断进步。”
滴滴的国际化布局
如果留意程维报告的细节，就会发现，滴滴的野心不止于让国人打车更方便，而是开始了国际化战略布局。
2015年8月，滴滴投资了东南亚打车软件Grabtaxi，滴滴方面表示，投资Grabtaxi，就是要在当地市场取得领先地位，Grabtaxi也将帮助滴滴快的增强对东南亚华人市场的理解。同时，滴滴总裁柳青透露，参与投资东南亚打车应用GrabTaxi只是滴滴全球化的开始。滴滴快的最新一轮20亿美元融资有相当一部分资金将用于全球扩张和投资，或收购其他地区的出行工具。
目前，Grabtaxi已经成为东南亚第一大的互联网公司。
程维在报告中还提到，韩国最大的一个集团负责人希望滴滴进入韩国做代驾，因为韩国的代驾需求很大。
2015年9月，滴滴与Lyft（基于私家车共享的移动平台，是Uber在美国最大竞争对手）达成战略合作，并向Lyft战略投资1亿美元。
今年4月，滴滴出行与 Lyft完成一期产品打通，“滴滴海外” 正式上线。意味着中国游客去美国游玩，可用滴滴出行 App 呼叫到
Lyft 的运力。
“滴滴海外” 一期服务覆盖了全美近 200 个城市。中国乘客在 Lyft 提供服务的所有美国地区都可以通过 “滴滴海外” 来呼叫 5
座或者 7 座专车（Lyft 或者 Lyft plus）。今年4月，Lyft再次获得了滴滴的投资。
今年5月，滴滴出行获得了苹果10亿美元投资，是滴滴迄今为止获得的单笔最大投资，也是苹果首次投资中国互联网公司。滴滴出行资深副总裁陶然曾向媒体表示，资金将用于继续发展滴滴的技术，包括大数据和人工智能等方面，以进一步提升用户体验。
5月16日，有外媒透露，滴滴公司将在2017年赴美上市。
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。1026人阅读
Oracle DB（589）
oracle数据库的最大数据容量限制和表空间的最大数据容量限制
参考原文：
What Is The Maximum Tablespace Size And Database Limit For An Oracle Database ? (Doc ID )
Oracle Database - Enterprise Edition - Version 10.1.0.2 to 11.2.0.3 [Release 10.1 to 11.2]
Oracle Database - Enterprise Edition - Version 11.2.0.4 to 11.2.0.4 [Release 11.2]
Information in this document applies to any platform.
在oracle 10g和11g中，如下的最大值是什么？
tablespace
解决方法：
对于small file database
For a small file database, the Oracle database has the following limits :
maximum number of datafiles is : 65533
maximum data blocks per datafile : 2^22 -1 = 4194303
maximum datafile size = db_block_size * maximum number of blocks
maximum db_block_size = 32 K
maximum tablespace size = 1022 * max database file
Resulting values are:
maximum datafile size = 32 * 4194303 = 128 GB
maximum tablespace size = 1022 * 128 GB = 130816 GB
maximum database size = 128 G * 65533 = 8388224 GB
对于big file database
For a big file database, the Oracle database has the following limits :
maximum number of datafiles is : 65533
maximum data blocks per datafile : 2^32 =
maximum datafile size = db_block_size * maximum number of blocks
max db_block_size = 32 K
maximum tablespace size = size of big datafile
Resulting values are:
maximum datafile size = 32 *
maximum tablespace size = 128 TB
maximum database size = 128 T * 64 TB
参考知识库
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：845455次
积分：15535
积分：15535
排名：第512名
原创：455篇
转载：153篇
译文：276篇
评论：39条
阅读：2172
阅读：8629
文章：14篇
阅读：15220
文章：22篇
阅读：22375
文章：75篇
阅读：60955
(24)(15)(50)(20)(15)(5)(3)(15)(31)(47)(28)(31)(19)(20)(23)(43)(17)(43)(41)(59)(34)(81)(22)(22)(21)(4)(5)(28)(87)(2)(2)(10)(11)(1)(1)(7)