Big-Data-Architektur, Anwendungsfälle und Infrastrukturanforderungen

Name: Big-Data-Architektur, Anwendungsfälle und Infrastrukturanforderungen
Author: Chintan Thakkar

Sie erfahren mehr über die Infrastruktur für Big Data in der öffentlichen Cloud.

Preview the first lesson free — get full access to all 4 lessons.

Kurs: On-Demand

(sanfte Musik) Willkommen bei Big-Data-Architektur, Anwendungsfällen, und Infrastrukturbedarf. In diesen Lektionen lernen Sie strukturiert und unstrukturierte Daten, und Big-Data-Architektur in der Public Cloud. Es gibt mehrere Anwendungsfälle im Zusammenhang mit Big-Data-Analysen, und Sie erfahren, wie Sie aus Big Data Informationen generieren und nutzen Sie es, um den Geschäftsumsatz zu steigern. Wir besprechen die Details der strukturierten und unstrukturierte Daten, Big-Data-Architektur, Big-Data-Anwendungsfälle für Public Cloud, Big-Data-Infrastrukturbedarf. Strukturierte Daten sind hochgradig organisiert und werden oft gespeichert in einer relationalen Datenbank im Zeilen- und Spaltenformat. Es ist ganz einfach, nach einem strukturierten Datenformat zu suchen weil es dem Datenmodell folgt die der SQL-Datenbankadministrator erstellt hat, und enthält ein festes Schema. Wenn Ihre Datenbanktabelle drei Spalten enthält, dann können Sie die Daten nur in drei Spalten speichern. Die Daten werden von Menschen erstellt oder aus Unternehmensanwendungen. Hier sind die wichtigsten Anwendungen die typischerweise strukturierte Daten generieren, Kundenmanagementsysteme, Einzelhandelsinventuren, Warenwirtschaftssysteme, Studentische Informationssysteme. Unstrukturierte Daten bedeuten oft einen großen Datensatz. Es enthält kein festes Datenmodell oder Schema, und die Suche kann schwierig sein innerhalb der unstrukturierten Daten aufgrund der Größe und Struktur der Daten. Die Daten werden vom Internet der Dinge oder Menschen generiert. Typische Beispiele für unstrukturierte Daten sind Bildverarbeitung, Datenanalyse, geben Empfehlungen, Vorhersagesysteme. Die unstrukturierten Daten werden oft gespeichert in einer NoSQL-Datenbank oder einer Lösung vom Typ Data Lake. Es gibt mehrere Anbieter, die eine Datenbank bereitstellen als Dienst zum Speichern unstrukturierter Daten. Eine Option ist MongoDB Atlas MongoDB Atlas stellt eine Datenbank bereit als Dienst zum Speichern von Dokumentdaten das als vollständig verwaltete Lösung funktioniert das in der öffentlichen Cloud bereitgestellt wird. Es kann je nach Bedarf einfach skaliert werden, und es ist auch möglich, Always-On-Einstellungen zu haben mit regionenübergreifender Replikation. Sie können Dokumente verschlüsseln und in der Datenbank speichern. Bei höherer Belastung dann kann es auch automatisch skalieren basierend auf der Konfiguration. MongoDB Atlas ist eine On-Demand-Datenbank, Das bedeutet, dass es innerhalb von fünf Minuten oder weniger bereitgestellt werden kann. Wenn Sie mit der Datenbank fertig sind, Sie können die Ressource mit einem einzigen Klick beenden. MongoDB Atlas kann ganze Dokumente speichern. Sehen wir uns einige Beispiele für MongoDB-Dokumente an. Hier ist ein Beispiel für ein JSON-Schema. Sie können das JSON-Dokument generieren aus diesem Schema und speichern Sie es. MongoDB Atlas bietet auch die Funktionalität von Regions-Failover. Wenn also die gesamte Cloud-Region ausfällt, dann wird MongoDB stattdessen von einer anderen Region aus ausgeführt. Sie können die Clustergröße konfigurieren, Public Cloud und mehrere Shards basierend auf Ihren Anforderungen. Ihr Team kann sich auf die Anwendungsentwicklung konzentrieren Anstatt sich auf die MongoDB-Infrastruktur zu konzentrieren, mit dem Sie auch einrichten können die automatisierte Pfadbereitstellung auf dem Cluster. Halbstrukturierte Daten unterstützen die Formate HTML, JSON und XML. Dieses Format liegt zwischen strukturierten und unstrukturierten Daten, und bietet eingeschränkte Funktionalität im Vergleich zur relationalen Datenbank. Die Speicheranforderungen sind geringer als bei unstrukturierten Daten, sondern mehr als strukturierte Daten. Sie können Serverprotokolle, Internet-of-Things-Daten, und mehr, die alle ihr flexibles Schema verwenden. Die meisten Big Data sind unstrukturiert. Tatsächlich wird geschätzt, dass 90 % der Big-Data-Anwendungsfälle werden mit unstrukturierten Daten ausgeführt. Das bedeutet, dass Sie einen soliden Plan haben müssen um zu bestimmen, wie Sie lagern werden und nutzen Sie Ihre unstrukturierten Daten.

Anfänger Anbieter : Chintan Thakkar 4 Lektionen · 18m auf Arabisch, Deutsch, Englisch, Spanisch, Französisch, Portugiesisch, Urdu, Chinese

Kursbeschreibung

Big Data kann uns in vielerlei Hinsicht helfen. Der Großteil von Big Data ist unstrukturiert. Man schätzt sogar, dass 90 % der Big-Data-Anwendungsfälle mit unstrukturierten Daten durchgeführt werden. Das bedeutet, dass Sie einen soliden Plan haben müssen, um zu bestimmen, wie Sie Ihre unstrukturierten Daten speichern und nutzen wollen. In diesen Lektionen erfahren Sie mehr über strukturierte und unstrukturierte Daten sowie über die Big-Data-Architektur in der öffentlichen Cloud. Außerdem erfahren Sie, wie Sie Big Data zur Steigerung des Geschäftsumsatzes nutzen können.

Big-Data-Analysen lassen sich in der öffentlichen Cloud viel einfacher bereitstellen als in einer lokalen Umgebung. Je nach Umfang der Daten benötigen Sie Hunderte von virtuellen Maschinen, um die Analysen durchzuführen. Es wäre schwierig, so viele virtuelle Maschinen in einer lokalen Umgebung bereitzustellen, aber in der Cloud ist dies relativ einfach möglich. Dieser Kurs über Big-Data-Architektur, Anwendungsfälle und Infrastrukturbedarf zeigt Ihnen anhand von realen Geschäftsanwendungen das Potenzial von Big Data.

Was Sie lernen werden

Unterscheiden Sie strukturierte, halbstrukturierte und unstrukturierte Daten und planen Sie, wie unstrukturierte Daten gespeichert und verwendet werden
Erklären Sie Big Data-Architektur in der öffentlichen Cloud
Identifizieren Sie Big Data-Infrastrukturanforderungen für die öffentliche Cloud
Planen Sie die Bereitstellung von Servern für die Durchführung von Big Data-Analysen
Erkennen Sie echte Geschätsanwendungsfälle, die das Potenzial von Big Data zeigen, einschließlich der Steigerung des Geschäftsverkaufs

Wichtige Erkenntnisse

Der Großteil von Big Data ist unstrukturiert, wobei schätzungsweise 90% der Big Data-Anwendungsfälle gegen unstrukturierte Daten laufen, daher ist ein solider Plan für die Speicherung und Verwendung unstrukturierter Daten unerlässlich.
Big Data-Analysen sind in der öffentlichen Cloud leichter bereitzustellen als in einer lokalen Umgebung.
Die Durchführung der Analysen kann abhängig von der Größe der Daten Hunderte von virtuellen Maschinen erfordern, was lokal schwer bereitzustellen ist, aber in der Cloud relativ einfach ist.
Big Data kann zur Steigerung des Geschäftsverkaufs verwendet werden, und der Kurs präsentiert echte Geschätsanwendungsfälle, um sein Potenzial zu demonstrieren.

Häufig gestellte Fragen

Welche Themen behandelt dieser Kurs?

Er behandelt strukturierte und unstrukturierte Daten, Big Data-Architektur in der öffentlichen Cloud, Big Data-Infrastrukturanforderungen und Big Data-Anwendungsfälle, zusammen mit der Verwendung von Big Data zur Steigerung des Geschäftsverkaufs.

Warum konzentriert sich der Kurs auf die öffentliche Cloud anstatt auf lokal?

Weil Big Data-Analysen in der öffentlichen Cloud leichter bereitzustellen sind; die Durchführung von Analysen kann je nach Datengröße Hunderte von virtuellen Maschinen erfordern, was lokal schwer bereitzustellen ist, aber relativ einfach über die Cloud bewerkstelligt werden kann.

Welche Fähigkeiten werde ich aus diesem Kurs gewinnen?

Sie werden Fähigkeiten in Big Data, Big Data Analytics, Data Architecture, Data Infrastructure, halbstrukturierte Daten und unstrukturierte Daten entwickeln.

Enthält der Kurs Beispiele aus der realen Welt?

Ja, der Kurs gibt Ihnen echte Geschätsanwendungsfälle, um Ihnen das Potenzial von Big Data zu zeigen.