Die assoziative Analyse kombiniert Informationen aus mehreren Kanälen, um die Konversionsraten zu verbessern.

• Quellenübergreifende Analyse

  In OBS gespeicherte CTR-Daten für Werbung und Benutzerregistrierungsdaten in RDS können ohne Migration zu DLI direkt abgefragt werden.

• Nur SQL erforderlich

  Vernetzte Datenquellen werden zusammen mit einer Tabelle abgebildet, die nur mit SQL-Anweisungen erstellt wurde.

Gaming-Unternehmen benötigen eine hochwertige Plattform zur Datenanalyse, um die Platzierung von Werbung, die Bindung neuer Spieler, den Betrieb und das Feedback für zukünftige Spielversionen zu verbessern.

- Die Protokollanalyse wird in der Regel nach Zeitraum durchgeführt. Während der Leerlaufzeiten zwischen den einzelnen Aufgaben werden Ressourcen verschwendet.

• Zahlung pro Nutzung und automatische Skalierung

  Nutzen Sie flexible Skalierungsrichtlinien, um ungenutzte Ressourcen freizugeben und die Kosten exklusiver Cluster um die Hälfte zu senken.

• Konvergenzanalyse

  Eine einzige Kopie der Metadaten ist für die Bereinigung in Echtzeit und die Offline-ETL-Verarbeitung ausreichend. Das Ergebnis der Datenverarbeitung kann direkt in interaktiven Analysen für Data Mining verwendet werden.

Wenn mehrere Abteilungen Ressourcen unabhängig verwalten müssen, verbessert eine fein abgestufte Berechtigungsverwaltung die Datensicherheit und Betriebseffizienz.

• Einfachere Zuweisung von Berechtigungen

  Erteilen Sie Berechtigungen nach Spalte oder nach bestimmten Vorgängen, z. B. INSERT INTO/OVERWRITE, und aktivieren Sie den Schreibschutz für Metadaten.

• Einheitliche Verwaltung

  Ein einzelnes IAM-Konto verwaltet die Berechtigungen für alle Mitarbeiter.

Die Genomanalyse nutzt Analysebibliotheken von Drittanbietern, die auf dem verteilten Spark-Framework basieren.

- Für die Installation von Analysebibliotheken wie ADAM und Hail sind umfassende technische Kenntnisse erforderlich.

- Bei jeder Cluster-Erstellung müssen Sie diese Analysebibliotheken neu installieren.

• Benutzerdefinierte Images

  Anstatt Bibliotheken im Rahmen eines technisch anspruchsvollen Prozesses zu installieren, integrieren Sie sie in benutzerdefinierte Images, die direkt in das Software Repository for Container (SWR) hochgeladen werden. Wenn Sie DLI zum Erstellen eines Clusters verwenden, werden benutzerdefinierte Images im SWR automatisch abgerufen, sodass Sie diese Bibliotheken nicht neu installieren müssen.

• Integrierte Basis-Images

  Um Ihnen den Einstieg zu erleichtern stehen von Huawei erweiterte Spark- und Flink-Images (mehrere Versionen) sowie Open-Source-KI-Images (TensorFlow/Keras/PyTorch) zur Verfügung.

Fast jeder Aspekt von Finanzdienstleistungen erfordert ein umfassendes Risikomanagement und eine umfassende Risikominderung.

- Die Toleranz für übermäßige Latenz bei der Risikokontrolle ist äußerst gering.

• Hoher Durchsatz

  Die Echtzeit-Datenanalyse in DLI mithilfe eines Apache-Flink-Datenflussmodells sorgt für eine niedrige Latenz. Eine einzige CPU verarbeitet 1.000 bis 20.000 Nachrichten pro Sekunde.

• Abdeckung des Ökosystems

  Speichern Sie Datenströme in Echtzeit in mehreren Cloud-Services wie CloudTable und SMN für die umfassende Nutzung.

Angesichts der weltweiten Ausbreitung von COVID-19 müssen Regierungen in der Lage sein, wichtige Daten sofort zu überwachen, sobald ein Notfall eintritt.

- Regierungsangestellte verfügen nicht unbedingt über Big-Data-Kenntnisse und sind in der Regel vertrauter mit SQL.

• Reaktion innerhalb von Millisekunden

  Dank des leistungsstarken In-Memory-Computing-Frameworks optimiert die integrierte openLooKeng-Engine die Abfrageleistung für interaktive Analysen auf der Stelle.

• Kompatibilität mit gängigen Standards

  DLI-Abfragen nutzen SQL-Syntax, sodass Mitarbeiter keine Big-Data-Kenntnisse benötigen. Diese vertraute Syntax ist vollständig kompatibel mit dem ANSI-SQL-2003-Standard.

Riesige Datenmengen umfassen Petabytes an Satellitenbildern und eine Vielzahl verschiedener Daten – strukturierte Rasterdaten aus der Fernerkundung, Vektordaten und unstrukturierte räumliche Ortungsdaten. Für die Analyse und das Mining all dieser Daten sind effiziente Tools erforderlich.

• Analyse von räumlichen Daten

  Spark-Algorithmusoperatoren in DLI ermöglichen eine Echtzeit-Stream-Verarbeitung sowie Offline-Batch-Verarbeitung. Sie unterstützen massive Datentypen, darunter strukturierte Bilddaten aus der Fernerkundung, unstrukturierte 3D-Modellierung und Laser-Punktwolke-Daten.

• CEP-SQL-Funktionalität

  Für die Kursabweichungserkennung und Geofencing sind lediglich SQL-Anweisungen erforderlich.

• Umfangreiche Datenverarbeitung

  Migrieren Sie schnell bis zu Exabytes an Fernerkundungsbildern in die Cloud, und teilen Sie sie dann in Datenquellen für die verteilte Batch-Verarbeitung auf.