遷移到Databricks有助於加速創新，提高生產率並通過更快，更有效的基礎架構和DevOps更好地管理成本
發現從Hadoop遷移到Databricks Lakehouse平台的好處 - 一個開放的簡單平台，用於存儲和管理所有分析工作負載的所有數據。Beplay体育安卓版本
雖然降低基礎設施和許可成本是一個主要優點，但Databricks Lakehouse平台采用了湖泊優先的方法來提高速度和規模，以處理所有生產分析和AI用例，幫助您滿足SLAS，簡化運營並提高生產率。Beplay体育安卓版本
為什麼要使用數據映遷移？
Forrester TEI研究發現轉向數據映的公司發現417％的ROI。
47％
退休的成本節省
舊基礎架構
退休的舊基礎架構並采用開放和彈性的雲原生服務，該服務不需要過多的容量或硬件升級。
5％
隨著收入的增加隨著
數據驅動的創新
使用所有企業數據來構建新的數據產品並通過強大的人工智能和機器學習能力提高運營效率。
25％
增加數據團隊
生產率
通過完整的，性能和可靠的數據和分析平台來最大程度地減少DevOps負擔。Beplay体育安卓版本
基於雲
使用Databricks建立開放，簡單和協作的Lakbeplay娱乐iosehouse架構
雲中具有成本效益的規模和性能
易於管理和高度可靠的數據
預測性和實時見解以推動創新
湖景房
使用Databricks建立開放，簡單和協作的Lakbeplay娱乐iosehouse架構
易於管理
數據湖和所有類型的數據的可靠性，安全性和性能。觀看演示。
大規模
按需可用性和帶有優化Apache Spark的彈性自動賽
支持AI的創新
從業beplay娱乐ios人員將所有分析過程在一個地方運行的協作環境，並管理整個生命周期的ML模型
提高生產率
較低的成本規模
創新更快
Databricks Lakehouse平Beplay体育安卓版本台
簡單的
在一個通用平台上，在一個數據用例中統一數據，分析和AIBeplay体育安卓版本
打開
用開源，標準和格式統一數據生態係統
beplay娱乐ios
統一數據團隊在整個數據和AI工作流程中進行協作
技術映射Hadoop到Databricks
數據工程，ML
（火花）
（火花）
Databricks Jobs/ Delta Lake
（高度調諧火花發動機：更快，更少
計算，一站式車站）
（高度調諧火花發動機：更快，更少
計算，一站式車站）
ETL，SQL
（Hive，Impala）
（Hive，Impala）
Databricks Jobs/ Delta Lake/ Spark SQL
（高度調諧火花發動機：更快，更少
計算，一站式車站）
（高度調諧火花發動機：更快，更少
計算，一站式車站）
實時事件處理
（風暴/火花）
（風暴/火花）
Databricks結構化流
（火花結構化流 +三角洲湖：
流 +批處理）
（火花結構化流 +三角洲湖：
流 +批處理）
批處理過程
（MapReduce）
（MapReduce）
Databricks Spark Jobs
（更快的數量級 - 但可能需要
體力勞動）
（更快的數量級 - 但可能需要
體力勞動）
柱店上的可擴展應用程序
（HBase）
（HBase）
Databricks Spark集成
在雲上w/hbase
（或者：使用雲數據存儲良好
與Databrick集成）
在雲上w/hbase
（或者：使用雲數據存儲良好
與Databrick集成）
用例
- 作為一家全球CPG公司， Reckitt在500,000家商店的預測需求的複雜性上掙紮
- 他們每天在250個管道中處理超過2TB的數據
- 事實證明，Hadoop的基礎設施很複雜，繁瑣且尺寸昂貴。這個遺產係統也在性能方麵掙紮。
為什麼要數據映
- 數據科學，工程和業務Beplay体育安卓版本分析師的統一平台，可快速創新和提供ML驅動的見解
- Delta Lake改善了具有極端數據壓縮的成本優化和存儲空間
影響
- 10倍更多支持業務量的能力
- 98％的數據壓縮從80TB到2TB，降低了運營成本
- 24 x7作業的2倍數據管道性能
用例
- VIACOM18需要處理每日查看器數據的Terabytes，以優化編程
- 他們的本地Hadoop Data Lake無法在SLA內處理90天的滾動數據，從而限製了他們滿足業務需求的能力
為什麼要數據映
- Azure Databricks在雲中提供了完全托管的自動級別簇，以簡化基礎架構管理
- 三角洲湖緩存顯著加速了查詢速度
- beplay娱乐ios與內置的ML庫合作筆記本，使團隊能夠更快地創新
影響
- 大大降低了成本盡管數據量增加，但仍有更快的查詢時間和更少的DEVOPS
- 提高團隊生產率26％借助一個完全管理的平台，可以大規模支持ETBeplay体育安卓版本L，分析和ML
用例
- 山姆的俱樂部需要從其所有故事中處理每日麵包店數據，以預測食物變質。
- 他們運行了10多個大型Hadoop群集，多個大型Teradata和許多SQL數據庫。
- 這種基礎設施成本很高，難以管理，無法及時提供每日顆粒狀的預測。
為什麼要數據映
- 將他們的數據分析體係結構集中在Azure數據ab上
- 與傳統Teradata和Hadoop相比，三角洲湖大大降低了查詢速度
- beplay娱乐ios協作工作區提高了10多個工作區，100多個用戶，1000多個筆記本的生產率
影響
- 減少基礎設施費用為$ 900K
- 新的處理分析來自7小時至40分鍾
- 減少10％在新鮮食品變質中，由於改進的預測（約1億美元/年）
合作夥伴生態係統
