Architecture Best Practices for Big Data Deployments

Podobne dokumenty
Subskrypcyjne platformy IT

Welcome to the waitless world. Inteligentna infrastruktura systemów Power S812LC i S822LC

Analityka danych w środowisku Hadoop. Piotr Czarnas, 27 czerwca 2017

Hadoop i Spark. Mariusz Rafało

Najlepsze praktyki w podejściu do rozbudowy infrastruktury Michał Stryga

PureSystems zautomatyzowane środowisko aplikacyjne. Emilia Smółko Software IT Architect

Analityka danych w środowisku Hadoop. Piotr Czarnas, 5 czerwca 2017

Jeden partner wiele rozwiązań, jak wybrać to właściwe

Dell EMC Ready Solutions for Software Defined Data Center GLOBAL SPONSORS

Rola analityki danych w transformacji cyfrowej firmy

EMC ViPR Pamięć masowa definiowana programowo

OD MONOLITU DO MIKROUSŁUGI MICROSERVICES

Organizacyjnie. Prowadzący: dr Mariusz Rafało (hasło: BIG)

Proces certyfikowania aplikacji na platformie PureSystems. Rafał Klimczak Lab Services Consultant

Opracowanie. techniczne. Poprawa wydajności operacyjnej dzięki ofercie rozwiązań Big Data i analitycznych firm Dell i Intel. Październik 2015 r.

Szkolenia SAS Cennik i kalendarz 2017

Szkolenie: Jak mieć więcej czasu na wyciąganie wniosków

think big 1 icon DNA made by Freepik from

Digitize Your Business

Analityka danych & big data

Big Data. Czym jest Big Data?

Warszawa, 6 lutego Case Study: Chmura prywatna HyperOne dla Platige Image dzięki Microsoft Hyper-V Server. Wyzwanie biznesowe

Banking Anywhere. Roch Norwa Lead System Engineer Dzianis Kaszko Sales & Marketing Director Dzianis.Kaszko@comtegra.

CZY TWOJE ŚRODOWISKO PLIKOWE RÓWNIEŻ ROŚNIE SZYBCIEJ NIŻ BAZODANOWE?

Oracle Log Analytics Cloud Service

Od Expert Data Scientist do Citizen Data Scientist, czyli jak w praktyce korzystać z zaawansowanej analizy danych

W książce omówiono: SAP zostań ekspertem w 24 godziny!

CLOUD ADOPTION PROGRAM

HUAWEI TECHNOLOGIES CO., LTD. BACKUPCUBE BUNDLE APPLIANCE

Chmura prywatna i publiczna sposób na efektywniejsze wykorzystanie środowisk IT

Szybkość instynktu i rozsądek rozumu$

Macierze HP 3PAR w świecie Software-Defined Storage rozwiązania rozłączne czy komplementarne?

Inteligentna infrastruktura -integracja jako sposób na optymalizacjękosztów. Robert Bigos IBM Senior Architect

Case Study: Migracja 100 serwerów Warsaw Data Center z platformy wirtualizacji OpenSource na platformę Microsoft Hyper-V

Asseco HOME: obniżenie kosztów operacyjnych telekomów dzięki rozwiązaniu Big Data.

IBM FlashSystem V9000

SAP w 24 godziny / Michael Missbach, George Anderson. Gliwice, cop Spis treści

Comparex It przyszłości już dziś.

Szybki przewodnik po produkcie. EMC DataDomain

Nowoczesne przechowywanie i zabezpieczenie danych. Mariusz Grabowski 13 maja 2014, Warszawa

Tematy prac dyplomowych inżynierskich

z kapitałem polskim Zatrudnienie 1 10 osób osób 2,27% osób 11,36% osób osób powyżej osób 20,45% 50,00% 13,64%

Przyspiesz swój biznes i obniż koszty dzięki IBM FlashSystems. Artur Król Artur.Krol@pl.ibm.com Senior Storage Sales Consultant

SAS Access to Hadoop, SAS Data Loader for Hadoop Integracja środowisk SAS i Hadoop. Piotr Borowik

Analityka i BigData w służbie cyberbezpieczeństa

Big Data & Analytics

LIDERZY DATA SCIENCE CENTRUM TECHNOLOGII ICM CENTRUM TECHNOLOGII ICM ICM UW TO NAJNOWOCZEŚNIEJSZY OŚRODEK DATA SCIENCE W EUROPIE ŚRODKOWEJ.

Archiwum Cyfrowe jako usługa w modelu Cloud Computing

Droga do Industry 4.0. siemens.com/tia

SQL Server 2016 w świecie Big Data

Letnia Akademia SUSE. Implementacja nowych rozwiązań open source wszystko, co musisz wiedzieć!

Organizacyjnie. Prowadzący: dr Mariusz Rafało (hasło: BIG)

Tematy prac magisterskich Rok akademicki 2013/2014

Usługi specjalistyczne IBM Analytics

Przetwarzanie danych w chmurze

Wyzwania Biznesu. Co jest ważne dla Ciebie?

Optymalizacja rozwiązań wirtualizacyjnych

Security Master Class

Modelowanie Data Mining na wielką skalę z SAS Factory Miner. Paweł Plewka, SAS

Optymalna Chmura. Właściwy kierunek dla Twojego biznesu

Wprowadzenie do Hurtowni Danych

Purview Widoczność i kontrola w L7, analityka aplikacji bez degradacji wydajności sieci do 100 mln sesji

TECHNOLOGIE BIG DATA A BEZPIECZEŃSTWO INFORMATYCZNE WE KNOW YOU KNOW. silmine.com

XtremIO X2: GLOBAL SPONSORS

IBM POWER8 dla SAP HANA

OSD 2017 Warszawa , Autor: Piotr Trando Linux Polska

Analiza danych w czasie rzeczywistym dzięki eliminacji opóźnień

Maksymalne zaangażowanie uwagi klienta

Internet Rzeczy w Smart Cities. prof. dr hab. inż. Cezary Orłowski IBM Centre for Advanced Studies Wyższa Szkoła Bankowa w Gdańsku

Odkryj w danych to, co najważniejsze

Case Study: Migracja 100 serwerów Warsaw Data Center z platformy wirtualizacji OpenSource na platformę Microsoft Hyper-V

Spis treści. Wstęp... 11

Elastyczne centrum przetwarzania danych

HP Service Anywhere Uproszczenie zarządzania usługami IT

BigData & Cloud Wprowadzenie

Projektowanie rozwiązań Big Data z wykorzystaniem Apache Hadoop & Family

Prestige MJM Case Study

Fujitsu World Tour 2018

KIERUNKI ROZWOJU SYSTEMÓW INFORMATYCZNYCH ZARZĄDZANIA PRZEDSIĘBIORSTWEM

Rozwiązania kognitywne to nie tylko software...

Sugestie branży IT na rzecz cyfrowej transformacji w ochronie zdrowia

EMC ViPR. Pamięć masowa zdefiniowana programowo

Rozwiązania konwergentne i hiperkonwergentne. Które lepsze?

KATALOG PRODUKTÓW I US UG

Skalowalna Platforma dla eksperymentów dużej skali typu Data Farming z wykorzystaniem środowisk organizacyjnie rozproszonych

Klient SmartMedia Sp. z o.o., Dziennikus Sp. z o.o. Branża. IT, software. Okres realizacji. Lipiec nadal. Rodzaj usługi:

Dentsu Aegis Network Polska

Zastosowania narzędzi analitycznych w komunikacji społecznej

Zmień taktykę przejdź do ofensywy! Staw czoła cyfrowej transformacji!

Hurtownia danych szansa na nowe życie (starej idei) Jakub Skuratowicz Technical Sales

Co to jest Business Intelligence?

Sukces z Definicji. HP Storage Division. Macierze nowej generacji HP 3PAR StoreServe Nowoczesny backup dyskowy HP StoreOnce

Harmonogram Akademii Kompetencji Comarch

Integracja systemów bezpieczeństwa Security Connected. Piotr Boetzel Territory Account Manager

Rozwiązania bazodanowe EnterpriseDB

Projektowanie i implementacja wysokowydajnych aplikacji w języku

Oprogramowanie na miarę z13

Konsolidacja wysokowydajnych systemów IT. Macierze IBM DS8870 Serwery IBM Power Przykładowe wdrożenia

Efektywne przetwarzanie informacji

Optymalizacja, industrializacja, produkcja Oferta Fideltronik dla startupów

Transkrypt:

GLOBAL SPONSORS

Architecture Best Practices for Big Data Deployments Kajetan Mroczek Systems Engineer GLOBAL SPONSORS

Rozwój analityki biznesowej EKSPLORACJA DANYCH UCZENIE MASZYNOWE SZTUCZNA INTELIGENCJA STATYSTYKI OPISOWE PRZEWIDYWANIE WYKONYWALNE REKOMENDACJE OGÓLNA INTELIGENCJA Co się stało? Co się stanie? Co zrobić 3

Gdzie najczęściej korzystamy z Big Data Optymalizacja EDW Analiza zachowań rynku i klientów przez media społecznościowe Clickstream Wykrywanie oszustw i zagrożeń ML uczenie maszynowe IOT * 2016 Big Data Analytics Market Study Wisdom of Crowds Series 4

Porównanie strategii budowy architektury dla Big Data 5

6

KUPUJ BUDUJ 7

KUPUJ 8

KUPUJ Szybsze wdrożenie Typowe zastosowania Dojrzałe technologie Rozbudowa środowiska Doświadczenie zespołu Ograniczona ilość źródeł danych 9

BUDUJ 10

Unikalny pomysł lub typ danych Przypadek kuli śniegowej Tanie = Złożone Obniżanie kosztów zakupów Kultura DevOps i własne zasoby Rozmaitość danych i skala BUDUJ 11

12

PACZKI STRUMIEŃ 13

PACZKI 14

PACZKI Opisywanie rzeczywistości Wiarygodność danych Duże rozmiary danych Przestrzeń dla Data Science Czas nie jest kluczowy Możliwość planowania 15

STRUMIEŃ 16

Możliwość przewidywania Szybkość przed wiarygodnością Przetwarzanie równoległe Wykorzystanie odkrytych reguł Doświadczenie & DevOps Wielka ilość i rozmaitość żródeł STRUMIEŃ 17

18

PUBLICZNE PRYWATNE 19

PUBLICZNE 20

PUBLICZNE Dane pochodzą z chmury Przyciąganie danych Bezpieczeństwo / uregulowania Elastyczna konsumpcja Ekonomia Doświadczenie zespołu 21

Ready systems Blocks Ready bundles Ready nodes Racks Appliances Enterprise Hybrid Cloud Native Hybrid Cloud 22PRYWATNE

Dane zlokalizowane Przyciąganie danych Bezpieczeństwo / uregulowania Sposób zakupu Ekonomia Doświadczenie zespołu PRYWATNE

24

IRTUALNE FIZYCZNE 25

26

DAS NAS 27

42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 22 21 20 19 18 17 16 15 14 13 12 11 10 09 08 07 06 05 04 03 02 01 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 24 25 26 27 28 29 30 31 32 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 24 25 26 27 28 29 30 31 32 0 4 0 4 8 12 16 20 8 12 16 20 24 28 32 36 24 28 32 36 40 44 48 52 40 44 48 52 1 2 56 60 64 68 56 60 64 68 3 5 7 9 11 4 6 8 10 12 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 72 76 80 84 72 76 80 84 13 15 17 19 21 14 16 18 20 22 24 COMBO PORTS 24 96 100 88 92 96 100 88 92 104 108 112 116 104 108 112 116 49 51 53 50 52 54 49 51 53 50 52 54 0 1 2 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 0 1 2 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 0 1 2 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 120 124 120 124 Stack No. 25 SFP+ 26 1 2 Stack-ID Stack-ID Stack ID Stack ID 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 22 21 20 19 18 17 16 15 14 13 12 11 10 09 08 07 06 05 04 03 02 01 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 22 21 20 19 18 17 16 15 14 13 12 11 10 09 08 07 06 05 04 03 02 01 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 24 25 26 27 28 29 30 31 32 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 24 25 26 27 28 29 30 31 32 0 4 0 4 8 12 16 20 8 12 16 20 24 28 32 36 24 28 32 36 40 44 48 52 40 44 48 52 1 2 56 60 64 68 56 60 64 68 3 5 7 9 11 4 6 8 10 12 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 72 76 80 84 72 76 80 84 13 15 17 19 21 14 16 18 20 22 24 COMBO PORTS 24 96 100 88 92 96 100 88 92 104 108 112 116 104 108 112 116 49 51 53 50 52 54 49 51 53 50 52 54 120 124 120 124 Stack No. 25 SFP+ 26 1 2 Stack-ID Stack-ID Stack ID Stack ID 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 22 21 20 19 18 17 16 15 14 13 12 11 10 09 08 07 06 05 04 03 02 01 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 22 21 20 19 18 17 16 15 14 13 12 11 10 09 08 07 06 05 04 03 02 01 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 24 25 26 27 28 29 30 31 32 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 24 25 26 27 28 29 30 31 32 0 4 0 4 8 12 16 20 8 12 16 20 24 28 32 36 24 28 32 36 40 44 48 52 40 44 48 52 1 2 56 60 64 68 56 60 64 68 3 5 7 9 11 4 6 8 10 12 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 72 76 80 84 72 76 80 84 13 15 17 19 21 14 16 18 20 22 24 COMBO PORTS 24 96 100 88 92 96 100 88 92 104 108 112 116 104 108 112 116 49 51 53 50 52 54 49 51 53 50 52 54 120 124 120 124 Stack No. 25 SFP+ 26 1 2 Stack-ID Stack-ID Stack ID Stack ID 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 22 21 20 19 18 17 16 15 14 13 12 11 10 09 08 07 06 05 04 03 02 01 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 22 21 20 19 18 17 16 15 14 13 12 11 10 09 08 07 06 05 04 03 02 01 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 24 25 26 27 28 29 30 31 32 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 24 25 26 27 28 29 30 31 32 0 4 0 4 8 12 16 20 8 12 16 20 24 28 32 36 24 28 32 36 40 44 48 52 40 44 48 52 1 2 56 60 64 68 56 60 64 68 3 5 7 9 11 4 6 8 10 12 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 72 76 80 84 72 76 80 84 13 15 17 19 21 14 16 18 20 22 24 COMBO PORTS 24 96 100 88 92 96 100 88 92 104 108 112 116 104 108 112 116 49 51 53 50 52 54 49 51 53 50 52 54 120 124 120 124 Stack No. 25 SFP+ 26 1 2 Stack-ID Stack-ID Stack ID Stack ID 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 22 21 20 19 18 17 16 15 14 13 12 11 10 09 08 07 06 05 04 03 02 01 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 22 21 20 19 18 17 16 15 14 13 12 11 10 09 08 07 06 05 04 03 02 01 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 24 25 26 27 28 29 30 31 32 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 24 25 26 27 28 29 30 31 32 0 4 0 4 8 12 16 20 8 12 16 20 24 28 32 36 24 28 32 36 40 44 48 52 40 44 48 52 1 2 56 60 64 68 56 60 64 68 3 5 7 9 11 4 6 8 10 12 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 72 76 80 84 72 76 80 84 13 15 17 19 21 14 16 18 20 22 24 COMBO PORTS 24 96 100 88 92 96 100 88 92 104 108 112 116 104 108 112 116 49 51 53 50 52 54 49 51 53 50 52 54 120 124 120 124 Stack No. 25 SFP+ 26 1 2 Stack-ID Stack-ID Stack ID Stack ID 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 22 21 20 19 18 17 16 15 14 13 12 11 10 09 08 07 06 05 04 03 02 01 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 22 21 20 19 18 17 16 15 14 13 12 11 10 09 08 07 06 05 04 03 02 01 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 24 25 26 27 28 29 30 31 32 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 24 25 26 27 28 29 30 31 32 0 4 0 4 8 12 16 20 8 12 16 20 24 28 32 36 24 28 32 36 40 44 48 52 40 44 48 52 1 2 56 60 64 68 56 60 64 68 3 5 7 9 11 4 6 8 10 12 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 72 76 80 84 72 76 80 84 13 15 17 19 21 14 16 18 20 22 24 COMBO PORTS 24 96 100 88 92 96 100 88 92 104 108 112 116 104 108 112 116 49 51 53 50 52 54 49 51 53 50 52 54 120 124 120 124 Stack No. 25 SFP+ 26 1 2 Stack-ID Stack-ID Stack ID Stack ID 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 22 21 20 19 18 17 16 15 14 13 12 11 10 09 08 07 06 05 04 03 02 01 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 22 21 20 19 18 17 16 15 14 13 12 11 10 09 08 07 06 05 04 03 02 01 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 24 25 26 27 28 29 30 31 32 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 24 25 26 27 28 29 30 31 32 0 4 0 4 8 12 16 20 8 12 16 20 24 28 32 36 24 28 32 36 40 44 48 52 40 44 48 52 1 2 56 60 64 68 56 60 64 68 3 5 7 9 11 4 6 8 10 12 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 72 76 80 84 72 76 80 84 13 15 17 19 21 14 16 18 20 22 24 COMBO PORTS 24 96 100 88 92 96 100 88 92 104 108 112 116 104 108 112 116 49 51 53 50 52 54 49 51 53 50 52 54 120 124 120 124 Stack No. 25 SFP+ 26 1 2 Stack-ID Stack-ID Stack ID Stack ID 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 22 21 20 19 18 17 16 15 14 13 12 11 10 09 08 07 06 05 04 03 02 01 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 22 21 20 19 18 17 16 15 14 13 12 11 10 09 08 07 06 05 04 03 02 01 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 24 25 26 27 28 29 30 31 32 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 24 25 26 27 28 29 30 31 32 0 4 0 4 8 12 16 20 8 12 16 20 24 28 32 36 24 28 32 36 40 44 48 52 40 44 48 52 1 2 56 60 64 68 56 60 64 68 3 5 7 9 11 4 6 8 10 12 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 72 76 80 84 72 76 80 84 13 15 17 19 21 14 16 18 20 22 24 COMBO PORTS 24 96 100 88 92 96 100 88 92 104 108 112 116 104 108 112 116 49 51 53 50 52 54 49 51 53 50 52 54 120 124 120 124 Stack No. 25 SFP+ 26 1 2 Stack-ID Stack-ID Stack ID Stack ID 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 22 21 20 19 18 17 16 15 14 13 12 11 10 09 08 07 06 05 04 03 02 01 DAS 28

DAS Na początek Software-defined Wydajność = pojemność Najwyższa wydajność Integracja z platformą Wykorzystanie zasobów 29

NAS 30

Isilon był wcześniej Dostęp wieloprotokołowy Pojemność > wydajność Efektywność Bezpieczeństwo Zgodność z normami NAS 31

32

TRWAŁE CHWILOWE 33

TRWAŁE Data lake Hadoop stanowi archiwum Przetwarzanie wyników historycznych 34

Test/Dev Strumień danych Przetwarzanie in-memory 35CHWILOWE

KUPUJ czy BUDUJ? PACZKI czy STRUMIEŃ? PUBLICZNE czy PRYWATNE? WIRTUALNE czy FIZYCZNE? DAS czy NAS? TRWAŁE czy CHWILOWE?

JAK UPROŚCIĆ TĘ DROGĘ?

Koncepcja gotowych rozwiązań Portfolio Dell EMC Priorytety Compute Deploy Ready Nodes Ready Bundles Ready Systems Biz Apps Wiedza Usługi 38

Gotowe rozwiązania dla Big Data Ponad 350 klientów Czym się wyróżnia Dell EMC Przetestowane i certyfikowane konfiguracje Szybka implementacja Hadoop z narzędziami nie wymagającymi kodowania Obniżenie OpEx przy zakupie Splunk w architekturze HCI poprzez obniżenie kosztu zarządzania klastrem Zestaw usług skupionych na efektach finalnych Big Data Vision Accelerator Health Check Wdrożenie Wsparcie Usługi finansowe 1 TPC-x May 2017 Big Bench Scale Factor 10 000 Price/Performance 60% Redukcja czasu ETL $1.97 Za każdego $1.00 ROI w 6 miesięcy 76% Niższe koszty analityki biznesowej Cloudera Hadoop Splunk Hortonworks Hadoop Ready Bundle for Hadoop skalowalny od 5TB do 3.8PB Całkowicie zmieniliśmy sposób w jaki pobieramy, przechowujemy i udostępniamy dane po wdrożeniu klastra Hadoop od Dell. Teraz przetwarzamy większe ilości danych a nasi analitycy i statystycy mogą analizować te dane w sposób wcześniej nieosiągalny Tony Giordano, EVP Merkle

Dell EMC Ready Bundles dla Hadoop Dell EMC Ready Bundle for Cloudera Hadoop Kompletne zarządzanie danymi, przetwarzanie i analityka wraz z wdrożeniem bez kodowania i dużym dwucyfrowym wzrostem wydajności Dell EMC Ready Bundle for Hortonworks with Isilon Platforma zoptymalizowana dla dużych pojemności i efektywnego przetwarzania danych oraz wykorzystania koncepcji data lake Isilon obsługuje wspólną pamięć masową klastra Hadoop dzięki kompatybilności z HDFS Dell EMC Ready Bundle for Hortonworks Hadoop Zarządzanie danymi, przetwarzanie i analityka na platformie Open Source efektywne obsługuje dane o różnych strukturach wykorzystując dostępne narzędzia i zasoby 40

Architektury referencyjne dla Hadoop Webinar 35 minut, czerwiec 2017 41

Usługi dotyczące technologii Big Data Usługi doradcze skalowanie zgodnie z architekturą referencyjną Wdrożenie technologii instalacja komponentów rozwiązania Migracja danych pomoc w przeniesieniu danych (i procesów) Co otrzymuje klient: Dokumenty pomagające w wyborze odpowiedniej infrastruktury Instalację i konfigurację sprzętu, uruchomienie platformy Hadoop Wsparcie procesu migracji danych Wsparcie gotowego rozwiązania 42