Big Data und Polyglot Persistence - Dummies

Der Begriff Polyglot wird für Big Data als eine Reihe von Anwendungen ausgeliehen und neu definiert, die mehrere Kerndatenbanktechnologien verwenden, und dies ist das wahrscheinlichste Ergebnis von Ihre Umsetzungsplanung. Die offizielle Definition von Polyglott ist & ldquo; jemand, der mehrere Sprachen spricht oder schreibt. & rdquo; Es wird schwierig sein, einen Persistenzstil zu wählen, egal wie eng Ihr Ansatz für Big Data auch sein mag.

Eine polyglotte Persistenzdatenbank wird verwendet, wenn ein komplexes Problem gelöst werden muss, indem dieses Problem in Segmente aufgeteilt und verschiedene Datenbankmodelle angewendet werden. Es ist dann notwendig, die Ergebnisse zu einer hybriden Datenspeicherungs- und Analyselösung zu aggregieren. Eine Reihe von Faktoren wirkt sich auf diese Entscheidung aus:

• Sie verwenden bereits polyglotte Persistenz an Ihrem bestehenden Arbeitsplatz. Wenn Ihr Unternehmen oder Ihre Organisation groß ist, verwenden Sie wahrscheinlich mehrere RDBMS, Data Warehouses, Data Marts, Flat Files, Content Management Server und so weiter.

  Diese hybride Umgebung ist weit verbreitet und Sie müssen sie verstehen, damit Sie die richtigen Entscheidungen hinsichtlich Integration, Analyse, Aktualität der Daten, Datentransparenz usw. treffen können. Sie müssen alles verstehen, weil Sie herausfinden müssen, wie es in Ihre Big Data-Implementierung passen wird.

• Die idealste Umgebung, in der Sie nur eine Persistenztechnologie verwenden, ist wahrscheinlich nicht für die Lösung von Big Data-Problemen geeignet. Zumindest müssen Sie für Ihre neue Implementierung einen anderen Datenbankstil und andere unterstützende Technologien einführen.

• Je nach Art und Geschwindigkeit Ihrer Big Data-Erfassung müssen Sie möglicherweise verschiedene Datenbanken berücksichtigen, um eine Implementierung zu unterstützen. Sie sollten auch Ihre Anforderungen an die Transaktionsintegrität berücksichtigen. Müssen Sie die Einhaltung von ACID unterstützen oder genügt die BASE-Konformität?

Nehmen wir an, Sie müssen alle Kunden für Ihr Produkt identifizieren, die in den letzten 12 Monaten gekauft haben und die sozialen Websites über ihre Erfahrungen kommentiert haben - UND ob sie Support-Fälle hatten, wo sie das Produkt erworben haben, wie Was sie bezahlt haben, wie sie bezahlt haben, ob sie auf der Website des Unternehmens waren, wie oft, was sie taten und so weiter.

Dann nehmen Sie an, dass Sie ihnen einen Rabatt auf ihr Smartphone anbieten möchten, wenn sie einen Ihrer (oder eines Ihrer Partner) Einzelhandelsgeschäfte betreten.

Dies ist eine Herausforderung für große Datenmengen.Mehrere Datenquellen mit sehr unterschiedlichen Strukturen müssen gesammelt und analysiert werden, um Antworten auf diese Fragen zu erhalten. Dann müssen Sie bestimmen, ob sich die Kunden für die Promotion qualifizieren und ihnen in Echtzeit einen Gutschein schenken, der ihnen etwas Neues und Interessantes bietet.

Diese Art von Problem kann nicht einfach oder kosteneffektiv mit einer Art von Datenbanktechnologie gelöst werden. Obwohl einige der grundlegenden Informationen transaktional und wahrscheinlich in einem RDBMS vorliegen, sind die anderen Informationen nichtrelational und erfordern mindestens zwei Typen von Persistenz-Engines (räumlich und graphisch). Sie haben jetzt polyglotte Persistenz.