利用 Oracle 信息模型驾驭大数据

更新时间:2023-08-10 12:48:01 阅读量: 工程科技 文档下载

说明:文章内容仅供预览,部分内容可能不全。下载后的文档,内容与下面显示的完全一致。下载之前请确认下面内容是否您想要的,是否完整无缺。

利用 Oracle 信息模型驾驭大数据

Oracle 免责声明以下内容旨在概述产品的总体发展方向。该内容仅供参 考,不可纳入任何合同。本演示不承诺提供任何材料、 代码或功能,也不应将其作为购买决策的依据。Oracle 有权自行决定任何产品的特性或功能的开发、发布和时 间安排。

结构化 … 非结构化Level ExampleNon StructuredStructured Semi-structured Quasi-structured UnstructuredRelational database XML data files Text documents Images and videoA new class of problems has emerged which demands an ability to accept and manage data without advanced knowledge of its structure or format.

大数据在IT行业的发展趋势

企业需求:实时分析

分析: IT的下一个前沿

议题 认识大数据 驾驭 大数据 采用 EA 方法 架构功能 案例研究

认识大数据当前设计点:数据量、多样性、高速度每天 1 亿次 每年 10 亿名访问者 网络交易 每天 100 万次 图片上传 索赔分析电子商务保险每天 100 亿次 设备同步1000 万个仪表 每小时上传每天 2000 万次 监视消费者公用事业医疗卫生

大数据特性 巨大的数据量 Volume 集中储存/集中计算已经无法处理巨大的数据量 多结构化数据 VarietyVOLUMEBLOGSOCIAL 文本/图片/视频/文档等 增长速度很快 Velocity 海量数据的及时有效分析 用户基数庞大/设备数量众多/实时海量/数据指数级 别增长SMART METERVARIETYVELOCITY10110010100100100 11010101010111001 01010100100101 价值密度低Value 单条数据并无太多价值,但庞大的数据量蕴含巨大 财富VALUE

各行各业的用例航空与国防 性能 汽车 传感器 公用事业 智能量表 通信 呼叫、内容 应用程序 消费品 舆情、地点、 设备教育与科研 建模旅游与运输 每小时 20 TB金融服务 欺诈 安全性医疗保健 个人传感器 监视高科技 制造执行系统工业制造 质量保险 个性化保险生命科学 临床试验 基因组媒体/娱乐 访问者石油与天然气 勘探电子商务 网站行为公共部门 计量经济学零售 消费者行为面临的挑战:数据量、高速度、多样性

大数据为什么重要?Before Big Data After Big Data决策基于交易型数据决策基于所有的数据 视频和图像 文档 社交数据 机器生成数据

业务挑战驾驭大数据当一切数据尽在掌握, 您会有怎样不同的作为?

真正的业务挑战识别模式 — 预测行为 “建模有效性” 常识还是科学?– 认知心理学 – 行为心理学 – 计量经济学、统计学 – 决策科学

大数据预测美国医疗保健制造全球个人定位数据欧洲公共部门管理美国零售产值每年增长装配成本降低服务提供商 收入增加产值每年增长净利润增长超过3000 亿 美元–50%1000 亿 2500 亿 60+% 美元 欧元信息来源:* McKinsey Global Institute:“Big Data – The next frontier for innovation, competition and productivity”(2011 年 5 月)

识别大数据平衡点总数据量 并发作业1000 100 PB 10 PB 1 PB 通用数据 处理非结构化处理自由大数据 分析模式复杂性数据更新模式100 TB SQL 事务性 仅追加 结构化 100 TB 批处理批处理传统 RDBMS1 PB 10 PB100 PB交互式 100 个表响应速度表联接复杂性单位作业 数据量

大数据,不仅仅只是Hadoop和NoSQL类OLAP + ETL + StorageOracle CEPStorm+随机存取 + Storage狭 广 义 义Oracle NoSQLBig Data Connector

结构化数据的大数据处理Oracle Exadata, 结构化大数据分布式处理的典范

大数据:挑战转化为机遇业务价值 大数据 平台→ 深度分析 → 高敏捷性 → 高度可伸缩性 → 实时将来→ 高度多样性 → 大数据量 → 高速度挑战大数据现状

大数据能力创新的方向部分数据结构化与非结构化,海量数据‘大’数据报表/KPI从获取到存储、分析、挖掘、展现分析/挖掘延时实时集成、即时分析、企业级实时/近实时封闭数据与能力的开放,新的商业模式开放20

大数据将作为 2012 年的下一个 “必备”能力占有一席之地。IDC(2011 年 12 月)

本文来源:https://www.bwwdw.com/article/u4qj.html

Top