1. 기존 데이터 웨어하우스
데이터 웨어하우스의 초점은 데이터를 통합하고 비즈니스 로직을 정리하는 것입니다. 데이터 웨어하우스를 SAAS와 같은 큐브로 패키징하여 데이터 읽기 성능을 향상시킬 수도 있지만 데이터 웨어하우스의 역할은 회사의 비즈니스 문제를 해결하는 데 더 가깝습니다.
2. 민첩한 데이터 마트
데이터 마트도 일반적인 솔루션입니다. 기본 데이터 제품은 분석 계층에 바인딩되므로 애플리케이션 계층이 기본 데이터와 직접 상호 작용할 수 있습니다. 제품의 데이터에 대한 드래그 앤 드롭 분석을 수행합니다. 데이터 마트의 가장 큰 장점은 비즈니스 데이터를 간단하고 빠르게 통합하고 민첩한 모델링을 달성하며 데이터 처리 속도를 크게 높이는 것입니다.
3. MPP(대규모 병렬 처리) 아키텍처
빅 데이터 시대에 진입한 이후 기존의 호스트 컴퓨팅 모델은 더 이상 분산 스토리지와 분산 컴퓨팅이 수요를 충족할 수 없습니다. 왕다운 길. 친숙한 Hadoop MapReduce 프레임워크와 MPP 컴퓨팅 프레임워크는 모두 이러한 배경을 기반으로 합니다.
MPP 아키텍처의 대표적인 제품이 그린플럼(Greenplum)이다. Greenplum의 데이터베이스 엔진은 Postgresql을 기반으로 하며 Interconnect 아티팩트를 사용하여 동일한 클러스터에 있는 여러 Postgresql 인스턴스의 효율적인 협업 및 병렬 컴퓨팅을 달성합니다.
4. 하둡 분산 시스템 아키텍처
물론 하둡은 여전히 대규모 분산 시스템 아키텍처에서 대체할 수 없는 핵심 위치를 차지하고 있습니다. 야후, 페이스북, 바이두, 타오바오 등 국내외 대기업들은 처음에는 하둡을 기반으로 시작했다.
Hadoop 생태계는 거대하며 기업이 Hadoop을 기반으로 달성할 수 있는 요구 사항은 데이터 분석에만 국한되지 않고 기계 학습, 데이터 마이닝, 실시간 시스템 등도 포함됩니다. 기업이 빅 데이터 시스템 플랫폼을 구축할 때 Hadoop의 빅 데이터 처리 기능, 높은 신뢰성, 높은 내결함성, 오픈 소스 및 저렴한 비용이 첫 번째 선택이 됩니다.
글로벌 아이비 에디터가 데이터 플랫폼 구축에 어떤 계획이 있는지 알려드립니다. 빅데이터 엔지니어링에 큰 관심이 있다면 이 글이 도움이 되기를 바랍니다. 데이터 분석가와 빅데이터 엔지니어의 기술과 자료에 대해 더 알고 싶다면 이 사이트의 다른 기사를 클릭하여 알아볼 수 있습니다.