Google kündigt Verbesserungen an BigQuery, das Big-Data-Management-Tool des Internetriesen in 2010 als Service zur Analyse von Big Data innerhalb und außerhalb des Ökosystems von Apache Hadoop. Trotz dieses, mit diesen tiefen Updates, das Cloud-DienstDas "Cloud-Dienst" bezieht sich auf die Bereitstellung von Rechenressourcen über das Internet, Benutzern den Zugriff auf den Speicher ermöglichen, Verarbeitung und Anwendungen ohne physische Infrastruktur vor Ort. Dieses Modell bietet Flexibilität, Skalierbarkeit und Kosteneinsparungen, Da Unternehmen nur für das bezahlen, was sie nutzen. Was ist mehr, Erleichtert die Zusammenarbeit und den Datenzugriff von überall aus, Verbesserung der betrieblichen Effizienz in verschiedenen Branchen.. fortalece su operación independiente y busca atraer usuarios de Hadoop, der derzeit führende Anbieter von Big-Data-Analysen.
Während die zweite Generation von Hadoop versucht, ihre Schwächen wie mangelnde Geschwindigkeit und Komplexität zu überwinden, während es seine offensichtlichen Vorteile verstärkt, Google konzentriert die Entwicklung von BigQuery auf die Kommerzialisierung des Dienstes als Alternative dazu.
Obwohl BigQuery mit Hadoop kompatibel ist und beide Produkte direkt oder indirekt von Google erstellt wurden, Ihre Wege scheinen nicht dazu bestimmt zu sein, sich weiter zu kreuzen. Wenn sie es bis jetzt getan haben, Trotzdem zeigt Google, dass es sie immer mehr trennen möchte, um seine Wettbewerbsvorteil an allen Fronten, einschließlich seiner Rivalität mit AWS Kinesis.
In Wirklichkeit, BigQuery busca ser una factible alternativa a la opción open source presentada por Karte verkleinernMapReduce ist ein Programmiermodell, das entwickelt wurde, um große Datensätze effizient zu verarbeiten und zu generieren. Unterstützt von Google, Bei diesem Ansatz wird die Arbeit in kleinere Aufgaben aufgeteilt, die auf mehrere Knoten in einem Cluster verteilt sind. Jeder Knoten verarbeitet seinen Teil und dann werden die Ergebnisse kombiniert. Mit dieser Methode können Sie Anwendungen skalieren und große Informationsmengen verarbeiten, in der Welt von Big Data von grundlegender Bedeutung zu sein.... Ja Hadoop verteiltes DateisystemDas verteilte Hadoop-Dateisystem (HDFS) ist ein wichtiger Bestandteil des Hadoop-Ökosystems, Entwickelt, um große Datenmengen auf verteilte Weise zu speichern. HDFS ermöglicht skalierbare Speicherung und effizientes Datenmanagement, Aufteilen von Dateien in Blöcke, die über verschiedene Knoten repliziert werden. Dies gewährleistet die Verfügbarkeit und Ausfallsicherheit, Erleichterung der Verarbeitung von Big Data in Big-Data-Umgebungen.... (HDFSHDFS, o Verteiltes Hadoop-Dateisystem, Es ist eine Schlüsselinfrastruktur für die Speicherung großer Datenmengen. Entwickelt für die Ausführung auf gängiger Hardware, HDFS ermöglicht die Datenverteilung über mehrere Knoten, Sicherstellung einer hohen Verfügbarkeit und Fehlertoleranz. Seine Architektur basiert auf einem Master-Slave-Modell, wobei ein Master-Knoten das System verwaltet und Slave-Knoten die Daten speichern, Erleichterung der effizienten Verarbeitung von Informationen..). Mit dem tiefen Update, das, unter anderen Verbesserungen, ermöglicht das Kombinieren von Abfrageergebnissen aus mehreren Datentabellen, Google beabsichtigt, die . auszunutzen Geschwindigkeit und das Echtzeitanalyse zur Verfügung gestellt von Dremel, das Produkt, auf dem das BigQuery-Design basiert.
Cloud-Datenanalyse
Konzipiert als Service, der erleichtert schnelle Abfrage in der Cloud nachdem der Nutzer Daten über die BigQuery API an Google übermittelt hat, Ihr Update konzentriert sich weiterhin auf Abfragen des Typs SQL. In dieser neuen Version, se agregan nuevas capacidades junto con la función antes mencionada de unir datos de varias tablas en una sola consulta por medio de una nueva cláusula BEITRETEN"BEITRETEN" ist ein grundlegender Vorgang in Datenbanken, der es Ihnen ermöglicht, Datensätze aus zwei oder mehr Tabellen basierend auf einer logischen Beziehung zwischen ihnen zu kombinieren. Es gibt verschiedene Arten von JOIN, als INNER JOIN, LINKER JOIN und RECHTER JOIN, Jede mit ihren eigenen Eigenschaften und Verwendungsmöglichkeiten. Diese Technik ist unerlässlich für komplexe Abfragen und relevantere und detailliertere Informationen aus mehreren Datenquellen...., keine Begrenzung der Datengröße.
Bis jetzt, BigQuery konnte nur Datengruppen von maximal . verarbeiten 8 MB und, Außerdem, Funktionalitäten hinzufügen um Zeitstempel aus anderen Systemen zu importieren, fragen Datetime-Daten ab oder fügen Spalten zu bestehenden Tabellen hinzu und erhalten automatische E-Mails, wenn sie Zugriff auf weitere Datensätze erhalten.
In den Worten von Ju-kay Kwek, Produktmanager, Änderungen führen zu mehr Geschwindigkeit, Einfachheit und Benutzerfreundlichkeit:
Heutzutage, mit BigQuery, Geschäftsideen können direkt über SQL-ähnliche Abfragen abgerufen werden, mit weniger Kraftaufwand und mit einer viel höheren Geschwindigkeit als bisher machbar. Das Zusammenfügen von Tabellen mit Terabyte-Daten war für Analysten traditionell eine schwierige Aufgabe, da es bisher ausgefeilte Entwicklungskompetenzen von MapReduce erforderte, leistungsstarke Hardware und viel Zeit.
Seine Verwendung hat nichts mit dem gelben Elefantenrahmen zu tun, den Verzicht darauf als weiteren Vorteil des Produkts in Erwägung ziehen. Aus Google Sie kommentieren, dass anstatt Hadoop zu installieren, Die Verwendung von BigQuery spart Geld, da nur für jede Abfrage bezahlt wird und nicht die IT-Kosten der Infrastruktur, die für die Implementierung erforderlich ist. Damit und mit allem, gleichermaßen, Hadoop wurde seinerzeit aus Technologien wie MapReduce und Google File große Datenmengen zu sehr geringen Kosten verarbeiten.
Microsoft SQL- und Hadoop-Technologie
Für seinen Teil, Microsoft hat kürzlich seine Big-Data-Lösungen aus der Cloud zugunsten des Internets der Dinge vorgestellt. Ausgehend von einer einzigen Plattform für Datenmanagement und -analyse, seine Verwendung von Hadoop ist Teil einer seiner wichtigsten Innovationen: un SQL Server 2014 schneller und sein Intelligent Systems Service (IIS) y Analytics-Plattformsystem (APS).
Die neueste Version von APS ist dank der Kombination der Technologie von Hadoop und Microsoft SQL ein Data Warehouse anzubieten, das traditionelle Daten zusammen mit der neuesten Generation speichert und verwaltet.
Als neuer Azure-Dienst, se presentó Microsoft Azure Intelligent System Service (ISS), ein Tool, das für den Betrieb von jedem Betriebssystem entwickelt wurde, um die frühzeitig generierten Informationen zu nutzen. verschiedene Quellen, wie Maschinen, Sensoren oder Geräte. in Ergänzung, CCC wird dank Tools wie Power BI for Office zur Verfügung gestellt 365 die es ermöglichen, lokale Daten und Cloud-Daten komplementär zu kombinieren, was zu einem schnellen Informationsmanagement führt.
Verwandter Beitrag:
