Sur son blog dédié à la persistance polyglotte , Martin Fowler proclame :
« Je suis persuadé que si vous lancez une nouvelle application d ' entreprise stratégique , vous ne devriez plus supposer que votre persistance doit être relationnelle . L ' option relationnelle est peut-être la bonne , mais vous devriez envisager sérieusement d ' autres solutions . »
Vous devez associer une charge de travail spécifique à un moteur d ' exécution adapté . Vous pourriez lancer des recherches en texte intégral sur votre entrepôt de données , ou même sur votre cluster MongoDB NoSQL , mais cette approche ne va pas dépasser les performances d ' un moteur de recherche ElasticSearch . Imaginez un monde où l ' entreprise est soutenue par les éléments suivants : un lac de données soutenu par Hadoop Distributed File System ( HDFS ) ; une appliance d ' entrepôt de données de traitement massivement parallèle pour les requêtes intensives conjointes très gourmandes en ressources ; Apache Hive sur Tez avec LLAP pour les requêtes SQL par lot ; Apache Spark pour les activités d ' analyse de flux et d ' apprentissage automatique ; un cluster ElasticSearch pour les analyses basées sur la recherche et un catalogue de produits basé sur MongoDB .
Le développement de l ' infrastructure , des processus et des compétences nécessaires pour tirer parti d ' un ensemble de technologies aussi diversifié et les prendre en charge exige un changement stratégique fondamental et un engagement à long terme de la part de l ' entreprise envers ce changement et son coût .
Le cloud plutôt qu ' une solution sur site
• Comment moderniser notre infrastructure analytique pour prendre en charge un large éventail de charges de travail afin de permettre aux utilisateurs professionnels d ' en tirer le maximum de valeur ?
• Comment le service informatique autorise-t-il le libre-service au détriment de l ' innovation ?
• Comment y parvenir avec la meilleure rentabilité possible ?
Les entreprises doivent sérieusement envisager la migration de leurs charges de travail analytiques vers le cloud . Il s ' agit d ' une infrastructure auto-réparatrice , avec mise à l ' échelle automatique . Elle est dotée de multiples clusters qui prennent en charge de nombreux outils et charges de travail et permettent l ' analyse en libre-service . Le cloud réduira considérablement les temps d ' arrêt et le coût total de possession , avec des performances accrues et une sécurité renforcée .
Chez CTP , nous avons commencé ce processus avec de nombreuses entreprises en évaluant d ' abord soigneusement le portefeuille d ' applications analytiques et en développant un modèle de coût total de possession qui met en évidence les avantages de l ' économie du cloud .
Points principaux à retenir pour la modernisation
Nous croyons sincèrement qu ' il sera de plus en plus difficile pour une entreprise de développer , maintenir et faire évoluer une infrastructure d ' analyse sur site répondant aux besoins complexes et variés en matière de données , d ' analyses et de rapports à l ' échelle de l ' entreprise . Par conséquent , nous émettons l ' hypothèse critique qu ' en tant qu ' entreprise , vous vous engagez à tirer pleinement parti de la technologie de cloud pour moderniser votre entrepôt de données . Voici quelques façons stratégiques de procéder .
26 | THE DOPPLER | PRINTEMPS 2017
Sur son blog dédié à la persistance polyglotte, Martin Fowler proclame :
« Je suis persuadé que si vous lancez une nouvelle application d'entreprise
stratégique, vous ne devriez plus supposer que votre persistance doit être relation-
nelle. L'option relationnelle est peut-être la bonne, mais vous devriez envisager
sérieusement d'autres solutions. »
Vous devez associer une charge de travail spécifi que à un moteur d'exécution
adapté. Vous pourriez lancer des recherches en texte intégral sur votre entrepôt de
données, ou même sur votre cluster MongoDB NoSQL, mais cette approche ne va
pas dépasser les performances d'un moteur de recherche ElasticSearch. Imaginez
un monde où l'entreprise est soutenue par les éléments suivants : un lac de données
soutenu par Hadoop Distributed File System (HDFS) ; une appliance d'entrepôt de
données de traitement massivement parallèle pour les requêtes intensives con-
jointes très gourmandes en ressources ; Apache Hive sur Tez avec LLAP pour les
requêtes SQL par lot ; Apache Spark pour les activités d'analyse de fl ux et d'appren-
tissage automatique ; un cluster ElasticSearch pour les analyses basées sur la
recherche et un catalogue de produits basé sur MongoDB.
Le développement de l'infrastructure, des processus et des compétences néces-
saires pour tirer parti d'un ensemble de technologies aussi diversifi é et les prendre
en charge exige un changement stratégique fondamental et un engagement à long
terme de la part de l'entreprise envers ce changement et son coût.
Le cloud plutôt qu'une solution sur site
• Comment moderniser notre infrastructure analytique pour prendre en
charge un large éventail de charges de travail afi n de permettre aux utilisa-
teurs professionnels d'en tirer le maximum de valeur ?
• Comment le service informatique autorise-t-il le libre-service au détriment
de l'innovation ?
• Comment y parvenir avec la meilleure rentabilité possible ?
Les entreprises doivent sérieusement envisager la migration de leurs charges de
travail analytiques vers le cloud. Il s'agit d'une infrastructure auto-réparatrice, avec
mise à l'échelle automatique. Elle est dotée de multiples clusters qui prennent en
charge de nombreux outils et charges de travail et permettent l'analyse en libre-ser-
vice. Le cloud réduira considérablement les temps d'arrêt et le coût total de posses-
sion, avec des performances accrues et une sécurité renforcée.
Chez CTP, nous avons commencé ce processus avec de nombreuses entreprises en
évaluant d'abord soigneusement le portefeuille d'applications analytiques et en
développant un modèle de coût total de possession qui met en évidence les avan-
tages de l'économie du cloud.
Points principaux à retenir pour la modernisation
Nous croyons sincèrement qu'il sera de plus en plus diffi cile pour une entreprise de
développer, maintenir et faire évoluer une infrastructure d'analyse sur site répon-
dant aux besoins complexes et variés en matière de données, d'analyses et de rap-
ports à l'échelle de l'entreprise. Par conséquent, nous émettons l'hypothèse cri-
tique qu'en tant qu'entreprise, vous vous e ��������ѥɕȁ���������Ё���Ѥ������)ѕ����������������Ր����ȁ����ɹ�͕ȁٽ�ɔ����ɕ��Ё���������̸�Y������Օ��Օ�)�����́��Ʌ�����Օ́����ɽ����ȸ(���Q!�=AA1H���AI%9Q5AL�����