8多维可扩展性的核心维度

规模的前提下

十大电子游艺平台首选处在一个数据丰富的时代. 现在的数据源和类型比以往任何时候都多. 许多组织专注于获取所有用于分析的数据, 这需要一个具有多维可伸缩性的互联数据分析生态系统.

为企业分析提供多维可扩展性的互联多云数据平台

在粒度级运行分析

当项目开始时,它们通常是为特定的用例设计的. 这种一次只使用一个用例和一个数据产品的方法是不能伸缩的. 需要的是什么 用于企业分析的互联多云数据平台 它可以根据任何用户的任何数据在任何时间回答任何问题.
 
具有多维可伸缩性的平台可以同时在八个核心维度上增加功能,而不会对其他领域产生不利影响. 在这个级别上的扩展提供了高级功能 未来的企业需要 通过授权他们在每天的每一秒,在数以万亿计的互动中运行数以百万计的模型. 这种类型的可扩展性也允许公司对一个细粒度的客户进行分析, 服务, 和货币层面.

克服数据分析的复杂性

许多技术无法处理不断增加的并发数量, 针对大数据量的复杂查询. 当技术不能满足这种复杂程度时, 他们在其他方面寻找捷径和妥协.

为了处理显著增加的并发查询,这些技术要求用户:

  • 降低查询的复杂性

  • 实现独立的平台

  • 添加新的云集群

  • 限制用户

  • 高度调优特定查询

这些操作限制了价值,增加了复杂性,降低了敏捷性,并增加了成本. 它们也限制了未来的灵活性, 限制询问跨职能业务问题的能力, 限制用户在任何时间提出任何问题的灵活性. 这就是为什么必须提供用于企业分析的互联多云数据平台 超大规模的能力.

5 云-First世界的可扩展性要求

在云优先的世界中进行扩展, 企业需要一个现代的云数据分析架构来支持以下五个要素:

  1. 计算和存储分离 具有弹性扩展.

    这种现代功能支持数据和用户的需求,没有多余的、未使用的容量. 这种弹性使用户能够动态地向上/向下伸缩,并在不需要IT干预的情况下启动/停止资源. 

  2. 与第一方云服务的集成.

    与来自的服务紧密集成 亚马逊网络服务, 微软Azure, 谷歌云 能否加速数据分析生态系统解决方案的部署.

  3. 摄取现代数据源.

    在单个系统中支持多种数据类型有助于数据的集成, 消除数据和流程冗余, 并支持高级分析.

  4. 集成数据管理和可伸缩分析.

    数据分析平台应该统一分析和数据管理,实现数据探索, 建模, 在一个单一的范围内得分, 易于使用的环境和自动化的数据管理功能.

  5. 动态资源分配和工作负载管理.

    平台必须能够动态地管理系统资源和用户工作负载.

8多维可扩展性的核心维度

许多供应商将可扩展平台定义为运行多个查询并满足未来数据增长需求的平台. 这个定义还不够深入. 可伸缩性还必须考虑延迟等重要因素, 性能, 可靠性, 可用性, 以及总拥有成本.

可伸缩性需要八个基本领域:

  1. 数据量

    在本机和对象存储中有效地存储和处理pb级数据. 这使得十大电子游艺平台首选可以很容易地访问所有需要的数据,从而推动深刻的见解.

  2. 查询的并发

    同时处理大量查询,以更快地完成更多的工作. 优化和平衡众多复杂事物, 资源密集型查询,同时维护服务水平协议(sla).

  3. 查询的复杂性

    支持复杂的高值查询,包括多连接查询. 提出跨越不同业务功能的问题,并发现新的见解.

  4. 模式复杂

    可扩展和灵活的数据模式支持并支持所有业务需求. 这种灵活性支持任何模式规范化、半结构化或不支持模式.  

  5. 查询数据量

    这是一个查询可以快速有效地处理的数据量, 无需人工干预. 有了合适的平台, 业务用户不必限制查询,因为可以考虑所有数据.

  6. 查询响应时间

    交付快速和一致的响应时间,以遵守严格的sla.  

  7. 数据延迟

    几乎实时地加载和更新数据,同时支持查询工作负载. 用户与业务流程保持同步,可以根据当前数据响应分析需求.

  8. 混合工作负载

    在一个环境中支持具有非常不同sla的多个应用程序/用户,以简化工作负载管理, 帮助保证sla, 和最大化资源.

这些扩展能力让公司可以对所有数据提出复杂和新的问题,以实现他们的目标. 例如,多维可伸缩性有助于加拿大皇家银行(Royal Bank of Canada)等公司使用 现代数据分析. 它能为你做什么?