品

多维可扩展性的8个核心维度

在云第一的世界中，可扩展性需要的不仅仅是运行大型查询。了解如何在不影响性能的情况下进行扩展。

概述

我们处于一个数据丰富的时代。数据源和类型比以往任何时候都多。许多组织专注于获取所有数据进行分析，这需要具有多维可扩展性的互联数据分析生态系统。

在颗粒级别运行分析

在一个项目的早起，它们通常为特定的用例而设计。单个用例和一次一个数据产品的方法没有扩展性。我们需要的是互联的企业分析多云数据平台，该平台可以随时针对任何用户的任何数据进行扩展以回答任何问题。

具有多维可扩展性的平台可同时提高八个核心维度的功能，而不会对其他领域产生负面影响。在这个级别上扩展，通过授权企业每天每秒钟在数万亿次交互中运行数百万个模型，从而提供未来企业所需的先进能力。这种类型的可扩展性还允许公司以精细的客户、服务和货币水平进行分析。

克服数据分析复杂性

许多技术无法处理针对数据量和并发查询复杂度的不断增加。当技术不能满足这种复杂程度时，他们会寻找其他方面的捷径和妥协。

为了处理并发查询的显著增加，这些技术要求用户：

降低查询的复杂性
使用各自的平台
添加新的云集
限制用户
高度调谐特定查询

这些操作限制了价值、增加了复杂性、降低了敏捷性和成本。它们还限制了未来的敏捷性，限制了跨功能业务问题的能力，并限制了用户随时提出任何问题的灵活性。这就是为什么企业分析的互联多云数据平台必须提供超大可扩展能力。

云第一世界中可扩展性的5项要求

为了在云第一的世界中扩展，公司需要一个支持这五个元素的现代云数据分析架构：

用弹性伸缩分离计算和存储。

这种现代功能在不浪费额外未使用容量的前提下支持数据和用户的需求。这种弹性使用户能够动态地放大/缩小和启动/停止资源，而无需IT干预。
与第一方云服务集成。

与亚马逊网络服务、微软Azure和谷歌云等服务紧密集成可以加速数据分析生态系统解决方案的部署。
摄入现代数据源。

在单个系统中支持多个数据类型有助于集成数据、消除数据和处理冗余，并支持高级分析。
集成数据管理和可扩展分析。

数据分析平台应统一分析和数据管理，以便在单一易于使用的环境中进行数据探索、建模和分级，并实现数据管理功能的自动化。
动态资源配置和工作负载管理。

平台必须有能力动态管理系统资源和用户工作负载。