分析数据表和湖Lakehouse架构

在过去的两年里我们看到了许多组织移动到云数据工作。它简化了访问和处理的最大尺度卷。在画面,我们都对顾客的选择和灵活性,我们使我们的客户比以往更快地迁移到云端。

分析和数据科学/机器学习努力开始收敛,和我们看到湖泊越来越感兴趣直接连接到数据结果进行分析。大量的数据进入一个湖云数据非常快,从web日志和物联网传感器,它往往是混乱的。我们需要一种方法来处理数据,并以可靠和高性能的方式。

为此,我们看到越来越多的客户采用Lakehouse架构。这种新架构需要最好的数据湖泊(低成本、灵活的内容结构)和数据仓库(高性能、数据可靠性)到一个地方来存储你的数据。与我们的合作伙伴砖,我们看到许多共同客户采用lakehouse架构权力表部署。砖使用三角洲湖使lakehouse架构通过改善性能和可靠性数据的湖,所以表用户可以查询数据直接湖。

本周砖是宣布一个新的SQL分析服务,为表的客户提供一个全新的数据驻留在数据分析经验。他们可以达到的性能和规模与我们见过的。

画面最兴奋的用户将新的SQL分析端点可立即与我们现有的砖连接器,不需要更新。这将改善您的数据湖从两方面分析:

• 简单的设置。SQL分析所使用的端点简化砖集群的配置表查询数据的湖,没有需要处理集群管理表用户,只是连接到SQL分析端点和砖去吧!
• 性能改进。SQL分析使用砖三角洲引擎,矢量化查询引擎的改进查询优化器和缓存能力非常快查询性能。

客户的例子

这里有一些顾客的例子使用的是Lakehouse建筑砖和画面。

• Wehkamp使用砖和三角洲湖湖作为一个数据,为整个组织报告和临时使用场景分析,并使用砖对数据的科学。你可以阅读关于Wehkamp的实现在这个案例研究中。
• 零售服务提供者,Flipp使用砖与三角洲湖创建lakehouse数据科学团队使用机器学习,他们的工程团队使用的产品特性的分析,他们的销售团队使用为他们的客户提供分析表。你可以看他们的会话表会议上。
• 美国空军使用砖和三角洲湖来管理他们的现金流分析,然后提供表中的结果来分析每季度超过6500万条记录。你可以看美国空军目前实施数据+人工智能行业领导论坛。

BOB低频彩了解更多关于砖和画面在这里。