怎样跨历史数据和实时数据进行实时分析
2019-10-21NikitaIvanov
计算机世界 2019年38期
Nikita Ivanov

5个内存计算平台功能,支持对数据湖数据和操作流的分析处理。
当今的分析需求给现有数据基础设施带来了前所未有的压力。能否跨操作和存储数据执行实时分析对业务成功来说非常重要,但实现起来总是充满挑战。
有一家航空公司,他们希望收集并分析其喷气发动机的连续数据流,以实现预测性维护,更快地解决问题。每台发动机都有数百个传感器,用于监测温度、速度和振动等参数,并将这些信息不断地发送到物联网(IoT)平台。物联网平台接收、处理和分析数据后,将其存储在数据湖(也称为操作数据存储)中,只有最新的数据保留在操作数据库中。
现在,只要实时数据中的异常读数触发某一引擎的警报,航空公司就需要对该引擎的实时操作数据和存储的历史数据同时进行实时分析。然而,航空公司可能会发现,利用其现有基础设施不可能进行实时分析。
如今,开发大数据计划的企业通常使用Hadoop将其操作数据的副本存储在数据湖中,数据科学家可以访问其中的数据,进行各种分析。当实际应用需要对输入的操作数据以及存储在数据湖中的数据子集进行实时分析时,传统的基础设施就成了绊脚石。访问存储在数据湖中的数据时存在固有的延迟,跨数据湖和操作数据运行联合查询也会遇到挑战。
内存计算解决方案具有实时性能、极强的可扩展性,并且能与流行的数据平台进行内置集成,从而解决了跨数据湖和操作数据进行实时分析的难题。……
登录APP查看全文
