ibm存儲(chǔ)解決方案—數(shù)據(jù)分析的存儲(chǔ)(參考版)
2025-03-12 13:54本頁面
【正文】 Copyright IBM Corporation 2023 Thank You! 169。s Read 155 181?！?Page 22 SAS 和 XIV 網(wǎng)格架構(gòu) —— 完美的結(jié)合 ? 大 規(guī) 模并行 計(jì) 算 保持持 續(xù) 地最佳性能 – Balanced Performance性能均衡 常年零 調(diào) 整 – Unprecedented Scalability史無前例的 擴(kuò) 展性 配合 添加 SAS節(jié) 點(diǎn)和 XIV模 塊 即可 Page 23 IBM SVC: Optimized data workload flexibility for Big Data Analytics IBM SVC 通過如下功能在 IBM 大數(shù)據(jù)產(chǎn)品線上增加了 靈活性 ： ?完整和數(shù)據(jù)虛擬化和數(shù)據(jù)移動(dòng)性 ?高級(jí)集群和復(fù)制 ?多路鏡像， read preferred option ?Real Time Compression實(shí)時(shí)壓縮 ?Easy Tier Hot Extent caching Storwize V7000/U IBM SVC Page 24 設(shè)計(jì)原則 ?RealTime Compression實(shí)時(shí)壓縮是設(shè)計(jì)來做： ? 作用于 Active Primary Data ? 專用的壓縮平臺(tái) Platform handles ALL heavy lifting associated with pression ? 不會(huì)影響性能 We modify a pressed file inplace efficiently ? 不會(huì)改變用戶應(yīng)用 Users nor admins need to change anything ? 處理流程不變 壓縮是在線完成，不是事后壓縮 ? 業(yè)界標(biāo)準(zhǔn)壓縮算法 所采用的壓縮算法已經(jīng)使用了幾十年 Storwize V7000/U IBM SVC Page 25 25 流 處 理 計(jì) 算 IBM Flash Systems Page 26 Data: 是擁有還是保存 ? 或是是分析和開始行動(dòng) ! Data in Data at 26 Page 27 InfoSphere Streams: 大數(shù)據(jù)流分析 ?為分析動(dòng)態(tài)數(shù)據(jù)而建 ? 多并發(fā)輸入數(shù)據(jù)流 ? 大規(guī)?？蓴U(kuò)展 Massive scalability ?分析和處理的數(shù)據(jù)多樣化 ? Structured, unstructured, video, audio ? Advanced analytic operators ?自適應(yīng)實(shí)時(shí)分析 ? With Data Warehouses ? With Hadoop Systems Page 28 Current fact finding當(dāng)前數(shù)據(jù) 查詢 分 許 流 動(dòng) 中的數(shù)據(jù) ——在數(shù)據(jù)落 盤 前 低延 遲 模式 , push model 數(shù)據(jù) 驅(qū)動(dòng) ——真正的數(shù)據(jù)分析 Historical fact finding歷 史數(shù)據(jù) 查詢 查 找和分析存 儲(chǔ) 在磁 盤 上的數(shù)據(jù)信息 批 處 理模式 , pull model 查詢驅(qū)動(dòng) : submits queries to static data Traditional Computing Stream Computing 流數(shù)據(jù)計(jì)算代表著計(jì)算模式的變遷 Realtime Analytics Page 29 Real Time Analytics實(shí)時(shí)分析 想象一下你如何用防火栓喝水 ? 來自多個(gè)多 樣輸 入源的大量數(shù)據(jù) ? 直接 處 理和 過濾 數(shù)據(jù)，而不必存 儲(chǔ) ? 僅 保存有價(jià) 值 的數(shù)據(jù) ? 僅 關(guān) 聯(lián)對(duì) 數(shù)據(jù)最感 興 趣的用 戶 ? 隨著數(shù)據(jù)信息的 產(chǎn) 生采取行 動(dòng) Page 30 Adaptive Analytics自適應(yīng)分析 Data in Motion and Data at Rest的集成 1. Data Ingest 數(shù)據(jù)集成， 數(shù)據(jù)挖掘， 機(jī)器學(xué) 習(xí) ， 統(tǒng)計(jì) 建模 實(shí)時(shí) 和 歷 史數(shù)據(jù)洞察力的可 視 化 3. Adaptive Analytics Model 數(shù)據(jù)收取， 在 線 分析準(zhǔn) 備 ，模式校 驗(yàn) Data 2. Bootstrap/Enrich Control flow InfoSphere BigInsights, Database Warehouse InfoSphere Streams Page 31 Adaptive RealTime Analytics自適應(yīng)實(shí)時(shí)分析 ? 來自多個(gè)多樣輸入源的大量 數(shù)據(jù) ? 過去、現(xiàn)在和未來全方位綜合性視圖 ? 實(shí)時(shí)分析，低延時(shí)結(jié)果 ? Full context for deep analysis深度分析的 完整的上下文 ? 跨 data in motion and data at rest的常用數(shù)據(jù)分析 ? 自適應(yīng) 隨機(jī)而變 ? 當(dāng)發(fā)現(xiàn)非預(yù)期行為時(shí)，自適應(yīng) ? 當(dāng)識(shí)別出新數(shù)據(jù)意義時(shí)深度分析之 ? 開始沒有意識(shí)到的數(shù)據(jù)意義，隨后才可能意識(shí)到 ? 自 適應(yīng) ——在開始沒有意識(shí)到的，隨后可以找出數(shù)據(jù)模式 Page 32 Stock market ? Impact of weather on securities prices ? Analyze market data at ultralow latencies ? Momentum Calculator Fraud prevention ? Detecting multiparty fraud ? Real time fraud prevention eScience ? Space weather prediction ? Detection of transient events ? Synchrotron atomic research ? Genomic Research Transportation ? Intelligent traffic management ? Automotive Telematics Energy Utilities ? Transactive control ? Phasor Monitoring Unit ? Down hole sensor monitoring Natural Systems ? Wildfire management ? Water management Other ? Manufacturing ? Text Analysis ? ERP for Commodities ? Realtime multimodal surveillance ? Situational awareness ? Cyber security detection Law Enforcement, Defense Cyber Security Health Life Sciences ? ICU monitoring ? Epidemic early warning system ? Remote healthcare monitoring Telephony ? CDR processing ? Social analysis ? Churn prediction ? Geomapping 如何使用 InfoSphere Streams? Page 33 加快數(shù)據(jù)流入分析系統(tǒng)的速度 向交易方向加速。 ? Sell the value of XIV, V7000, SVC, etc. ?用戶一般會(huì)隨 Hadoop File System部署；采用 Elastic Storage 可以有很多好處 15 Page 16 數(shù)據(jù)加速 ? Experience the instant results that e from IBM FlashSystem ? Drive as much as 45X faster analytics results on certain workloads 數(shù)據(jù)負(fù)載的多樣性和靈活性 ? XIV delivers predictable performance that scales linearly without hotspots delivering insights from analytics faster with tuningfree data distribution ? Scaleout, parallel processing of Elastic Storage software and integration with FlashSystem dramatically accelerates performance of Analytics clusters ? Vir
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1