Hadoop工具如何形成SAP Hana的大数据平台

自2008年以来,SAP Hana一直是领先的数据库管理系统之一。它比许多其他数据库管理解决方案能够更有效地处理数据,主要是因为它可以使用一些最先进的hadoop工具。没有Hadoop,大多数SAP Hana数据库将是相对无用的。访问大多数数据集将是困难的,特别是在它们存储原始数据的时候。

迈克尔·考克斯和戴维·埃尔斯沃斯在1997年发表的“数据可视化应用控制需求调查”一文中提出了大数据这一术语。然而,大数据的应用直到最近才变得真正可行。

大数据QQ群:716581014

这个问题与存储容量无关。云计算的进步地指数级增加了人们存储数据的能力。然而,在存储数据后,访问数据是另一个问题。大多数数据提取工具可以从存储数TB数据的数据阵列中获取。据数据科学中心称,它将一些应用的数据可访问性提高了109%。

许多数据已经以非结构化格式存储,这可能难以提取,开发Hadoop来使流程更容易。

一些SAP Hana解决方案允许用户存储高达4.6TB的数据。然而,数据通常以不同的文件类型存储,这些文件类型很难以一致的格式提取和组织。Hadoop使得这个过程更加简单容易。

SAP Hana如何与Hadoop集成

将SAP Hana与Hadoop集成可以使访问远程数据集群变得更加容易。但是,设置是一个耗时的过程。第一步是设置和安装集群。框架可以通过几种方式构建:

  • 内部部署群集本地集群模型是处理需要少于50个节点的特定位置的项目的理想选择。
  • 基于云计算的群集。如果用户需要在大型地理位置进行协调,或者需要超过50个节点,那么基于云计算的群集就会更好。

确定正确的群集后,用户将需要创建一个测试环境。Cloudera Director是其中一个更好的模型。

执行几个测试模拟后,用户可以使用Hadoop来访问SAPHana智能数据。

使用Hadoop与SAP Hana有什么好处?

SAP Hana管理员使用Hadoop有很多原因。许多人选择在HANA上使用SAPUI5,因为它具有特殊的Hadoop基础设施。

成本效益

据戴尔EMC公司介绍,成本效益是整合Hadoop和SAP Hana的主要原因之一。其成本节省取决于存储的数据量,而不管数据是否是结构化的,非结构化,还是半结构化的。

“VMAX所有闪存阵列通常由各种存储组,SAP ANA生产和非生产数据库以及非SAP Hana工作负载组成,每个都具有自己的存储弦CR。因此,整个系统CR是各种底层存储组比率的组合。通过工作负载的正常组合,您可以看到大约2:1的系统CR。该比例可能会更高或更低,具体取决于工作负载组合。当内联压缩与其他VMAXAllFlash节省空间的功能(如虚拟配置,零空间回收和节省空间的快照)相结合时,可实现4:1的总体效率。

快速响应时间

响应时间,可扩展性和可靠性之间存在权衡。Hadoop优先考虑快速响应时间,因此它是管理员需要紧急访问数据的应用程序的理想选择。对于可扩展性更为关注的应用程序,Hadoop可能不太可取。

用户将需要首先概述其优先级。然而,由于大多数SAP Hana用户的优先权是大多数权宜之计,因此Hadoop通常是他们的解决方案。

批处理和挖掘原始数据

使用更原始的大数据提取工具难以获取原始数据。Hadoop使它更容易,这是SAP ana应用程序中广泛使用的主要原因之一。

实体Hadoop框架是SAP ana应用程序的关键

当用户设置SAP Hana数据环境时,几乎总是需要将其与Hadoop进行集成。否则访问非结构化数据将是非常困难的。

大数据QQ群:716581014

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏Linyb极客之路

SpringCloud和微服务

马丁福勒微服务论文:https://martinfowler.com/articles/microservices.html

663
来自专栏野路子程序员

记一次支付异步校验逻辑漏洞

2854
来自专栏灯塔大数据

盘点|Java程序员在用的大数据工具

据日前的一则大数据工具使用情况调查,我们知道了Java程序猿最喜欢用的大数据工具。 问题:他们最近一年最喜欢用什么工具或者是框架? 受访者可以选择列表中的选项...

3437
来自专栏大魏分享(微信公众号:david-share)

重磅推出:Openshift实战视频展示系列2&3&4

针对Openshift,大卫的同事任龙飞归纳了六个使用场景,并录制了六个视频。视频中,操作的步骤非常详细,清晰。视频分别是:1 基于Jenkins实现跨数据中心...

46810
来自专栏Spark学习技巧

消息队列服务Kafka揭秘:痛点、优势以及适用场景

摘要:消息队列Kafka是一个分布式的、高吞吐量、高可扩展性消息队列服务,广泛用于日志收集、监控数据聚合、流式数据处理、在线和离线分析等,是大数据生态中不可或缺...

1153
来自专栏菩提树下的杨过

推荐[搜索引擎架构]的几篇文章

1.基于Sphinx+MySQL的千万级数据全文检索(搜索引擎)架构设计 http://blog.s135.com/post/360/ 2.百度、新浪、Mixi...

2115
来自专栏智能大石头

100亿小数据实时计算平台

2017年6月,开始数据分析的职业生涯,作为架构师,建立起一套基于.Net/.Net Core的小数据实时处理计算平台,这里记录学习过程中的点点滴滴!

882
来自专栏Hadoop实操

CDH6中的第三方库

在最近发布的CDH6版本中,Cloudera投入了大量的人力和物力用于升级所使用的第三方库。这次CDH的大版本更新可以让我们使用到一些较新的库。升级库的目的主要...

2035
来自专栏大数据和云计算技术

阿里HBase的数据管道设施实践与演进

摘要:第九届中国数据库技术大会,阿里巴巴技术专家孟庆义对阿里HBase的数据管道设施实践与演进进行了讲解。主要从数据导入场景、 HBase Bulkload功能...

1002
来自专栏数说工作室

你的每一次点击行为,是如何变成数据的?| 聊一聊互联网公司的内部数据采集

数据是怎么来的? 在很多行业,数据都是人工收集来的,比如医学疾病数据、环境数据、经济数据等。数据的更新周期也比较长,比如年度、月度。 但互联网行业不一样,这个...

4577

扫码关注云+社区