超越Data Fabric,Cloudera现代数据架构

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: Data Fabric是较为成熟的现代数据架构之一。Forrester Research 于 2006 年确定了该范式并创造了该术语。Enterprise Data Fabric,Q2 2022将 Cloudera 评为表现强劲的公司。

1. 对Data Fabric的需求

正如 Cloudera 首席营销官 David Moxey 在他的博客中概述的那样,我们生活在一个混合数据的世界中。数据正在增长并继续加速增长。它正在改变妆容并出现在越来越多的地方。从中获得洞察力和价值,既是机遇也是挑战。因此,企业访问、使用并从中创造价值变得越来越复杂。


在您可以利用您的数据之前,您需要知道您拥有什么,如何以安全和合规的方式使用它,以及如何将其提供给企业。过去的定制和复杂的企业数据集成已经演变成一种现代数据架构,可以智能、安全地编排所有不同的数据源,甚至以自助服务的方式:Data Fabric。

2. Cloudera Data Fabric和分析师赞誉

Data Fabric是较为成熟的现代数据架构之一。Forrester Research 于 2006 年确定了该范式并创造了该术语。从那时起,他们定期进行市场分析和供应商排名。他们最近的评估是 Forrester Wave™:Enterprise Data Fabric,Q2 2022,于 2022 年 6 月 23 日发布,并将 Cloudera 评为表现强劲的公司。Forrester 在之前关于该主题的两份 Wave 报告(2020 年和 2018 年)中将 Cloudera 评为同一水平。

我们很自豪能够成为当前产品类别中得分最高的六家供应商之一。特别是因为Cloudera 的平台不仅可以部署为Data Fabric;它能够进行端到端的多功能分析。自成立以来,我们一直帮助客户以可扩展、灵活和敏捷的方式解决他们的数据管理挑战——甚至在Data Fabric成为一个术语之前。我们相信,我们在 Forrester Wave 中的排名反映了客户使用我们的平台实施的用例的广度,部署为统一的Data Fabric。由于Data Fabric并非孤立地作为独立解决方案存在,Forrester 报告还认可了我们的合作伙伴生态系统,称其为我们的战略优势,也是 Cloudera 在数据平台市场长期存在的结果。广泛的合作伙伴生态系统对于帮助我们的客户解决所有用例的数据管理和访问挑战并更快地获得价值至关重要。

3. Data Fabric之上

当涉及到大规模管理数据、在混合环境中处理新的和多样化的数据源、理解数据并按照法规一致地对其进行管理,以及以自助方式快速向最终用户提供数据时,任何和在所有用例中,Data Fabric 部署都是一项巨大的资产。然而,就像单独一个更好的数据仓库或更时髦的数据科学工具并不能解决所有业务挑战一样,一个强大的Data Fabric本身并不足以帮助组织更快地从他们的数据中获得更多价值和洞察力。


在Data Fabric非常适合大规模准备和管理数据的情况下,需要其他架构和范式来解决复杂性、成本和开销等挑战,这些挑战在更快地从数据中获得价值和洞察力时会发挥作用。数据湖库和网格已经出现,以提供应对这些挑战的框架和方法。它们共同提供了一种(更完整的)数据驱动方法。同样,Cloudera 客户现在已经并且正在使用我们的平台来实施这些架构。但关键在于:他们使用相同的、统一的混合数据平台来做到这一点。


Cloudera 的混合数据平台为部署所有现代数据架构提供了独特的构建块。尽管仅靠技术不足以部署任何架构(还涉及大量流程),但拥有一个满足所有架构要求的单一平台是一个巨大的好处。无需培训员工使用、管理和管理多个系统;无需在不同基础设施的各种框架中复制安全和治理等关键方面;无需牺牲价值实现时间或 IT 控制。

4. 下一步

Cloudera 提供解决方案的技术部分来支持所有当前的现代数据架构。虽然未来无疑会面临更多的数据挑战和尚未定义的架构方法,但我们平台的开放基础将确保我们的客户为接下来的一切做好准备。

我们的白皮书让您深入了解 Cloudera 数据平台如何通过实施Data Fabric、数据湖库和数据网格来帮助您加速数据驱动的计划。我们期待与您交谈并帮助您充分利用您的数据。


原文作者:Wim Stoop


原文链接:https://blog.cloudera.com/beyond-data-fabrics-cloudera-modern-data-architectures/


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 
相关文章
|
1月前
|
消息中间件 存储 缓存
十万订单每秒热点数据架构优化实践深度解析
【11月更文挑战第20天】随着互联网技术的飞速发展,电子商务平台在高峰时段需要处理海量订单,这对系统的性能、稳定性和扩展性提出了极高的要求。尤其是在“双十一”、“618”等大型促销活动中,每秒需要处理数万甚至数十万笔订单,这对系统的热点数据处理能力构成了严峻挑战。本文将深入探讨如何优化架构以应对每秒十万订单级别的热点数据处理,从历史背景、功能点、业务场景、底层原理以及使用Java模拟示例等多个维度进行剖析。
55 8
|
1月前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
348 7
|
1月前
|
数据采集 搜索推荐 数据管理
数据架构 CDP 是什么?
数据架构 CDP 是什么?
57 2
|
4月前
|
机器学习/深度学习 数据采集 人工智能
揭秘!47页文档拆解苹果智能,从架构、数据到训练和优化
【8月更文挑战第23天】苹果公司发布了一份47页的研究文档,深入解析了其在智能基础语言模型领域的探索与突破。文档揭示了苹果在此领域的雄厚实力,并分享了其独特的混合架构设计,该设计融合了Transformer与RNN的优势,显著提高了模型处理序列数据的效能与表现力。然而,这种架构也带来了诸如权重平衡与资源消耗等挑战。苹果利用海量、多样的高质量数据集训练模型,但确保数据质量及处理噪声仍需克服。此外,苹果采取了自监督与无监督学习相结合的高效训练策略,以增强模型的泛化与稳健性,但仍需解决预训练任务选择及超参数调优等问题。
161 66
|
5月前
|
存储 分布式数据库 数据库
Hbase学习二:Hbase数据特点和架构特点
Hbase学习二:Hbase数据特点和架构特点
92 0
|
3月前
|
存储 搜索推荐 数据库
MarkLogic在微服务架构中的应用:提供服务间通信和数据共享的机制
随着微服务架构的发展,服务间通信和数据共享成为关键挑战。本文介绍MarkLogic数据库在微服务架构中的应用,阐述其多模型支持、索引搜索、事务处理及高可用性等优势,以及如何利用MarkLogic实现数据共享、服务间通信、事件驱动架构和数据分析,提升系统的可伸缩性和可靠性。
56 5
|
2月前
|
存储 大数据 数据处理
洞察未来:数据治理中的数据架构新思维
数据治理中的数据架构新思维对于应对未来挑战、提高数据处理效率、加强数据安全与隐私保护以及促进数据驱动的业务创新具有重要意义。企业需要紧跟时代步伐,不断探索和实践新型数据架构,以洞察未来发展趋势,为企业的长远发展奠定坚实基础。
|
4月前
|
安全 网络安全 数据安全/隐私保护
云原生技术探索:容器化与微服务架构的实践之路网络安全与信息安全:保护数据的关键策略
【8月更文挑战第28天】本文将深入探讨云原生技术的核心概念,包括容器化和微服务架构。我们将通过实际案例和代码示例,展示如何在云平台上实现高效的应用部署和管理。文章不仅提供理论知识,还包含实操指南,帮助开发者理解并应用这些前沿技术。 【8月更文挑战第28天】在数字化时代,网络安全和信息安全是保护个人和企业数据的前线防御。本文将探讨网络安全漏洞的成因、加密技术的应用以及提升安全意识的重要性。文章旨在通过分析网络安全的薄弱环节,介绍如何利用加密技术和提高用户警觉性来构建更为坚固的数据保护屏障。
|
4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。
|
4月前
|
机器学习/深度学习 自然语言处理 数据处理

热门文章

最新文章