대용량 데이터 분석 기술에 대 한 새로운 플랫폼

가트너의 개발 주기 (과 대 주기), 큰 데이터 급증 하 고 대용량 데이터 서비스 공급자의 새로운 카테고리를 생성 합니다. 뉴스는 대부분 metascale 알 수 없는. 회사는 대중의 시선이 4 월을 입력 하 고 시어스 홀딩스의 지분을 소유한 자회사 이다.

Hoffmannstedt 도시, 일리노이에 위치한 Metascale 클라우드 기반 모델에서 작동 하는 큰 관리 데이터 서비스 공급자입니다. 즉, Metascale 고객에 게 관련 아키텍처 또는 기능 없이 대용량 데이터 분석 기법을 채택 하는 준비는 충분 한 지원의 다양 한 각도 제공할 수 있습니다.

이 문서에서는 기자 편집자 시어스의 CTO 필 셸리, 큰 데이터 및 시장 동향의 과제에 뿐만 아니라 Metascale의 설립자 및 CEO, 인터뷰.

기자: 오늘 직면 회사를 도전 큰 데이터는 무엇입니까? 당신은 별도로 대용량 데이터 관리 및 대용량 데이터 분석에 정교한 수 있습니다?

셸리: 우선, 빅 데이터 관리의 관점에서 우리는 지금 새로운 임계값에 도달 했습니다. 그것에 어떤 수석 산업 알고, 성배가 매우 까다로운 시스템에는 같은 장소에 모든 데이터를가지고 싶어. 물론, 그들은 그들의 소원을 달성 하지 못했습니다, 그리고 결과 ETL 복제 데이터를 사용 하는;이 중복 매우 큰 및 다른 시스템 다른 목적을 위해 사용 됩니다 이며 데이터는 다른 장소에 배치 됩니다. 그 결과, 데이터 관리는 항상 두통 되었습니다. 하지만 지금 변화가 있다. 그것은 지금 모든 거래 정보 및 기업의 역사는 같은 장소에는 한 곳에서 데이터 모델을 넣어 수 있습니다. 이 방법에서는, 실제로 기업 관리, 제조 모델, 데이터 아키텍처, 디자인를 진정한 의미에서 데이터 사용의 효율성을 향상 됩니다. 데이터의 재사용은 매우 중요 한, 그리고이 기술로, 그것은 결국 실현 될 수 있다.

일단 당신이 한 곳에서 데이터를가지고 있어, 당신은 그들을 사용 하 여 새로운 가능성 Hadoop 역사의 톤을 저장할 수 있기 때문에. 그것은 단지 저장, 그것은 수 또한 분석 데이터를 이동 하지 않고. 때 귀하의 비즈니스 P 미터 데이터의 수를 포함, 당신은 진짜로 없다 분석을 위해 그들을 이동 하는 것. ETL을 사용 하 여 데이터 분석 플랫폼으로 이동 하는 구식 방법 이제 작동 하지 않습니다. 그래서, 그것은 과거에 비해, 데이터를 저장 하 고 분석할 수 있는 플랫폼을가지고 큰 단계입니다.

면접관: 그럼, 즉 도구는 데이터를 이동 하는 대신 데이터에 도구를 오고 있어?

셸리: 모든 오늘날의 빅 데이터 기술, 또한 수 있다 신흥 도구를 그래픽 구성의 프런트 엔드 및 프런트 엔드, 않고 그들을 복사 하면 데이터의 작은 부분을 추출 쿼리하고 데이터 웨어하우스 분석할 수 있도록 당신이 정말로 원하는, 즉, 분석 결과 집합. 이것은 생각의 새로운 파괴 방법입니다 그리고 그것은 그것에 적응 하는 사람들을 위한 시간이 좀 걸릴 것입니다.

기자: 나 문-"논리적 데이터 창 고", "혼합된 데이터 생태계", 많이 들었어요 그리고, 모두는 바로 이곳에서 퍼 팅 데이터를 강조. 바로 당신이 말한 같은 것은?

셸리: 네, 하지만 내가 좀 더 구체적인 장소는. 어떤 사람들 말할 것 이다 적당 한 장소에 데이터를 넣어 그리고 만약 그렇다면, 당신은 많은 데이터 조각 포함 하는 너무 많은 시스템. 나 시간 및 ETL의 비용 때문에이 요구를 지원 하지 않습니다. 하지만 절대적으로 도구의 생태계를 포용. 고속 SQL 분석 필요 하면, 다음 Hadoop 되지 않아야 합니다 적절 한, 의심의 여지가입니다. 얼마나 많은 데이터를, 언제, 어떻게 it이 문제 필요 주의 깊은 계획, 그렇지 않으면 그것은 너무 많이 몇 가지 로컬 데이터를 생산할 예정 이다, 일부는 너무 많은 공간을 장소. 이 경우, 당신은 ETL-이동 데이터를 사용 하 여 문제를 다시입니다. 그것은 특히, 그리고 제대로 hadoop 시스템을 통합 하는 필요에서 엔터프라이즈 데이터 아키텍처를 고려해 야 할 중요 한입니다. 하지만 다시, 내가 정말 믿지 않는 다른 너무 많은 운영 데이터 저장소와 논리적 데이터 마트 복잡성만 증가 하기 때문에. 데이터에 더 큰이 되 면, 당신은 할 수 없습니다 하 고 필요가 없습니다.

(책임 편집기: 유산의 좋은)