使用案例
自助式临时分析
数据仓库优化
操作和事件分析
研究和发现分析
自助式临时分析
随时随地在混合云和多云环境中分析任何数据。
在私有云或公共云环境中的任何位置针对任何数据快速配置数据仓库。识别数据集,创建可视化视图并运行它们。Cloudera Data Warehouse 会根据需要自动进行伸缩,以高效地实现亚秒级的响应以满足您最苛刻的数据挑战需求。
数据仓库优化
通过现代数据仓库技术提高洞察力
将比较难的工作负载从传统数据仓库基础架构部分或完全迁移到 Cloudera Data Warehouse,可以优化传统数据仓库。通过部署许多新用例实现现代数据仓库中蕴藏的机会,同时持续不断地节省大量成本。经过实战测试,例如 Impala、HIVE LLAP 和 Hive on Tez 等开源引擎以及 Hue 和 Workload XM 等工具,可以大规模地对结构化和非结构化数据进行灵活、快速地分析。
运营和事件分析
分析海量事件和时间序列数据
如需对来自边缘的机器日志、传感器和其它设备的大量事件和大量时间序列数据进行分析,则需要对性能、规模和易用性进行创新。对于传统基础架构而言是几乎不可能实现的,而 Cloudera Data Warehouse 与 Cloudera DataFlow 一起可以通过自助服务分析来处理海量的快速迁移数据。
研究与发现分析
将大量的非结构化数据与关系数据相关联。
高质量的预测要求从大量的非结构化、半结构化、文本和关系数据中挖掘新的相关性、模式和洞察力。Cloudera Data Warehouse 与用于全文搜索的Solr,和 Cloudera Machine Learning 一起充分利用了所有这些新的数据源,提供出色的预测分析能力。