当前位置:云计算企业动态 → 正文

数据驱动创新:品高云数据湖亮相2018数博会

责任编辑:hxy |来源:企业网D1Net  2018-05-30 10:00:59 本文摘自:品高云

“数据驱动创新”是2018数博会的热门议题。

信息化蓬勃发展,带来数据的爆发式增长。在云计算和大数据时代,基于数据开展生产、运营、决策成为常态,数据的存储及应用体系成为企业生态运转的中枢神经。但面对海量的数据规模,传统数据架构尚能饭否?

品高云大数据解决方案总监李伟文在2018数博会中向前来品高云展台的观众介绍说,数据架构技术演进经历了三个阶段,品高云则给出了第三阶段的最佳实践。

大数据架构技术的三个阶段

1.0阶段

主要是基于关系型数据库的传统数据仓库。该架构技术上主要采用Oracle、DB2、SQLServer等RDB构建,主要满足结构化数据的报表分析、离线分析、统计需求和场景,主要实现“为什么发生”。

2.0阶段

主要以Hadoop为基础,集成NoSQL数据库、MPP、流计算技术、全文检索技术、机器学习、图计算,构建满足结构化、非结构化的多种场景需求,技术生态庞杂,主要实现“为什么发生、正在发生什么、以后会发生什么?”,2.0时代无法有效解决异构技术融合、跨部门、跨层级的数据共享和数据主权问题。

3.0阶段

主要以数据湖架构理念为基础,依托存储计算分离架构,融合云计算SDN、对象存储、弹性计算等技术,无缝融合大数据复杂的技术生态。实现“一份数据,多种计算”,灵活满足跨部门异构计算技术,有效解决跨部门、跨层级、跨组织边界的数据共享和开放问题, 使得数据拥有权、数据使用权、数据管理权等“数据三权分立”,帮助大型企业、集团性企业、政府部门构建可持续发展的的数据生态。

数据湖架构的基础技术理念是存储计算分离

李伟文表示,数据湖架构的基础技术理念是存储计算分离,分离后,可以带来诸多优势:

• 存储引擎和计算引擎可以独立扩展;

• 存储引擎存储一份数据,上层通过标准协议可对接Hadoop、RDB、Spark、MPP等主流大数据技术,各组织可采用根据应用需要个性化的计算引擎;

• 大数据技术发展日新月异,在引入新技术或者替换旧计算技术时,数据无需迁移,只需替换上层计算引擎即可;

• 存储引擎剥离后,相对Hadoop薄弱的数据安全问题,数据安全得到质的增强,各部门在存储引擎上的数据完全隔离,对数据具有数据拥有权和管理权,并通过授权审批获得数据使用权。

• 存储引擎支持外表直连技术,各计算引擎可通过外部表直接使用数据,而不需拷贝。

• 可有效支持弹性计算,在计算完成后,可回收资源,提升资源的利用率;

三代数据构架技术横向对比

为了进一步展示三代数据构架技术的差异,从扩展性、数据多样性、技术融合等多个角度对比三种架构得出下图:

品高云数据湖亮相2018数博会

在贵州贵阳举行的2018数博会中,品高云与Google、微软、阿里云等国内外云计算、大数据巨头同时亮相,品高云旗下的BingoInsight基于数据湖架构的大数据平台作为国内首个私有云数据湖,受到了莅临会场的众多大数据专家和用户追捧。

作为3.0阶段的数据架构技术,品高云数据湖的推出,就是为了解决传统数据架构技术不能解决的问题,诸如:

1. 难实现异构技术融合

技术层面看,大数据技术生态繁荣,发展日新月异,Hadoop、Spark,MPP、NoSQL、kafka、机器学习、深度学习不断发展,不同技术解决不同问题,企业的大数据平台必定是混合式的架构,如何有效融合异构的技术成为企业构建大数据平台必须面临的问题。

2. 数据孤岛有待打破,实现统一数据汇聚和共享

数据层面看,跨部门、跨企业、跨行业的数据融合需求日趋明显,数据关联碰撞也是激发数据创新的基础,如何有效打破数据孤岛,解决数据主权,实现统一的数据汇聚和共享是企业面临的另外一个关键性问题。

Gartner看好的国内首个私有云数据湖

品高一直致力于耕耘企业级市场,在大数据概念兴起阶段逐步洞察到大数据技术在企业落地的挑战,凭借敏锐的市场嗅觉,顺应市场趋势,经过两年研发在2017年初推出了基于私有云的数据湖整体解决方案,以帮助企业和组织构建私有的大数据平台,使组织级的大数据应用及价值创新成为可能——这是国内首个基于私有云的数据湖解决方案。

品高云数据湖架构示意图

品高数据湖解决方案包括5部分,分别为:数据湖存储、数据集成、数据处理、数据管理和数据消费。有意思的是,在Gartner2017年推出的一份数据湖最佳设计实践报告中指出,保障数据湖成功落地需要重点考虑数据集成、数据探索和开发、数据治理、数据消费等四个方面,可以说,品高数据湖解决方案与Gartner观点不谋而合。

为此,2017年底,Gartner联袂品高云推出了一份名为《基于数据湖架构的大数据平台》(Big data platform based on Data Lake Architecture)的报告,双方就数据湖(Data Lake)的现实挑战、技术实践与发展趋势展开了探讨。点击左下阅读原文了解详情。

为了更好便于读者了解,如下列出了品高云数据湖的最佳应用场景,包括:1、应用于跨企业、跨行业的数据联盟;2、作为大数据平台的数据存储;3、实现组织跨部门间的数据共享;4、利用数据湖,促进产学研的合作;5、推动政府数据共享开放模式的创形性升级;6、全量数据汇聚,交叉碰撞分析支撑决策等。

品高云数据湖部分应用场景

此刻,2018数博会已经接近尾声,但是国家层面对大数据建设的重视,对数据驱动创新的期待正在稳定增长中。而推进政府和公共部门数据资源统一汇聚和集中向社会开放,已经重要的国家战略。目前,应运而生的BingoInsight云数据湖已经在政府、公安、集团性企业等行业开启了大规模部署工作。随着众多数据湖项目相继进入实施尾声,我们将在未来为大家带来更多数据湖建设的典范案例和应用经验,敬请期待。

关键字:数博会品高云 品高云

本文摘自:品高云

x 数据驱动创新:品高云数据湖亮相2018数博会 扫一扫
分享本文到朋友圈
当前位置:云计算企业动态 → 正文

数据驱动创新:品高云数据湖亮相2018数博会

责任编辑:hxy |来源:企业网D1Net  2018-05-30 10:00:59 本文摘自:品高云

“数据驱动创新”是2018数博会的热门议题。

信息化蓬勃发展,带来数据的爆发式增长。在云计算和大数据时代,基于数据开展生产、运营、决策成为常态,数据的存储及应用体系成为企业生态运转的中枢神经。但面对海量的数据规模,传统数据架构尚能饭否?

品高云大数据解决方案总监李伟文在2018数博会中向前来品高云展台的观众介绍说,数据架构技术演进经历了三个阶段,品高云则给出了第三阶段的最佳实践。

大数据架构技术的三个阶段

1.0阶段

主要是基于关系型数据库的传统数据仓库。该架构技术上主要采用Oracle、DB2、SQLServer等RDB构建,主要满足结构化数据的报表分析、离线分析、统计需求和场景,主要实现“为什么发生”。

2.0阶段

主要以Hadoop为基础,集成NoSQL数据库、MPP、流计算技术、全文检索技术、机器学习、图计算,构建满足结构化、非结构化的多种场景需求,技术生态庞杂,主要实现“为什么发生、正在发生什么、以后会发生什么?”,2.0时代无法有效解决异构技术融合、跨部门、跨层级的数据共享和数据主权问题。

3.0阶段

主要以数据湖架构理念为基础,依托存储计算分离架构,融合云计算SDN、对象存储、弹性计算等技术,无缝融合大数据复杂的技术生态。实现“一份数据,多种计算”,灵活满足跨部门异构计算技术,有效解决跨部门、跨层级、跨组织边界的数据共享和开放问题, 使得数据拥有权、数据使用权、数据管理权等“数据三权分立”,帮助大型企业、集团性企业、政府部门构建可持续发展的的数据生态。

数据湖架构的基础技术理念是存储计算分离

李伟文表示,数据湖架构的基础技术理念是存储计算分离,分离后,可以带来诸多优势:

• 存储引擎和计算引擎可以独立扩展;

• 存储引擎存储一份数据,上层通过标准协议可对接Hadoop、RDB、Spark、MPP等主流大数据技术,各组织可采用根据应用需要个性化的计算引擎;

• 大数据技术发展日新月异,在引入新技术或者替换旧计算技术时,数据无需迁移,只需替换上层计算引擎即可;

• 存储引擎剥离后,相对Hadoop薄弱的数据安全问题,数据安全得到质的增强,各部门在存储引擎上的数据完全隔离,对数据具有数据拥有权和管理权,并通过授权审批获得数据使用权。

• 存储引擎支持外表直连技术,各计算引擎可通过外部表直接使用数据,而不需拷贝。

• 可有效支持弹性计算,在计算完成后,可回收资源,提升资源的利用率;

三代数据构架技术横向对比

为了进一步展示三代数据构架技术的差异,从扩展性、数据多样性、技术融合等多个角度对比三种架构得出下图:

品高云数据湖亮相2018数博会

在贵州贵阳举行的2018数博会中,品高云与Google、微软、阿里云等国内外云计算、大数据巨头同时亮相,品高云旗下的BingoInsight基于数据湖架构的大数据平台作为国内首个私有云数据湖,受到了莅临会场的众多大数据专家和用户追捧。

作为3.0阶段的数据架构技术,品高云数据湖的推出,就是为了解决传统数据架构技术不能解决的问题,诸如:

1. 难实现异构技术融合

技术层面看,大数据技术生态繁荣,发展日新月异,Hadoop、Spark,MPP、NoSQL、kafka、机器学习、深度学习不断发展,不同技术解决不同问题,企业的大数据平台必定是混合式的架构,如何有效融合异构的技术成为企业构建大数据平台必须面临的问题。

2. 数据孤岛有待打破,实现统一数据汇聚和共享

数据层面看,跨部门、跨企业、跨行业的数据融合需求日趋明显,数据关联碰撞也是激发数据创新的基础,如何有效打破数据孤岛,解决数据主权,实现统一的数据汇聚和共享是企业面临的另外一个关键性问题。

Gartner看好的国内首个私有云数据湖

品高一直致力于耕耘企业级市场,在大数据概念兴起阶段逐步洞察到大数据技术在企业落地的挑战,凭借敏锐的市场嗅觉,顺应市场趋势,经过两年研发在2017年初推出了基于私有云的数据湖整体解决方案,以帮助企业和组织构建私有的大数据平台,使组织级的大数据应用及价值创新成为可能——这是国内首个基于私有云的数据湖解决方案。

品高云数据湖架构示意图

品高数据湖解决方案包括5部分,分别为:数据湖存储、数据集成、数据处理、数据管理和数据消费。有意思的是,在Gartner2017年推出的一份数据湖最佳设计实践报告中指出,保障数据湖成功落地需要重点考虑数据集成、数据探索和开发、数据治理、数据消费等四个方面,可以说,品高数据湖解决方案与Gartner观点不谋而合。

为此,2017年底,Gartner联袂品高云推出了一份名为《基于数据湖架构的大数据平台》(Big data platform based on Data Lake Architecture)的报告,双方就数据湖(Data Lake)的现实挑战、技术实践与发展趋势展开了探讨。点击左下阅读原文了解详情。

为了更好便于读者了解,如下列出了品高云数据湖的最佳应用场景,包括:1、应用于跨企业、跨行业的数据联盟;2、作为大数据平台的数据存储;3、实现组织跨部门间的数据共享;4、利用数据湖,促进产学研的合作;5、推动政府数据共享开放模式的创形性升级;6、全量数据汇聚,交叉碰撞分析支撑决策等。

品高云数据湖部分应用场景

此刻,2018数博会已经接近尾声,但是国家层面对大数据建设的重视,对数据驱动创新的期待正在稳定增长中。而推进政府和公共部门数据资源统一汇聚和集中向社会开放,已经重要的国家战略。目前,应运而生的BingoInsight云数据湖已经在政府、公安、集团性企业等行业开启了大规模部署工作。随着众多数据湖项目相继进入实施尾声,我们将在未来为大家带来更多数据湖建设的典范案例和应用经验,敬请期待。

关键字:数博会品高云 品高云

本文摘自:品高云

电子周刊
回到顶部

关于我们联系我们版权声明隐私条款广告服务友情链接投稿中心招贤纳士

企业网版权所有 ©2010-2024 京ICP备09108050号-6 京公网安备 11010502049343号

^