EMC为预测性大数据分析交付数据湖方案

文章讲的是EMC为预测性大数据分析交付数据湖方案,EMC公司和Pivotal今天发布数据湖Hadoop2.0包,面向客户的预测分析场景构建横向扩展数据湖,提供一种包含计算、分析和存储在内的交钥匙方案。

  作为一种面向由传统和下一代工作负载产生的关键数据,可无限可扩展的知识库,数据湖正蓄势待发。EMC的横向扩展数据湖以企业级特性为设计之本,帮助组织从大数据中获得直接的商业价值。

  今年早些时候,EMC和Pivotal发布了第一个数据湖Hadoop包-基于企业级横向扩展存储与企业级Hadoop预测分析的融合方案。数据湖Hadoop包2.0现已发布,包括EMC的数据计算设备(DCA),这是一个高性能的大数据计算设备,可大幅简化部署以及扩展基于Hadoop的高级分析计算。DCA联合Isilon横向扩展NAS,以及Pivotal HD和Pivotal HAWQ,共同组成该打包方案,进一步夯实了EMC和Pivotal交付面向企业级预测分析的Hadoop的市场承诺。作为打包方案的一个战略组成部分,DCA专为大数据工作负载优化,为用户提供简化的体验,最大化分析性能并加速价值转化。

  大数据Hadoop包2.0旨在帮助组织加速基于Hadoop大数据创新的价值实现的同时,相对于其他由不同的独立模块装配而成的方案而言,保持更低的获取与管理的成本。该解决方案由一套预测试的、高性能的大数据分析系统组成,其中包括世界级的EMC存储及通过企业级设备运行的Hadoop高级分析,提供一个单一、集中且易于实施的解决方案。

  数据湖Hadoop2.0包包括:

  · 企业级、HDFS兼容、横向扩展的Isilon NAS存储节点

  · 领先的企业级Hadoop Pivotal HD

  · DCA上预配置并优化调整过的Pivotal HAWQ,提供基于Hadoop的同类最佳高级分析。

  数据湖Hadoop包2.0今天正式发布。

  产业分析师证言:

  IDC研究总监AshishNadkarni

  “EMC和Pivotal为客户最需要的领域带来了巨大价值。在大数据时代,为横向扩展数据湖结合存储、计算和分析能力极具价值,加入预测功能意味着客户可以快速让该解决方案物尽其用,积极影响他们的底线。”

  EMC管理层证言:

  EMC产品和营销总裁Jeremy Burton

  “在全世界范围,大数据是第一提及的要题。但对许多企业而言,这意味着他们正密切关注如何存储并利用大数据的价值。EMC和Pivotal的这一打包方案面向今天的客户所需,他们正在构建自己的横向扩展数据湖,提供了一套交付Hadoop大数据分析的高性能系统。这是一个真正的交钥匙、端到端的解决方案,旨在有效处理海量数据。”

  Pivotal管理层证言:

  Pivotal总裁Scott Yara

  “大数据领域机会非常多,企业需要工具以有效地使用大数据。通过以打包形式提供面向数据湖的计算、存储和分析能力,EMC和Pivotal帮助客户真正捕获大数据的价值。我们正共同努力,让更多人更快地使用到它。”

作者:蔡思萌

来源:IT168

原文链接:EMC为预测性大数据分析交付数据湖方案

时间: 2024-08-01 19:23:54

EMC为预测性大数据分析交付数据湖方案的相关文章

解读:大数据分析及其数据来源

当我们谈到大数据分析,首先需要确定数据分析的方向和拟解决的问题,然后才能确定需要的数据和分析范围.大数据驱动的分析主要的挑战不是技术问题,而是方向和组织领导的问题,要确定方向,提出问题,需要对行业做深入的了解.当然,大数据分析最核心的,关于数据的来源更是至关重要的.在数据量非常大的今天,如何以更高的效率获取到分析所需要的数据,如何利用这些数据反应最真实的情况,是业内不断探讨的议题.接下来,小编就带大家来了解下大数据分析及其数据来源. 大数据分析 大数据分析,顾名思义,就是对规模巨大的数据进行分析

大数据分析:数据抽样的终结者

"如果你真的想要了解发生在您企业业务中的真相,你需要大量的非常详细的数据资料."数据仓库研究院(TDWI)研究主任菲利普?·卢瑟姆在其最新的一份TDWI大数据分析报告中写道."如果你真的想看一些你从未见过的东西,这有助于您挖掘从未被商业智能分析过的数据." 这便是大数据分析存在的理由,其是前所未有的.不仅仅是大数据概念的本身提醒着我们,至少我们还可以追溯到21世纪初,"彼时,存储和CPU技术正被百万兆字节的数据所淹没,IT面临着数据的可扩展性危机.&quo

大数据分析之数据孤岛:你能看到它们吗?

从企业和CIO们开始尝试数据挖掘以来,数据孤岛就一直阻碍着商业智能效能的提高.数据孤岛,换句话说昂贵的.需要费尽心血维护却彼此无法兼容的数据库,指望从它们那儿发掘到伟大的知识,无疑于缘木求鱼.也就是说,数据库的数量和挖掘到的知识产量没有任何关系.正如一位商业智能专家所说的,进进出出的都是垃圾. 谈到大数据分析-或者叫数据3V(类别.数量和增长率),则是个将大多数公司窒息的流行语.因为,据分析师Ted Friedman说,数据孤岛整指数般的蔓延-就像瘟疫一样. "在你的公司,任何时间任何地方,都有

[重磅]清华大数据产业联合会"应用创新"系列第1讲:大数据分析(46PPT)

2014年11月26日晚,清华大数据产业联合会成立仪式在清华大学舜德楼401室召开,联合会依托于清华大学独特的师资和生源优势.清华大学多个院系和学科在大数据相关领域多年的积累与探索,联合大数据产业链中的优秀龙头企业与创新企业,旨在提供大数据产业链的思维碰撞与资源对接平台,促进产.学.研良性互动,以产业需求带动复合型大数据人才的培养,推动大数据生态系统中的各方合作共赢.会议由联合会秘书长王霞主持. 到场的嘉宾有: 清华大学杨斌副校长,清华大学数据科学研究院执行副院长.清华大数据产业联合会会长韩亦舜

新联邦业务数据湖为颠覆大数据应用铺路

文章讲的是新联邦业务数据湖为颠覆大数据应用铺路,EMC公司今天发布联邦业务数据湖.这套完整的工程解决方案包括来自EMC信息基础设施.Pivotal和VMware的领先的存储及大数据分析技术,帮助客户利用大数据的新世界,从而扫清通向新洞察和颠覆性差异化道路的障碍. 方案可在短至七天内实施,联邦业务数据湖可极大简化构建一个数据湖所需的大量复杂任务,是专为企业需要的速度.自服务和可扩展性而设计,让组织能够通过使用大数据分析,开始更好地进行业务决策.作为一个来自EMC联邦的融合解决方案, 联邦业务数据湖

大数据分析不是巨大的负担,而是潜在的黄金

大数据分析是对海量数据的分析技术.大数据时代中,大数据的处理流程包含了数据采集.数据存储.数据分析以及数据挖掘等多个步骤,大数据分析是让无用数据提现价值的关键一步. 大数据分析的特点 大数据分析是利用多种手段从海量数据之中获取智能化.深入化而且更有价值的信息. 大数据分析与数据挖掘有着本质的区别,大数据分析需要大量的数据为基础,而数据量越大算法要求则越低.用于数据分析的数据类型并无固定要求,多为动态增量数据以及存储数据.在技术上,大数据分析技术已经比较稳定,目前不存在太多突破点. 数据挖掘又名资

论大数据分析的正确方法 应理智对待

据统计,从人类文明开始到2003年,人类共创造了5TB(兆亿字节)的信息.现在,同样的数据量仅需两天就能够被创造出来,且速度仍在加快.如此庞大的数据量使数据分析复杂化,而大数据中的非结构化数据将加深这种复杂度. 这种情况下,我们需要清楚:什么样的数据应被保存.如果从整体性出发,数据采集和存贮算不上大数据,对海量数据进行分析计算之后的结果才有实际价值.这亦是大数据的价值所在. 关于大数据数量,业内一种较为激进的观点认为,"大数据"的叫法存在问题,因为数据只有"大"是没

《MapReduce 2.0源码分析与编程实战》一1.2 大数据分析时代

1.2 大数据分析时代 如果我们把大数据比作一块未经开发的沃土,那么只有经过耕耘收获的果实才能够算得上是真正获得了沃土的回报.换言之,如果把大数据比作一块沃土,那么只有强化对土地的"耕耘"能力,才能通过"加工"实现数据的"增值". 随着"大数据时代"的开启,对大数据本身的处理和分析越来越为生产者和商业者所看重.但是问题在于,相比于拥有较长历史的数据库分析和传统数据分析,大数据分析具有待数据量特别巨大.算法分析特别复杂等特点.

企业大数据分析实践指南、总结与展望

数据无处不在 在我们身处的时代,数据无处不在.据IBM公司估算,我们每天产生约2.5万ZB的数据,这意味着世界上90%数据都是过去的两年中产生的. Gartner公司分析报告显示,在2015年财富500强的公司中百分之八十五的企业无法利用大数据来获取竞争优势. 到2020年,全世界将有上百万大数据相关的就业机会产生.这些庞大的数据蕴藏了宝贵财富,企业可以使用最先进的分析技术,利用这些数据更好地了解客户的行为,识别商业机会,制定运营战略. 让我们举几个例子: 金融机构每天通过信用评分模型,了解他们