Produktivität der Data Teams erhöhen
Databricks führt "SQL Analytics" ein, um Cloud Data Warehousing auf Data Lakes zu ermöglichen
Eine Lakehouse-Architektur vereinfacht die Datenauswertung und die Nutzung der KI
Das Daten- und KI-Unternehmen Databricks, führt "SQL Analytics" ein, damit Data Analysten Workloads direkt in einem Data Lake durchführen können, anstatt in einem Data Warehouse. Damit wird der traditionelle Umfang eines Data Lakes von Data Science und ML auf alle Daten-Workloads einschließlich BI und SQL ausgeweitet. Jetzt können Unternehmen Data Teams aus den Bereichen Data Engineering, Data Science und Data Analytics an einer einzigen Datenquelle zusammenarbeiten. SQL Analytics verwirklicht die Vision von Databricks für eine Lakehouse-Architektur, die die Leistung von Data Warehouses mit der Wirtschaftlichkeit von Data Lakes kombiniert.
Eine Lakehouse-Architektur vereinfacht die Datenauswertung und die Nutzung der KI. In der Vergangenheit mussten Data Teams proprietäre Data Warehouses für Business Intelligence Workloads und Data Lakes für Data Science- und ML-Workloads pflegen, da keine einzige Datenplattform die Leistungsanforderungen der BI Anwendungen und die Flexibilitätsanforderungen der Data Science Anwendungen erfüllen konnte. Diese Koexistenz von Legacy-Architekturen, die teuer und kompliziert in der Wartung ist, hat Datensilos geschaffen, die die Innovation verlangsamen und die Produktivität der Data Teams behindern. Ein Lakehouse löst dieses Problem, indem alle Workloads über eine einzige Architektur laufen. (Databricks: ra)
eingetragen: 11.12.20
Newsletterlauf: 08.02.21
Sie wollen mehr über die Lösung erfahren?
Eine Lakehouse-Architektur, die auf einem Data Lake aufbaut, ist die ideale Datenarchitektur für datengetriebene Unternehmen.
Databricks: Kontakt und Steckbrief
Der Informationsanbieter hat seinen Kontakt leider noch nicht freigeschaltet.
Ihr PMK-Verlags-Newsletter hier >>>>>>