精华内容
下载资源
问答
  • SAP产品成本计算流程

    万次阅读 2010-01-20 20:18:00
    SAP计算产品成本的方法有三种,按期间计算产品成本,按生产订单计算产品成本,按销售订单(sales order)计算成本。其中,按生产订单计算成本最为常见,很多公司采用,我们也以此为例说明SAP产品计算的流程。 一、SAP...

     

    本文在 http://blog.csdn.net/stone0823/article/details/54318952 用markdown格式修订。

     

    SAP计算产品成本的方法有三种,按期间计算产品成本,按生产订单计算产品成本,按销售订单(sales order)计算成本。其中,按生产订单计算成本最为常见,很多公司采用,我们也以此为例说明SAP产品计算的流程。

    一、SAP产品成本计算与传统成本计算的不同点:
    1. 传统成本计算的方法是月底一次性计算,是一种事后成本计算。但SAP提供在生产订单创建时就可计算出目标成本。公司日常业务操作,比如发料,报工(confirmation)等,发生的成本都会同步计入生产订单中,实时性性较好,SAP对这成本的同步更新称作Simultaneous Costing。可以认为,SAP的成本计算具有事前计划、事中统计,事后分析的功能。

    2. 传统成本计算方法,在发料时,将物料从原材料(Raw Material, RM)科目转到在产品(Work in Process, WIP),收料时再结转到半成品或产成品科目。SAP不同,SAP把生产成本的科目视作损益科目,发料时先计入损益,月底再结算。如果生产订单没有全部完工收货,或技术上做完成处理,成本的余额作为WIP,否则表示生产订单完成,没有WIP, 余额全部结转到差异。。公式如下:
    WIP = GR of MO – Collected costs of MO

    注:GR of MO: 生产订单收货(goods receipts of manufacturing order)

     

    二、成本计算流程

    1.产品成本计划( Product cost planning)
    通过成本计划,计算物料的标准成本,以此作为物料价格和存货计价的依据。

     

    2. 日常操作以及日常操作与成本计算的集成
     

    1) 生产订单发料(Goods issue to production order )
    生产订单发料在FI模块中会产生如下凭证:


    DR: 生产成本-物料消耗科目(P&L)
    CR: 存货( 如RM)

    物料消耗科目因为属于损益科目,因此在CO模块中属于初级成本要素(Primary cost element),发料的会计凭证有控制凭证(就是CO模块的凭证),如下所示:
     

    DR: 生产成本 - 物料消耗科目  (生产订单是成本分配对象 true cost assignment object)


    注意这一规律,如果数据从FI传递到CO,则在CO中只存在单边凭证(one-sided entry). CO凭 证用KSB5查看。

     

    2) 报工(Activity Confirmation)
    生产过程中的作业成本以工时和工时的单价来体现,工时的确认就是报工。报工时,作业时间 * 作业计划价格从生产性成本中心(Production cost center)结转到生存订单。作业时间可能为人工工时,或者机器工时。报工没有FI凭证,只有CO凭证,分录如下:
     

    DR: 次级成本要素(类型为43)(转入的生产订单)
    CR: 次级成本要素                        (转出的 成本中心)  

    3)费用过账到成本中心
    SAP有不同类型的成本中心,比如生产型、管理型,或为分配需要设立的虚拟成本中(dummy cost center)。费用过账会同时产生会计凭证和CO凭证。如果费用是制造费用,则后续参与成本计算,如果是期间费用,则不参与成本计算。

    4) 生产订单完工收货(Goods Receipt from the production order)
     

    根据产成品的标准价格(如果物料的价格控制码为S),成本从生产订单结转到FI的存货科目,同时产生会计凭证和控制凭证:
    FI的会计分录为:
     

    DR: 产成品 / 半成品等
    CR: 生产成本 - 物料消耗

    CO凭证为: CR: 生产成本 - 物料消耗

    3. 期末结算处理

    1)从管理性等成本中心将成本转到生产成本中心(Allocation from service and administrative cost centers to manufacturing overhead pool (also cost centers))

    成本中心归集的费用可能要从一个成本中心转到另一个成本中心,最后分配给生产订单,或从成本中心直接分配给生产订单,所用的方法有:
     

    - 分配分摊(Cost center assessment and distributions )
    - 直接作业分配(Direct activity allocation)

    2)重新计算成本中心的作业价格 (KSII)
    刚才提到过,成本中心会有费用从FI计入,或从其他成本中心转入(用分配/分摊/直接分配等方法),这是它的借方,日常报工时则会用类型为43的成本要素转出,这是它的贷方,因为作业价格是计划价格,所以(借方- 贷方)一般会有差异,这个差异用SAP术语(其实也是财务的术语)叫under-absorption 或over-absorption。月末所有费用都已经记账,可以计算出作业的实际价格。说明:因为存在不同的作业类型,SAP还需要将不同的费用和作业类型进行关联,每个月份根据设置进行关联,叫做成本分割。成本分割在本步骤之前。

    3)按实际价格重估生产订单CON2)
    作业价格重新计算后,用此事务码将差异从生产型成本中心分配给生产订单,分配后成本中心平衡,可能存在四舍五入的小额差异,财务手工转出。

     

    4)计算制造费用 (CO43),在产品(KKAO)和差异(KKS1)
    实际上这是三步操作,但可以放在一起,更容易理解。国内一般很少用SAP的costing sheet,所以不需计算制造费用。在计算在产品的时候,根据生产订单的状态确定是WIP还是差异。如果工单状态为DLV或TECO,表示生产订单已完成,没有WIP了,实际成本与目标成本的差异就是成本差异(variance),否则表示生产订单没有完成,投入与产出之间的差异仍为WIP。
     

    SAP计算出WIP或差异后,并不会立即生成FI凭证,需等到生产订单结算才正式生成会计凭证。产生的凭证如下所示:
    WIP会计分录:
    DR: WIP Inventory (BS) 
    CR: WIP Offset (P&L)
    也可能借贷方相反,表示WIP减少。如果生产订单在几期仍没有完工,则WIP会被反复计算,按这一对对应科目自动过账。

    差异的FI分录为:
    DR: Production Variances (P&L) (Unfavorable)
    CR: Material Consumption (P&L)

    5)生产订单结算(CO88)
    生产订单结算的作用就是将上步WIP及差异的分录实际过账到FI模快。

    以上步骤,希望简明扼要的说明SAP成本计算的流程和机制。

    展开全文
  • 计算产品预研

    千次阅读 2017-11-19 15:39:58
    国内各大云平台现有流计算产品预研

    国内各大云平台现有流计算产品预研

    阿里云

      Alibaba Cloud StreamCompute(阿里云流计算)是运行在阿里云平台上的流式大数据分析平台,提供给用户在云上进行流式数据实时化分析工具。使用阿里云StreamSQL,用户可以轻松搭建自己的流式数据分析和计算服务,彻底规避掉底层流式处理逻辑的繁杂重复开发工作,属于阿里云的大数据基础服务,目前正在公测中。

    产品特点

    • 开发门槛低

        无需用户在流计算框架上进行代码编程以及相关工作,提供了SQL语义的流式数据分析能力(StreamSQL)降低使用门槛

    • 性能优越、功能强大

        关键性能指标超越Storm的6到8倍,数据计算延迟优化到秒级乃至亚秒级,单个作业吞吐量可达百万(记录/秒)级别,单集群规模在数千台;实现exactly once语义

    • 全链路生态

        阿里云提供了全链路流计算开发平台,涵盖从数据采集到数据生产的各个环节,深度整合各类云数据存储,包括DataHub、日志服务(SLS)、RDS、OTS、ADS、IOTHub等各类数据存储系统,无需额外的数据集成工作,阿里云流计算可以直接读写上述产品数据

    • 运维监控快捷简单

        阿里云流计算是完全托管的流式计算引擎,用户隔离、一键式启用、天然集成了数据开发、数据运维、监控预警等服务

    产品定位

    阿里云流计算提供类标准的StreamSQL语义协助用户简单轻松的完成流式计算逻辑的处理。同时,受限于SQL代码功能有限,无法满足某些特定场景的业务需求,阿里云流计算同时为部分授信用户提供全功能的UDF函数。用户使用StreamSQL+UDF可完成大部分流式数据处理分析逻辑,目前流计算更擅长于做流式数据分析、统计、处理,对于非SQL能够解决的领域,例如复杂的迭代数据处理、复杂的规则引擎告警则不适合用现有的流计算产品去解决。

    目前流计算擅长解决的几个领域的应用场景:

    • 实时网络点击PV、UV统计
    • 统计交通卡口的平均5分钟通过车流量
    • 水利大坝的压力数据统计和展现
    • 网络支付涉及金融盗窃固定行为规则的告警

    曾经阿里云流计算对接,但发现无法满足的情况:

    • Oracle存储过程用阿里云流计算替换
    • 现有的Spark作业无缝迁移到流计算
    • 多种复杂规则引擎告警

    最适用于简单编写流计算SQL即可完成自身流式数据分析业务的场景

    全链路计算

      不同于现有的离线/批量计算模型(和批量计算差异性在下一小节细述),流计算全链路整体上更加强调数据的实时性,包括数据实时采集、数据实时计算、数据实时集成。三大类数据的实时处理逻辑在全链路上保证了流式计算的低时延。全链路流计算示意图如下:


    这里写图片描述

    • 数据采集 用户使用流式数据采集工具将数据流式且实时地采集并传输到大数据消息Pub/Sub系统,该系统将为下游流计算提供源源不断的事件源去触发流式计算作业的运行。

    • 流式计算 流数据作为流计算的触发源驱动流计算运行。因此,一个流计算作业必须至少使用一个流数据作为源。一批进入的数据流将直接触发下游流计算的一次流式计算处理。

    • 数据集成 流计算将计算的结果数据直接写入目的数据存储,这其中包括多种数据存储,包括数据存储系统、消息投递系统,甚至直接对接业务规则告警系统发出告警信息。不同于批量计算(例如阿里云MaxCompute或者开源Hadoop),流计算天生自带数据集成模块,可以将结果数据直接写入到目的数据存储

    • 数据消费 流计算一旦将结果数据投递到目的数据源后,后续的数据消费从系统划分来说,和流计算已经完全解耦。用户可以使用数据存储系统访问数据,使用消息投递系统进行信息接收,或者直接使用告警系统进行告警。

    业务流程

    阿里云流计算全流程系统架构情况如下图所示。


    这里写图片描述

    1. 数据采集 广义的实时数据采集指: 用户使用流式数据采集工具将数据流式且实时地采集并传输到大数据Pub/Sub系统,该系统将为下游流计算提供源源不断的事件源去触发流式计算作业的运行。阿里云大数据生态中提供了诸多针对不同场景领域的流式数据Pub/Sub系统,阿里云流计算天然集成上图中诸多Pub/Sub系统,以方便用户可以轻松集成各类流式数据存储系统。例如用户可以直接使用流计算对接SLS的LogHub系统,以做到快速集成并使用 ECS 日志。

    2. 流式计算 流数据作为流计算的触发源驱动流计算运行。因此,一个流计算作业必须至少使用一个流数据作为数据源头。同时,对于一些业务较为复杂的场景,流计算还支持和静态数据存储进行关联查询。例如针对每条DataHub流式数据,流计算将根据流式数据的主键和RDS中数据进行关联查询(即join查询);同时,阿里云流计算还支持针对多条数据流进行关联操作,StreamSQL支持阿里集团量级的复杂业务也不在话下。

    3. 实时数据集成 为尽可能减少数据处理时延,同时减少数据链路复杂度。阿里云流计算将计算的结果数据可不经其他过程直接写入目的数据存储,从而最大程度降低全链路数据时延,保证数据加工的新鲜度。为了打通阿里云生态,阿里云流计算天然集成了OLTP(RDS产品线等)、NoSQL(OTS等)、OLAP(ADS等)、MessageQueue(DataHub、ONS等)、MassiveStorage(OSS、MaxCompute等)。

    4. 数据消费 流式计算的结果数据进入各类数据存储后,用户可以使用各类个性化的应用消费结果数据: 用户可以使用数据存储系统访问数据,使用消息投递系统进行信息接收,或者直接使用告警系统进行告警。

    附: 数据链路情况

    对于上图的数据链路,部分数据存储由于和流计算模型不能一一匹配,需要使用其他类型的流数据做中转,说明如下:

    • DataHub

        DataHub提供了多类数据(包括日志、数据库BinLog、IoT数据流等等)从其他数据存储上传到DataHub的工具、界面,以及和一些开源、商业软件的集成,参看《DataHub相关介绍文档》,即可获取丰富多样的数据采集工具。

    • 日志服务(LogService)

      LogService是针对日志类数据一站式服务,在阿里巴巴集团经历大量大数据场景锤炼而成。LogService提供了诸多的针对日志的采集、消费、投递、查询分析等功能。

    • 物联网套件(IoTHub)

        物联网套件是阿里云专门为物联网领域的开发人员推出的,其目的是帮助开发者搭建安全性能强大的数据通道,方便终端(如传感器、执行器、嵌入式设备或智能家电等等)和云端的双向通信。

        使用IotHub 规则引擎可以将IoT数据方便投递到DataHub,并利用流计算和MaxCompute进行数据加工计算。查看《IoT规则引擎使用》以查看如何将IoT数据推送到DataHub。

    • 数据传输(DTS)

        DTS支持以数据库为核心的结构化存储产品之间的数据传输。 它是一种集数据迁移、数据订阅及数据实时同步于一体的数据传输服务。使用DTS的数据传输功能,可以方便的将RDS等BinLog解析并投递到DataHub,并利用流计算和MaxCompute进行数据加工计算。

    • Message Service

        阿里云消息服务阿里云商用的消息中间件服务,具有大规模,高可靠、高并发访问和超强消息堆积能力的特点。流计算可以直接从消息服务读取流式数据。阿里云流计算对接消息服务当前仍在开发中。

    • MQ

        阿里云MQ服务是企业级互联网架构的核心产品,基于高可用分布式集群技术,搭建了包括发布订阅、消息轨迹、资源统计、定时(延时)、监控报警等一套完整的消息云服务。阿里云流计算对接ONS服务当前仍在开发中。

    主要概念

    阿里云流计算处理的数据来自哪里?如何加载数据到流计算;流计算处理后的结果数据如何继续应用?

    阿里云流计算本身不带有业务存储,所有的数据均是来自于外部周边阿里云提供的存储系统持有的数据。目前阿里云支持几类数据存储类型:

    • 流式的数据输入: 为下游流式计算提供流式数据输入,是流计算进行数据处理的数据触发机制,推动流计算持续进行数据计算。每个流计算作业必须至少声明一个流式数据输入源。

    • 静态数据输入: 静态存储为流计算提供了数据关联查询,对于每条流式数据,可以关联外部一个静态数据源进行查询。因此,静态数据输入也被成为维表。

    • 结果表输出: 流计算将计算的结果数据写出到目的数据表,为下游数据继续消费提供各类读写接口。

    阿里云流计算支持哪几个流式数据输入?维表输入?结果表输出?

    目前支持流式输入表有:

    • 大数据总线(DataHub)

    • 日志服务(LogService)

    支持静态输入表有:

    • 表格存储(TableStore)

    • 云数据库(RDS)

    • 分布式数据库(DRDS)

    支持输出表有:

    • 大数据总线(DataHub)

    • 日志服务(LogService)

    • 消息服务(MessageService)

    • 分析型数据库(AnalyticDB)

    • 表格存储(TableStore)

    • 云数据库(RDS)

    • 分布式数据库(DRDS)

    阿里云流计算提供的编程接口是什么?如何编写流式数据处理逻辑?

    阿里云流计算提供StreamSQL编写业务逻辑,为流式数据分析定制多种数据处理函数和操作符。以Word Count统计为例,下面给出一个具体的SQL例子:

    -- 声明一个流式源表
    create stream table stream_source(word string) ;
    -- 声明一个目标表
    create result table stream_result(word string, cnt bigint) ;
    --统计word次数
    insert into stream_result select
       t.word
       ,count(1)
    from stream_source t
      group by t.word;
    

    单个阿里云流计算作业包含几个部分?

    一个静态的流计算作业目前分为几大类静态信息,包括:

    • 代码: SQL代码,用户编写的业务逻辑,流计算作业核心逻辑,其中包括 输入表DDL声明(分为流式输入表、静态输入表)、输出表DDL声明,以及执行业务逻辑的DML。

    • 参数: 参数用来描述作业运行时指标,例如并发量、批处理数据量等信息。

    • 属性: 作业的业务信息,例如创建人、创建时间等相关记录。

    我存放的数据不在上述支持的存储列表,如何处理?

    如果您所选择的阿里云存储产品不在我们系统支持范围之内,请提交工单告之我们。如果您使用了自建开源存储,需要您将您的数据转移到上述支持的列表存储中。您需要自己搭建相关的转换常驻程序完成上述转换逻辑,例如当前流计算流式数据源输入暂时还不支持阿里云消息服务,那么用户可以选择写应用程序将消息服务中的数据转换为DataHub,再交由流计算读取DataHub进行处理。

    华为云

      实时流计算服务(Cloud Stream Service,简称CS),是运行在华为云上的实时流式大数据分析服务,全托管的方式使用户无需感知计算集群,只需聚焦于Stream SQL业务,即时执行作业,完全兼容Apache Flink API。

      Cloud Stream实时流计算平台是华为公司在IT领域主推的低时延(ms级时延)、高吞吐、高可靠的分布式实时流计算服务。它以Flink为基础,加入华为沉淀的增强特性和安全增强,是一个批流合一的分布式计算服务,提供了数据处理所必须的丰富Stream SQL特性,后续还会支持在Stream SQL上增加机器学习和图计算相关算法的功能,适用于实时性要求高、吞吐量大的业务场景。

    特点和优势

    • 丰富的Stream SQL在线分析能力

        支持window、join等聚合函数,用SQL表达业务逻辑,简便快捷实现业务。

    • 分布式实时计算

        支持大规模集群计算,集群弹性伸缩,最大化节省成本。

    • 易用

        在SQL编辑平台写Stream SQL,Stream SQL定义数据流入、数据处理、数据流出,快速便捷实现业务逻辑,降低流数据分析门槛。

    • 全托管

        用户完全不感知计算集群,对运行的作业可视化查看运行状态。

    • 开箱即用

        不再关心各种大数据框架,写StreamSQL,即时运行作业。

    • 安全隔离

        租户三重安全机制保障,确保作业安全运行,且租户计算集群完全和其他租户物理隔离,独立的安防设置,确保计算集群的安全性。

    • 高吞吐低时延

        从DIS中读取数据,服务支持自然反压机制,支持高吞吐压力;毫秒级延迟,满足实时计算的业务场景。

    产品架构


    这里写图片描述

      在实时业务架构中,流计算服务使用DIS服务作为数据源,用户在流计算服务中提交StreamSQL作为数据处理逻辑,处理结果输出到持久化数据存储,以供下游业务使用。

    • Source数据源

        从DIS服务中读取数据

    • 流式计算

        提供Stream SQLFlink API两种能力,上手成本最低,使用简便

    • Sink数据输出

        分析的结果数据,实时写入DIS(数据接入服务)/ OBS(对象存储服务)等服务,以供下游业务使用

    应用场景

      Cloud Stream服务的使用,聚焦于互联网和物联网场景,适用于实时性要求高、吞吐量大的业务场景。主要应用在互联网行业中小企业/物联网/车联网/金融反欺诈等多种行业应用场景,如,互联网汽车、日志在线分析、在线机器学习、在线图计算、在线推荐算法应用等。

    • 实时流分析场景

        应用:实时大数据分析。

        场景特点:面向流数据,支持window、CEP、Join等复杂的流分析操作,毫秒级延迟。

        适用场景:在线分析,金融风控,交通流量分析,ETL,实时决策。

    • 物联网IOT场景

        应用:物联网在线数据分析。

        场景特点:物联网IoT直接调用Cloud Stream服务API,Cloud Stream可以实时读取传感器信息并执行用户的分析逻辑,分析结果对接到DIS、RDS等服务用于可视化、持久化、告警或报表展示。

        适用场景:电梯IoT、工业IoT、共享单车、互联网汽车和智能家居。

    上下游数据

    • 数据接入服务(DIS)

        数据接入服务(DIS)是Cloud Stream的数据源和作业输出数据的存储地。

      1. 数据源:DIS接入用户数据,Cloud Stream从DIS读取数据,作为作业的输入数据。
      2. 数据的存储地:Cloud Stream将作业的输出数据写入DIS。
      3. 对象存储服务(Object Storage Service)

    • 对象存储服务(OBS)

        可用作CloudStream的数据源和作业Checkpoint数据的备份地。

      1. 数据源:Cloud Stream支持从OBS上读取用户存储的数据,作为作业的输入数据。

      2. 作业Checkpoint数据的备份地:如果作业开启了Checkpoint功能,Cloud Stream支持将作业快照存储到OBS中,以便作业在出现异常时可以从Checkpoint(一致性检查点)恢复作业。

    • 关系型数据库(Relational Database Service)

        关系型数据库(RDS)用于存储Cloud Stream作业输出的结果数据。

    • 与统一身份认证服务的关系

        统一身份认证服务(Identity and Access Management,简称IAM)为Cloud Stream提供了鉴权功能。

    • 云审计服务(Cloud Trace Service)

        云审计服务(CTS)为用户提供Cloud Stream的操作记录,供用户查询、审计和回溯使用。

    注意:

      Cloud Stream支持从DIS上读取编码格式为csv或json格式的数据。

      Cloud Stream只支持从OBS上存放和读取csv格式的数据。

    代码实例

    创建作业并提交

    使用实时流计算服务,首先要创建一个作业,如“JobSample”。

    登录Cloud Stream管理控制台。

    在Cloud Stream管理控制台的左侧导航栏中,单击“作业管理”,进入“作业管理”页面。

    单击“新建”,弹出“新建作业”页面。

    输入“作业名称”和“作业描述”,例如:作业名称为“JobSample”,作业描述为“This is a job sample.”。

    在“作业模板”下拉框中,选择“默认”,使用系统默认的作业模板。

    单击“确定”,进入“作业编辑”页面,在SQL语句编辑区域中会显示“默认”作业模板的SQL语句。

    在SQL语句编辑区域中,根据作业的实际需要,编辑SQL语句。例如:

    /** 创建输入流,从DIS的dis-source-stream通道获取数据,数据编码格式为CSV,分隔符为逗号 **/
    create source stream stream_source (
      name STRING,
      v2 STRING,
      time LONG
    ) WITH (
      type = "dis",
      region = "cn-north-1",
      channel = "dis-source-stream",
      partitionCnt = "3",
      encode = "csv",
      fieldDelimiter = ","
    ) timestamp by proctime.proctime;
    
    /** 创建输出流,结果输出到DIS的dis-sink-stream1通道,若通道有多个partition,以name作为key 派发,输出格式为json,
        enableOutputnull为false表示当属性为null时,该属性不进行输出 **/
    create sink stream stream_sink (
      name STRING,
      v2 STRING
    ) WITH (
      type="dis",
      region="cn-north-1",
      channel = "dis-sink-stream1",
      partitionKey = "name",
      encode = "json",
      enableOutputnull = "false"
    );
    
    /** 创建输出流,结果输出到DIS的dis-sink-stream2通道,若通道有多个partition,以name作为key 派发,输出格式为csv **/
    create sink stream stream_sink2 (
      name STRING,
      cnt BIGINT
    ) WITH (
      type="dis",
      region="cn-north-1",
      channel = "dis-sink-stream2",
      partitionKey = "name",
      encode = "csv",
      fieldDelimiter = ","
    );
    
    /** 直接将入流 stream_source 输出到 stream_sink **/
    insert into stream_sink select name, v2 from stream_source;
    
    /** 计算从运行开始流进来的事件个数 **/
    insert into stream_sink2
    select name, count(v2) OVER (ORDER BY proctime RANGE UNBOUNDED preceding) as cnt1
    from stream_source;
    

    单击“语义校验”,确保语义校验成功。

    在“作业编辑”页面的右侧“运行参数设置”页签,使用默认运行参数即可。

    单击“保存”。

    单击“提交”,将作业发布线上。

    百度云

    无流计算产品

    腾讯云

    大数据处理套件TBDS

      腾讯大数据处理套件(Tencent Big Data Suite)是基于腾讯多年海量数据处理经验,对外提供的可靠、安全、易用的大数据处理平台。您可以按需部署大数据处理服务实现数据处理需求,例如报表展示,数据提取、分析,客户画像等大数据应用。该平台中集成了流式计算

    • 实时流处理计算

        灵活:支持 TStorm(用 Java 语言重写的 Storm 流处理引擎)、Storm 流式任务作业引擎,覆盖实时要求极高的流式作业场景;支持基于 Spark 上的 Spark Streaming,满足毫秒级的实时计算场景需求,如实时推荐、用户行为分析等。

    网易蜂巢

    无流计算产品

    总结

    1. 从国内各大厂家的云计算产品综合比较来看,流计算平台仍然处于起步阶段,相对来说最为成熟完善的阿里云流计算平台也是处于公测中,还有许多根本就没有流计算平台产品推出。

    2. 阿里云流计算平台技术最成熟、架构最为完善、业务场景丰富、用户相对较多

    3. 华为流计算平台与阿里云流计算平台在各方面都较为类似,但是华为的不够成熟、不够规范、架构脉络不清晰、相关资料较少、还处于起步阶段

    4. 腾讯云将流计算集成在大数据开发套件之中,相关资料太少,只知道底层引擎采用的是腾讯自己用java重写的TStrom,另外支持SparkStreaming

    5. 阿里云之前的流计算平台底层引擎采用的是阿里自己改写的Storm(JStorm),最新版本的话与华为一样,底层引擎都选用的是Flink,可见未来的流计算引擎的趋势应该是Flink

    展开全文
  • 整理 | 唐小引 ...还将有数十家芯片、模组、 工具和应用集成商展示最新产品,是不容错过的行业盛会。 2019嵌入式智能国际大会,8.3折限时优惠票,最高可省499元!学生票仅售399元!戳链扫码买起来!

    整理 | 唐小引
    封图 | 付费下载自东方 IC
    出品 | CSDN(ID:CSDNnews)

    腾讯开源进化 8 年,进入爆发期!

    继刚刚连续开源 TubeMQ、Tencent Kona JDK、TBase、TKEStack 四款重点开源项目后,腾讯开源再次迎来重磅项目!北京时间 11 月 14 日,腾讯正式宣布开源高性能图计算框架 Plato,这是在短短一周之内,腾讯开源的第五个重大项目。

    据腾讯官方介绍,Plato 是腾讯内部图计算 TGraph 团队整合内部资源自主研发的一款高性能图计算框架,取名 Plato 是为了致敬伟大的数学家柏拉图,目前腾讯云大数据团队正在封装 Plato,即将对所有开发者开放使用。

    相对于目前全球范围内其它的图计算框架,Plato 可满足十亿级节点的超大规模图计算需求,将算法计算时间从天级缩短到分钟级,性能全面领先领先于其它主流分布式图计算框架,并且打破了原本动辄需要数百台服务器的资源瓶颈,现在,最少只需要十台服务器即可完成计算。

    腾讯 Plato 团队负责人于东海表示:“Plato 已经赋能腾讯内部包括微信在内的众多核心业务,尤其是为腾讯超大规模社交网络图数据的各类计算提供支撑,解决了现有其他计算框架无法在有限资源和有限时间内完成计算的难点。Plato 不仅为腾讯创造了巨大的业务价值,开源后还将持续推动图计算技术和行业的协同发展,加速创新。”

    详解腾讯高性能图计算开源框架 Plato

    实际上,图计算的“图”并不是指普通的图像和照片,而是用于表示对象之间关联关系的一种抽象数据结构,图计算就是以图作为数据模型来表达问题并予以解决的过程。图计算可以将不同来源、不同类型的数据融合到同一个图里进行分析,得到原本独立分析难以发现的结果,因此成为社交网络、推荐系统、网络安全、文本检索和生物医疗等领域至关重要的数据分析和挖掘工具。

    据了解,Plato 的计算性能方面极其强悍,比目前市场上最为领先的图计算框架 Spark GraphX 还高出 1-2 个数量级,它将算法计算时间从天级缩短到分钟级,性能提升数十倍,也标志着图计算全面进入分钟级时代。

    另外一个巨大优势是,Plato 在内存消耗方面远小于主流的图计算框架,比 Spark GraphX 减少 1-2 个数量级,仅需 10 台服务器左右的中小规模集群,即可完成超大规模图计算,相比此前动辄需要数百台服务器的限制,资源压力和计算成本都得到了极大降低。

    目前,Plato 主要提供两大核心能力:腾讯数据量级下的离线图计算和腾讯数据量级下的图表示学习。

    同时,Plato 天然适配 Kubernetes、YARN 等资源调度平台,并提供支持主流文件系统的多种接口,能为开发者提供更友好的运行环境。

    架构设计上,Plato 框架的核心是自适应图计算引擎,它能够根据不同类型的图算法,提供多种计算模式供开发者灵活选择,包括自适应计算模式、共享内存计算模式和流水线计算模式等。另外,还设计了良好的接口支持接入新的计算通信模式。


    △Plato 整体架构图

    在计算引擎之上,Plato 为算法设计者或具体的业务提供多层次接口:从底层的 API,到图算法库,再到为具体业务量身打造的“解决方案”——图工具集。通过这些应用层的接口和工具,Plato 还可以把离线计算结果与其他机器学习算法相结合,共同支撑顶层的不同业务。

    值得一提的是,目前 Plato 的算法库中的图特征、节点中心性指标、连通图和社团识别等多种算法都已经开源,未来还将进一步开源更多的算法。

    性能对比

    据腾讯官方介绍,Plato 的计算性能遥遥领先于主流的分布式图计算框架。下图选取了 Plato 与 Spark GraphX 在 PageRank 和 LPA 这两个 benchmark 算法的性能对比,可以看到,Plato 的性能比 Spark GraphX 高出 1-2 个数量级。

    除了计算性能不足,内存占用过大也是限制大规模图计算的主要因素。Plato 的另一个巨大优势则是它的内存开销远小于主流图计算框架。从下图看到,Plato 的内存消耗比 Spark GraphX 减少了 1-2 个数量级,为超大规模图计算创造了更大的想象空间。

    Plato 不仅在 benchmark 算法中独树一帜,在真实的业务算法中也同样成效卓著。在腾讯数据量级下,Plato 的计算性能也非常优秀。下图给出了 Plato 在腾讯数据量级下的共同类计算、Node2Vec、LINE、GraphSage 等典型业务算法的性能。

    腾讯开源 8 年进化:86 个项目,GitHub 排名前十

    从 2011 年腾讯在内部提倡以公共组件的形式共享和复用代码、2012 年发布第一个对外开源项目到今天,腾讯开源已经走过了 8 年,也已取得丰硕成果。截止目前,腾讯已经在 GitHub 上已经开源了 86 个项目,超过 1000 个贡献者参与了开源贡献,拥有超过 25 万个 Star 数,在 GitHub 全球公司贡献榜上排名前十。

    同时,腾讯业已加入 Linux、Apache 等 9 大开源基金会,成为最高级别会员,并向 Linux、Apache、LF AI 等开源基金会捐赠 3 大优秀开源项目。2018 年,腾讯将高性能 RPC 开发框架 TARS,及其轻量化名字服务方案 TSeer 捐赠给 Linux 基金会,将业界领先的深度学习框架 Angel 捐赠给 Linux 旗下专注人工智能的 LF AI 基金会;2019 年,腾讯新发布的万亿级分布式消息中间件 TubeMQ 捐赠给 Apache 基金会,成为官方认可的 Incubator 项目。

    总结来看,腾讯通过“三步走”的开源计划,通过代码开放和社区运营,不断深化腾讯已有的技术能力,向协同开放和社区开放治理的纵深方向发展。

    具体来说,第一步是内部开源协同。首先拉通内部项目和组织,通过部门小团队作战或跨部门大团队作战的方式协同推进,以优化资源配置的方式集中优势寻求技术突破,并建立起筛选机制将代码开放出来。

    第二步是外部代码开放。优化设计与代码结构,不断拓展落地场景,有效利用外部贡献者资源实现资源整合,构建技术影响力。

    第三步是社区开放治理,在这一阶段,注重大规模技术推广与应用、开发者生态体系构建、社区领袖与领导力培养、全社会研发资源的优化配置四个方面。

    对于腾讯为什么如此重视开源治理,腾讯开源联盟(TOSA)主席、腾讯技术工程事业群数据平台部大数据海量存储与海量计算负责人堵俊平在接受 CSDN(ID:CSDNnews)采访时谈到了至关重要的两点:「第一点,腾讯对于开源的态度非常成熟,开源不是像其他公司开源出去大家赢得掌声就结束了。开源代码开放只是第一步,第二步是建立好的社区,第三步是通过这个好的社区进行技术挖掘。给生态上的各个企业带来一些回报,这是很长期的过程,不是一次代码开放就解决的。第二点,腾讯是做社交起家的,很擅长于做人与人之间的连接,开源能够做成功和腾讯包容和沟通是离不开的,这就是为什么我们比较重视这一点。」

    现在,快来 GitHub 上 Star Plato 吧!

    Plato 开源地址:https://github.com/tencent/plato

    【活动推荐】

    2019 嵌入式智能国际大会来啦!以“万物互联·泛在智能”为主题,邀请30+位海内外顶级专家作为分享嘉宾,展示嵌入式AI的未来,涵盖计算机视觉、3D视觉,医疗影像处理、语音识别、NLP、传感器融合、自动驾驶等核心技术和应用。集聚500+位来自主流AIoT领域践行创新的中坚力量,100+位海内外特邀技术领袖。还将有数十家芯片、模组、 工具和应用集成商展示最新产品,是不容错过的行业盛会。

    2019嵌入式智能国际大会,8.3折限时优惠票,最高可省499元!学生票仅售399元!戳链扫码买起来!

    展开全文
  • SAP产品成本计算流程 (修订版)

    千次阅读 多人点赞 2017-01-10 23:23:16
    SAP计算产品成本的方法有三种,按期间计算产品成本,按生产订单计算产品成本,按销售订单(sales order)计算成本。其中,按生产订单计算成本最为常见,很多公司采用,本文希望简明扼要说明SAP产品计算的流程。 对之前...

    2010 年在 CSDN 上写的 《SAP 成本计算流程》一文,对 SAP 术语翻译没有照顾到国内有不同叫法,可能影响理解,现在重写修订。

    SAP 计算产品成本的方法有三种,按期间计算产品成本,按生产订单计算产品成本,按销售订单 (sales order) 计算成本。其中,按生产订单计算成本最为常见,很多公司采用,我们也以此为例说明 SAP 产品计算的流程。

    SAP 产品成本计算与传统成本计算的不同点:

    1. 传统成本计算的方法是月底一次性计算,是一种事后成本计算。但 SAP 提供在生产订单创建时就可计算出目标成本。公司日常业务操作,比如发料,报工(confirmation)等,发生的成本都会同步计入生产订单中,实时性较好,SAP 对这成本的同步更新称作 Simultaneous Costing。可以认为,SAP 的成本计算具有事前计划、事中统计,事后分析的功能。
    2. 传统成本计算方法,在发料时,将物料从原材料(Raw Material, RM) 科目转到在产品(Work in Process, WIP),收料时再结转到半成品或产成品科目。SAP 不同,SAP 把生产成本的科目视作损益科目,发料时先计入损益,月底再结算。如果生产订单没有全部完工收货,或技术上做完成处理,成本的余额作为 WIP,否则表示生产订单完成,没有 WIP, 余额全部结转到差异。公式如下:
    WIP = GR of MO – Collected costs of MO
    

    注:GR of MO: 生产订单收货(goods receipts of manufacturing order)

    成本计算流程

    (1) 产品成本计划( Product cost planning)

    通过成本计划,计算物料的标准成本,以此作为物料价格和存货计价的依据。

    (2) 日常操作以及日常操作与成本计算的集成

    (2.1) 生产订单发料(Goods issue to production order )

    生产订单发料在 FI 模块中会产生如下凭证:

    DR: 生产成本-物料消耗科目(P&L) 
    CR: 存货( 如RM)
    

    物料消耗科目因为属于损益科目,因此在 CO 模块中属于初级成本要素 (Primary cost element),发料的会计凭证有控制凭证(就是 CO 模块的凭证),如下所示:

    DR: 生产成本 - 物料消耗科目 (生产订单是成本分配对象 true cost assignment object)

    注意这一规律,如果数据从 FI 传递到 CO,则在 CO 中只存在单边凭证 (one-sided entry). CO 凭证用 KSB5 查看。

    (2.2) 报工(Activity Confirmation)

    生产过程中的作业成本以工时和工时的单价来体现,工时的确认就是报工。报工的时时候,作业时间 * 作业计划价格从生产性成本中心(Production cost center)结转到生存订单。作业时间可以是人工工时,也可以是机器工时。报工没有 FI 凭证,只有 CO 凭证,分录如下:

    DR: 次级成本要素(类型为43)(转入的生产订单)
    CR: 次级成本要素                        (转出的 成本中心)  
    

    (2.3) 费用过账到成本中心

    SAP 有不同类型的成本中心,比如生产型、管理型,或为分配需要设立的虚拟成本中 (dummy cost center)。费用过账会同时产生会计凭证和 CO 凭证。如果费用是制造费用,则后续参与成本计算,如果是期间费用,则不参与成本计算。

    (2.4) 生产订单完工收货 (Goods Receipt from the production order)

    根据产成品的标准价格(如果物料的价格控制码为S),成本从生产订单结转到FI的存货科目,同时产生会计凭证和控制凭证:
    FI 的会计分录为:

    DR: 产成品 / 半成品等
    CR: 生产成本 - 物料消耗
    

    CO 凭证为: CR: 生产成本 - 物料消耗

    (3) 期末结算处理

    (3.1) 从管理性等成本中心将成本转到生产成本中心

    成本中心归集的费用可能要从一个成本中心转到另一个成本中心,最后分配给生产订单,或从成本中心直接分配给生产订单,所用的方法有:

    • 分配分摊(Cost center assessment and distributions )
    • 直接作业分配(Direct activity allocation)

    (3.2) 重新计算成本中心的作业价格 (KSII)

    刚才提到过,成本中心会有费用从 FI 计入,或从其他成本中心转入(用分配/分摊/直接分配等方法),这是它的借方,日常报工时则会用类型为 43 的成本要素转出,这是它的贷方,因为作业价格是计划价格,所以(借方- 贷方)一般会有差异,这个差异用SAP术语(其实也是财务的术语)叫 under-absorption 或 over-absorption。月末所有费用都已经记账,可以计算出作业的实际价格。说明:因为存在不同的作业类型,SAP 还需要将不同的费用和作业类型进行关联,每个月份根据设置进行关联,叫做成本分割。成本分割在本步骤之前。

    (3.3) 按实际价格重估生产订单 (CON2)

    作业价格重新计算后,用此事务码将差异从生产型成本中心分配给生产订单,分配后成本中心平衡,可能存在四舍五入的小额差异,财务手工转出。

    (3.4) 计算制造费用 (CO43) / 在产品(KKAO) 和差异(KKS1)

    实际上这是三步操作,但可以放在一起,更容易理解。国内一般很少用 SAP 的 costing sheet,所以不需计算制造费用这一操作。在计算在产品的时候,根据生产订单的状态确定是 WIP 还是差异。如果生产订单状态为 DLV 或 TECO,表示生产订单已完成,没有 WIP 了,实际成本与目标成本的差异就是成本差异(variance),否则表示生产订单没有完成,投入与产出之间的差异仍为 WIP。

    SAP 计算出 WIP 或差异后,并不会立即生成 FI 凭证,需等到生产订单结算才正式生成会计凭证。产生的凭证如下所示:

    DR: WIP Inventory (BS)  
    CR: WIP Offset (P&L)
    

    也可能借贷方相反,表示 WIP 减少。如果生产订单在几期仍没有完工,则 WIP 会被反复计算,按这一对对应科目自动过账。

    差异的 FI 分录为:

    DR: Production Variances (P&L) (Unfavorable) 
    CR: Material Consumption (P&L)
    

    (3.5) 生产订单结算(CO88)

    生产订单结算的作用就是将上步 WIP 及差异的分录实际过账到FI模快。

    以上步骤,希望简明扼要的说明 SAP 成本计算的流程和机制。

    展开全文
  • 保证产品平均合格率达到高度质量水平的一种管理方法。PPM原意表示化学浓度,日本松下电器公司借用它作为产品质量检验水平的一个标准,即提供给用户的100万个零件中,不合格品不准超出一个。 PPM:part per million...
  • 11月9日,中国航天科工二院706所举行“内置军魂 方为臻品”发布会,正式发布“天玥”系列移动计算产品。 此次发布的“天玥”系列移动计算产品包括“天玥”加固便携机、“天玥”加固平板电脑、“天玥”加固...
  • 在集群层面,采用面向数据中心的CloudEngine 8800系列交换机,提供端口100Gbps的交换速率,将集群内的所有AI服务器接入高速交换网络。独创iLossless 智能无损交换算法,对集群内的网络流量进行实时的学习训练,...
  • 计算库存产品成本---移动加权平均法 移动加权平均法:  移动加权平均法下库存商品的成本价格根据每次收入类单据自动加权平均;其计算方法是以各次收入数量和金额与各次收入前的数量和金 额为基础,计算出移动...
  • HPC应用支持GPU计算的增长几乎完全是由英伟达(NVIDIA)推动的,该公司在构建一个健壮的软件生态系统以支持其在硬件方面的投入。具体来说,通过开发了一套并行编程API、库和相关的软件开发工具CUDA(Compute Unified ...
  • 边缘计算与嵌入式系统

    万次阅读 多人点赞 2018-07-06 19:46:00
    边缘计算简介 边缘计算的起源 嵌入式系统与边缘计算 3.1 嵌入式系统概述 3.2 嵌入式系统的发展历史 3.3 嵌入式系统应用到边缘计算 3.4 嵌入式硬件的要求 3.5 边缘计算环境下嵌入式系统与人工智能 观点与看法...
  • 移动计算

    千次阅读 2018-06-24 12:02:02
    移动计算是随着移动通信、互联网、分布式计算等技术的发展而兴起的新技术。移动计算技术将使计算机或其它信息智能终端设备在无线环境下实现数据传输及资源共享,将信息传递给远程服务器下的一种分布计算环境下的技术...
  • 计算机文化基础—计算机硬件系统

    千次阅读 2017-03-16 17:12:00
    第2章 计算机硬件系统 本章内容 ... 人类所使用的计算工具从简单到复杂、从低级到高级的发展过程中,相继出现了如算盘、计算尺、手摇机械计算机、电动机械计算机等。 1946年2月,世界上第一台数字电...
  • 计算机组成原理答案

    万次阅读 多人点赞 2018-12-19 21:11:27
    答:总线标准的设置主要解决不同厂家各类模块化产品的兼容问题; 目前流行的总线标准有:ISA、EISA、PCI等; plug and play :即插即用,EISA、PCI等具有此功能。   11. 画一个具有双向传输功能的总线...
  • 计算机硬件基础知识

    万次阅读 多人点赞 2017-05-20 14:19:36
    :内存带宽是指内存与北桥芯片之间的数据传输率,通道内存节制器一般都是64-bit的(双通道内存带宽为128-bit),8个二进制位相当于1个字节,换算成字节是64/8=8,再乘以内存的运行频 率,如果是DDR内存就要再乘2 ...
  • 可信计算复习

    千次阅读 多人点赞 2018-06-26 21:33:54
    可信计算复习 一、名词解释 TPM(Trusted Platform Module):可信平台模块,是一个SOC(System on Chip)芯片,加上嵌入式操作系统后构成一个以安全保密功能为特色的嵌入式计算系统 TSS(TCG Software Stack):...
  • windows无法完成安装,若要继续安装windows,请重新启动计算机
  • 分布式计算的详细笔记

    千次阅读 2020-04-24 15:29:52
    分布式计算 1、定义 ==分布式计算是一种计算方法,和集中式计算是相对的==。随着计算技术的发展,有些应用需要非常巨大的计算能力才能完成,如果采用集中式计算,需要耗费相当长的时间来完成。分布式计算将该...
  • SAP呆滞库存的计算

    千次阅读 2018-07-06 12:08:28
    SAP呆滞库存的计算 https://blog.csdn.net/zhongguomao/article/details/50807201 SAP呆滞库存的计算一、什么物料是呆滞物料 呆滞就是不流动,物料呆滞多久才是呆滞?可谓标准不同,说法各异,有的认为物料的...
  • 异构计算 文章

    千次阅读 2015-06-05 00:03:07
    从桌面到移动:异构计算翻天覆地的技术变革 http://www.csdn.net/article/2014-07-10/2820610-heterogeneous-computing-in-mobile/1
  • ML学习分享系列(1)_计算广告小窥[上]

    万次阅读 2016-01-25 15:26:09
    回顾计算广告的发展历史,纵使错综复杂,但究其根本,便是广告主、媒体与用户之间相互博弈之后达到的平衡状态。在传统广告踏入互联网大门之后,在利益最大化的...在移动互联大潮下,用户体验被尊为一切产品的出发点...
  • 孙正兴:普适计算与计算机视觉

    千次阅读 2012-02-11 09:15:14
    孙正兴:普适计算与计算机视觉 分类: 软件技术 2011-11-12 23:24 193人阅读 评论(0) 收藏 举报   孙正兴:普适计算与计算机视觉 (2011-04-20 15:12:59) 标签: 校园 分类: ...
  • 作者:从墨 随着企业的不断发展,企业产生大量的数据...在2019年HC大会上,华为重磅推出最新一代高扩展海量存储分布式数据库——TaurusDB,它拥有一个最大的特点就是将存储和计算以一种分离的架构形式运行。很多人...
  • 识 SQLite,简约不简单

    万次阅读 多人点赞 2021-04-29 07:08:43
    SQLite 是世界上安装使用最多的数据库,无论对于开发/测试人员、数据分析师/科学家、IT 运维人员还是产品经理,SQLite 都是一个非常有用的工具。本文给大家回顾一下 SQLite 提供的一些实用功能,包括命令行工具、...
  • 从Heron看实时计算系统差异对比

    千次阅读 2016-06-06 11:40:35
    感叹变化太快,自己14-15年从storm到全栈工程师,到产品经理,现在又回大数据,不胜唏嘘。  这两年里,许多新的开源系统发布,平均1、2年技术栈都要变一下。当然,其中最火爆的莫过于spark了。spark集批量计算,...
  • 物联网盛行的时代,许多通信终端产品层出不穷,为顺应时代发展步伐,更好在物联网领域驰骋天下,通信技术不断更新升级,边缘计算的概念就是鲜明的例子。随着边缘计算逐渐火热,边缘计算网关也开始应用起来。那么,...
  • HPC高性能计算知识: 计算架构演进

    万次阅读 2018-04-18 12:29:11
    HPC系统实际上就是一个并行计算系统,很多初学者刚接触并行计算的时候会对MPI、OpenMPI和OpenMP产生非常大的疑惑,主要原因是对这几个概念本身理解的...
  • 流式计算系统分析

    千次阅读 2012-11-29 00:09:42
    2011年度的Hadoop China大会刚刚落下帷幕,这次会议的一个热点议题就是数据流计算,在MapReduce计算模型风靡全球之后,Stream Processing将会是下一个研究热点,无论是在工业界还是学术界。本文从深层次对各种典型的...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 160,744
精华内容 64,297
关键字:

产品单重如何计算