一、数据仓库当前面临的挑战

数据仓库是用来存放各个业务系统数据的地方，包括网站的访问日志、业务数据等。基于收集上来的散乱的海量的数据，以数据集成的方式进入到了数据仓库的系统，再进行数据清洗、数据汇聚、数据加工等步骤，进而用于进行大数据分析操作。这些操作都是在数据仓库里面来完成，最后形成集成数据集合，用于支撑各个部门的决策过程。
 
数据仓库是企业数字化转型里面不可或缺的一部分，这体现在商业智能数据挖掘、数据仪表盘和数据探索这些方面。无论是企业的数据分析师，还是企业的经营决策者，都需要用它来发现商业中可能忽略的问题，实现决策的科学制定。
 
当前数据仓库的一些需求，其实基本上处理的数据是 PB 级的数据，不仅要负责 PB 级的数据的存储，还要负责 PB 级数据的计算。因为这里计算资源和存储资源比较多，如何通过性价比更高方式来保证数据的存储，保证数据的计算能够是高效的，也是很多企业关心的问题。
 
要支持这种高性能的这样的查询，对于用户来讲，数据仓库对外的输出的窗口提供这样的功能。所以在高并发聚合分析、亿级别的并发秒级检索、高性能的 AD hoc查询这三方面都要给用户提供一种高性能的体验。

二、数据仓库难点与解决方案

总结起来，用户的痛点分为三方面：多系统带来的运维复杂；查询性能不足；人工建仓成本高。
 
针对多系统部署、成本高的痛点，信服云提供了一套的一体化智能运维系统。在这个系统里有很多的组件，例如分布式计算引擎，统一的元数据管理引擎，这些引擎在系统中是统一部署的。
 
根据机器的实际的情况进行参数的调优和配置，实现一键安装。运行过程中出现了问题，也可以及时地发出告警，提醒人员说当前系统可能存在问题。
 
在这里面，如果是说每套系统发生挂掉的情况，通过高可用机制也能够尽快恢复线上业务的生产，来降低因为系统故障导致的业务中断。
 
业务系统运行在这样的数据仓库上，就能够保证用户的系统是高可用的，实现智能运维，来降低运维的成本。

 

 

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。