EMC为大数据解决方案包添加横向扩展计算选项

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

EMC公司和Pivotal今天发布数据湖Hadoop2.0包,面向客户的预测分析场景构建横向扩展数据湖,提供一种包含计算、分析和存储在内的交钥匙方案。

作为一种面向由传统和下一代工作负载产生的关键数据,可无限可扩展的知识库,数据湖正蓄势待发。EMC的横向扩展数据湖以企业级特性为设计之本,帮助组织从大数据中获得直接的商业价值。

今年早些时候,EMC和Pivotal发布了第一个数据湖Hadoop包-基于企业级横向扩展存储与企业级Hadoop预测分析的融合方案。数据湖Hadoop包2.0现已发布,包括EMC的数据计算设备(DCA),这是一个高性能的大数据计算设备,可大幅简化部署以及扩展基于Hadoop的高级分析计算。DCA联合Isilon横向扩展NAS,以及Pivotal HD和Pivotal HAWQ,共同组成该打包方案,进一步夯实了EMC和Pivotal交付面向企业级预测分析的Hadoop的市场承诺。作为打包方案的一个战略组成部分,DCA专为大数据工作负载优化,为用户提供简化的体验,最大化分析性能并加速价值转化。

大数据Hadoop包2.0旨在帮助组织加速基于Hadoop大数据创新的价值实现的同时,相对于其他由不同的独立模块装配而成的方案而言,保持更低的获取与管理的成本。该解决方案由一套预测试的、高性能的大数据分析系统组成,其中包括世界级的EMC存储及通过企业级设备运行的Hadoop高级分析,提供一个单一、集中且易于实施的解决方案。

数据湖Hadoop2.0包包括:

  • 企业级、HDFS兼容、横向扩展的Isilon NAS存储节点
  • 领先的企业级Hadoop Pivotal HD
  • DCA上预配置并优化调整过的Pivotal HAWQ,提供基于Hadoop的同类最佳高级分析。

数据湖Hadoop包2.0今天正式发布。

产业分析师证言:

IDC研究总监AshishNadkarni

“EMCPivotal为客户最需要的领域带来了巨大价值。在大数据时代,为横向扩展数据湖结合存储、计算和分析能力极具价值,加入预测功能意味着客户可以快速让该解决方案物尽其用,积极影响他们的底线。

EMC管理层证言:

EMC产品和营销总裁Jeremy Burton

在全世界范围,大数据是第一提及的要题。但对许多企业而言,这意味着他们正密切关注如何存储并利用大数据的价值。EMCPivotal的这一打包方案面向今天的客户所需,他们正在构建自己的横向扩展数据湖,提供了一套交付Hadoop大数据分析的高性能系统。这是一个真正的交钥匙、端到端的解决方案,旨在有效处理海量数据。

Pivotal管理层证言:

Pivotal总裁Scott Yara

大数据领域机会非常多,企业需要工具以有效地使用大数据。通过以打包形式提供面向数据湖的计算、存储和分析能力,EMCPivotal帮助客户真正捕获大数据的价值。我们正共同努力,让更多人更快地使用到它。

原文发布时间为:2014年10月20日
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
1月前
|
分布式计算 大数据 Java
大数据-87 Spark 集群 案例学习 Spark Scala 案例 手写计算圆周率、计算共同好友
大数据-87 Spark 集群 案例学习 Spark Scala 案例 手写计算圆周率、计算共同好友
49 5
|
1月前
|
分布式计算 关系型数据库 MySQL
大数据-88 Spark 集群 案例学习 Spark Scala 案例 SuperWordCount 计算结果数据写入MySQL
大数据-88 Spark 集群 案例学习 Spark Scala 案例 SuperWordCount 计算结果数据写入MySQL
50 3
|
1月前
|
存储 分布式计算 算法
大数据-106 Spark Graph X 计算学习 案例:1图的基本计算、2连通图算法、3寻找相同的用户
大数据-106 Spark Graph X 计算学习 案例:1图的基本计算、2连通图算法、3寻找相同的用户
60 0
|
20天前
|
分布式计算 Java MaxCompute
ODPS MR节点跑graph连通分量计算代码报错java heap space如何解决
任务启动命令:jar -resources odps-graph-connect-family-2.0-SNAPSHOT.jar -classpath ./odps-graph-connect-family-2.0-SNAPSHOT.jar ConnectFamily 若是设置参数该如何设置
|
1月前
|
缓存 分布式计算 NoSQL
大数据-43 Redis 功能扩展 Lua 脚本 对Redis扩展 eval redis.call redis.pcall
大数据-43 Redis 功能扩展 Lua 脚本 对Redis扩展 eval redis.call redis.pcall
29 2
|
1月前
|
SQL 分布式计算 NoSQL
大数据-42 Redis 功能扩展 发布/订阅模式 事务相关的内容 Redis弱事务
大数据-42 Redis 功能扩展 发布/订阅模式 事务相关的内容 Redis弱事务
25 2
|
2月前
|
人工智能 分布式计算 大数据
超级计算与大数据:推动科学研究的发展
【9月更文挑战第30天】在信息时代,超级计算和大数据技术正成为推动科学研究的关键力量。超级计算凭借强大的计算能力,在尖端科研、国防军工等领域发挥重要作用;大数据技术则提供高效的数据处理工具,促进跨学科合作与创新。两者融合不仅提升了数据处理效率,还推动了人工智能、生物科学等领域的快速发展。未来,随着技术进步和跨学科合作的加深,超级计算与大数据将在科学研究中扮演更加重要的角色。
|
1月前
|
弹性计算 缓存 搜索推荐
大数据个性化推荐,AWS终端用户解决方案
大数据个性化推荐,AWS终端用户解决方案
|
3月前
|
存储 监控 安全
大数据架构设计原则:构建高效、可扩展与安全的数据生态系统
【8月更文挑战第23天】大数据架构设计是一个复杂而系统的工程,需要综合考虑业务需求、技术选型、安全合规等多个方面。遵循上述设计原则,可以帮助企业构建出既高效又安全的大数据生态系统,为业务创新和决策支持提供强有力的支撑。随着技术的不断发展和业务需求的不断变化,持续优化和调整大数据架构也将成为一项持续的工作。
|
3月前
|
SQL 存储 分布式计算
"SQLTask携手Tunnel:打造高效海量数据导出解决方案,轻松应对大数据挑战
【8月更文挑战第22天】SQLTask搭配Tunnel实现高效海量数据导出。SQLTask擅长执行复杂查询,但直接导出受限(约1万条)。Tunnel专注数据传输,无大小限制。二者结合,先用SQLTask获取数据,再通过Tunnel高效导出至目标位置(如CSV、OSS等),适用于大数据场景,需配置节点及连接,示例代码展示全过程,满足企业级数据处理需求。
78 2
下一篇
无影云桌面