Noll
Hiss-pitch för det här inlägget är att historien rör sig i cirklar, särskilt när det gäller att lägga ut hur du distribuerar företagets applikationer och databaser. Skarva Maskinen senaste tillkännagivande denna vecka för att differentiera sig i en värld fullt med nya databaser är en omarbetning sig som ett förebyggande program plattform. För att företagets grundare, detta innebär att resa full cirkel tillbaka till sina rötter inom supply chain optimization. Och samma sak gäller den roll som databaser spela med tillämpningar. Håll kvar dessa tankar.
Skarva Maskinen har differentierade som en SQL-relationsdatabas, helt ACID-kompatibel databas som körs ovanpå HBase som erbjuder transaktionshantering, och tack för att Gnista stöd, analytics. Som min big data bro Andrew Brust påpekade förra året, Skarv Maskinen banar väg som har Apache Phoenix projektet nafsa på sina klackar på SYRA genom att integrera med de ruvande Apache Tephra projektet. Men båda projekten inte på denna punkt leverera graden av samtidighet att Skarva Maskinen levererar. Ändå, Skarv Maskin inte vill fastna i HBase databas strider. Istället är det svängbara sikta högre i näringskedjan: aktivera data forskare att bygga automatisk program som körs i databasen.
Skarva Maskinen har stadigt varit montering av teknik stacken för att göra detta pivot hända. Det viktigaste är integreringen av Gnista analytics och Zeppelin bärbara datorer som hjälper data forskare författare, felsöka och distribuera sin kod. Med den nya AWS marketplace release, Skarv Maskinen är att införa jumpstart mallar, till att börja med att bygga IoT-driven automatisk supply chain optimization. Det är där den reser full cirkel metafor sparkar i: för företagets grundare, Monte Zweben, det är en chans att återvända till sina rötter i supply chain programvara.
Med tanke på att Skarva Maskinen kunder har redan byggt program för att upptäcka bedrägerier, digital marknadsföring nästa-nest erbjuder, kundlönsamhet analys, och credit dispute resolution, att vi inte skulle bli förvånade över att nästa omgång av mallar eller stubbar från Skarv Maskinen och/eller dess integrator partner kan hamna i liknande domäner.
Full cirkel metafor kickar in här igen, som att bygga automatisk apps via bärbara datorer som körs i databasen representerar throwbacks till hur gamla program konstruerades under de decennier som föregick Y2K-men med en modern (och mer flexibla) twist. På den gamla onda tiden, egenutvecklade applikationer hårt fast kod med data, som normalt lagras i filsystemet eller icke-relationella databaser. I upptakten till Y2K, rådande visdom var att framtidssäkra program genom att separera ansökan/affärslogik från databasen nivåer, så att teoretiskt, din databas kan förbli intakt oavsett vilka program som sprang på det.
Verkligheten visade sig vara mycket messier, som det ofta var långt mer lämpligt att köra affärslogik för att omvandla eller manipulera data som finns lagrade procedurer i databasen ändå. Och sedan när uppgifterna blev riktigt stora, växte det mer lämpligt att trycka ner bearbetning av uppgifter i data-lagring grupp själv — och det är hur Hadoop kluster och många MPP analytiska databaser byggdes. Men då molnet kom, som erbjuder flexibilitet och elasticitet, så databas motorer och program fick skiljas från data igen.
Att bli yr?
I en Skarv Maskinen moln demo, vi såg hur en automatisk sakernas internet supply chain applikation kan vara även orensad upp genom att underlätta för en managed cloud service i AWS marketplace. Kunden anger volymen av data, antalet beräkna enheter för att starta, och önskad prestanda och samtidighet nivåer. Skarv Maskinen svarar med uppskattningar av de månatliga kostnaderna för affärsbeslut och analytiska resultat baserat på TPC-C och TPC-H riktmärken, respektive; kunden kan justera dem upp eller ner för att passa deras budget.
Under huven, Skarv Maskinen genererar Docker behållare med automatiskt konfigurerade bilder till HBase, Spark, logga in sök, Zeppelin bärbara datorer, och Kafka som körs i en självläkande Mesos arkitektur. Skarva Maskinen uppskattningar processen bör inte ta mer än 15 minuter att komma igång.
Den bärbara strategi för att Skarva Maskinen ger en låg risk metod för företaget att undvika att fastna i bruset och blir bara en annan innovativ databas i ett hav av dem. Det gör så samtidigt som de vänder sig till en ny publik (data forskare) via ett verktyg som många anammar (Zeppelin notebook) utan att få fångas i hårkorset av Orakel eller systemet för enhetlig arealersättning av världen. Utmaningen för Skarv Maskinen är att dess strategi innebär att man sätter ihop massor av rörliga delar och kräver att få sin partner ekosystem laddat för att hjälpa företaget att röra sig uppåt i värdekedjan från big data-databas till en lösning plattform. Ett partnerskap med Intrigo, ett konsultföretag med SAP supply chain erfarenhet är en bra start.
0