Dazdata MDS
1. 云优先
2. 围绕云数据仓库/湖构建
3. 专注于解决一个问题
4. 以 SaaS 或开放核心形式提供
5. 低进入门槛
6. 社区积极支持
1. 云优先
现代公有云供应商使 MDS 工具变得具有高度弹性和可扩展性。这使组织可以轻松地将它们集成到其现有的云基础架构中。
2. 围绕云数据仓库/湖构建
现代数据堆栈工具认识到,中央云数据仓库/湖是数据分析的动力。因此,它们旨在与所有著名的云数据仓库(如Redshift,Bigquery,Snowflake,Databricks等)无缝集成,并充分利用其功能。
3. 专注于解决一个具体问题
现代数据堆栈是由数据管道的不同阶段连接的工具拼凑而成的。每个工具都专注于数据处理/管理的一个特定方面。这使得现代数据堆栈工具能够适应各种架构,并插入任何现有堆栈,只需很少或无需更改。
4. 以 SaaS 或开放核心形式提供
现代数据堆栈工具主要以SaaS(软件即服务)的形式提供。在某些情况下,核心组件是开源的,并带有付费附加功能,如端到端托管和专业支持。
5. 进入门槛低
现代数据堆栈工具打包在简单的即用即付和基于使用情况的定价模型中。数据从业者可以在做出重大承诺之前探索新工具及其功能和实用性。这样可以节省金钱和时间。
此外,MDS 工具被设计为<a href="https://venturebeat.com/2021/02/14/no-code-low-code-why-you-should-be-paying-attention/">低代码甚至无代码。工具设置可以在几个小时内完成,不需要大量的技术专业知识或时间投入。
6. 得到社区的积极支持
现代数据堆栈解决方案提供商在社区建设上投入了大量时间和精力。有 Slack 小组、聚会和会议,积极支持工具用户和数据从业者。这促进了围绕这些工具的支持性和创造性生态系统。
是什么导致了现代数据栈MDS的出现?
Hadoop和公共云的出现
亚马逊Redshift的推出
对更好工具的需求不断增长
Hadoop和公共云的出现
在Hadoop之前,只能垂直扩展基础设施。因此,数据处理需要大量的前期投资。 然后Hadoop出现了,使得在廉价硬件上水平扩展存储和计算成为可能。但即使在那之后,用户体验也很笨拙(map-reduce),只有大型组织才能投资于使其正常工作所需的特殊技能。但是,当