数据湖的分析与Tableau和湖屋建筑

在过去的两年里，我们已经看到许多组织将他们的数据工作转移到云端。它简化了访问和规模，以处理最大的容量。在Tableau，我们关注的是客户的选择和灵活性，我们使客户能够比以往任何时候都更快地迁移到云。

分析和数据科学/机器学习的努力开始融合，我们看到人们对直接连接数据湖进行分析的兴趣越来越大。大量数据从网络日志和物联网传感器快速进入云数据湖，它往往是混乱的。我们需要一种方法来理解数据，并以可靠和高效的方式交付数据。

为了实现这一点，我们看到越来越多的客户采用Lakehouse架构。这种新的体系结构将数据湖(低成本、灵活的内容结构)和数据仓库(高性能、数据可靠性)的优点集中到一个地方来存储数据。通过我们的合作伙伴Databricks，我们已经看到许多联合客户采用湖屋架构来支持他们的Tableau部署。Databricks通过提高数据湖的性能和可靠性来实现湖屋架构，因此Tableau用户可以直接查询数据湖。

本周Databricks宣布了一项新的SQL分析服务，它将为Tableau客户提供一种全新的分析数据湖的体验。他们所能达到的性能和规模是我们以前从未见过的。

Tableau用户将对新的SQL分析端点感到最兴奋，它可以立即与我们现有的Databricks连接器一起使用，无需更新。这将从两个方面改善对数据湖的访问，以进行分析:

• 简单的设置。SQL Analytics端点简化了Tableau用于查询数据湖的Databricks集群的配置，不需要为Tableau用户处理集群管理，只需连接到Databricks SQL Analytics端点就可以了!
• 性能改进。SQL Analytics使用Databricks Delta Engine，这是一个向量化查询引擎，具有改进的查询优化器和缓存功能，可实现真正快速的查询性能。

客户的例子

下面是一些使用Databricks和Tableau的Lakehouse架构的客户示例。

• Wehkamp使用Databricks和Delta Lake作为数据湖，使用Tableau为整个组织提供报告和临时分析，并使用Databricks进行数据科学。你可以阅读Wehkamp的实现在这个案例研究中．
• 零售服务提供商Flipp使用Databricks和Delta Lake创建了一个湖屋，他们的数据科学团队用于机器学习，工程团队用于产品特性分析，销售团队使用Tableau为客户提供分析。你可以在Tableau会议上观看他们的会议。
• 美国空军使用Databricks和Delta Lake来管理他们所有的现金流分析，然后在Tableau中提供结果，以分析每个季度超过6500万条记录。你可以观看美国空军在数据+人工智能行业领导论坛上介绍他们的实施情况．

BOB低频彩了解更多关于Databricks和Tableau在这里．