对于数据来说分布式文件和对象存储管理结构化和非结构化数据

它旨在存储级数据，可以支持数万亿个文件，并将分析和操作组合到一个平台中，一个好的数据储存平台需要支持广泛的工作负载，包括AI / ML，分析和Hadoop，通过优化基于GPU的工作负载，实时运行AI / ML / DL管道的理想数据分析师平台，数据库事件存储集成后可以允许用户在生产环境中的一个集群上运行几乎所有工作负载，以较低的成本满足业务数据需求。

 

一个好的数据分析师平台可以支持行业标准协议和API

包括POSIX，NFS，S3和HDFS。对POSIX的支持意味着Web服务器，容器化的应用程序，甚至更新的基于Python的ML库都可以直接将数据读写到MapR，对S3兼容API的支持意味着MapR XD还可作为当今越来越多地利用对象存储的云原生和移动应用程序的基础。

 

大数据对于现在的技术挑战

一个数据分析师的数据管理技术并非旨在利用分布式计算环境，云基础架构，容器和虚拟化以及物联网的优势，此外数据量和僵化基础设施的指数级增长使移动数据以及将分析与操作流程集成的困难，从而有效地创建了数据孤岛。这些孤岛使从数据中获取含义和情报变得颇具挑战性，并可能导致处理和存储数据的高成本。这些成本仅在数据量增加时才增加。

 

分布式文件和对象存储独特地克服了这些挑战

使用简单的POSIX或NFS接口将数据导入，分析到位的数据节省时间和金钱，并将与不必要的数据重复相关的风险降至。将数据分析工具部署到本地，边缘和混合云环境，同时在这些部署之间镜像数据以解决迫切的数据本地性和灾难恢复要求，将所有类型的数据整合到一个数据平台中，同时通过基于策略的数据分层和基于卷的数据放置控制来优化成本和性能，借助基于策略的数据分层，一致的快照和镜像等生产就绪型功能，成为企业标准可满足本地，混合云和边缘部署之间严格的存储和处理SLA。

 

对于数据分析师来说分布式文件和对象存储的主要优点

1、数据分析师可以处理全球客户端主机，群集和机架中的数万亿个文件和数千个节点，将部署扩展到本地，边缘和混合云环境。

2、将配额数据放置和权限等策略分配给称为卷的管理逻辑单元，通过基于标签的调度将作业分配给特定节点。

3、有了全局命名空间，开发人员，分析师和数据科学家就可以在全球范围内获得文件和对象的统一视图，而不必知道数据的物理位置。

4、安全性内置于平台中，而不是用螺栓固定。访问控制表达式模式位更具表现力的布尔表达式-可以应用于文件和卷，审核日志将流式传输到事件存储中，因此数据分析师将不会丢失它们。

5、通过公开POSIX接口可以高速从更广泛的应用程序集（包括传统应用程序）中引入数据。使用NFS提取数据还无需查找和管理ETL工具，从而将总体管理和成本降至。

 

以较低的成本满足业务数据需求

授予对所有数据的快速，安全，多租户访问权限，以满足各种分析需求，加快业务发展支持就地ML / AI和分析，有状态的容器化应用程序等，随时随地进行部署-在公共云，本地边缘或以上所有位置。

 

IT /数据分析师

专为生产而设计一致的快照，副本和镜像可提供企业级的高可用性和灾难恢复，多租户设计将策略（配额，权限，放置）分配给称为卷的管理逻辑单元，平衡成本和性能。利用基于策略的数据分层，擦除编码，数据放置等。

 

• 逐一解答数据分析师道路上的18个问题
• 数据分析师需要有预测性网络洞察力

返回列表