跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

体育数据栈正在被悄悄重建:过去72小时真正说明了什么

9月30日,Tigris发布了一份复盘文章,讲它为什么把对象存储的队列从FoundationDB里搬出来,把异步任务迁到Kafka上。这不是体育新闻,但它描述的正是如今承载海量体育媒体的那套底层管线。而它出现的同一周,欧洲的数据中心被告知,不能再对自己的用水和用电数字保密。

体育分析陈思远发布: 2026年9月30日6 分钟阅读资料来源 6
体育数据栈正在被悄悄重建:过去72小时真正说明了什么

过去72小时里关于体育技术最有用的那篇文章,跟体育本身没什么关系。9月30日,对象存储厂商Tigris发布了一份工程复盘,解释它为什么把垃圾回收这类异步任务从FoundationDB里挪出来、放到Kafka上。原因对任何做体育数据分析的人都成立:一个worker如果在任务中途挂掉,任务就跟着一起死了。公司写道:“worker一旦消费了某个任务,这个任务就不再在队列里,它会随着worker一起消失。”

如今的体育就是一大堆这样的任务。追踪数据流、视频管线、博彩结算、集锦渲染。这些环节没有一个能容忍消息丢失。

Tigris对这个取舍说得很直接。它仍然把一部分队列留在FoundationDB里,因为数据库消除了双写问题。但调度“需要大量写入和扫描,这会给FoundationDB带来读负载,直接与用户请求争抢资源”。公司实现了苹果的QuiCK论文,也就是CloudKit背后的队列系统,并把它描述为“一个利用FoundationDB的Record Layer、按时间实现消息队列的排队系统”。这篇文章谈起Kafka时也少见地幽默,把自建Kafka比作一觉醒来变成“一只巨大的害虫”,而身边每个人都客客气气地劝你继续过日子。

把它和体育扯上关系并不牵强。联赛和转播商花了十年时间承诺数据原生的报道,而卖点通常到仪表盘就停了。真正在台下的是编排:哪些事件被处理、按什么顺序处理,以及比赛进行到凌晨三点、某个worker突然倒下时会发生什么。

欧洲数据中心对数字保持沉默

同一天,荷兰媒体NL Times报道了Lighthouse Report联合Trouw及其他欧洲媒体进行的一项为期一年的调查,对象是数据中心的环境信息披露。结论很刺眼:在荷兰,规模较大的数据中心里,公布用电和饮用水数据的不到四分之一。

这个缺口背后的数字很具体。据荷兰数据中心协会统计,截至去年年底,荷兰有186座容量在500千瓦及以上的商用数据中心。负责为欧盟收集这些数据的荷兰企业局,只掌握其中104座的记录。有公开用电数据的只有44座,有公开用水数据的只有47座。欧盟《能源效率指令》要求达到这一门槛的数据中心披露信息,已经三年了。

荷兰中央统计局的数据显示,2024年荷兰数据中心的用电量为51亿千瓦时,占全国用电量的4.6%,接近五年前水平的两倍。电网运营商TenneT预计到2030年这一比例将达到10%至15%。荷兰企业局今年夏天披露,仅微软在荷兰最大的那座数据中心,就占全国用电量的1%。谷歌在荷兰运营着两座大型数据中心,却不公布自己的数字。

对体育来说这不是抽象问题。流媒体、实时追踪和计算机视觉都接在同一张电网上,也落在同一片信息披露的盲区里。

不搬数据也能查数据湖

同样在9月30日,AWS宣布Aurora PostgreSQL现在可以通过外部表直接查询Apache Iceberg和Parquet数据,用的是嵌入PostgreSQL的DuckDB查询引擎。公司表示,该能力从Aurora PostgreSQL 17.11和18.6版本起,在所有商业区域和GovCloud区域正式可用,不额外收费。

卖点是省掉ETL。公告写道:“访问这些数据通常需要管线把数据从数据湖复制到Aurora,随着模式演变,成本和工程工作量都会上升。”对一家体育机构来说,这决定了数据湖是躺在仓库里,还是分析师在赛季进行中就能真正查询。

整整一周,俱乐部和联赛都在行业活动上承诺数据原生的体育生态。Consultancy-me.com在9月29日报道了Pure Sports的一位负责人在LEAP 2026上谈的正是这件事。SVG Europe同一天也发了一篇关于海量媒体基础设施的文章。两者都不是产品发布。它们描述的是一个默认数据层已经能正常运转的市场。

它确实越来越能正常运转了。故事就在这里。

研究层也在动

9月29日,研究人员Osayamen Jonathan Aimuyo、Swapnil Gandhi和Christos Kozyrakis向arXiv提交了一篇论文,介绍Purlin,一个把编排与数据通路分离的GPU集合通信框架。论文报告,在A100、H200和B200 GPU上的七种集合通信操作中,延迟最多提速5.14倍,带宽最多提升4.50倍。集成进SGLang服务栈后,Purlin把离线LLM服务的吞吐和交互性平均提升1.13倍、最高1.37倍,把在线推理的交互性平均提升1.26倍、最高2.85倍,过载时增益最大。

这些不是体育基准测试。但它们的负载形态和自动集锦生成、多机位追踪、实时战术推理是一样的。在这些场景里,负载下的延迟就是产品本身。

论文里2.85倍的交互性提升,和一个能在场边跑起来的系统之间,差距巨大。材料里没有任何迹象表明有人已经把这个差距补上。不过,本周发布的每一份材料指向的方向都一致:有意思的工作发生在界面之下,在编排、查询引擎和网络集合通信里。

这一周没有解决的问题

它没有解决隐私问题。9月30日,404 Media报道,特朗普政府正利用1980年代的高强度毒品贩运地区计划,把Flock、Axon等厂商的本地自动车牌识别数据汇入联邦监控中心,有些还进一步流向美国缉毒局的国家车牌识别计划。这些记录由HaveIBeenFlocked.com的创建者Cris van Pelt通过公共记录申请获得。电子隐私信息中心的Jeramie Scott对404 Media说:“如果你对Flock感到愤怒,那你对这件事也该感到愤怒。”

体育场馆就是这套摄像头资产的一部分。场馆周围的停车场也是。

它也没有解决健康数据的问题。《卫报》9月30日报道,超过44000人依据英国GDPR第21条,对英格兰NHS由Palantir提供支持的联邦数据平台处理其信息提出正式反对。活动人士提到Palantir为以色列军方和美国移民执法部门做过的工作。Palantir表示该平台正在帮助缩短等待名单,并援引了117000例额外手术、长期住院患者出院延迟下降14.3%、28天内癌症诊断改善5.6%等数据。

环境问题同样没有解决。Lighthouse Report的调查发现,在披露义务生效三年之后,欧洲数据中心大多仍不愿说明自己消耗了多少水和电。

把这些放在一起,过去72小时描绘出的体育技术行业是这样的:可见的那一层,仪表盘、追踪图形、AI解说,跑在一个看不见的层上。这个层正在公开的工程博客和arXiv预印本里被重建,同时它的资源和隐私成本基本没有披露。这算不上丑闻。这是一个度量问题,也是值得盯住的那一个问题。

评论 0

资料来源

6
  1. 01We used a database as a message queue. Now we use Kafka.EN
  2. 02Most data centers refusing to say how much water, electricity they useEN
  3. 03Aurora PostgreSQL now supports querying of Apache Iceberg and Parquet dataEN
  4. 04Purlin: Separating Orchestration from the Datapath of CollectivesEN
  5. 05How Cities Are Forced to Funnel License Plate Data to a Massive Federal Surveillance ProgramEN
  6. 06More than 44,000 file legal objections to Palantir NHS platform handling their dataEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

陈思远

陈思远

体育、汽车与旅行

陈思远负责FLASH24的体育、汽车与旅行报道,他从联赛官方数据、车队技术公报和旅行目的地统计中提取信息,重点关注规则执行与数据一致性,不放过任何一处数字矛盾。在体育报道中,他逐场核对射门、跑动和犯规数据,并比对视频助理裁判的判罚记录;在汽车与旅行板块,他同样坚持用实测油耗、里程和票价来验证每一条结论。他常与赛事数据员、车队工程师和当地向导沟通,每逢联赛关键轮次或新车发布便提前整理对比表格。业余时间他打业余篮球,也研究联赛数据与视频助理裁判的判罚逻辑,这些爱好让他更清楚数据背后的实际节奏。他坚持一条原则:未经核实的数据不写进稿子。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。