Techopedia Staff tarafından, 24 Şubat 2016
Paket servisi olan restoran: Sunucu Rebecca Jozwiak, en iyi sektör uzmanlarıyla akış analizini tartışıyor.
Şu anda giriş yapmadınız. Lütfen videoyu görmek için giriş yapın veya üye olun.
Rebecca Jozwiak: Bayanlar ve baylar, merhaba ve 2016 Hot Technologies'e hoş geldiniz! Bugünün başlığı “İtfaiyeyi Kullanmak: Akışkan Analitiklerden İş Değeri Almak”. Bu Rebecca Jozwiak. Sevgili Eric Kavanagh'ımız burada olamadığında web yayını sunucusunun komutasındaki ikincisiyim, bu yüzden bugün orada birçoğunuzu görmek güzel.
Bu bölüm diğerlerinden biraz farklı. Neyin sıcak olduğu hakkında konuştuk ve elbette bu yıl sıcak. Son birkaç yıl sıcak geçti. Her zaman yeni şeyler çıkıyor. Bugün, akış analizi hakkında konuşuyoruz. Analitik akış yeni bir şeydir. Tabii ki akış, merkez verileri, RFID verileri, bunlar mutlaka yeni değil. Ancak veri mimarileri bağlamında, onlarca yıldır bekleyen verilere odaklandık. Veritabanları, dosya sistemleri, veri havuzları - hepsi çoğunlukla toplu işlem amaçlıdır. Ancak şimdi akış verilerinden, veri duygularından değer yaratma kaymasıyla, bazıları buna canlı akışlar diyorlar, gerçekten alışkın olduğumuz dinlenme mimarilerindeki verilere değil, akışa dayalı bir mimariye ihtiyaç duyuyorlar ve hızlı alım, gerçek zamanlı veya neredeyse gerçek zamanlı işleme. Sadece Nesnelerin İnterneti için değil, Her Şeyin İnterneti için de hizmet verebilmelidir.
Tabii ki, ideal olarak, iki mimarinin yan yana yaşaması, bir yandan diğerini yıkaması güzel olurdu. Günlük veriler, haftalık veriler, yıllık veriler hala elbette değer, tarihsel analitik, trend analizi olsa da, bu günlerde canlı zekayı harekete geçiren canlı verilerdir ve bu nedenle akış analizi çok önemli hale gelmiştir.
Bugün bunun hakkında daha fazla konuşuyorum. Veri bilimcimiz Dez Blanchfield, Avustralya'dan geliyor. Onun için sabah erkenden. Baş analistimiz Dr. Robin Bloor var. Impetus Technologies'de StreamAnalytix'in ürün başkanı Anand Venugopal'a katılıyoruz. Gerçekten bu alanın gerçek zamanlı analiz analizine odaklanmış durumdalar.
Bununla devam edip Dez'e ileteceğim.
Dez Blanchfield: Teşekkürler. Burada ekranın kontrolünü ele geçirmem ve öne çıkmam gerekiyor.
Rebecca Jozwiak: İşte başlıyoruz .
Dez Blanchfield: Slaytları kaparken, sadece ana konuyu ele alalım.
Oldukça yüksek tutacağım ve yaklaşık 10 dakika tutacağım. Bu çok büyük bir konu. Akış işlemenin ne olduğunu ve geliştirdiğimiz mevcut çerçeveleri ve bu yüksek hacimli akışlarda analitik yapmanın ne anlama geleceğini ayrıntılarıyla incelemek için iki ila üç gün geçirdiğimiz bir etkinliğe katıldım.
Analitiği aktararak ne demek istediğimizi açıklığa kavuşturacağız ve daha sonra iş değerinin elde edilip edilemeyeceğine bakacağız, çünkü bu gerçekten işletmelerin aradığı şey. İnsanların onlara çok hızlı ve özlü bir şekilde açıklama yapmalarını istiyorlar, akış verilerimize bir çeşit analitik uygulayarak nerede değer elde edebilirim?
Akış analizi nedir?
Akışkan analiz, kuruluşlara, çeşitli hareket biçimleriyle işletmelerden gelen yüksek hacimli ve yüksek hızlı verilerden değer elde etmenin bir yolunu sunar. Buradaki önemli fark, ana çerçeve icat edildiğinden beri on yıllardır dinlediğimiz analitik ve lens ve veri görünümleri geliştirme konusunda uzun bir geçmişe sahip olmamız. “Web ölçeği” dediğimiz şeyde son üç ila beş yıl içinde gördüğümüz dev paradigma kayması, yalnızca olay korelasyonunu işlemek ve aramakla kalmayıp, gerçek zamanlı olarak veya gerçek zamanlı olarak bize gelen veri akışlarına giriyor. etkinlik tetiklenir, ancak bu akışlarda gerçekten ayrıntılı, derinlemesine analiz gerçekleştirir. Bu, daha önce yaptığımız şeye kayda değer bir kaymadır; bu, veri toplamak, şimdi bir tür depoya, geleneksel olarak büyük veritabanlarına koymak, Hadoop platformu gibi büyük büyük veri çerçeveleri oluşturmak ve toplu iş işleme yapmak ve elde etmek bir tür içgörü.
Bunu çok hızlı bir şekilde yapmakta ve işlerde çok sayıda ağır demir denemede çok iyiyiz, ancak yine de gerçekten veri yakalıyor, depolıyor ve sonra inceliyor ve üzerinde bir tür analiz veya analiz alıyoruz. Veri akışı sırasında bu analitikleri gerçekleştirmeye geçiş, büyük verilerin etrafında meydana gelen şeyler için çok yeni ve heyecan verici bir büyüme alanı oldu. Analitiği yakalamak, depolamak ve işlemek ve gerçekleştirmek için tamamen farklı bir yaklaşım gerektirir.
Akışta analitik yapmaya geçiş ve odaklanmanın temel nedenlerinden biri, veriler işletmeye ulaştıkça bu bilgileri daha hızlı ve daha kolay elde etmekten önemli iş değeri elde edebilmenizdir. Artık gün sonu işlem yapma fikri artık bazı sektörlerde geçerli değildir. Analitiği anında yapabilmek istiyoruz. Günün sonunda, günün sonuna gelip 24 saatlik bir toplu iş yapmak ve bu içgörülerden ziyade neler olduğunu zaten biliyoruz.
Veri akışı, genellikle bize çok, çok hızlı bir şekilde hareket halinde gelen çok yüksek hacimli veri ve verilerin çoklu akışları ve karşıt olarak bize geldiğinde bu akışlar hakkında içgörü veya analitik elde etmekle ilgilidir. buna izin vermek ve analiz yapmak.
Daha önce de belirttiğim gibi, toplu analiz dediğim şeyi onlarca yıldır gerçekleştirdik. Buraya gerçekten harika bir resim koydum. Bu, ömür boyu önce RAND Corporation tarafından yaratılmış alaycı bir bilgisayarın önünde duran bir beyefendinin resmi ve bir evde bir bilgisayara benziyorlardı. İlginç olan, o zaman bile, tüm bu küçük kadranların bu konseptine sahip olmalarıydı ve bu kadranlar, evden gelen ve gerçek zamanlı olarak işlenen ve size neler olduğunu söyleyen bilgileri temsil ediyordu. Basit bir örnek, gerçek zamanlı olarak neler gördüğümüzü görebildiğimiz bir dizi barometrik basınç ve sıcaklıktır. Ama o zamanlar bile RAND Corporation bu küçük maketi bir araya getirdiğinde, aslında zaten veri işleme ve akış biçiminde gelirken analitik gerçekleştirmeyi düşünüyorlardı. Neden bilgisayara direksiyon taktıklarından emin değilim, ama bu oldukça iyi.
Yazıcının icadından bu yana, veri yakalama ve üzerinde toplu analiz gerçekleştirme görüşümüz oldu. Şimdi büyük değişimle söylediğim gibi, bunu hepimizin bildiği web ölçeği oyuncularının beğenilerinden gördük, hepsi Twitter, Facebook ve LinkedIn gibi ev markaları, bu sosyal medyada sahip olduğumuz interaktif davranış platformlar yalnızca toplu modda yakalama, saklama ve işleme tabi olmakla kalmaz, aynı zamanda gerçekte gelen veri akışlarından analitiği yakalar ve yönlendirir. Bir şeyi tweetlediğimde, sadece bir şeyi yakalayıp saklamak ve daha sonra bir şey yapmakla kalmazlar, aynı zamanda onu hemen akışımın üzerine koyup beni takip eden diğer insanlarla paylaşabilmeleri gerekir. Bu bir toplu işleme modelidir.
Neden bu rotaya inelim? Kurumlar neden akış analizi çözümleme çabalarını düşünmek için zaman, çaba ve para yatırsınlar? Kuruluşlar, içinde bulundukları endüstrilerdeki rakiplerine göre bir performans kazancı elde etmek için büyük bir istek duyuyorlar ve performans kazancı, basit akış analizi yoluyla hızlı bir şekilde uygulanabiliyor ve zaten zaten olduğumuz gerçek zamanlı verileri izleyerek başlayabiliyorlar. benzer. Orada Google Analytics'in küçük bir ekran görüntüsü var. Bu muhtemelen uygulamalı tüketici düzeyinde analitik elde ettiğimiz ilk seferlerden biri. İnsanlar web sitenizi ziyaret ederken ve web sitenizin altına HTML olarak web sitenize yerleştirilmiş küçük bir JavaScript parçasıyla bu hit sayıları alırken, bu küçük kodlar gerçek zamanlı olarak Google'a geri yapıldı ve web sitenizdeki her sayfadan, web sitenizdeki her nesneden gerçek zamanlı olarak gelen veri akışları üzerinde analizler gerçekleştirir ve gerçek zamanlı grafik, sevimli küçük histogramlar ve sevimli küçük histogramların bir kontrol panelinde bu gerçekten sevimli küçük web sayfasında size geri gönderirler. sayfanıza geçmişte çarpan X sayısını gösteren bir çizgi grafik, ancak şu anda kaç tane var.
Bu ekran görüntüsünde görebileceğiniz gibi, şu anda 25 diyor. Şu anda bu ekran görüntüsünün o sayfada olduğu sırada 25 kişi var. Bu, tüketici sınıfı analiz aracında oynadığımız ilk gerçek şans. Bence bir çok insan bunu gerçekten başardı. Neler olup bittiğini ve buna nasıl tepki verebileceklerini bilmenin gücünü anladılar. Aviyoniklerin, etrafta uçan uçakların ölçeğini düşündüğümüzde, sadece ABD'de günde 18.700 yurt içi uçuş var. Bir süre önce bir makale okudum - yaklaşık altı ya da yedi yıl önceydi - bu uçaklar tarafından üretilen veri miktarı eski mühendislik modelinde yaklaşık 200 ila 300 megabayttı. Günümüz uçak tasarımlarında, bu uçaklar uçuş başına yaklaşık 500 gigabayt veri veya yaklaşık yarım terabayt veri üretmektedir.
Matematiği başınızın tepesinden çok hızlı bir şekilde yaptığınızda, sadece ABD hava sahasında her 24 saatte bir 18.700 yurt içi uçuş, eğer tüm modern uçaklar yaklaşık yarım terabayt üretiyorsa, 43 ila 44 petabayt veri geliyor ve uçaklar havada iken oluyor. İniş yaptıkları zaman veri dökümü yapıyorlar. İşte o zaman mağazaya girip, mühendislik ekiplerinden rulmanlarda, tekerleklerde ve motorların içinde neler olduğuna bakmak için tam bir veri dökümü var. Bu verilerden bazıları gerçek zamanlı olarak işlenmelidir, böylece uçak havada iken veya yerdeyken gerçek bir sorun olup olmadığına karar verebilirler. Bunu toplu modda yapamazsınız. Finans, sağlık, üretim ve mühendislik konusunda orada gördüğümüz diğer endüstrilerde, bir veritabanında yeni depolananların aksine gerçek zamanlı olarak neler olduğuna dair bu yeni kavrayışla nasıl baş edebileceklerine de bakıyorlar. terim.
Ayrıca, bozulabilir bir mal veya bozulabilir bir mal olarak adlandırdığım veriyle uğraşmanın bu kavramı da var - birçok veri zaman içinde değer kaybediyor. Bu, mobilite uygulamaları ve sosyal medya araçları için giderek daha fazla durumdur, çünkü insanların söyledikleri ve şimdi trend olan şey, yanıt vermek istediğiniz şeydir. Lojistik ve nakliye ürünleri ile hayatımızın diğer bölümlerini düşündüğünüzde, bu anlamda bozulabilir meta kavramını anlıyoruz. Ancak kuruluşunuzdan geçen verileri ve sahip olduğu değeri düşünün. Birisi şu anda sizinle biraz iş yapıyorsa ve onlarla gerçek zamanlı olarak etkileşime girebiliyorsanız, verilerin yakalanıp Hadoop gibi bir sisteme yerleştirilebilmesi için bir saat beklemek istemezsiniz ve şu anda bununla başa çıkamayacaksınız ve bunu müşterinin talebi üzerine hemen yapmak istiyorsunuz. İnsanların size kişiselleştirme sağlayabilecek gerçek zamanlı veri akışına sahip olmalarından ve kişisel deneyiminize göre kullandığınız sistemdeki kişiselleştirme ayarından bahsettikleri bir çok şey göreceksiniz. Örneğin, Google Arama aracı gibi bir araca çarptığınızda, bir sorgu yaparsam ve aynı sorguyu yaparsanız, her zaman aynı verileri alamayız. Esasen ünlü bir deneyim olarak bahsettiğim şeyi alıyoruz. Bir kerelik tedavi görüyorum. Benden topladıkları profillere ve verilere dayanarak bu sistemlerde neler olduğuna dair kendi kişisel versiyonumu alıyorum ve akışta gerçek zamanlı olarak analiz yapabildim.
Bu verilerin bozulabilir bir meta olduğu fikri şu an için gerçek bir şey ve zaman içinde azalmakta olan verilerin değeri bugün uğraşmamız gereken bir şey. Dün bir şey değil. Nehrin dışına atlayan bir somon yakalayan bir ayının bu resmini çok seviyorum, çünkü akan analitiği tam olarak gördüğüm şeyi boyatıyor. Bize gelen bu büyük veri nehri, eğer yapacaksanız bir itfaiye aracı ve ayı derenin ortasında oturuyor. Etrafında neler olduğuna dair gerçek zamanlı analizler yapacak, böylece o balığı havada yakalama yeteneğini geliştirebilir. Sadece akıntıya dalmak ve akıntıyı yakalamak gibi değil. Bu şey havada zıplıyor ve o balığı yakalamak için doğru zamanda doğru yerde olmak zorunda. Aksi halde kahvaltı ya da öğle yemeği alamaz.
Bir kuruluş verileriyle aynı şeyi yapmak istiyor. Şu anda hareket halinde olan büyük miktarda veri olanlardan değer elde etmek istiyorlar. Bu veriler ve yüksek hızlı veriler üzerinde analiz yapmak istiyorlar, bu yüzden sadece bize gelen veri miktarı değil, aynı zamanda bundan gelen hız da bu. Örneğin güvenlik içinde, tüm durumlarda yönlendiricileriniz, anahtarlarınız, sunucularınız, güvenlik duvarlarınız ve bunlardan gelen ve tüm olaylarda yüz binlerce cihaz olmasa bile, bazı durumlarda bozulabilir veriler olan tüm olaylar. Nesnelerin İnterneti ve endüstriyel İnternet'te düşündüğümüzde, sonunda milyarlarca sensör olmasa bile milyonlarca hakkında konuşuyoruz ve analiz yapan veriler geldikçe, şimdi karmaşık olayların işlenmesini araştırıyoruz. daha önce hiç görmediğimiz büyüklük ve hız emirlerinde ve bugün bununla uğraşmak zorundayız. Bunun etrafında araçlar ve sistemler inşa etmek zorundayız. Organizasyonlar için gerçek bir meydan okuma çünkü bir yandan DIY'i yapan, kendiniz pişiren, bunu yapma kapasitesine ve beceri setine ve mühendisliğe sahip olan çok büyük markalarımız var. Ancak ortalama bir organizasyon için durum böyle değil. Beceri setleri yok. Bunu çözmek için yatırım yapacak kapasiteye, zamana ve hatta paraya sahip değiller. Hepsi gerçek zamanlıya yakın karar verme kavramını hedefliyor.
Karşılaştığım vakaları kullanın ve hayal edebileceğiniz her sektörün her geniş yelpazesinde yer alıyorlar, insanlar oturuyor ve dikkat ediyorlar ve akış verilerimize nasıl bazı analizler uygularız? Web ölçeğinde çevrimiçi hizmetler hakkında konuşuyoruz. Geleneksel sosyal medya platformları ve çevrimiçi e-kuyruk ve perakendecilik var - örneğin uygulamalar. Hepsi bize bu gerçek zamanlı ünlü deneyimi yaşatmaya çalışıyor. Ancak, daha fazla teknoloji yığını hizmetine, telefon hizmetine, ses ve videoya girdiğimizde, dolaşan insanların telefonlarda FaceTime yaptıklarını görüyorum. Sadece patlıyor. İnsanların telefonu önlerinde tuttukları ve bir arkadaşının video akışıyla artık kulağına tutmanın aksine aklıma kafa tutuyor. Ama bunu yapabileceklerini biliyorlar ve adapte oldular ve bu deneyimi sevdiler. Bu uygulamaların ve bunları sağlayan platformların geliştirilmesi, bu trafik ve trafik profilleri üzerinde gerçek zamanlı analizler yapmak zorunda kalıyor, böylece bu videoyu mükemmel şekilde yönlendirmek gibi basit şeyleri yapabiliyorlar. iyi bir deneyim elde etmek için video yeterlidir. Bu tür verileri toplu olarak işleyemezsiniz. Gerçek zamanlı video akışını işlevsel bir hizmet haline getirmez.
Finansal işlemlerde bir yönetişim zorluğu var. Günün sonuna gelmek ve özel verileri yerin etrafında hareket ettiren yasaları çiğnediğinizi öğrenmek iyi değil. Avustralya'da, mahremiyetle ilgili verilerin açık denizde taşınmasının hayır olduğu bir yer var. PID'imi, özel kişisel kimlik verilerimi, açık denizde alamazsınız. Avustralya'da bunun olmasını engelleyecek yasalar var. Özellikle mali hizmet sağlayıcıları, hükümet hizmetleri ve ajansları, bana sundukları şeylerin kıyıdan ayrılmadığından emin olmak için benimle veri akışı ve talimatlar hakkında gerçek zamanlı analitik yapmaları gerekiyor. Tüm şeyler yerel olarak kalmak zorunda. Bunu gerçek zamanlı yapmak zorundalar. Yasayı çiğneyemezler ve daha sonra af dilemezler. Dolandırıcılık tespiti - kredi kartı işlemlerinde duyduğumuz oldukça açıktır. Ancak finansal hizmetlerde yaptığımız işlem türleri çok hızlı bir şekilde değiştiği için, PayPal'ın şu anda paranın bir şeyden diğerine geçmediği gerçek zamanlı olarak sahtekarlığı tespit etmek için yaptığı birçok şey var, ancak sistemler arasındaki finansal işlem. Ebay teklif platformları, sahtekarlığı tespit eden bir akış ofisinde gerçek zamanlı olarak yapılmalıdır.
Şimdi akışlarda çıkarma ve yük aktivitesini dönüştürmeye yönelme eğilimi var, bu yüzden akışa giden hiçbir şeyi yakalamak istemiyoruz. Bunu gerçekten yapamayız. İnsanlar, her şeyi yakalarsak verilerin gerçekten hızlı bir şekilde kırılmayı sevdiğini öğrendiler. Şimdi işin püf noktası, bu akışlar üzerinde analizler yapmak ve üzerinde ETL yapmak ve sadece ihtiyacınız olan şeyleri, potansiyel olarak meta verileri yakalamak ve daha sonra, gerçekte ne yaptığımızla ilgili yollarda biraz daha neler olacağını söyleyebileceğimiz tahmini analitiği artırmaktır. akışta az önce bunu gerçekleştirdiğimiz analitiklere dayanarak gördük.
Enerji ve kamu hizmeti sağlayıcıları, tüketicilerin talep fiyatlamasına sahip olma arzusunu yaşıyorlar. Günün belirli bir saatinde yeşil güç satın almak istediğime karar verebilirim çünkü sadece evde yalnızım ve çok fazla cihaz kullanmıyorum. Ancak bir akşam yemeği partim varsa, tüm cihazlarımı açmak isteyebilirim ve ucuz güç satın almak ve teslim edilmesini beklemek istemiyorum, ancak bu gücü elde etmek için daha fazla maliyet ödemeye hazırım. Özellikle kamu hizmetleri ve enerji alanında bu talep fiyatlandırması zaten gerçekleşti. Örneğin Uber, her gün yapabileceğiniz şeylerin klasik bir örneğidir ve hepsi talep fiyatlandırması tarafından yönlendirilir. Avustralya'da, Yılbaşı Gecesi'ndeki yoğun talep nedeniyle 10.000 $ ücret alan bazı klasik örnekler var. Eminim bu konuyla uğraştılar ama arabada ne kadar ödeme yapmam gerektiğini söyleyen akış analizi gerçek zamanlı olarak gerçekleştiriliyor.
Nesnelerin İnterneti ve sensör akışları - bunun üzerindeki yüzeyi sadece çizdik ve bununla ilgili temel konuşmayı gerçekten yaptık, ancak teknolojinin bununla nasıl başa çıktığı konusunda ilginç bir değişim göreceğiz, çünkü siz konuşurken sadece binlerce veya on binlerce ama yüzbinlerce ve potansiyel olarak milyarlarca cihaz size akıyor, şu anda sahip olduğumuz teknoloji yığınlarının neredeyse hiçbiri bununla başa çıkmak için tasarlanmadı.
Güvenlik ve siber risk gibi yerlerde göreceğimiz bazı sıcak konular var. Onlar bizim için çok gerçek zorluklar. Gerçek zamanlı olarak çeşitli siber saldırılar oturup bir web sayfasında izleyebilirsiniz web üzerinde Kuzey denilen gerçekten temiz bir araç var. Ona baktığınızda, “ah hoş bir sevimli küçük web sayfası” olduğunu düşünüyorsunuz, ancak yaklaşık beş dakika sonra, sistemin dünyadaki tüm farklı cihazların tüm farklı akışlarında analiz yaptığı veri hacminin farkındasınız. onlara besleniyor. Bu kaydın kenarındaki performansı nasıl gerçekleştirdiklerini aklından çıkarmaya başlar ve size gerçek zamanlı olarak hangi saldırıya veya başka bir şeye saldırdığını söyleyen basit bir ekran sunar. Ancak, yalnızca bu sayfayı izleyerek ve yalnızca akışları alma ve analiz sorgularını işleme koyma hacmini ve zorluğunu anlayarak, gerçek zamanlı olarak akış analizinin sizin için potansiyel olarak neler yapabileceğinin iyi bir tadı elde etmenin gerçekten küçük bir yolu ve bunu gerçek zamanlı olarak temsil ediyorlar.
Oturumun geri kalanı için yaptığım konuşma, tüm bu tür şeyleri tek bir ilginç bakış açısıyla, benim görüşüme göre ele alacak ve bu DIY'nin meydan okuması, kendiniz pişirin, bazılarına uygun Bu tür şeyleri inşa edebilecek klasik tek boynuzlu atlar. Bu mühendislik ekiplerini ve veri merkezlerini inşa etmek için milyarlarca dolarları var. Ancak, akış analizi alanındaki değerlerini artırmak isteyen kuruluşların% 99, 9'u için hazır bir hizmet almaları gerekiyor. Kutudan çıkardıkları bir ürünü satın almaları gerekir ve genellikle uygulamalarına yardımcı olmak için bazı danışmanlık hizmetlerine ve profesyonel hizmetlere ihtiyaç duyarlar ve bu değeri işte geri kazanırlar ve işe çalışan bir çözüm olarak işe geri satarlar.
Bununla, size geri döneceğim, Rebecca, çünkü şimdi ayrıntılı olarak ele almak üzere olduğumuza inanıyorum.
Rebecca Jozwiak: Mükemmel. Çok teşekkür ederim, Dez. Harika bir sunum.
Şimdi, topu Robin'e vereceğim. Götürün.
Robin Bloor: Tamam. Dez, akarsu işlemenin nitelik cesurluğuna girdiği için, onu tekrar örtmek bana mantıklı gelmedi. Bu yüzden tamamen stratejik bir görüş alacağım. Neredeyse neler olduğuna neredeyse çok yüksek bir seviyeden bakıp onu konumlandırıyorum çünkü bence insanlara, özellikle de daha önce büyük derinlikte işleyen akışlarda yer almayan insanlara yardımcı olabilir.
Akış işleme uzun zamandır var. Biz buna CEP derdik. Ondan önce gerçek zamanlı sistemler vardı. Orijinal süreç kontrol sistemleri aslında bilgi akışlarını işlemekteydi - elbette günümüzde hiçbir şey gitmiyordu. Burada slaytta gördüğünüz bu grafik; aslında bir çok şeye işaret ediyor, ama her şeyin üstünde ve ötesinde - burada farklı renklerde görünen bir gecikme spektrumu olduğu gerçeği. 1960 ya da ticari bilgi işlemin icadından bu yana gerçekte olan şey, her şeyin daha hızlı ve daha hızlı hale gelmesidir. Eskiden dalgaları seviyorsanız bunun gerçekte ortaya çıkma şekline güvenebiliyorduk, çünkü böyle görünüyor. Bu aslında ona bağlı. Çünkü her şey Moore yasası tarafından yönlendirildi ve Moore yasası bize yaklaşık altı yıllık bir sürede yaklaşık on kat daha hızlı bir faktör verecekti. Sonra aslında 2013'e geldiğimizde, her şey kırıldı ve aniden hiç görülmemiş bir hızda hızlanmaya başladık, bu garip bir şekilde eşi görülmemiş. Hız artışı ve dolayısıyla her altı yılda bir gecikmede azalma açısından yaklaşık on kat faktörü alıyorduk. 2010'dan bu yana geçen altı yıl içinde, en az binin katları var. Bir yerine üç büyüklük derecesi.
Bu böyle devam ediyor ve bu yüzden endüstri şu ya da bu şekilde fantastik hızlarda ilerliyor gibi görünüyor - çünkü öyle. Sadece bu belirli grafiğin anlamından geçerek, tepki süreleri aslında dikey eksende algoritmik ölçekte. Gerçek zamanlı bilgisayar hızı, insanlardan daha hızlıdır. Etkileşimli zamanlar turuncu. Bilgisayarla etkileşim kurduğunuzda, gerçekten onda biri ila yaklaşık bir saniye gecikme istediğinizde. Yukarıda, bilgisayarda ne yaptığınızı gerçekten düşündüğümüz işlem var, ancak bu yaklaşık onbeş saniye içinde sönerse dayanılmaz hale geliyor. İnsanlar aslında bilgisayarı beklemeyeceklerdi. Her şey toplu olarak yapıldı. Toplu olarak yapılan birçok şey şu anda doğrudan işlem alanına, etkileşimli alana ve hatta gerçek zamanlı alana geliyor. Daha önce, çok az miktarda veri içeren bir dalgalı, bunlardan bazılarını yapabiliriz, şimdi büyük ölçüde ölçeklendirilmiş ortam kullanarak çok büyük miktarlarda verilerle yapabiliriz.
Yani temelde, bunların hepsi gerçekten işlem ve etkileşimli insan tepki süreleri demek. Şu anda akarsularla yapılanların çok büyük bir kısmı, insanları şeyler hakkında bilgilendirmektir. Bazıları bundan daha hızlı ilerliyor ve iyi bir şekilde bilgilendiriyor, bu yüzden gerçek zamanlı. Daha sonra bir taş gibi düşme lisansı alıyoruz, bu da anında analitiği uygulanabilir ve tesadüfen oldukça uygun hale getiriyor. Sadece hız düşmedi ve üst kısım da çöktü. Muhtemelen, tüm bu uygulamalar arasındaki en büyük etki, çeşitli uygulamalar arasında, tüm bu tahmini analitiği yapabilirsiniz. Nedenini bir dakika içinde anlatacağım.
Burası sadece donanım mağazası. Paralel yazılımınız var. 2004'te bahsediyoruz. Ölçeklendirme mimarisi, çok çekirdekli yongalar, bellek artışı, yapılandırılabilir CPU. SSD'ler artık dönen diskten çok daha hızlı gidiyor. Hemen hemen dalga eğirme diski veda edebilirsiniz. SSD'ler de birden fazla çekirdeğe sahiptir, bu yüzden daha hızlı ve daha hızlı. Yakında ortaya çıkacak, HP'den memrisör var. Intel ve Micron'dan 3D XPoint aldık. Bunların vaadi, her şeyin daha hızlı ve daha hızlı olmasını sağlayacak. Aslında her ikisi de temel küçük parçanın tamamını yapacak iki yeni bellek teknolojisini düşündüğünüzde, bireysel devre kartı daha hızlı ilerliyor, sonunu bile görmedik.
Bir sonraki mesaj olan akış teknolojisi, burada kalmak için burada. Yeni bir mimari olması gerekecek. Dez demek istediğim, sunumunda birkaç noktada bundan bahsetti. On yıllar boyunca mimariyi veri yığınları ve veri borularının bir kombinasyonu olarak gördük. Yığınları işleme eğilimindeydik ve yığınlar arasındaki verileri borulama eğilimindeydik. Şimdi temelde veri akışlarının işlenmesini veri yığınlarıyla birleştiren Lambda veri mimarisi dediğimiz şeye doğru ilerliyoruz. Aslında veri akışı veya veri yığını olarak geçmiş verilere karşı gelen bir olay akışını işlerken, Lambda mimarisi ile kastettiğim budur. Bu bebeklik döneminde. Resmin sadece bir parçası. Dez'in de bahsettiği Her Şeyin İnterneti kadar karmaşık bir şey düşünürseniz, aslında her türlü veri konumu sorununun (akışta neyi işlemeniz gerektiğine dair kararlar) olduğunu fark edeceksiniz.
Burada gerçekten söylediğim şey, toplu iş yaparken, aslında akışları işlediğimizdir. Bunu teker teker yapamadık. Büyük bir yığın olana kadar bekleriz ve sonra hepsini bir kerede işleriz. Akıştaki şeyleri gerçekten işleyebileceğimiz bir duruma geçiyoruz. Akıştaki şeyleri işleyebilirsek, tuttuğumuz veri yığınları akıştaki verileri işlemek için başvurmamız gereken statik veriler olacaktır.
Bu bizi bu özel şeye götürüyor. Bunu daha önce biyolojik analoji ile yapılan bazı sunumlarda belirtmiştim. Düşünmenizi istediğim yol şu anda biz insanız. Gerçek zamanlı tahmin işleme için üç ayrı ağımız var. Bunlara somatik, otonom ve enterik denir. Enterik midenizdir. Otonom sinir sistemi kavga ve uçuşlara bakar. Aslında çevreye hızlı tepkiler veriyor. Vücudun hareketinden sonra görünen somatik. Bunlar gerçek zamanlı sistemlerdir. Bununla ilgili ilginç şey - ya da bence ilginç bir şey - birçoğu hayal edebileceğinizden daha öngörücü. Sanki yüzünüzden yaklaşık 18 inç uzakta bir ekrana bakıyormuşsunuz gibi. Açıkça görebildiğiniz her şey, vücudunuzun açıkça görebildiği her şey aslında 8 × 10 dikdörtgen hakkında. Bunun dışındaki her şey aslında vücudunuzla ilgili olarak bulanıktır, ancak zihniniz aslında boşlukları doldurur ve bulanıklaştırmaz. Hiç bir bulanıklık görmüyorsunuz. Açıkça görüyorsun. Zihniniz aslında bu netliği görebilmeniz için veri akışının tahmini yöntemini yapıyor. Bu biraz merak uyandırıcı bir şey ama aslında sinir sisteminin işleyiş şekline ve etrafta dolaşıp mantıklı davranma şeklimize - en azından bir kısmımız - makul bir şekilde mantıklı ve her şeye çarpmamaya bakabilirsiniz.
Her şey burada bir dizi sinirsel analiz ölçeği ile yapılır. Olanlar, kuruluşların aynı türden şeylere sahip olacağı ve aynı türden bir şey inşa edeceği ve örgütün iç akışları da dahil olmak üzere akışların işlenmesi olacak - içinde olan şeyler bu, onun dışında olan şeyler, aslında yapılması gereken anlık tepkiler elbette karar vermek, tüm bunları gerçekleştirmek için insanı beslemek. Görebildiğim kadarıyla oraya gidiyoruz.
Bunun bir sonucu olan şeylerden biri, akış uygulamasının seviyesinin iyi gitmesidir. Şimdi gördüğümüzden çok daha fazla şey olacak. Şu anda, bariz olan şeyleri yapmanın düşük asılı meyvesini alıyoruz.
Her neyse, buradaki sonuç. Analitik akışı bir zamanlar bir niş olmakla birlikte, ana akım haline geliyor ve yakında genel olarak kabul edilecek.
Bununla, Rebecca'ya geri vereceğim.
Rebecca Jozwiak: Çok teşekkür ederim, Robin. Her zamanki gibi büyük sunum.
Anand, sırada sen varsın. Zemin sizindir.
Anand Venugopal: Harika. Teşekkür ederim.
Benim adım Anand Venugopal ve StreamAnalytix'in Ürün Başkanıyım. Los Gatos, California'dan Impetus Technologies tarafından sunulan bir üründür.
Impetus, büyük işletmeler için büyük bir veri çözümleri sağlayıcısı olma konusunda büyük bir geçmişe sahiptir. Aslında bir hizmet şirketi olarak bir dizi akış analizi uygulaması yaptık ve birçok ders aldık. Ayrıca son birkaç yılda bir ürün şirketi ve çözüm odaklı şirket olma yolunda ilerledik ve akış analizi, Impetus'u büyük ölçüde ürün odaklı bir şirkete dönüştürme sorumluluğunu taşıyor. İşletmelere maruz kalmamız sayesinde Impetus'un temizlediği bazı kritik, çok ama çok önemli varlıklar vardır ve StreamAnalytix bunlardan biridir.
20 yıldır faaliyet gösteriyoruz ve bize büyük bir avantaj sağlayan harika bir ürün ve hizmet karışımı var. StreamAnalytix, ilk beş veya altı akış uygulamamızdan öğrenilen tüm derslerden doğdu.
Birkaç şeye değineceğim, ancak analistler, Dez ve Robin, genel alanı kaplamak için harika bir iş çıkardılar, bu yüzden örtüşen birçok içeriği atlayacağım. Muhtemelen hızlı gideceğim. Gerçek akış durumlarının yanı sıra, işletmelerde kelimenin tam anlamıyla çok, çok önemli toplu işlemlerin olduğu çok sayıda toplu hızlandırma kullanan görüyoruz. Gördüğünüz gibi, bir olayı algılama ve bu olayı analiz etme ve buna göre hareket etme döngüsü büyük işletmelerde aslında haftalar alabilir ve hepsi de dakikalar ve bazen saniye ve milisaniye kadar küçültmeye çalışıyor. Bu nedenle, tüm bu toplu işlemlerden daha hızlı olan her şey iş kazanımı için adaydır ve verilerin değerinin yaşıyla birlikte önemli ölçüde azaldığı çok iyi bir şeydir, bu nedenle, gerçekleştiği saniyeler içinde ilk kısımda daha fazla değer vardır. İdeal olarak, ne olacağını tahmin edebiliyorsanız, bu en yüksek değerdir. Bir sonraki en yüksek değer, gerçekleştiği anda orada olduğu zaman onu analiz edebilir ve yanıtlayabilirsiniz. Tabii ki, değer bundan sonra, içinde bulunduğumuz ana kısıtlayıcı BI'yi önemli ölçüde azaltır.
İlginç. Analitik akışının neden önemli bir bilimsel yanıt bekleyebilirsiniz. Birçok durumda, gördüğümüz şey şu anda mümkün olduğundan ve herkes partinin eski olduğunu bildiği için, parti sıkıcı ve parti serin değil. Herkesin şu anda yayınlanmasının mümkün olduğu ve herkesin şimdi Hadoop'a sahip olduğu konusunda yeterince eğitim var. Şimdi Hadoop dağıtımları, fırtına veya kıvılcım akışı ve Kafka gibi mesaj kuyrukları içine gömülü bir akış teknolojisine sahiptir.
Gördüğümüz işletmeler buna giriyor ve bu vakaları denemeye başlıyor ve iki geniş kategori görüyoruz. Kişinin müşteri analizi ve müşteri deneyimi ve ikinci operasyonel zeka ile ilgisi vardır. Biraz sonra bununla ilgili bazı ayrıntılara gireceğim. Tüm müşteri hizmetleri ve müşteri deneyimi açısı ve Impetus StreamAnalytix'te bunu birçok farklı şekilde yaptık, gerçekten çok, tüketicinin çok kanallı katılımını gerçek zamanlı olarak yakalamak ve onlara çok, çok bağlama duyarlı deneyimler sunmak Bugün yaygın olmayan Web'de, Bank of America web sitesinde geziyorsanız ve bazı ürünleri araştırıyorsanız ve çağrı merkezini aramanız yeterlidir. “Hey Joe, bazı bankacılık ürünlerini araştırdığınızı biliyorum, sizi doldurmamı ister misiniz?” Derlerdi. Bugün bunu beklemiyorsunuz, ancak bu, analitik akışıyla gerçekten mümkün olan bir deneyim. Birçok durumda, özellikle müşteri, web sitenizdeki erken fesih hükümlerine veya erken fesih hüküm ve koşullarına bakarak ve daha sonra arayabilir ve yapamıyorsanız, sizinle sözleşme yapmanın yollarını araştırmaya başlarsa büyük bir fark yaratır. doğrudan bunlarla yüzleşin, ancak dolaylı olarak bir tür ilk promosyon hakkında bir teklifte bulunun, çünkü sistem bu kişinin erken fesihte olduğunu biliyor ve bu teklifi o noktada yaparsınız, o çalkalanan müşteriyi çok iyi koruyabilir ve bu varlığı koruyabilirsiniz .
Bu bir örnek olacaktır, ayrıca birçok müşteri hizmetleri de çok iyi örneklerdir. Bugün uyguladığımız çağrı merkezindeki maliyeti düşürmenin yanı sıra, etkileyici hoş müşteri deneyimleri de sağlıyoruz. Dez bazı kullanım örneklerini özetlemekte çok başarılı oldu. Bu tabloya birkaç dakika bakabilirsiniz. Dikey, yatay ve kombo alanlar, IoT, mobil uygulama ve çağrı merkezi olarak sınıflandırdım. Hepsi dikey ve yatay. Bu ona nasıl baktığınıza bağlıdır. Sonuç olarak, endüstri sektörlerinde oldukça yaygın olan çok sayıda yatay kullanım görüyoruz ve finansal hizmetler, sağlık, telekom, imalat vb. Gibi dikey spesifik kullanım durumları var. Kendinize gerçekten soruyorsanız veya kendinize söylüyorsanız ki, “oh, hangi kullanım durumlarının olduğunu bilmiyorum. Şirketim veya şirketimiz için akış analizinde gerçekten herhangi bir iş değeri olup olmadığından emin değilim. ” Daha fazla kişiyle konuşun çünkü şirketinizde bugün geçerli olan kullanım durumları vardır. İşletme değerinin tam olarak nasıl elde edildiğine ilişkin işletme değerine gireceğim.
Buradaki piramidin altında, tahmini bakım, güvenlik, karmaşa koruması vb. Var. Bu tür kullanım durumları gelirlerin ve varlıkların korunmasını oluşturur. Target saatler ve haftalar boyunca meydana gelen güvenlik ihlallerini koruduysa, CIO işini kurtarabilirdi. Onlarca veya yüz milyonlarca dolar, vb. Tasarruf edebilir. Gerçek zamanlı akış analizi, bu varlıkların korunmasına ve kayıpların korunmasına gerçekten yardımcı olur. Bu doğrudan iş katma değeri.
Bir sonraki kategori daha kârlı hale geliyor, maliyetinizi düşürüyor ve mevcut operasyondan daha fazla gelir elde ediyor. Mevcut işletmenin verimliliği budur. Bunlar, ağın nasıl davrandığına, müşteri operasyonlarınızın nasıl davrandığına, iş sürecinizin nasıl davrandığına ve ince ayar yapabileceğinize dair gerçek zamanlı operasyonel zeka dediğimiz kullanım kategorileridir. tüm bunlar gerçek zamanlı olarak geri bildirim aldığınız için uyarı alırsınız. Gerçek zamanlı sapmalar, sapmalar elde edersiniz ve sınırların dışına çıkan süreci hızlı bir şekilde harekete geçirebilir ve ayırabilirsiniz.
Ayrıca, pahalı sermaye yükseltmelerinde ve gerekli olduğunu düşündüğünüz ve ağ hizmetini optimize ederseniz gerekli olmayabilecek birçok paradan tasarruf edebilirsiniz. Büyük bir telko ağ ağlarında 40 milyon dolarlık bir yükseltmeyi ertelediği bir durum duyduk, çünkü mevcut trafiklerini yönetmek için yeterli kapasiteye sahip olduklarını gördüler, bu da trafiklerini ve bunun gibi şeyleri akıllıca yönlendirmeyi optimize ederek ve daha iyi yaparak. Bunların hepsi sadece gerçek zamanlı analizlere ve gerçek zamanlı analizlere dayanan eylem mekanizmalarıyla mümkündür.
Bir sonraki katma değer seviyesi, mevcut tekliflerden daha fazla gelir ve kar elde etme fırsatlarının olduğu, yukarı satış, çapraz satıştır. Bu, çoğumuzun nerede yaşadıklarını bildiği klasik bir örnektir, hayatınızda bugün size sunulmayan bir ürün satın almak istediğiniz yeri düşünürsünüz. Birçok, birçok durumda, bu aslında olur. Aklınızda, satın almak istediğinizi bildiğiniz, yapılacaklar listeniz veya başka bir şey olduğu, karınızın size söylediği veya bir eşiniz yoksa ama gerçekten satın almak istediğiniz bir şey var. ve bir web sitesinde alışverişe gidiyorsunuz veya bir perakende mağazasında etkileşime giriyorsunuz, mağaza sadece içeriğe sahip değil, ihtiyacınız olan şeyi hesaplamak için zekâya sahip değil. Dolayısıyla, işlerini güvenli hale getirmezler. Akış analizleri gerçekten doğru tahminler yapmak için dağıtılabiliyorsa ve bu özel bağlama en uygun olanı gerçekten mümkün kılıyorsa, bu müşteri şu anda bu yerde çok fazla satış ve çapraz satış var ve yine akışkan analitiği - bu müşterinin bir fırsat olduğunda o gerçek zamanda satın alma veya yanıt verme olasılığı hakkında bir eğilim kararı verebilme. Bu yüzden Dez'in ayı ile gösterdiği o resmi çok seviyorum, o balığı yemeye hazır. Hepsi bukadar.
Ayrıca, tamamen başka bir işletmenin davranışını gözlemlemeye dayanan, tamamen müşteri davranışını gözlemlemeye dayalı tamamen yeni ürün ve hizmetler sunan bir işletmede çarpıcı, dönüşümsel değişikliklerin olduğu büyük bir kategori olduğunu düşünüyoruz. Diyelim ki, bir telco veya bir kablo şirketi, pazarın hangi segmentinde görüntülediği müşterilerin kullanım alışkanlıklarını, hangi zamanda hangi programı vb. Gözlemliyorsa, aslında neredeyse yalvarılan ürünler ve hizmetler oluşturuyorlar. bir şekilde. Dolayısıyla, şu anda neredeyse tüm bunları aldığımız çoklu ekran davranışı kavramı, mobil uygulamalarımızda TV veya kablo içeriğini görebildiğimizi gösteriyor. Bu örneklerden bazıları bize sunulan yeni ürün ve hizmetlerden geliyor.
Ben, “Analitik akışının mimari düşünceleri nelerdir?” İçine gireceğim. Sonuçta yapmaya çalıştığımız şey bu. Bu, tarihsel verileri ve gerçek zamanlı bilgileri birleştirip aynı anda gördüğünüz Lambda mimarisidir. Sigma bunu sağlar. Bugün hepimizin toplu mimarisi ve kurumsal resmi var. Bir çeşit BI yığınına ve kullanım yığınına giriyoruz ve Lambda mimarisi eklendi. Hız katmanı ya da ihtiyaç ve Lambda, bu iki içgörü birleştirmek ve bunu birleşik bir şekilde, her iki içgörü birleştiren zengin bir şekilde görmekle ilgilidir.
Kappa mimarisi olarak adlandırılan ve hız katmanının uzun vadede devam edecek tek girdi mekanizması olduğu önerilen başka bir paradigma var. Her şey bu hız katmanından gelecek. Çevrimdışı bir ETL mekanizması bile olmayacak. Tüm ETL gerçekleşecek. Temizleyin, veri temizliği, kalite ETL - bunların hepsi telde gerçekleşecek, çünkü tüm verilerin gerçek zamanlı olarak doğduğunu unutmayın. Bir noktada, gerçek zamanlıydı. Bunu göllere, nehirlere ve okyanuslara koymaya alıştık, ardından statik analiz yaparak verilerin gerçek zamanlı bir noktada doğduğunu unuttuk. Tüm veriler gerçek zamanlı olarak gerçekleşen gerçek zamanlı bir olay olarak doğar ve bugün gölde bulunan verilerin çoğu daha sonraki bir analiz için veritabanına konmuştur ve şimdi Lambda ve Kappa mimarisinde avantajımız var. görüyor, analiz ediyor, ön işlem görüyor ve geldiği zaman ona tepki veriyor. Bu teknolojiler bunu mümkün kılıyor. Genel bir resim olarak baktığınızda, içinde Hadoop'un bulunduğu, MPP'lerin ve zaten sahip olduğunuz veri ambarlarının olduğu bir şeye benziyor.
Bunu koyduk çünkü sadece bir adadaki yeni teknolojiler hakkında konuşmak değil. Bütünleşmek zorundalar. Mevcut kurumsal bağlamda bir anlam ifade etmek zorundalar ve işletmelere hizmet eden çözüm sağlayıcılar olarak buna çok duyarlıyız. İşletmelere her şeyi entegre etmelerinde yardımcı oluyoruz. Sol tarafta hem Hadoop hem de veri ambarı katmanlarına ve üstteki gerçek zamanlı katmana veri kaynağı var ve bu varlıkların her biri gördüğünüz gibi stok bilgisayarlar ve veri tüketim katmanı sağda yan. Bugün mevcut olan uyumluluk, yönetişim, güvenlik, yaşam döngüsü yönetimi, vb. Çoğunluğu taşımak için sürekli çaba sarf edilmektedir ve hepsi bu yeni teknolojiye toplanmıştır.
Akış analizinin yapmaya çalıştığı şeylerden biri, bugün manzaraya bakarsanız, akış teknolojisi manzarasında olup biten çok şey var ve kurumsal bir müşteri açısından, anlaşılması gereken çok şey var. Buna ayak uyduracak çok şey var. Sol tarafta veri toplama mekanizmaları var - NiFi, Logstash, Flume, Sqoop. Açıkçası, bunun kapsamlı olmadığını söyleyen bir sorumluluk reddi beyan ettim. Mesaj kuyruklarına geliyor ve daha sonra açık kaynaklı akış motorlarına geliyor - Storm, Spark Streaming, Samza, Flink, Apex, Heron. Heron muhtemelen henüz açık kaynak değil. Twitter'dan olup olmadığından emin değilim. Bu akış motorları daha sonra karmaşık olay işleme, makine öğrenimi, tahmine dayalı analitik, uyarı modülü, akış ETL'si, zenginleştirme istatistiksel işlem filtreleri gibi bir kurulum analitik uygulama bileşenine yönlendirir veya bunları destekler. Bunların hepsi şimdi operatörler olarak adlandırdığımız şeyler. Bir araya getirildiğinde bu operatörlerin seti, gerektiğinde bir akış motorunda çalışan bir akış uygulaması haline geldiğinde, muhtemelen bazı özel olarak sonuçlandırılacaktır.
Bu bileşen zincirinin bir parçası olarak, verileri en sevdiğiniz dizine, en sevdiğiniz dizine depolamanız ve dizine eklemeniz gerekir. Ayrıca önbellek dağıtmak zorunda kalabilirsiniz ve bu da üst kısımdaki sağ taraftaki veri görselleştirme katmanına ticari ürünlere veya açık kaynaklı ürünlere yol açacaktır, ancak sonuçta bu verileri gerçek zamanlı olarak görselleştirmek için bir çeşit ürüne ihtiyacınız vardır. Ayrıca, bazen diğer uygulamaları da anlamanız gerekir. Hepimiz, yalnızca içgörü üzerine yaptığınız eylemden türetilen değerlerin, bu eylemin analitik bir desteden başka bir uygulama yığınına bir tetikleyici olacağını ve belki de IVR tarafında bir şey olduğunu veya bir çağrı merkezini tetikleyeceğini gördük giden arama veya bunun gibi bir şey. Akışaşağıdaki diğer veri gönderme uygulamalarını tetiklemek için bu sistemleri entegre etmeli ve akış kümeniz için bazı mekanizmalara ihtiyacımız var.
Soldan sağa gitmenin toplam yığını budur. Daha sonra servis katmanları, orta izleme, güvenlik genel servis katmanı vb. Var. Müşterilerin söylediğim gibi tüm ticari akışları olan Hadoop dağıtımları gibi kurumsal alanda hangi ürünleri gördüklerini ve ticari veya tek - açıkça rakiplerimizde bulunan satıcı çözümleri. Burada bahsetmediğimiz daha pek çok şey var.
Gördüğünüz şey, genel olarak kurumsal kullanıcının gördüğü şeydir. Gördüğünüz gibi, akış işleme için karmaşık ve hızla gelişen bir teknoloji ortamı. Seçimi ve kullanıcı deneyimini basitleştirmeliyiz. İşletmelerin gerçekten ihtiyaç duyduğunu düşündüğümüz şey, kullanımı basitleştiren ve tüm hareketli parçaları açığa çıkarmayan tüm teknolojileri bir araya getiren tek noktadan, kullanımı kolay arayüzde bunların hepsinin işlevsel soyutlamasıdır. ve degradasyon sorunları ve performans sorunları ile işletme için yaşam döngüsü bakım sorunları.
İşlevsel soyutlama biridir. İkinci bölüm, akış motoru soyutlamasıdır. Akış motorları ve açık kaynaklı alanlar şimdi her üç, dört veya altı ayda bir geliyor. Uzun zamandır fırtınaydı. Samza geldi ve şimdi Spark Streaming. Flink dikkat çekmeye başlayarak başını kaldırıyor. Spark Streaming yol haritası bile, saf olay işleme için potansiyel olarak farklı bir motor kullanmanın bir yolunu yapıyorlar çünkü Spark'ın toplu iş için tasarlandığını ve potansiyel olarak farklı bir görünüme sahip olmaları için mimari vizyonunda ve yol haritalarında bir yol yaptığını fark ediyorlar. Spark Streaming'deki mevcut mikrobatch modeline ek olarak akış işleme için motor.
Çok fazla evrim olacağını iddia etmek zorunda olduğunuz bir gerçek. Kendinizi bu teknoloji akışından korumanız gerekiyor. Çünkü varsayılan olarak, bir tane seçmeniz ve ardından onunla yaşamak zorunda kalacaksınız, ki bu optimal değil. Eğer ona başka bir şekilde bakarsanız, “tamam, bir kilitlemenin olmadığı özel bir platform satın almam gerekiyor, açık kaynak kaldıracı yok, çok yüksek maliyet ve sınırlı olabilir kendi başınıza yapmanız gereken tüm bu açık kaynak yığınına karşı esneklik. ”Yine, dediğim gibi, pazara girmenin maliyeti ve gecikmesi çok fazla. Dediğimiz şey StreamAnalytix, kurumsal sınıf, güvenilir, tek satıcı, profesyonel hizmet destekli bir araya getiren harika bir platformun bir örneğidir - hepsi gerçekten bir işletme olarak ihtiyacınız olan ve açık kaynak ekosisteminin esneklik gücünü tek bir platform onları bir araya getiriyor - Ingest, CEP, analitik, görselleştirme ve bunların hepsi.
Ayrıca, çok farklı teknoloji motorlarını tek bir kullanıcı deneyiminin altında bir araya getiren çok ama çok benzersiz bir şey de yapar. Geleceğin birden fazla akış motoru kullanabilmek olduğunu düşünüyoruz çünkü farklı kullanım durumları gerçekten farklı akış mimarileri talep ediyor. Robin'in dediği gibi, bir dizi gecikme var. Gerçekten milisaniye gecikme seviyesi, onlarca hatta yüzlerce milisaniye hakkında konuşuyorsanız, daha az yumuşaklık veya yumuşak zaman aralığı ve belki birkaç saniye içinde gecikmeler için eşit derecede olgunlaşmış başka bir ürün olana kadar şu anda gerçekten Storm'a ihtiyacınız var, üç, dört, beş saniye, o aralıkta Spark Streaming kullanabilirsiniz. Potansiyel olarak, her ikisini de yapabilen başka motorlar da vardır. Alt satırda, büyük bir kuruluşta, her türlü kullanım durumu olacaktır. Erişim ve genelliğin bir kullanıcı deneyimine sahip birden fazla motora sahip olmasını gerçekten istiyorsunuz ve StreamAnalytix'te geliştirmeye çalıştığımız şey bu.
Sadece mimariye hızlı bir bakış. Bunu biraz daha çalışacağız, ancak aslında sol tarafta birden fazla veri kaynağı var - Kafka, RabbitMQ, Kinesis, ActiveMQ, tüm bu veri kaynakları ve mesaj kuyrukları, akış işleme platformuna geliyor. ETL'ler gibi operatörlerden, bahsettiğimiz tüm şeyleri sürükleyip bırakabileceğiniz bir uygulama monte edersiniz. Altında birden fazla motor var. Şu anda, endüstrilerin tek ve çoklu motor desteğine sahip ilk kurumsal sınıf akış platformu olarak Storm ve Spark Streaming var. Bu, gerçek zamanlı gösterge tablolarına sahip olmanın diğer tüm esnekliklerinin yanı sıra sunduğumuz çok benzersiz, esnekliktir. CET motoru gömülü. Hadoop ve NoSQL indeksleri, Solr ve Apache indeksleri ile kusursuz entegrasyona sahibiz. Ne olursa olsun en sevdiğiniz veritabanına inebilir ve gerçekten hızlı bir şekilde uygulamalar oluşturabilir ve gerçekten hızlı bir şekilde pazara girebilir ve geleceğin kanıtı olarak kalabilirsiniz. StreamAnalytix'teki tüm mantramız budur.
Bununla birlikte, sözlerimi tamamlayacağım. Daha fazla soru için bize gelmekten çekinmeyin. Soru-cevap ve panel tartışması için zemini açık tutmak istiyorum.
Rebecca, sana geldim.
Rebecca Jozwiak: Harika, tamam. Çok teşekkür ederim. Dez ve Robin, izleyiciye soru cevap sormadan önce sorularınız mı var?
Robin Bloor: Bir sorum var. Beni duyabilmek için kulaklıklarımı takacağım. İlginç şeylerden biri, eğer bunu bana nazikçe söyleyebilseydiniz, açık kaynaklı alanda gördüğüm şeylerin çoğu bana olgunlaşmamış dediğim şeye benziyor. Bir anlamda, evet çeşitli şeyler yapabilirsiniz. Ama görünüşe göre gerçekte ilk veya ikinci sürümde yazılıma bakıyoruz ve sadece bir organizasyon olarak deneyimlerinizi, Hadoop ortamının olgunlaşmamışlığını ne kadar sorunlu olarak gördüğünüzü merak ediyordum ya da olmayan bir şey mi? t Çok fazla sorun yaratmıyor mu?
Anand Venugopal: Bu bir gerçek, Robin. Kesinlikle haklısın. Olgunlaşmamışlık sadece işlevsel istikrar ve şeyler alanında değil, belki de bazı durumlarda. Ancak olgunlaşmamışlık daha çok kullanıma hazırdır. Açık kaynaklı ürünler ortaya çıktıkça ve Hadoop dağıtımı tarafından sunulduklarında bile, hepsi çok farklı yetenekli ürünler, bileşenler sadece tokatlandı. Sorunsuz bir şekilde birlikte çalışmazlar ve haftalar içinde bir akış analizi uygulaması dağıtmak için Bank of America veya Verizon veya AT&T gibi sorunsuz bir kullanıcı deneyimi için tasarlanmamıştır. Kesinlikle bunun için tasarlanmamıştır. İçeri girmemizin nedeni bu. Onu bir araya getiriyoruz ve anlamayı, konuşlandırmayı vb. Gerçekten kolaylaştırıyoruz.
İşlevsel olgunluğu, bence büyük ölçüde orada. Birçok büyük işletme bugün örneğin Storm kullanıyor. Birçok büyük işletme bugün Spark Streaming ile oynuyor. Bu motorların her birinin yapabilecekleri konusunda sınırlamaları vardır, bu yüzden her motorla ne yapabileceğinizi ve yapamayacağınızı bilmek önemlidir ve başınızı duvara kırmanın ve “Bakın I Spark Streaming'ı seçti ve bu sektörde benim için çalışmıyor. ”Bu işe yaramayacak. Spark Streaming'ın en iyi seçenek olacağı kullanım durumları olacak ve Spark Streaming'ın sizin için çalışmayabileceği kullanım örnekleri olacak. Bu yüzden gerçekten birden fazla seçeneğe ihtiyacınız var.
Robin Bloor: Bunun için uzman ekiplere sahip olmanız gerekiyor. Yani bununla nereden başlayacağımı bile bilmiyorum. Yetenekli bireylerin mantıklı bir ortak eylemi. Katılımın nasıl gerçekleştiğini ve nasıl gerçekleştiğini merak ediyorum. Çünkü belirli bir şirket belirli bir uygulamadan sonra mı yoksa bir platformun bir sürü şey yapmasını istedikleri yerde stratejik benimseme dediğim şeyi görüyor musunuz?
Anand Venugopal: Her ikisinin de örneklerini görüyoruz, Robin. Herkesin bildiği ilk on markanın bazıları çok stratejik bir yoldan gidiyor. Çeşitli kullanım durumlarına sahip olacaklarını biliyorlar, bu nedenle bu ihtiyaca uygun platformları değerlendiriyorlar, bu da bir işletmeye dağıtılacak çok kiracılı bir şekilde çeşitli farklı kullanım durumları. Başlayan tek kullanımlık vaka hikayeleri de var. Bir ipotek şirketinde üzerinde çalıştığımız ve ilk kullanım durumu olarak hayal etmeyeceğiniz belirli bir iş etkinliği izleme tipi kullanım durumu var, ancak bu ortaya çıktıkları iş çözümü veya kullanım durumu ve daha sonra noktaları akışa bağladık . Biz de, “Biliyor musun? Bu, analiz akışı için harika bir durum ve bunu bu şekilde uygulayabiliriz. ”İşte böyle başlıyordu. Sonra, bu süreçte eğitilirler ve derler ki, “Vay canına, eğer bunu yapabilirsek ve bu genel bir platformsa, uygulamayı ayırabilir, platformda katmanlaştırabilir ve bu konuda birçok farklı uygulama oluşturabiliriz. platformudur.”
Robin Bloor: Dez, sorunuz var mı?
Anand Venugopal: Dez muhtemelen sessiz durumda.
Dez Blanchfield: Özür dileriz, sessiz. Kendim iyi konuştum. Sadece Robin'in orijinal gözlemini takip ederek, kesinlikle haklısın. Bence şu anki zorluk, işletmelerin bir ekosisteme ve özgür ve açık kaynaklı yazılımların kendileri tarafından bilinen bir şey olduğu kültürel ve davranışsal bir ortama sahip olmaları ve Firefox gibi araçları tarayıcı olarak kullanabilmeleri ve iyi bir şekilde sahip olmalarıdır. istikrarlı ve güvenli hale gelene kadar ömür boyu. Ancak kullandıkları çok büyük platformlardan bazıları kurumsal düzeyde tescilli platformlardır. Dolayısıyla açık kaynaklı platformları benimsediğimi benimsemek her zaman kültürel veya duygusal olarak karşılaşmaları kolay bir şey değil. Bunu sadece büyük veri ve analitikle temel bir kavram olarak oynamak için yerel projeler olan küçük programların benimsenmesinde gördüm. Bence en önemli zorluklardan biri, onları şimdi kuruluşlar arasında gördüğünüze eminim, sonucu elde etme arzusu ama aynı zamanda bir ayağını bu ürünü satın alabilecekleri eski kutuya yapıştırarak “Büyük bir marka ekleyin” Oracle, IBM ve Microsoft. Bu yeni ve bilinen markalar Hadoop platformları ve daha fazlası ile geliyor. Akış gibi son teknolojiye sahip daha heyecan verici markalar geliyor.
Bu tarz bir konuşma ya da bununla uğraştığınız türden konuşmalar nelerdir? Bu sabah büyük bir katılımımız olduğunu biliyorum ve herkesin aklında olan bir şey var: “Tüm bu zorlu katmanı tahtadan yönetim seviyesine nasıl kesebilirim, oh bu çok açık kaynak ve çok kanama kenarı? "Müşterilerle yaptığınız görüşmeler nasıl gidiyor ve StreamAnalytix'in beğenilerini benimsemeyi düşünmek için bu tür korkuları ortadan kaldırdığınız noktaya nasıl yaklaşıyorsunuz?
Anand Venugopal: Müşterilerimiz doğal olarak tercih edilen bir seçenek olarak açık kaynağa doğru ilerlediğinden değer teklifimizi satmayı oldukça kolay buluyoruz. Kolayca vazgeçip “Tamam, şimdi açık kaynak yapacağım” demiyorlar. Aslında büyük bir ürünün çok kararlı bir değerlendirmesinden geçiyorlar, diyelim ki bu bir IBM veya tipik bir ürün, çünkü bu satıcı ilişkileri. Bize veya açık kaynaklı motora bu ürüne karşı davranmazlardı. Altı ila sekiz ila on iki haftalık bir değerlendirme sürecinden geçeceklerdir. Kendilerini burada istediğim bir derece performans ve istikrar olduğuna ikna edecekler ve sonra akıllarını “Vay canına, biliyorsun, bunu gerçekten yapabilirim” diyerek oluşturuyorlar.
Bugün, örneğin, yığın analizinin çoğunda üretimde akış analizi yapan büyük bir telco var ve bunu çok çok iyi bilinen başka bir satıcıya karşı değerlendiriyorlar ve ancak hepsini kanıtladıktan sonra ikna oldular performans, istikrar ve tüm bu şeyler. Bunu kabul etmediler. Açık kaynakların değerlendirmelerinde yetkin olduğunu keşfettiler ve en kötü durumun, “Belki de yapamayacağım iki kullanım durumu olduğunu, ancak günümüzde ivme kullanım durumlarının çoğunun açık kaynakla oldukça mümkün olduğunu fark ettiler. istifliyoruz ”diye konuştu. İşte buradaki büyük tatlı nokta. Açık kaynağı istiyorlardı. Gerçekten uzun yıllardır alışkın oldukları satıcı kilitleme durumundan çıkmak istiyorlar. Sonra buraya gelip “Biliyor musunuz, açık kaynağı sizin için kullanımı çok daha kolay ve dostça yapacağız” diyoruz.
Dez Blanchfield: Sanırım işletmelerin bulduğu diğer zorluk, geleneksel görevdeki kişileri getirdikleri zaman, burada bahsettiğimiz heyecan verici şeylerin kanama kenarının bir kısmının arkasında bir nesil olduklarını ve bunun negatif hafif. Sadece gerçek şu ki, geçmesi gereken istikrarlı platformları, eski okul gelişimini ve UATN entegrasyon döngülerini, testlerini ve dokümantasyonunu ve pazarlama ve satışları serbest bırakmak için bir nesil ve yolculuğa sahip olmaları. Yaptığınız tipte, düşünmek istediğim şey, dün gece en son sürümlerinize bir çeşit araştırma işi yaparken bakmak, şu anda bu karışımı elde ettiğiniz yerde açık bir danışmanlık ve uygulama açısından yetkinliğe sahip olmanın yanı sıra, bir araya gelebileceğiniz bir desteniz de var. Sanırım görevlilerin bir süre mücadele edeceği yer burası. Piyasada yaptığım gibi birçoğunu gördük. Sık sık yakalama düğümleri olarak adlandırdığım şeylerde bulunurken, dışarıda olduğunuzda bize söylediklerinizden bu konuşmaları yaparsınız ve orada uygularsınız.
Bize evlatlık gördüğünüz bazı sınır sektörlerinden birkaç örnek verebilir misiniz? Örneğin, roket bilimi ve uyduları uzaya koyma ve Mars'tan veri toplama gibi gerçekten nichey ortamı var. Bunu gezegende sadece bir avuç insan yapıyor. Ancak sağlık gibi büyük sektörler var, örneğin havacılık, nakliye ve lojistik, imalat ve mühendislik, şimdiye kadar gördüğünüz daha büyük ve daha geniş endüstri sektörlerinin gerçekten iyi gördüğünüz birkaç örneği var evlat edinme?
Anand Venugopal: Telco buna büyük bir örnek.
Burada slaytlarımı çabucak tamir edeceğim. Slaytı burada görebiliyor musunuz, örnek olay 4?
Bu, set üstü kutu verilerini alan ve onunla birden fazla şey yapan büyük bir telco örneğidir. Müşterilerin gerçek zamanlı olarak gerçekte ne yaptığını inceliyorlar. Set üstü kutularda gerçek zamanlı olarak hataların nerede olduğuna bakıyorlar. Bu müşteri şu anda ararsa, bu müşterinin set üstü kutusundaki kod bağlantısı bilgileri, bakım bileti bilgileri, bu müşterinin set üstü kutusunun daha önce bile bir sorun olup olmadığını hızla ilişkilendirir. müşteri bir kelime konuşuyor. Her kablo şirketi, her büyük telekom şirketi bunu yapmaya çalışıyor. Set üstü kutu verilerini alır, reklamlarını yerleştirebilmeleri için gerçek zamanlı analizler yapar, kampanya analizleri yaparlar. Çok büyük bir kullanım durumu var.
Dediğim gibi, yine büyük sistemlerin veri işlemeye katıldığı genel bir model olan bu ipotek şirketi var. Sistem A'dan sistem B'ye sistem C'ye akan veriler ve bunlar, her şeyin tutarlı olması gereken düzenlenmiş işletmelerdir. Sistemler genellikle birbiriyle senkronize olmaz, bir sistem “Toplam değeri 10 milyon dolar olan yüz krediyi işliyorum” diyor. Sistem, “Hayır, diğer bazılarının 110 kredisini işliyorum bunu gerçekten hızlı bir şekilde çözmeleri gerekiyor çünkü aslında aynı verileri işliyor ve farklı yorumlar yapıyorlar.
Kredi kartı, kredi işleme, iş süreci ya da ipotek iş süreci ya da başka bir şey olsun, bu iş süreçlerinin senkronize kalmasını sağlamak için gerçek zamanlı olarak korelasyon ve mutabakat yapmalarına yardımcı oluyoruz. Bu bir başka ilginç kullanım durumu. Anomali tespiti yapmak için DNS trafiğine bakan büyük bir ABD hükümeti yüklenicisi var. Oluşturdukları bir çevrimdışı eğitim modeli var ve gerçek zamanlı trafikte bu modele göre puanlama yapıyorlar. Bu ilginç kullanım durumlarından bazıları. Güvenlik kuyruklarına bakan büyük bir havayolu var ve size şu bilgileri vermeye çalışıyorlar: “Hey, uçuşunuz için uçağınız için kapınız. Bugün TSA kuyruğu, başka bir şeyle karşılaştırıldığında iki saat yerine yaklaşık 45 dakikadır. ” Hala üzerinde çalışıyorlar. İlginç IoT kullanım durumu, ancak müşteri deneyimine doğru akan analitik örneği.
Rebecca Jozwiak: Bu Rebecca. Kullanım senaryoları konusuna girerken, bir izleyici üyesinin harika bir sorusu var: “Bu vaka çalışmaları mı, bu girişimler evin bilgi sistemleri analitik tarafından mı yönlendiriliyor, yoksa daha çok mu yönlendiriliyor? belirli soruları veya ihtiyaçları olan işletme? ”
Anand Venugopal: Sanırım yaklaşık yüzde 60 kadar, yüzde 50 ila yüzde 55, büyük ölçüde çok proaktif, hevesli teknoloji girişimleri görüyoruz, bunlar oldukça anlayışlı ve belirli iş gereksinimlerini anlıyor ve muhtemelen bir sponsorları var ancak bunlar, ticari kullanım vakalarının ortaya çıkması için hazırlanmakta olan teknoloji ekipleridir ve daha sonra yeteneği geliştirdiklerinde, bunu yapabileceklerini bilirler ve sonra işe giderler ve agresif bir şekilde satarlar. Vakaların yüzde 30 ila yüzde 40'ında, işletmenin zaten bir akış analizi analizi için yalvarmakta olan belirli bir kullanım durumu olduğunu görüyoruz.
Rebecca Jozwiak: Bu mantıklı. Bir kitle üyesinden biraz daha teknik bir sorum daha var. Bu sistemlerin Twitter akışlarının veya Facebook yayınlarının tortuları gibi hem yapılandırılmış hem de yapılandırılmamış veri akışlarını gerçek zamanlı olarak destekleyip desteklemediğini merak ediyor mu yoksa başlangıçta filtrelenmesi mi gerekiyor?
Anand Venugopal: Bahsettiğimiz ürün ve teknolojiler, hem yapılandırılmış hem de yapılandırılmamış verileri çok yakın bir şekilde desteklemektedir. Yapılandırılabilirler. İster metin ister XML olsun, tüm veriler bir tür yapıya sahiptir. Zaman damgası beslemesi açısından bazı yapılar vardır. Veri yapılarını ayrıştırmak için akışa ayrıştırmalar enjekte edebilmeniz için ayrıştırılması gereken başka bir damla var. Eğer yapılandırılmışsa, o zaman sisteme “Tamam, virgülle ayrılmış değerler varsa ve birincisi bir dize, ikincisi bir tarihtir” diyoruz, böylece bu ayrıştırma zekasını ekran katmanlarına enjekte edebiliriz ve hem yapılandırılmış hem de yapılandırılmamış verileri kolayca işler.
Rebecca Jozwiak: Seyirciden başka bir sorum daha var. Biliyorum saatin biraz ötesine geçiyoruz. Bu katılımcı bilmek istiyor, gerçek zamanlı akış uygulamaları örneğin işlem sistemlerine, sahtekarlık önleme sistemlerine geri entegrasyon için bir ihtiyaç ve fırsat geliştiriyor gibi görünüyor. Bu durumda, işlem sistemlerinin buna uyması için ayarlanması gerekiyor mu?
Anand Venugopal: Bu bir birleşme, değil mi? İşlem sistemlerinin birleşmesi. Bazen işlemleri gerçek zamanlı olarak analiz ettiğimiz ve birçok durumda bir uygulama akışı olduğunu ve burada statik bir veri arama sitesi göstermeye çalıştığım ve sonra da bir tür akışın ve bir karar veya analitik bir fikir vermek için akış verilerini ve statik verileri birlikte zenginleştirmek için HBase veya RDBMS gibi statik bir veritabanı arıyorsunuz.
Gördüğümüz başka bir büyük endüstri eğilimi daha var - OLAP ve OLTP'nin yakınsaması - ve bu yüzden hem işlemleri hem de analitik işlemeyi aynı anda destekleyen Kudu ve bellek içi veritabanları var. Akış işleme katmanı tamamen bellekte olacaktır ve bu işlem veritabanlarından bazılarına bakacağız veya bunlarla arayüz oluşturacağız.
Rebecca Jozwiak: Karışık iş yükü atlamak için son engellerden biri, sanırım. Dez, Robin, başka sorunuz var mı?
Dez Blanchfield: Son bir soruya atlayacağım ve sakıncası yoksa bunu çözeceğim . Son on yıldır uğraştığım kuruluşların ilk kez bu kadar güçlü bir akış analizi analizine yol açtığı ilk zorluk, bu zorluğun etrafındaki konuşmaya başladığımızda masaya tekrar koyma eğiliminde oldukları şey, beceri setini aldık mı? Beceri setini nasıl yeniden eğitiriz ve bu kabiliyeti dahili olarak nasıl elde ederiz? Impetus'un gelip elini tutması bizi yolculuk boyunca tutuyor ve sonra büyük bir ilk adım olarak uyguluyor ve bunu yapmak çok mantıklı.
Ancak orta ve büyük ölçekli organizasyonlar için, şu anda buna hazırlanmak, bu kabiliyeti dahili olarak oluşturmak, etrafındaki temel bir sözcük dağarcığından herhangi bir şey elde etmek için gördüğünüz şeyler nelerdir ve ne tür mesajlarla yapabilirler? Bu tür bir çerçeveye geçiş ve mevcut teknik personelini BT'den CEO'dan rötuşlamak için organizasyon, böylece inşa edip uyguladıktan sonra bunu kendileri çalıştırabilirler mi? Kısaca, ne tür zorlukları ve bunları nasıl çözdüklerini, uğraştığınız müşterileri, buldukları zorlukların türlerini ve bu eğitime hazırlanmak ve olmak için yeniden eğitim ve deneyim kazanmayı ve yeniden kazanmayı nasıl çözdüklerini operasyonel olarak dolaşmak mümkün mü?
Anand Venugopal: Genellikle, bir akış analiz platformu satın almaya çalışan küçük insanlar Hadoop farkında oldukları için zaten oldukça akıllıdır, Hadoop MapReduce becerilerini zaten kazanmışlardır ve Hadoop ile yakından çalıştıkları için dağıtım satıcısı, ya tanıdık. Mesela her şey Kafka'yı alıyor. Bununla bir şeyler yapıyorlar ve Storm ya da Spark akışı açık kaynak alanlarında. Kesinlikle, insanlar buna aşinadır veya etrafında beceri geliştirirler. Ancak, yeterince yetenekli ve yeterince akıllı küçük bir grup insanla başlar. Konferanslara katılıyorlar. Öğreniyorlar ve satıcılara akıllı sorular soruyorlar ve bazı durumlarda satıcılarla öğreniyorlar. İlk toplantıda satıcılar gelip sunarken, bazı şeyler bilmiyor olabilirler, ancak birlikte okurlar ve sonra onunla oynamaya başlarlar.
Bu küçük insan çekirdeği çekirdektir ve daha sonra büyümeye başlar ve şimdi herkes ilk ticari kullanım durumunun operasyonel hale geldiğini fark eder. Bir dalga başlıyor ve geçen hafta başkent Capital One gibi büyük bir işletmenin orada ve tam güçte olduğu Spark zirvesinde gördük. Spark'ı tercih ediyorlardı. Bunun hakkında konuşuyorlardı. Spark'ta bir çok insanını eğitiyorlar çünkü birçok durumda da kullanıcı olarak katkıda bulunuyorlar. Aynı şeyi birçok büyük işletme için de görüyoruz. Birkaç küçük çok akıllı insanla başlar ve daha sonra genel eğitim dalgasına başlar ve insanlar bir zamanlar kıdemli bir başkan yardımcısının veya bir kez kıdemli bir yönetmenin hizaya geldiğini ve bu şeye bahis oynamak istediklerini ve kelimenin etrafta dolaştığını ve hepsi bu becerileri kazanmaya başlar.
Dez Blanchfield: Eminim o şampiyonları yapmak için harika bir zaman geçirirsiniz .
Anand Venugopal: Evet. İlk şampiyonlarla çalışırken çok fazla eğitim yapıyoruz ve eğitim kursları düzenliyoruz ve birçoğumuz büyük müşterilerimiz için geri döndük ve birçok kullanıcıyı özellikle ana kullanım aşamasına getirmek için dalga ve eğitim dalgaları yaşadık Hadoop MapReduce sitesinde. Müşterimiz olan büyük bir kredi kartı şirketinde en az beş ila sekiz farklı eğitim programı sunduğumuzu tespit ettik. Ayrıca bizimkiler, insanların indirebileceği, alışabileceği ve kendilerini bu şekilde eğitebileceği kum havuzları da dahil olmak üzere tüm bu ürünlerin ücretsiz topluluk sürümlerine sahibiz.
Dez Blanchfield: Bu sabah senin için bu kadarım var. Çok teşekkür ederim. Bugün bizim için aldığınız model türlerini ve kullanım örneklerini görmeyi inanılmaz ilginç buluyorum. Teşekkür ederim.
Anand Venugopal: Harika. Çok teşekkürler millet.
Rebecca Jozwiak: Bu Hot Technologies web yayınında bize katıldığınız için herkese teşekkürler. Dez Blanchfield, Dr. Robin Bloor ve Impetus Technologies, Anand Venugopal'dan duymak büyüleyici. Teşekkür ederim. Teşekkür ederim konuşmacılar ve teşekkürler seyirci. Gelecek ay başka bir Sıcak Teknolojimiz var, bu yüzden ara. İçeriğimizi her zaman Insideanalysis.com adresinde arşivlenmiş olarak bulabilirsiniz. Ayrıca, SlideShare'a çok sayıda içerik ve YouTube'da da bazı ilginç parçalar ekledik.
Hepsi bu kadar millet. Tekrar teşekkürler ve iyi günler. Güle güle.
