近日，Precog宣布了他们的大数据仓储和分析服务，该服务负责处理数据的抓取、变换分析和可视化等过程，以及服务运行所基于的基础架构。不过，这一服务也通过RESTful API预留了各种开放的访问点，支持开发者和数据科学家控制整个过程。
Precog可以从各种数据源抓取输入数据，其中包括SQL数据库、Amazon S3、Hadoop、MongoDB、客户端Web应用和后端服务器等。RESTful API支持开发者从外部源（如Twitter或Facebook）、CSV文件或移动设备抓取数据。抓取的数据保存到一个叫做PrecogDB的定制数据库中，而且我们还可以使用人群统计、态度、位置和其他信息使数据更为丰富。
之后，数据可以通过多种手段加以分析，比如通过一个API，或是利用客户库（JavaScript，PHP），或者使用Labcoat（一种支持使用Quirrel这种声明式查询语言进行数据分析的IDE）。开发者可以创建自己的数据抓取、强化和分析模块，甚至可以将这些模块拿到市场上销售。
Precog能够将整个过程运行在不同的云供应商之上——如Amazon EC2和SoftLayer——以便增加系统的弹性和正常运行时间。
在InfoQ进行的一次采访中，Precog的CEO和创始人John A. De Goes解释到：
“（系统的）架构与数据库分析有些相似，比如都包括面向列的存储；但是其区别在于，前者支持完全异构的、非规范化的数据，通过对Quirrel的支持，相对于使用RDBMS进行分析，使用这种类似于“面向大数据的R”的语言，你能够很方便地执行很多更为高级的计算。”
PrecogDB是该平台的核心，它是一种用Scala编写的、面向列的数据库，运行在JVM上，它也为数据捕获和分析进行了优化。据De Goes介绍，PrecogDB中可以保存“测量数据，如点击、购买、尺寸、Twitter数据，或是收集自其他各种活动的日志信息”。他还补充道，“Precog尚不能存储大块的非结构化数据，尽管在生物信息学和其他一些领域的应用的确有这种需求。不过这一功能已经在我们的路线图上了。”
至于Quirrel——这种由Precog实现的统计查询语言，De Goes谈到：“Quirrel很多方面都与R编程语言比较相似。像R一样，Quirrel也是为高级的分析与统计而设计的。但与R不同的是，Quirrel并非图灵完备的语言，它是纯声明式的，利用它更容易高效地在大规模集群的机器中分发Quirrel查询（这也使Quirrel比R更容易学习）。”
PrecogDB有一些“用于常见的分析与统计计算的内置例程”，它还提供了一个“细粒度的、基于能力的安全模型，支持来自移动设备或Web的应用程序通过RESTAPI直接访问其功能”。
译者 臧秀涛 查看英文原文：Precog: Big Data Analytics as a Service
(责任编辑：蒙遗善)