世界快看點丨Teradata的大夢想——成就客戶在云原生時代的數據洞察
“我們在著手搭建下一代架構時,就懷著一個偉大的夢想——從始至終都在快速推進高級分析的發(fā)展,我們希望幫助組織更明智地做出復雜而關鍵的業(yè)務決策。”在Teradata China 2022 Possible線上大會上,Teradata首席產品官Hillary Ashton表示,“Teradata VantageCloud可以對企業(yè)開展現代化的數據分析,提供最強大、最開放、最互聯的高級分析,將企業(yè)數據和數據湖集成在智能擴展的云原生架構上,把數據、分析和云敏捷性融為一體。我們利用多年來在企業(yè)數據和高級分析方面的精湛專業(yè)知識,在新興技術的研發(fā)上投入巨資,今天推出了Teradata VantageCloud Lake,這是我們基于下一代云原生架構的第一款產品,為Teradata帶來了全新的市場和機遇,可以支持我們的客戶推動更多創(chuàng)新。”
Teradata首席產品官Hillary Ashton
【資料圖】
Teradata的云服務業(yè)務始于2011年,其始終將開放性和互聯性放在高優(yōu)先級,已經實現了查詢互聯和數據互聯,能夠大幅減少數據移動,提升數據分析效率。例如通過QueryGrid,Teradata可以充分利用各個數據引擎的性能,實現多個查詢引擎的協同工作。利用Vantage原生對象存儲 (NOS, Native Object Store) ,借助對象存儲的數據共享性,不同數據引擎可以通過對象存儲,實現數據交換和共享。利用多云互聯的企業(yè)級智能數據平臺Vantage,Teradata的客戶可以更高效地實現數字化轉型之路。
全新的云原生架構和VantageCloud Lake的推出使其能夠有效解決影子系統(tǒng)、靈活擴展等常見痛點,支持企業(yè)現在及未來在各層面上的全部分析需求。客戶可以使用VantageCloud Lake處理小型數據和分析工作負載,使用VantageCloudEnterprise處理高性能、任務關鍵型的企業(yè)級工作負載。無論是已經在使用VantageCloudEnterprise但希望增加云原生環(huán)境的現有客戶,還是希望將VantageCloud Lake作為獨立產品使用的新客戶,都可以從中獲益。VantageCloud Lake和VantageCloud Enterprise,共同組成了Teradata的全新云解決方案——完整的云上分析和數據平臺VantageCloud。
據了解,VantageCloud Lake是一款面向業(yè)務應用的自助服務產品,允許企業(yè)利用其高級分析能力,以更低的總體擁有成本,更智能的彈性資源調度,驅動幾乎所有分析業(yè)務用例(包括較小的隨機性、探索性和部門級工作負載)加速取得業(yè)務成果。借助自動化彈性、完全隔離的多計算集群,以及分離且高度優(yōu)化的對象存儲(如Amazon S3),VantageCloud Lake可以幫助客戶快速適應不斷變化的業(yè)務需求,利用核心數據跨部門啟動新項目,調整整個平臺上的計算資源,保持整體治理和成本控制,通過滿足探索性項目需求和隨機性請求,消除“影子IT系統(tǒng)”的影響。今年早些時候,Teradata在AWS上完成了1012節(jié)點的大規(guī)模測試。
考慮到一般的云原生服務可能會在啟用后迅速導致云消耗成本超支,TeradataVantageCloud Lake提供了可伸縮的工作負載管理和工作負載隔離,確保獨立計算集群僅在必要時根據系統(tǒng)資源的實際消耗情況(而非簡單地根據查詢數或用戶數)進行自動伸縮。VantageCloud Lake 具備策略驅動的伸縮能力,允許企業(yè)針對特定工作負載設置護欄,以促進預算管理。這種靈活性得到了綜合報告功能的支持,綜合報告可展示每個工作負載的完整財務可見性。更少的擴展、可選的護欄、綜合報告等差異化功能結合起來,使企業(yè)更易平衡業(yè)務自主和成本管控需求。
企業(yè)可以根據是否需要云原生架構或混合環(huán)境,選擇使用其中一個或兩個版本,Lake和Enterprise版互為補充,旨在滿足不同類型的工作負載需求和監(jiān)管要求。這兩個版本也可以作為一個整體為企業(yè)提供服務,即同時提供高SLA的企業(yè)關鍵負載、高靈活需求的創(chuàng)新負載和部門級負載等。在VantageCloud的幫助下,Teradata希望能夠支持企業(yè)客戶加快實現數據價值,加速數字化轉型,實現用數據驅動業(yè)務發(fā)展和創(chuàng)新。VantageCloud Lake版和Enterprise版同樣采用了Vantage的核心SQL引擎,未來不排除部分關鍵負載向VantageCloud Lake遷移的可能性。由于采用相同的核心引擎,工作負載的遷移也是自由和無縫的。
VantageCloud Lake實現了計算與存儲的徹底分離。計算集群具有高端的自動彈性擴展,可實現快速的新集群部署。存儲架構在對象存儲上,在不同計算集群之間,可以實現無縫的數據共享。這樣,既保證了資源的獨立性和靈活性,又避免了大量的數據孤島,實現了數據的共享性。考慮到最佳性價比,Teradata將以年費用低于5萬美元的價格提供VantageCloud Lake,在簽訂全年合同的前提下,月費用低于5千美元,具體基于使用量/產品數量進行定價。相比傳統(tǒng)的企業(yè)級產品,這一價格顯著降低。目前,TeradataVantageCloud Lake版已在AWS上提供并運行,2023年初將在所有主要云服務提供商處提供。
VantageCloud Lake版和Enterprise版均以Teradata領先的分析能力為基石,這些分析能力被整合為ClearScape Analytics。ClearScape Analytics新增特性包括引入了50多項全新內置于庫內的時間序列和機器學習函數,以及旨在快速運營AI/ML項目的集成平臺ModelOps,進一步提升了Teradata的分析能力。ClearScape Analytics與Teradata VantageCloudLake相結合,可為客戶提供強大、開放、互聯的分析工具,通過易于訪問、提供自主性和實時洞察的分析工具,幫助客戶激活海量數據,解決復雜的業(yè)務挑戰(zhàn)。
ClearScape Analytics的庫內時間序列功能橫跨整個分析生命周期——從數據轉換和假設性預測分析,到特征工程和機器學習建模。這些功能內置于數據庫中,因此具有高性能,而且只需進行有限的數據移動。這可以顯著降低成本并減少阻力,特別是當企業(yè)想對大量數據(如來自數百萬件產品或數十億傳感器的數據)應用時間序列分析時。當分析結果(如預測)被存入數據庫中,企業(yè)可以將其與其他數據整合。例如,制造商可以將傳感器的異常檢測得分與機器的位置結合起來,找出所預測的故障的位置,國際零售企業(yè)可以將預測結果與價格結合起來,以預測營收。
德國大眾集團屬下某工廠的白車身車間,利用Teradata的點焊分析方案,基于大眾工業(yè)云上的海量數據,成功實現了對點焊的全過程質量控制。該解決方案完全建立在大眾汽車工業(yè)云(數字生產平臺)的基礎上,并與大眾汽車保持一致。點焊數據和其他元數據在AWS上的Teradata Vantage云數據平臺中集成和分析。這是進行分析處理、模型訓練、數據評分以及將數據與其他數據源整合的地方。Teradata使用了包含自學習和自增強人工智能或機器學習算法的分析模型,根據各種過程特征對數據進行分類和優(yōu)化。這些結果為大眾汽車車身工程師提供了有關所有焊點的工藝穩(wěn)定性的信息。除了每個焊點的工藝特性外,點焊分析方法減少了手工操作,使早期干預和快速檢測工藝序列中的弱點成為可能,同時還可按需擴展檢測范圍,如對焊接基礎設施的動態(tài)維護和材料組合分析,從而實現端到端的過程質量監(jiān)控。
借助ClearScape Analytics,復雜的機器學習功能可以輕松集成到分析管道(從數據準備到建模再到部署的一系列相關操作的集合)中,并被打包在一起以解決特定問題。例如,可以針對欺詐檢測,對分類管道進行專門調整,然后將其用于金融類應用程序,時間序列管道可用于零售或制造業(yè)場景中的需求預測。內嵌ModelOps的ClearScape Analytics使企業(yè)可以快速擴展AI/ML項目,在充分釋放投資價值的同時降低風險。ModelOps可以在模型治理和風險管理方面發(fā)揮關鍵作用,隨著企業(yè)將更多模型投入生產,這一點將越來越重要。
ModelOps在Teradata ClearScape Analytics中發(fā)揮著關鍵作用,可以提供企業(yè)范圍內的產品模型庫和生命周期管理,將模型的構建和培訓與業(yè)務中的有效部署和管理聯系起來,連接了業(yè)務線、數據科學和IT部門的團隊、工具和流程。ModelOps以DevOps原則為藍本,消除了軟件開發(fā)團隊與企業(yè)部署軟件解決方案之間的障礙。隨著企業(yè)希望部署數以千計甚至可能數以百萬計的AI模型,以在數字經濟中保持競爭力,ModelOps將變得越來越重要。
ModelOps的現代化界面簡便易用,并進一步擴展了Python/R庫,提升了用戶體驗,以便各業(yè)務線終端用戶管理Vantage中的模型。ModelOps還為其他應用程序和云服務提供管理Vantage中模型的API。模型上線投產需要涵蓋分析模型全生命周期的額外管理能力。ModelOps擁有數據集審計、代碼跟蹤、審批工作流、調度、模型監(jiān)控和警報等能力。如果客戶采用了第三方的模型框架,ModelOps所擁有的模型版本管理和比較能力,可以根據性能指標,選擇和部署最優(yōu)模型。“我們其中一家客戶,在實施ModelOps后,他們花費在模型投產上的時間從10個月減少到了2天。”Hillary Ashton說。
未來,Teradata將有機會在其已建立的用戶群中占領一個龐大且不斷增長的市場,加速在現有客戶中的業(yè)務擴張,擴大潛在市場的總體規(guī)模。VantageCloud Lake不僅可以推動Teradata向著2025年成為10億美元云公司的目標不斷邁進,也標志著Teradata已成為一家強大的云原生分析公司。與此同時,Teradata還提供了全面的產品組合和廣泛的部署方式,從本地部署到混合部署再到云原生部署,支持AWS、Azure、GCP等云平臺,連接所有數據,以最大限度減少數據移動、控制成本并提供適當的大規(guī)模治理。
這一切成果與Teradata善于傾聽客戶在數據實踐中的反饋密不可分。Teradata能夠確保為用戶需要的用例提供支持,并保持產品創(chuàng)新一直走在正確的道路上。通過和合作伙伴的密切合作,Teradata確保其產品與整個數據和分析市場上的成熟參與者、新興參與者及主要參與者均有合作。這些做法通過解鎖數據、激活分析、加速數據價值來滿足客戶需求。
“當前我們專注于VantageCloud Lake和ClearScape Analytics,但在未來,大家可以期待看到 Lake入駐所有主要云。我們還打算通過繼續(xù)推動行業(yè)向前發(fā)展來擴大Teradata在分析領域的優(yōu)勢,特別是通過開放互聯的分析來賦能智能財務控制和治理。”HillaryAshton表示,“贏在云端是Teradata的首要關注點,未來我們將繼續(xù)推動和擴大與全球和本地云領導者的合作伙伴關系,例如與AWS、Microsoft Azure、GoogleCloud和VMware的合作。”
英特爾(Intel) i9-13900K 13代 酷睿 處理器 24核32線程 睿頻至高可達5.8Ghz 36M三級緩存 臺式機CPU
進入購買
SOLIDIGM P44 PRO 1T 英特爾&海力士出品 Nvme Pcie4.0 固態(tài)硬盤M.2 P44 PRO 2T (讀取7000mb/s)
進入購買
關鍵詞: Intel
2022-11-09 15:51:49
2022-11-09 15:45:24
2022-11-09 15:44:01
2022-11-09 15:42:14
2022-11-09 15:35:53
2022-11-09 15:34:35
2022-11-09 15:33:42
2022-11-09 15:33:04
2022-11-09 15:32:37
2022-11-09 15:22:19
2022-11-09 15:21:52
2022-11-09 15:21:18
2022-11-09 15:16:30
2022-11-09 15:12:31
2022-11-09 13:48:26
2022-11-09 12:36:28
2022-11-09 11:40:08
2022-11-09 11:25:43
2022-11-09 09:53:37
2022-11-09 09:51:48
2022-11-09 09:51:42
2022-11-09 09:50:31
2022-11-09 09:49:53
2022-11-09 09:48:38
2022-11-09 09:45:30
2022-11-09 09:38:46
2022-11-09 09:36:52
2022-11-09 09:35:36
2022-11-09 09:30:59
2022-11-09 08:50:58
2022-11-09 08:44:03
2022-11-09 08:42:37
2022-11-09 08:39:10
2022-11-09 08:39:02
2022-11-09 08:37:24
2022-11-09 08:35:52
2022-11-09 08:35:34
2022-11-09 08:35:26
2022-11-09 08:34:03
2022-11-09 08:33:47
2022-11-09 08:32:06
2022-11-09 08:31:44
2022-11-09 08:31:37
2022-11-09 08:31:05
2022-11-09 08:30:02
2022-11-09 08:30:00
2022-11-09 08:29:31
2022-11-09 08:28:55
2022-11-09 08:27:36
2022-11-09 08:27:31
2022-11-09 08:26:29
2022-11-09 08:24:40
2022-11-09 08:24:22
2022-11-09 08:23:51
2022-11-09 08:23:44
2022-11-09 08:22:23
2022-11-09 08:21:31
2022-11-09 08:20:35
2022-11-09 08:20:31
2022-11-09 08:20:13
2022-11-09 08:19:53
2022-11-09 08:19:18
2022-11-09 08:18:56
2022-11-09 08:18:32
2022-11-09 08:17:47
相關新聞