Ära võtma: Host Rebecca Jozwiak arutab voogesituse analüüsi valdkonna tipptegijatega.
Te pole praegu sisse logitud. Video nägemiseks logige sisse või registreeruge.
Rebecca Jozwiak: Daamid ja härrad, tere ja Tere tulemast 2016. aasta kuumade tehnoloogiate juurde! Tänane pealkiri on “Firehose kasutamine: ettevõtte voolavuse voogesituse analüüsimine.” See on Rebecca Jozwiak. Olen veebiülekande hosti teine käsk alati, kui meie kallis Eric Kavanagh siin olla ei saa, nii et on tore näha, et nii palju teid täna seal on.
See episood erineb pisut teistest. Me rääkisime omamoodi sellest, mis on kuum ja muidugi see aasta on kuum. Viimased mitu aastat on olnud tulised. Alati tuleb välja uusi asju. Täna räägime analüüsi voogesitusest. Analüütika voogesitus on omamoodi uus asi. Muidugi voogesitus, keskandmed, RFID-andmed, need pole tingimata uued. Kuid andmete ülesehituse kontekstis oleme aastakümneid olnud nii keskendunud puhkeolekus olevatele andmetele. Andmebaasid, failisüsteemid, andmehoidlad - kõik enamasti pakettöötluseks. Kuid nüüd, kui nihutatakse andmete voogesituse, andmete emotsioonide väärtuse loomist, mõned nimetavad seda elavateks voogudeks, vajavad nad tõepoolest ojapõhist arhitektuuri, mitte puhkearhitektuuride andmeid, millega oleme harjunud ja see peab olema võimeline kiire sissevõtmise, reaalajas või peaaegu reaalajas töötlemise käitlemine. See peab suutma rahuldada mitte ainult asjade interneti, vaid kõige Interneti.
Muidugi, ideaalis oleks tore, kui kaks arhitektuuri elaksid kõrvuti, nii et üks käsi peseks teisega. Kui päeva vanustel andmetel, nädalate ja aasta vanustel andmetel on muidugi väärtus, ajalooline analüütika, trendianalüüs, siis tänapäeval on reaalajas intelligentsust ajendavad just reaalajas olevad andmed ja seetõttu on analüüsi voogesitus muutunud nii oluliseks.
Ma räägin sellest täna rohkem. Meil on meie andmeteadlane Dez Blanchfield, kes helistab Austraaliast. Praegu on tema jaoks varahommik. Meil on oma peaanalüütik dr Robin Bloor. Meiega liitub Anand Venugopal, Impetus Technologiesi StreamAnalytixi tootejuht. Nad on tõesti keskendunud selle ruumi voogesituse analüüsi aspektile.
Sellega lähen edasi ja annan selle Dez'ile.
Dez Blanchfield: Aitäh. Pean siin haarama ekraani juhtimise ja hüppama edasi.
Rebecca Jozwiak: Palun.
Dez Blanchfield: Samal ajal, kui me slaidid üles haarame, lubage mul katta vaid põhiteema.
Hoian seda üsna kõrgel tasemel ja hoian seda umbes 10 minutit. See on väga suur teema. Osalesin üritusel, kus veetsime kaks kuni kolm päeva, uurides üksikasjalikult, mis on voo töötlemine ja praegused raamistikud, mida me arendame ning mida analüüsi tegemine nendes suuremahulistes voogudes peaks tähendama.
Täpsustame lihtsalt, mida mõtleme analüüsi voogesituse all, ja uurime siis, kas ettevõtte väärtust saab tuletada, sest just seda ettevõtted otsivadki. Nad soovivad, et inimesed selgitaksid neile väga kiiresti ja lühidalt. Kust saaksin väärtuse saada, kui rakendaksime meie vooandmetele mingit analüütilisi vorme?
Mis on voogesituse analüüs?
Analüütika voogesitus annab organisatsioonidele võimaluse koguda väärtust suure hulga ja kiirete andmete kaudu, mida nad on äri kaudu tulnud erinevates liikumisvormides. Oluline erinevus seisneb selles, et meil on olnud pikk ajalugu analüütika ja objektiivide ning andmete kuvamise arendamisel, mida oleme töötanud aastakümneid puhkeolekus alates suurarvuti leiutamisest. Massiivne paradigmamuutus, mida oleme viimase kolme kuni viie aasta jooksul näinud nn veebiskaalana, on koputamine reaalajas või reaalajas ligipääsetavatesse andmevoogudesse, mitte ainult töötlemine ja sündmuste korrelatsiooni otsimine või sündmuste käivitajad, kuid täidavad nendes voogudes tõesti üksikasjalikku ja põhjalikku analüüsi. See on oluline nihe selleni, mida me varem tegime, milleks on kas andmete kogumine, nende paigutamine mingisse hoidlasse, nüüdseks traditsiooniliselt suurtesse andmebaasidesse, suured suured andmeraamistikud nagu Hadoopi platvorm, selle jaoks pakkimisrežiimi töötlemine ja hankimine mingi sisetunne.
Meil on väga hea see väga kiiresti teha ja proovida asjade jaoks palju rasket rauda, kuid ikkagi jäädvustame andmeid, säilitame ja vaatame neid ning saame selle kohta mingisuguseid teadmisi või analüüse. Nende andmete analüüsi tegemine andmete voogesituse kaudu on olnud väga uus ja põnev kasvulava suundumiste ümber toimuvate asjade jaoks. Analyticsi lihtsalt hõivamiseks, talletamiseks ja töötlemiseks ning teostamiseks on vaja täiesti teistsugust lähenemist.
Üks peamisi liikumapanevaid jõude analüüsi tegemisele ja sellele keskendumisele voos on see, et kui saadate neid andmeid kiiremini ja hõlpsamini, saate teabe omandamisel märkimisväärset äriväärtust, kuna teave tehakse ettevõttele kättesaadavaks. Mõte teha päevalõpu töötlemine nüüd mõnedes tööstusharudes enam asjakohane. Soovime, et analüüsi saaks teha lennult. Päeva lõpuks me juba teame, mis on juhtunud, nagu on juhtunud, selle asemel, et jõuda päeva lõpuni ja teha 24-tunnine pakkimistöö ning saada neid teadmisi.
Voogesitusanalüütika eesmärk on koputada otse sellesse voogu, samal ajal kui andmevood on tavaliselt mitu väga suure andmemahu ja andmete voogu, mis jõuavad meieni väga-väga kiiresti ja saavad neist voogudest ülevaate või analüüsi, kui nad meile jõuavad, mitte selle lubamine tuleb välja puhata ja analüüsida neid.
Nagu ma mainisin, on meil olnud aastakümneid ja aastakümneid seda, mida ma nimetan partiianalüütikaks. Ma panin siia väga laheda pildi. See on pilt härrasmehest, kes seisab pilkatud arvuti ees, mille lõi RAND Corporation elu tagasi ja mille järgi nad nägid maja arvutit välja. Huvitav on see, et ka siis oli neil kontseptsioon kõigist nendest väikestest valimisest ja need numbrid kujutasid teavet, mis majja tuleb ja mida töödeldakse reaalajas ning räägitakse teile, mis toimub. Lihtne näide on õhurõhu ja temperatuuri kogum, mida näeme reaalajas toimuvat nähes. Kuid ma kujutan seda ette juba siis, kui RAND Corporation selle väikese maketi kokku pani, mõtlesid nad tegelikult juba andmete töötlemisele ja analüüside tegemisele, kuna see tuleb ojavormingus. Ma pole päris kindel, miks nad arvutisse rooli panevad, aga see on päris lahe.
Alates er'i leiutamisest on meil olnud eesmärk andmeid hõivata ja selle kohta pakkide analüüse teha. Nagu ma nüüd suure nihkega öelnud olen ja oleme seda näinud veebimängude mängijate meeldimistest, keda me kõik teame, on nad kõik kodumajapidamiste kaubamärgid ja LinkedIn, et interaktiivne käitumine, mis meil nende sotsiaalsete platvormide juures nõuab, nõuab mitte ainult kogumist, salvestamist ja töötlemist siis pakkimisrežiimis, vaid nad ka tegelikult koguvad ja juhivad analüütilisi andmeid lenduvate andmevoogude abil lennult. Midagi piiksutades ei pea nad mitte ainult midagi jäädvustama, talletama ja hiljem tegema, vaid peavad saama ka selle kohe minu voogu tagasi panna ja teistele inimestele, kes mind jälgivad, jagada. See on partii töötlemise mudel.
Miks peaksime seda teed mööda minema? Miks peaksid organisatsioonid investeerima aega, vaeva ja raha, isegi kui arvestada väljakutsega proovida ojaanalüütikat? Organisatsioonidel on see suur soov saada konkurentsi oma tööstuses, kus nad tegutsevad, ja et tulemuslikkuse kasvu saab kiiresti rakendada lihtsa vooanalüütika abil ning see võib alata lihtsalt reaalajas andmete jälgimisega, mida me juba oleme tuttav. Sain seal Google Analyticsist väikese ekraanipildi. See on tõenäoliselt üks esimesi kordi, kui meil on tegelikult olemas praktiline tarbijatele mõeldud analüüs. Nii et kui inimesed teie veebisaiti külastasid ja saate neid löögiprotsente, koos pisikese JavaScriptiga veebisaidi allosas HTML-i manustatud veebisaidil, tehti need väikesed koodid reaalajas tagasi Google'ile ja need olid analüüsi tegemine andmevoogudele, mis tulevad teie veebisaidi igalt lehelt, igalt veebisaidi objektilt reaalajas ja tagastab teile selle reaalselt ajagraafiku armatuurlaual, armsas väikestes histogrammides ja joonel teile selle tõeliselt armsa väikese veebilehe kaudu graafik, mis näitab teile X-i inimeste arvu, kes on teie lehte ajalooliselt tabanud, kuid siin on mitu praegu.
Nagu ekraanipildil võite näha, on see praegu kirjas 25. Selle ekraanipildi tegemise ajal oli sellel lehel praegu 25 inimest. See on esimene reaalne võimalus, mida mängisime tarbijatele mõeldud analüüsitööriistal. Ma arvan, et paljud inimesed said sellest tõesti aru. Nad said lihtsalt aru, mis jõud oli teada, mis toimub ja kuidas nad saavad sellele reageerida. Kui mõelda lennunduse ja ringi lendavate lennukite ulatusele, siis ainuüksi USA-s toimub päevas 18 700 siselendu. Lugesin mõni aeg tagasi paberit - see oli umbes kuus või seitse aastat tagasi -, et nende lennukite toodetav andmemaht oli vanas tehnilises mudelis umbes 200–300 megabaiti. Tänapäevastes õhusõidukite konstruktsioonides toodavad need lennukid umbes 500 gigabaidist andmeid või umbes pool terabaiti andmeid lennu kohta.
Kui teete matemaatika väga kiiresti peast, siis ainuüksi USA õhuruumis toimub iga 24 tunni järel 18 700 siselendu, kui kõik tänapäevased lennukid tekitavad umbes poole terabaidi, see on 43 kuni 44 petabaiti andmeid, mis tulevad läbi ja see juhtub, kui lennukid on õhus. See juhtub, kui nad maanduvad ja teevad andmete prügikaste. See on siis, kui nad lähevad poodi ja saavad insenerimeeskondadelt täieliku andmete, et vaadata laagrites, ratastes ja mootorite sees toimuvat. Osa neist andmetest tuleb töödelda reaalajas, et nad saaksid otsustada, kas reaalse probleemi korral on lennuk õhus või maapinnal. Seda ei saa lihtsalt pakettrežiimis teha. Teistes tööstusharudes, mida näeme seal rahanduse, tervishoiu, tootmise ja inseneriteaduse alal, vaatavad nad ka seda, kuidas nad saavad selle uue ülevaate reaalajas toimuvast, mitte sellele, mida lihtsalt andmebaasides talletatakse termin.
Samuti on olemas selline andmete käsitlemise kontseptsioon, mida ma nimetan kiiresti riknevaks kaubaks või kiiresti riknevaks kaubaks - see, et paljud andmed kaotavad aja jooksul väärtuse. Seda enam ja enam liikuvusrakenduste ja sotsiaalmeedia tööriistade puhul, sest see, mida inimesed räägivad ja mis on praegu trendis, on see, millele soovite reageerida. Kui mõelda muudele meie elu osadele logistika ja toidukaupade saatmisega, siis mõistame kiiresti rikneva kauba mõistet. Mõelge aga andmetele, mis teie organisatsiooni läbi käivad, ja selle väärtusele. Kui keegi teeb praegu teiega mõnda äri ja saate nendega reaalajas suhelda, ei soovi te tund aega oodata, et saaks andmeid koguda ja panna süsteemi, nagu Hadoop, ja siis vajutada seda nuppu, siis ei saa sellega praegu hakkama ja soovite, et saaksite kliendi nõudmisel seda kohe teha. Seal on termin, mida näete nüüd palju hüpiks, kus inimesed räägivad sellest, et teil on see reaalajas andmevoog, mis võib teile isikupärastada, ja see, et isikupärastamine on teie kasutatavas süsteemis vastavalt teie isiklikule kogemusele. Nii et kui vajutate näiteks Google'i otsingutööriistale, kui ma teen päringu ja te teete sama päringut, siis ei saa me alati täpselt samu andmeid. Saame põhimõtteliselt selle, mida ma nimetan kuulsuselamuseks. Mind ravitakse ühekordse raviga. Saan oma isikliku versiooni nendes süsteemides toimuvast nende profiilide ja andmete põhjal, mille nad on minu kohta kogunud, ja sain analüüsida reaalajas voos.
See idee, et andmed on kiirestiriknev kaup, on praegu tõeline asi ja andmete väärtuse aja jooksul vähenemine on asi, millega peame täna tegelema. See pole eilne asi. Ma armastan seda pilti, kus karu haarab jõest välja hüppava lõhe, sest see maalib tõesti täpselt seda, mida ma näen voogesituse analüütikas. See on see tohutu andmejõgi, mis meile jõuab, kui vaja, siis tuletõrjevoolik ja karu istub oja keskel. See kavatseb reaalajas analüüsida selle ümber toimuvat nii, et see saaks tegelikult muuta selle kala õhus hõivamiseks. See ei ole nagu lihtsalt ojas sukeldamine ja sellest haaramine. See asi hüppab õhku ja selle kala püüdmiseks peab see olema õigel ajal õiges kohas. Muidu ei saa ta hommikusööki ega lõunat.
Organisatsioon soovib sama teha oma andmetega. Nad soovivad saada väärtust praeguse massilise andmemahu järgi. Nad tahavad analüüsida neid andmeid ja suure kiirusega andmeid, nii et meile ei tule mitte ainult andmete hulk, vaid see, kui kiiresti see pärineb. Näiteks turvalisuse tagamiseks on see kõik teie ruuterid, lülitid, serverid, tulemüürid ja kõik sündmused, mis tulevad nendelt ja kümnete tuhandete, kui mitte sadade tuhandete seadmetega, mõnel juhul riknevad andmed. Asjade Internetis ja tööstuslikus Internetis mõeldes räägime miljonitest, kui mitte isegi miljarditest anduritest, ning kuna andmeid tuleb läbi, mis analüütilisi andmeid pakub, vaatame nüüd keerukate sündmuste töötlemist sellises suurusjärgus ja kiirusel, nagu me pole kunagi varem näinud ja peame sellega täna hakkama saama. Selle ümber peame ehitama tööriistu ja süsteeme. See on organisatsioonide jaoks tõeline väljakutse, sest ühelt poolt on meil olemas väga suured kaubamärgid, kes teevad ise meisterda, küpsetavad selle ise, kui neil on selleks võime, oskuste komplekt ja inseneritehnika. Kuid keskmise organisatsiooni puhul pole see nii. Neil pole oskuste komplekti. Neil pole piisavalt võimalusi ega aega ega isegi raha, et selle väljamõtlemiseks investeerida. Nad kõik on suunatud sellele lähenemisele reaalajas otsustamise kontseptsioonile.
Kasutage juhtumeid, millega olen kokku puutunud, ja neid on kõigis sektorites, mida te võite ette kujutada, laia spektrit. Inimesed istuvad istudes ja pööravad tähelepanu ning ütlevad: kuidas me oma vooandmetele mõnda analüüsi rakendame? Me räägime veebimahukatest veebiteenustest. Seal on traditsioonilised sotsiaalmeedia platvormid ning veebipõhine e-rämps ja jaemüük - näiteks rakendused. Nad kõik üritavad meile seda reaalajas kuulsuste kogemust anda. Kuid kui me käsitleme rohkem tehnoloogiapakkumisteenuseid, telefoniteenuseid, häält ja videot, näen inimesi kõndimas, et nad teevad FaceTime'i telefonidega. See lihtsalt plahvatab. See ajab mind segadusse, et inimesed hoiavad telefoni enda ees ja räägivad sõbra videovooga, mitte ei hoia seda enam kõrva ääres. Kuid nad teavad, et saavad sellega hakkama ja nad kohanesid ning neile see kogemus meeldis. Nende rakenduste arendamisel ja neid pakkuvatel platvormidel tuleb selle liikluse ja liikluse profiilide kohta teha reaalajas analüüse, et nad saaksid teha lihtsaid asju, näiteks suunata seda videot täiuslikult, nii et saadav video on piisav hea kogemuse saamiseks. Seda tüüpi andmeid ei saa töödelda. See ei muudaks reaalajas videovoogu funktsionaalseks teenuseks.
Finantstehingutes on valitsemistava. Ei ole sobilik jõuda päeva lõpuni ja teada saada, et rikkusite seadust, liigutades koha peal privaatseid andmeid. Austraalias on meil väga huvitav väljakutse, kus privaatsusega seotud andmete teisaldamine mere ääres on eitav. Te ei saa võtta mu PID-i, minu isiklikke isiklikke identifitseerimisandmeid, avamerel. Austraalias kehtivad seadused selle peatamiseks. Eriti kindlasti finantsteenuste pakkujad, valitsusasutused ja asutused, peavad minuga oma andmevoogudes ja juhistes reaalajas analüüsi tegema, et olla kindel, et see, mida nad mulle pakuvad, ei jää kallastele. Kõik asjad peavad jääma kohapeal. Nad peavad seda tegema reaalajas. Nad ei saa seadust rikkuda ja hiljem andestust paluda. Pettuste tuvastamine - see on üsna ilmne, millest me krediitkaarditehingutega seoses kuuleme. Kuid kuna finantsteenuste tehingute tüübid muutuvad väga kiiresti, on PayPali abil reaalseid pettusi tuvastades reaalajas esinenud mitmesuguseid asju, kus raha ei liigu ühest teisest, vaid süsteemidevaheline finantstehing. Ebay pakkumisplatvormid, pettuste tuvastamine tuleb teha voogesituskontoris reaalajas.
Nüüd on trend liikuda voogude ekstraheerimise ja laadimistegevuse muutmise poole, nii et me ei taha jäädvustada midagi, mis voogu läheb. Me ei saa seda tegelikult teha. Inimesed on õppinud, et kui me kõik jäädvustame, meeldib teave kiiresti kiiresti puruneda. Nüüd on trikk nendel voogudel analüüsida ja ETL-i teha ning lihtsalt vajaminevat jäädvustada, potentsiaalselt metaandmeid, ja juhtida ennustavat analüütilisi andmeid, kus me tegelikult saame teada, mis juhtub, pisut edasi, mööda seda, mida me mida oleme just selles voos analüüsitud analüüside põhjal voos näinud.
Energia- ja kommunaalteenuste osutajad kogevad tarbijate seda tohutut soovi nõudluse hinnakujunduse järele. Võib-olla otsustan, et tahan osta rohelist energiat ühel konkreetsel kellaajal, kuna olen lihtsalt üksi kodus ja ma ei kasuta palju seadmeid. Kuid kui mul on õhtusöök, võiksin soovida, et kõik minu seadmed oleksid sisse lülitatud ja ma ei tahaks osta odavat elektrienergiat ja oodata selle kättetoimetamist, kuid oleks nõus selle energia saamiseks maksma rohkem kulusid. See nõudluse hinnakujundus, eriti kommunaalteenuste ja energiaruumi osas, on juba toimunud. Näiteks Uber on klassikaline näide asjadest, mida saate iga päev teha, ja seda kõike juhib nõudluse hinnakujundus. On mõned klassikalised näited sellest, kuidas Austraalias saavad inimesed uusaastaööl tohutu nõudluse tõttu 10 000 dollarit piletihinda. Olen kindel, et nad on selle probleemiga tegelenud, kuid voogesituse analüüs toimub reaalajas autos olles ja ütleb teile, kui palju ma maksma peaksin.
Asjade Internet ja sensorivood - oleme alles kraapinud selle pinna ja juhtunud on just põhivestlus, kuid näeme huvitavat nihet, kuidas tehnoloogia sellega tegeleb, sest kui te ei räägi peaaegu tuhandeid või kümneid tuhandeid, kuid sadu tuhandeid ja potentsiaalselt miljardeid seadmeid, mis teie juurde voogesitavad, pole peaaegu ükski praegune tehnoloogiakiht loodud selle probleemiga toime tulemiseks.
Seal on mõned kuumad teemad, mida näeme kohapeal, nagu turvalisus ja küberrisk. Need on meie jaoks väga tõelised väljakutsed. Veebis on olemas väga korralik tööriist nimega Põhja, kus saate istuda ja vaadata veebilehel mitmesuguseid reaalajas toimuvaid küberrünnakuid. Kui te seda vaatate, siis arvate, et "see on kena armas väike veebisait", kuid umbes viie minuti pärast saate aru, kui palju andmeid süsteemis analüüsib kogu maailma kõigi erinevate seadmete voogude kohta. mida neile söödetakse. See hakkab segama seda, kuidas nad seda salvestuse servas täidavad, ja pakub teile seda lihtsat väikest ekraani, mis ütleb teile, mida või mida muud sellele reaalajas ründab ning mis tüüpi rünnakuid. Kuid see on tõesti ilus viis lihtsalt saada head maitset selle kohta, mida vooanalüütika reaalajas potentsiaalselt teie jaoks teha saab, lihtsalt seda lehte vaadates ja saades aru voogude vastuvõtmise mahust ja väljakutsetest, töödeldes analüütilisi päringuid neid ja esindades seda reaalajas.
Arvan, et vestlus, mis mul kogu ülejäänud sessiooni jooksul toimub, käsitleb kõiki neid asju ühe vaatega minu jaoks huvitava vaatega - see on DIY väljakutse, küpseta ise, sobib mõnele klassikalised ükssarved, kes saavad endale lubada seda tüüpi asjade ehitamist. Nende insenerimeeskondade ja nende andmekeskuste ehitamiseks on nad saanud miljardeid dollareid. Kuid 99,9% -l seal tegutsevatest organisatsioonidest, kes soovivad oma vooanalüütika äritegevuses väärtust koguda, peavad nad saama standardvarustuses teenuse. Nad peavad ostma toote karbist väljas ja üldiselt vajavad nad selle rakendamiseks mingit nõustamisteenust ja professionaalset teenindust ning nad saavad selle väärtuse ettevõttes tagasi ja müüvad selle toimiva lahendusena ettevõttele tagasi.
Sellega pöördun ma teie poole, Rebecca, tagasi, sest usun, et see on see, mida me praegu üksikasjalikult käsitleme.
Rebecca Jozwiak: Suurepärane. Tänan teid väga, Dez. See on suurepärane esitlus.
Nüüd annan palli Robinile. Võta see ära.
Robin Bloor: Okei. Kuna Dez on sattunud voogude töötlemise vastikusse, ei tundunud mulle mõistlik seda uuesti katta. Nii et ma võtan lihtsalt täiesti strateegilise vaate.Vaadates peaaegu väga kõrgetasemelist olukorda, mis põrgut toimub, ja positsioneerides seda, sest minu arvates võib see aidata inimesi, eriti meid, inimesi, kes pole varem suures sügavuses voogude töötlemisse suletud.
Voolude töötlemine on olnud pikka aega olemas. Me kutsusime seda tavaliselt CEP-ks. Enne seda olid olemas reaalajas süsteemid. Algsed protsessikontrollisüsteemid töötlevad tegelikult infovooge - muidugi ei läinud midagi nii kaugele kui tänapäeval. See pilt, mida näete siin slaidil; see osutab paljudele asjadele, kuid osutab lisaks kõigele muule - tõsiasjale, et siin on mitmesuguseid latentsusi, mis kuvatakse eri värvides. Tegelikult, mis juhtus pärast 1960. aasta paiku saabunud andmetöötluse või kommertsarvutuse leiutamist, on see, et kõik on lihtsalt kiiremaks ja kiiremaks muutunud. Varem võisime sõltuda sellest, kuidas see tegelikult välja tuli, kui teile meeldib lainetes, sest nii see välja näeb. See sõltub tegelikult sellest. Kuna seda ajendas Moorese seadus ja Moorese seadus annaks meile umbes kuue aasta jooksul kümme korda kiirema koefitsiendi. Kui me siis tegelikult umbes 2013. aastasse jõudsime, siis kõik purunes ja hakkasime järsku kiirenema sellise kiirusega, nagu me pole kunagi varem, mis on kummaliselt enneolematu. Kiiruse suurenemise ja seetõttu latentsusaja vähenemise teguriks saime umbes kümme korda iga kuue aasta järel. Umbes 2010. aastast alates kuue aasta jooksul on meil vähemalt tuhande kordne arv. Kolme suurusjärgu asemel üks.
Just see on käimas ja sellepärast näib, et tööstus liigub ühel või teisel viisil fantastiliselt kiiresti - sest nii see on. Lihtsalt selle konkreetse graafiku tähenduse läbi vaadates on reaktsiooniajad tegelikult muide algoritmilises skaalas vertikaalteljel allapoole. Reaalaeg on arvutikiirus, kiirem kui inimestel. Interaktiivsed ajad on oranžid. Just siis, kui suhtlete arvutiga, on koht, kus soovite kümnendiku kuni umbes ühe sekundi pikkust latentsusaega. Eespool on tehing, kus me tegelikult mõtleme, mida te arvutis teete, kuid kui see kustub umbes viieteistkümne sekundi jooksul, muutub see talumatuks. Inimesed lihtsalt ei ootaks arvutit. Kõik tehti partiide kaupa. Paljud asjad, mida tehti partiidena, tulevad nüüd otse tehinguruumi, otse interaktiivsesse ruumi või isegi reaalajas ruumi. Kui varem võisime osa sellest teha laineliste ja väga väikeste andmemahtudega, siis nüüd saame hakkama väga suurte andmemahtudega, kasutades tohutult vähendatud keskkonda.
Nii et põhimõtteliselt on kõik need ütlevad, et tegemist on tegelikult tehingute ja inimeste interaktiivsete reageerimise aegadega. Kohutavalt palju voogudega praegu tehakse on inimeste teavitamine asjadest. Mõni asi läheb sellest kiiremini ja see annab asjadele hästi teavet, nii et see on reaalajas. Siis võtame litsentsi, et lihtsalt kukkuda nagu kivi, muutes kohese analüüsi teostatavaks ja muide üsna taskukohaseks. See pole ainult kiiruse vähenemine ja ka tipp on lihtsalt alla kukkunud. Kõigi nende rakenduste seas on tõenäoliselt kõige suurem mõju, mida saate teha kõigi nende ennustavate analüüside abil. Ma ütlen teile, miks minutiga.
See on ainult riistvara pood. Sul on paralleelne tarkvara. Me räägime aastast 2004. Skaalaväljastatud arhitektuur, mitmetuumalised kiibid, mälu suurendamine, konfigureeritav protsessor. SSD-d lähevad nüüd palju kiiremini kui ketramine. Võite ketramise kettaga hüvasti jätta. SSD-d on ka mitmes tuumas, nii et jälle kiirem ja kiirem. Varsti ilmumiseks oleme saanud memristori HP-st. Oleme 3D XPointi saanud Intelilt ja Micronilt. Nende lubadus on, et see muudab selle kõik niikuinii kiiremaks ja kiiremaks. Kui te tegelikult mõtlete kahele uuele mälutehnoloogiale, mis mõlemad muudavad kogu põhiosa väikeseks, läheb üksik trükkplaat kiiremini, me pole selle lõppu isegi näinud.
Streams-tehnoloogia, mis on tegelikult järgmine, on siin selleks, et jääda. Peaks olema uus arhitektuur. Ma mõtlen, et Dez on seda oma ettekandes juba mitmes punktis maininud. Aastakümnete vältel vaatlesime arhitektuuri andmehunnikute ja andmetöötluste kombinatsioonina. Me kippusime hunnikuid töötlema ja kippusime andmeid hunnikute vahel torudesse viima. Liigume nüüd põhimõtteliselt selle suunas, mida me nimetame Lambda andmearhitektuuriks, mis ühendab andmevoogude töötlemise andmehunnikutega. Kui töötlete tegelikult ajalooliste andmetega saabuvate sündmuste voogu andmevoo või andmehunnikuna, siis pean seda silmas Lambda arhitektuuris. See on lapsekingades. See on ainult osa pildist. Kui peate midagi nii keerulist nagu Internet kõigeks, mida Dez on ka maininud, saate tegelikult aru, et andmete asukohaga seotud probleeme on igasuguseid - otsused selle kohta, mida peaksite voos töötlema.
Asi, mida ma siin tegelikult ütlen, on see, et kui me töötleme partiina, siis me tegelikult töötleme vooge. Me ei saanud seda lihtsalt ükshaaval teha. Ootame lihtsalt, kuni on suur hunnik asju, ja töötleme siis kõik korraga. Oleme liikumas olukorda, kus saame tegelikult voos kraami töödelda. Kui suudame voogu kraami töödelda, saavad meie käes olevad andmehunnikud staatilisi andmeid, millele peame voo andmete töötlemiseks viitama.
See viib meid selle konkreetse asja juurde. Ma olen seda juba varem mõnes bioloogilise analoogiaga esitluses maininud. See, kuidas ma tahaksin, et te mõtleksite, on praegu inimesed. Prognoositava töötlemise reaalajas töötlemiseks on meil kolm eraldiseisvat võrku. Neid nimetatakse somaatilisteks, autonoomseteks ja enterokatteks. Enteel on teie kõht. Autonoomne närvisüsteem hoolitseb võitluse ja lendude eest. See hoolitseb kiire reageerimise eest keskkonnale. Somaatiline, mis hoolitseb keha liikumise eest. Need on reaalajas süsteemid. Selle huvitav asi - või minu meelest omamoodi huvitav - on palju ennustavam, kui te eales võiksite ette kujutada. Tundub, nagu vaataksite ekraanilt umbes 18 tolli kaugusel oma näost. Kõik, mida te selgelt näete, kõik, mida teie keha on võimeline selgelt nägema, on tegelikult umbes 8 × 10 ristkülik. Kõik, mis sellest väljaspool on, on tegelikult teie keha jaoks hägune, kuid teie meel täidab tegelikult lüngad ja muudab selle uduseks. Te ei näe üldse hägust. Näete seda selgelt. Teie mõte on tegelikult andmevoo ennustav meetod, et saaksite seda selgust näha. See on omamoodi kurioosne asi, kuid tegelikult võite vaadata seda, kuidas närvisüsteem töötab ja kuidas meil õnnestub ringi liikuda ja mõistlikult käituda - vähemalt mõned meist - mõistlikult mõistlikult ja mitte kogu aeg asjade kallal.
Seda kõike teeb siin paiknev neuraalanalüütika skaala. Mis juhtub, on see, et organisatsioonidel on samalaadne asi ja nad ehitavad samalaadset asja ning see saab olema voogude, sealhulgas organisatsiooni sisemiste voogude töötlemine - asjad, mis toimuvad see, asjad, mis toimuvad väljaspool seda, viivitamatu reageerimine, mis tegelikult tuleb teha, toidab muidugi ka inimest otsuste tegemisel ja kõigi nende toimumisel. Nii kaugele kui me näen, läheme sinna.
Üks selle tagajärg on see, et voogesituse rakenduse tase läheb hästi. Seal saab olema kohutavalt palju rohkem kui praegu näeme. Praegu korjame ilmselgete asjade tegemise madalaimaid vilju.
Niisiis on järeldus siit. Analüütika voogesitus on kunagi nišš, kuid see on muutumas tavapäraseks ja peagi võetakse see üldiselt kasutusele.
Sellega saadan selle Rebeccale tagasi.
Rebecca Jozwiak: Tänan teid väga, Robin. Suurepärane esitlus nagu tavaliselt.
Anand, sa oled järgmisel kohal. Põrand on teie oma.
Anand Venugopal: Fantastiline. Aitäh.
Minu nimi on Anand Venugopal ja olen StreamAnalytixi tootejuht. See on toode, mida pakub Impetus Technologies Californias Los Gatosest.
Impulsil on olnud suur ajalugu suurte ettevõtete jaoks suurte andmesidelahenduste pakkujana. Nii et me oleme teenuseettevõttena tegelikult teinud mitmeid voogesituse analüütika rakendusi ja õppinud palju õppetunde. Samuti otsustasime viimasel paaril aastal muutuda toote- ja lahendustepõhiseks ettevõtteks ning ojaanalüütika juhib impulsi Impetuse muutmisel suuresti tootepõhiseks ettevõtteks. Leidub kriitilisi, väga, väga olulisi varasid, mille tõuge tänu meie kokkupuutele ettevõtetega tühjendas ja StreamAnalytix on üks neist.
Oleme ettevõttes töötanud 20 aastat ning seal on suurepärane toodete ja teenuste segu, mis teeb meist tohutu eelise. Ja StreamAnalytix sündis kõigist meie viie või kuue voogesituse rakenduse õppetunnist.
Vaatlen mõnda asja, kuid analüütikud Dez ja Robin on ruumi katmisel teinud fantastilist tööd, nii et jätan vahele palju sisu, mis kattub. Tõenäoliselt lähen kiiresti. Lisaks tõelistele voogesituse juhtumitele näeme palju lihtsalt pakettkiirendust, kus ettevõtetes on sõna otseses mõttes väga-väga olulised pakkimisprotsessid. Nagu näete, võib kogu see sündmuse tajumise, selle analüüsimise ja sellele reageerimise tsükkel suurtes ettevõtetes võtta nädalaid ja nad kõik proovivad seda vähendada minutite ja mõnikord sekundite ja millisekunditeni. Nii et kõik, mis on kiirem kui kõik need pakettprotsessid, on ettevõtte omandamise kandidaadid ja see on väga hea, kui öelda, et andmete väärtus väheneb dramaatiliselt koos vanusega, seega mida suurem väärtus on algsetes osades sekunditega, kui see just juhtus. Ideaalis, kui oskaksite ette ennustada, mis juhtub, on see kõige suurem väärtus. See sõltub siiski täpsusest. Järgmine kõrgeim väärtus on siis, kui see on täpselt seal, kui see toimub, siis saate seda analüüsida ja reageerida. Muidugi väheneb väärtus pärast seda dramaatiliselt peamist piiravat BI-d, milles me viibime.
See on huvitav. Võite voolata dramaatiliselt teadusliku vastuse küsimusele, miks voogesitab analüütikat. Paljudel juhtudel näeme seda just seetõttu, et see on nüüd võimalik ja kuna kõik teavad, et partii on vana, partii on igav ja partii pole lahe. Kõigil on nüüd piisavalt haridust selle kohta, et voogesitus on võimalik ja kõigil on nüüd Hadoop. Nüüd on Hadoopi jaotustesse sisseehitatud voogesitustehnoloogia, olgu see siis Storm või Spark voogesitus ja muidugi järjekorrad, nagu Kafka jne.
Meie näevad ettevõtted hüppavad sellesse ja hakkavad neid juhtumeid katsetama ning näeme kahte laia kategooriat. Ühel on midagi pistmist kliendianalüüsi ja kliendikogemustega ning teisel operatiivluure. Ma uurin selle kohta mõnda detaili veidi hiljem. Kogu klienditeeninduse ja kliendikogemuse nurk ning me oleme ettevõttes Impetus StreamAnalytix seda mitmel erineval viisil teinud, seisneb tegelikult päriselt selles, et tõepoolest tabada tarbija mitme kanaliga kaasatust reaalajas ja anda neile väga-väga tundlikke kogemusi mis pole tänapäeval tavalised. Kui sirvite veebis, Bank of America veebisaidil ja uurisite mõnda toodet ning helistate lihtsalt kõnekeskusesse. Kas nad ütleksid: „Hei Joe, ma tean, et sa uurisid mingeid pangatooteid, kas sa tahaksid, et ma täidaksin sind?” Te ei usu seda täna, kuid just selline kogemus on voogesitusanalüütika abil võimalik. Paljudel juhtudel on see tohutu erinevus, eriti kui klient asus uurima võimalusi teiega lepingust vabanemiseks, otsides oma veebisaidilt ennetähtaegse lõpetamise klausleid või ennetähtaegse lõpetamise tingimusi ja helistades ning siis te ei saa otse neile vastu astuda, kuid tehke kaudselt pakkumine mingisuguse esimese reklaamikampaania kohta, kuna süsteem teab, et see inimene otsib varajast lõpetamist ja kui teete selle pakkumise sel hetkel, võiksite väga hästi kaitsta seda jaburust klienti ja vara .
See oleks üks näide, lisaks on väga paljud klienditeenused väga head näited. Täna rakendame nii kõnekeskuse kulusid kui ka dramaatilisi vaimustavaid kliendikogemusi. Dez tegi mõne kasutamise juhtumi kokkuvõtmisel ära suurepärase töö. Sellel diagrammil saate vaadata paar minutit. Klassifitseerisin selle vertikaalseks, horisontaalseks ja kombineeritud alaks, asjade Interneti, mobiilirakenduse ja kõnekeskuse alla. Nad kõik on vertikaalsed ja horisontaalsed. See sõltub sellest, kuidas te sellele vaatate. Alumine rida: me näeme palju horisontaalseid kasutusviise, mis on valdkonna vertikaalsuunas üsna tavalised, ja on ka vertikaalseid konkreetseid kasutusjuhte, sealhulgas finantsteenused, tervishoid, telekommunikatsioon, tootmine jne. Kui küsite tõesti endalt küsimust või ütlete endale et “oi, ma ei tea, mis kasutusjuhud seal on. Ma pole kindel, kas minu ettevõtte või meie ettevõtte jaoks on analüüside voogesitusel tõesti mingit äriväärtust, ”mõtle järele, mõtle kaks korda. Rääkige rohkemate inimestega, kuna on olemas juhtumeid, mis teie ettevõttes on tänapäeval olulised. Ma saan ettevõtte väärtusest teada, kuidas täpselt ettevõtte väärtus tuletatakse.
Siin oleva püramiidi allosas on teil ennustav hooldus, turvalisus, varjatud kaitse jne. Sellised kasutusjuhtumid kujutavad endast tulude ja vara kaitset. Kui Target oleks kaitsnud nende tundide ja nädalate jooksul juhtunud turvarikkumisi, oleks CIO võinud tema töö päästa. See võib säästa kümneid või sadu miljoneid dollareid jne. Reaalajas voogesituse analüüs aitab tõesti neid varasid ja kahjusid kaitsta. See on otsene äriline lisandväärtus just seal.
Järgmine kategooria on muutumas kasumlikumaks, vähendades teie kulusid ja saades praegusest tegevusest rohkem tulu. See on praeguse ettevõtte efektiivsus. Need on kõik kasutusjuhud, mida kutsume reaalajas operatiivluureks, kus saate põhjalikku teavet selle kohta, kuidas võrk käitub, kuidas teie klientide toimingud käituvad, kuidas teie äriprotsessid käituvad ja mida saate näpistada seda kõike reaalajas, kuna saate tagasisidet, saate teateid. Saate kõrvalekaldeid, erinevusi reaalajas ja saate kiiresti tegutseda ning eraldada piiridest väljuva protsessi.
Samuti võite säästa palju raha kallites kapitali ümberehitustes ja asjades, mida peate vajalikuks, mis ei pruugi võrguteenuse optimeerimisel vajalikuks osutuda. Kuulsime juhtumist, kus suur telco lükkas oma võrguinfrastruktuuri 40 miljoni dollari väärtuse uuenduse edasi, kuna nad leidsid, et neil on praeguse liikluse haldamiseks piisavalt võimsust, mis on nende liikluse ja muu sellise intelligentse marsruudi optimeerimise optimeerimine ja parem toimimine. Need on kõik võimalikud ainult reaalajas analüüsi ja tegevusmehhanismi abil, mis neid teadmisi reaalajas toimib.
Järgmine lisandväärtuse tase on ülesmüük, ristmüük, kus on võimalusi praegustest pakkumistest rohkem tulu ja kasumit teenida. See on klassikaline näide, mida paljud meist teavad, et on kogenud, kus te mõtlete oma elus sellele, kus olete nõus ostma toodet, mida teile praegu ei pakuta. Paljudel, paljudel juhtudel juhtub see tegelikult. Teil on meeles asju, mida teile meeldib osta, mida teate, et soovite osta, et teil on ülesandeloendit või midagi sellist, mida teie naine ütles teile või kui teil pole naist, kuid te tõesti tahtsite osta ja külastate veebisaiti või suhtlete jaemüügipoes, pole poepinnal lihtsalt puudust ega arukust, et arvutada, mida võiksite vaja minna. Seega ei saa nad oma äri turvaliseks. Kui voogesitusanalüütikat saaks kasutada tõeliselt täpsete ennustuste tegemiseks ja mis on tõesti võimalikud selles olukorras, mis kõige paremini sellele konkreetsele ebasoovitajale sobib, on sellel kliendil selles asukohas praegusel ajal palju, nii üles kui ka ristmüük ja see tuleb jällegi analüüsi voogesitus - võimalus teha soodne otsus selle kohta, mida see klient tõenäoliselt tõehetkel ostab või millele sellele reageerib, kui selleks võimalus on. Sellepärast ma armastan seda pilti, mida Dez näitas koos karuga just seda kala söömas. See on päris palju.
Samuti arvame, et seal on suur kategooria dramaatilisi, muutuvaid muutusi ettevõttes, pakkudes täiesti uusi tooteid ja teenuseid, mis põhinevad lihtsalt klientide käitumisel ja kõik muu ettevõtte käitumise vaatlusel. Kui oletame, et telefoni- või kaabeltelevisiooniettevõte jälgib tõesti klientide kasutusharjumusi selles turusegmendis, millist programmi mis kellaaega järgib jne, loovad nad tegelikult tooteid ja teenuseid, mida peaaegu palutakse mingil moel. Nii et kogu ekraani käitumise kontseptsioon on praegu nii, et me võtame peaaegu iseenesestmõistetavana, et näeme oma mobiilirakendustes televiisori või kaabli sisu. Mõned neist näidetest on pärit nendest uutest toodetest ja teenustest, mida meile pakutakse.
Ma tulen teemasse: „Millised on analüüsi voogesituse arhitektuurilised kaalutlused?” See on lõpuks see, mida me proovime teha. See on Lambda arhitektuur, kus te segate ajaloolisi andmeid ja reaalajas tehtud teadmisi ning näete neid samal ajal. Just seda Sigma võimaldab. Meil kõigil on täna pakkide arhitektuur ja ettevõtte pilt. Me uurime mõnda BI-virna ja kasutusvihku ning lisatud Lambda arhitektuuri. Kuna kiiruskiht või vajadus ja Lambda seisnebki nende kahe arusaama ühendamises ja nägemises seda kombineeritult, rikkalikul viisil, mis ühendab mõlemad arusaamad.
Pakutakse välja veel üks Kappa arhitektuuriks nimetatud paradigma, kus arvatakse, et kiiruskiht on ainus sisestusmehhanism, mis pikema aja jooksul püsib. Kõik tuleb läbi selle kiiruskihi. Isegi offline ETL-mehhanismi ei kavatseta luua. Kogu ETL juhtub. Puhastamine, andmete puhastamine, kvaliteetne ETL - kõik see juhtub juhtme kaudu, sest pidage meeles, et kõik andmed on sündinud reaalajas. Mingil hetkel oli see reaalajas. Oleme harjunud seda järvedele, jõgedele ja ookeanidele panema ning seejärel tegema seda staatilise analüüsi abil, unustades, et andmed sündisid reaalajas mingil hetkel.Kõik andmed on sündinud reaalajas sündmusena, mis juhtus ajahetkel ja enamus tänapäeva järvest pärinevatest andmetest pandi lihtsalt andmebaasi hilisemaks analüüsiks ning meil on Lambda ja Kappa arhitektuuris nüüd eelis tegelikult selle nägemine, analüüsimine, eeltöötlus ja reageerimine sellele kohale jõudes. See on see, mida need tehnoloogiad võimaldavad. Kui vaadata seda üldpildina, siis näeb see välja umbes selline nagu seal, kus sees on Hadoop, MPP-d ja andmelaod, mis teil juba olemas on.
Panime selle üles, kuna on oluline, et saarel ei räägitaks ainult uutest tehnoloogiatest. Nad peavad integreeruma. Neil peab olema praeguses ettevõtluskontrollis mõte ja ettevõtteid teenindavate lahenduste pakkujatena oleme selle suhtes väga tundlikud. Aitame ettevõtetel omamoodi kogu asja integreerida. Vasakpoolsel küljel on andmeallikaid, mis suunavad sisse nii Hadoopi kui ka andmelao kihte, aga ka reaalajas kihti ning kõik need üksused on laoarvutid, nagu näete, ja andmete tarbimise kiht on paremal külg. Pidevalt püütakse liikuda enamuse nõuetele vastavuse, juhtimise, turvalisuse, olelustsükli juhtimise jms juurde, mis on tänapäeval saadaval, ja kõik need on sellesse uude tehnoloogiasse koondatud.
Üks asi, mida ojaanalüütika proovib teha, kui vaadata tänapäeval maastikku, on voogesitustehnoloogia maastikul toimumas palju kraami ja ettevõtlusklientide seisukohast on neist nii palju aru saada. Seal on nii palju, millega sammu pidada. Vasakul küljel on andmete kogumise mehhanismid - NiFi, Logstash, Flume, Sqoop. Ilmselt olen pannud lahtiütlemise väites, et see pole ammendav. Tulles järjekordadesse ja siis tulles avatud lähtekoodiga voogesitusmootoritesse - Storm, Spark Streaming, Samza, Flink, Apex, Heron. Heron pole tõenäoliselt veel avatud lähtekoodiga. Ma pole kindel, kas see on pärit, alates. Need voogesitusmootorid viivad või toetavad seejärel analüütilise rakenduse komponenti, näiteks keeruka sündmuste töötlemine, masinõpe, ennustav analüüs, häiremoodul, ETL-i voogesitus, rikastamise statistiliste operatsioonide filtrid. Neid kõiki kutsume nüüd operaatoriteks. Nende operaatorite komplekt, kui need kokku lüüa, võib potentsiaalselt moodustada ka mõne tava, mis vajaduse korral suures osas sõlmitakse, voogesitusprogrammina, mis töötab voogesitusmootoriga.
Selle komponentide ahela osana peate andmeid salvestama ja indekseerima ka oma lemmikandmebaasi, oma lemmikkataloogisse. Võimalik, et peate vahemälu ja jällegi jaotama, mis viib andmete ülemise osa paremas servas ülaservas olevateks toodeteks või avatud lähtekoodiga toodeteks, kuid lõppkokkuvõttes on teil vaja mõnda toodet, et neid andmeid reaalajas visualiseerida. Samuti peate mõnikord leidma muid rakendusi. Me kõik oleme näinud, et väärtused, mis tulenevad ainult toimingust, mille te ette võtate, see toiming saab päästiku analüütilisest virnast teise rakenduste pinu, mis võib-olla muutis midagi, mis on IVR-i küljes, või käivitab kõnekeskuse väljaminev kõne või midagi sellist. Need süsteemid peavad olema integreeritud ja teie voogesitusklastri jaoks peab olema mingi mehhanism, et käivitada muud andmed andmete allavoolu integreerimiseks.
See on üldine virn vasakult paremale liikumiseks. Siis on teil teenusekihid, keskmine jälgimine, üldine turbekiht jne. Mis puudutab ettevõtte ruumis olevaid tooteid, mida kliendid näevad, nagu Hadoopi distributsioonid, millel kõigil on voogesitus, nagu ma ütlesin, ja seal on kas äriline või üksik -vendori lahendused, mis on ilmselgelt meie konkurentides. Samuti on maastikul palju muud, mida me siin võib-olla ei maininud.
Mida te seal näete, on üldjoontes see, mida ettevõtte kasutaja näeb. Nagu näete, on voo töötlemiseks keeruline ja kiiresti arenev tehnoloogiamaastik. Saime valikut ja nende kasutajakogemust lihtsustada. Mida me arvame, et ettevõtted tõesti vajavad, on selle funktsionaalne abstraktsus universaalses ja hõlpsasti kasutatavas liideses, mis ühendab kõiki neid tehnoloogiaid, mis muudab selle kasutamise tõesti lihtsaks ja ei paljasta kõiki liikuvaid osi ning lagunemise ja jõudluse ning olelustsükli hooldusega seotud probleemid ettevõttele.
Funktsionaalsuse võtmine on üks. Teine osa on voogesitava mootori abstraktsioon. Voogesituse mootorid ja avatud lähtekoodiga domeenid ilmuvad nüüd iga kolme, nelja või kuue kuu tagant. See oli Torm pikka aega. Samza tuli üles ja nüüd on see sädemevoog. Flink tõstab pead, hakkab tähelepanu saama. Isegi sädeme voogesituse tegevuskava abil saavad nad võimaluse kasutada erinevat mootorit sündmuste töötlemiseks, kuna nad mõistavad ka, et Spark oli mõeldud partiiks ning nad on oma arhitektuuri visioonis ja teekaardis tee, millel võib olla erinev mootor voo töötlemiseks lisaks praegusele mikropartii mustrile sädeme voogesituses.
See on reaalsus, millega peate leppima, et seal toimub palju evolutsiooni. Peate ennast selle tehnoloogia muutumise eest kaitsma. Kuna vaikimisi peate valima ühe ja siis sellega elama, mis pole optimaalne. Kui vaatate seda muul moel, siis võitlete omavahel: „okei, ma pidin ostma patenteeritud platvormi, kus pole lukustamist, avatud lähtekoodiga vahendeid pole, see võib olla väga kallis ja piiratud paindlikkus võrreldes kõigi nende avatud lähtekoodiga pakkidega, kus sa pidid seda ise tegema. ”Jällegi, nagu ma ütlesin, on turule tulek palju kulusid ja viivitust. See, mida me ütleme, on StreamAnalytix üks näide suurepärasest platvormist, mis koondab kokku äriklassi, usaldusväärse, ühe müüja, toetatud professionaalse teenuse - kõik selle, mida te ettevõttena vajate, ja avatud lähtekoodiga ökosüsteemi paindlikkuse jõud kus üks platvorm ühendab neid - Ingest, CEP, analüütika, visualiseerimine ja kõik see.
See teeb ka väga-väga ainulaadse asja, mis koondab ühe kasutajakogemuse alla palju erinevaid tehnoloogiamootoreid. Me tõesti arvame, et tulevik seisneb mitmete voogesitusmootorite kasutamises, kuna erinevad kasutusjuhud nõuavad tõesti erinevaid voogesituse arhitektuure. Nagu Robin ütles, on latentsusaegade spekter terve. Kui räägite tõesti millisekundi latentsusajast, kümnetest või isegi sadadest millisekunditest, siis vajate praegu tõesti Stormi, kuni on olemas mõni teine sama küps toode vähem leebuse või leebema ajakava ja latentsusaegade jaoks võib-olla mõne sekundi, kolme, neli, viis sekundit, siis võite kasutada sädeme voogesitust. Võimalik, et on ka teisi mootoreid, mis suudaksid teha mõlemat. Alumine rida, suures ettevõttes tuleb ette igasuguseid kasutusjuhtumeid. Te tõesti tahate, et juurdepääsul ja üldiselt oleks mitu mootorit ühe kasutajakogemusega ja seda me proovime StreamAnalytixis üles ehitada.
Lihtsalt kiire ülevaade arhitektuurist. Me hakkame seda natuke ümber töötama, kuid põhimõtteliselt on vasakpoolses küljes mitu andmeallikat - Kafka, RabbitMQ, Kinesis, ActiveMQ, kõik need andmeallikad ja järjekorrad tulevad voo töötlemise platvormile, kus te saate kokku panna rakenduse, kus saate lohistada operaatoritelt nagu ETL-id, kõik asjad, millest me rääkisime. Selle all on mitu mootorit. Praegu on meil tööstuse ainus ja esimene äriklassi voogesituse platvorm Storm ja Spark Streaming, millel on mitu mootoritugi. See on väga ainulaadne paindlikkus, mida pakume lisaks kõigile muudele reaalajas armatuurlaudade paindlikkusele. CET mootor sisseehitatud. Meil on sujuv integratsioon Hadoopi ja NoSQL-i, Solri ja Apache'i indeksitega. Saate maanduda oma lemmikandmebaasi olenemata sellest, mis see on, ja ehitada rakendusi üles tõesti kiiresti, pääseda turule väga kiiresti ja jääda tulevikukindlaks. See on kogu meie mantra StreamAnalytixis.
Sellega arvan, et lõpetan oma märkused. Tulge julgelt meie juurde lisaküsimuste saamiseks. Tahaksin jätta sõna küsimuste ja vastuste ning paneeldiskussioonide jaoks.
Rebecca, sulle üle.
Rebecca Jozwiak: Tore, okei. Tänan sind väga. Dez ja Robin, kas teil on mõni küsimus enne, kui anname selle üle vaatajaskonna küsimustele ja vastustele?
Robin Bloor: Mul on küsimus. Panen oma kõrvaklapid tagasi, et saaksite mind kuulda. Üks huvitavaid asju, kui saaksite mulle seda lahkelt öelda, näeb palju seda, mida olen avatud lähtekoodiga ruumis näinud, seda, mida ütleksin mulle ebaküpsena. Teatud mõttes võib jah teha mitmesuguseid asju. Kuid tundub, et vaatame tarkvara esimest või teist väljaannet tegelikkuses ja mõtlesin just teie kui organisatsiooni kogemuse üle, kui palju peate Hadoopi keskkonna ebaküpsust probleemseks või on see midagi sellist, mis ei t ei tekita liiga palju probleeme?
Anand Venugopal: See on reaalsus, Robin. Sul on täiesti õigus. Ebaküpsus ei pruugi tähendada ainult funktsionaalset stabiilsust ja asju, vaid võib-olla ka mõnel juhul. Kuid ebaküpsus seisneb pigem kasutusvalmiduses. Avatud lähtekoodiga tooted, kui nad välja tulevad ja isegi kui neid pakub Hadoopi turustus, on need kõik palju erinevaid võimekaid tooteid, komponendid lihtsalt kokku löönud. Need ei tööta tõrgeteta koos ega ole mõeldud sujuvaks ja sujuvaks kasutajakogemuseks, mis on näiteks Bank of America või Verizon või AT&T - voogesitusanalüüsirakenduse juurutamiseks nädala jooksul. Neid ei ole kindlasti selleks ette nähtud. See on põhjus, miks me sisse tuleme. Me koondame selle kokku ja muudame selle hõlpsaks mõistmiseks, juurutamiseks jne.
Minu arvates on selle funktsionaalne küpsus olemas. Paljud suured ettevõtted kasutavad täna näiteks Tormi. Paljud suurettevõtted mängivad täna sädemevoogesitust. Kõigil neil mootoritel on oma piirangud, mistõttu on oluline teada, mida saate ja mida mitte, iga mootoriga teha ei ole mõtet ning pole mõtet pead vastu seina murda ja öelda: „Vaata, ma näen valis Spark Streaming ja see ei tööta minu jaoks selles konkreetses valdkonnas. ”See ei toimi. Kasutusel on juhtumid, kus sädeme voogesitus on parim valik, ja on ka juhtumeid, kus sädeme voogesitus ei pruugi teie jaoks üldse töötada. Sellepärast vajate tõesti mitut võimalust.
Robin Bloor: Noh, enamiku selle jaoks peavad teil olema eksperdirühmad. Ma mõtlen, et ka ma ei tea isegi, kust sellest alustada. Osavate inimeste mõistlik koostöö. Mind huvitab, kuidas kaasamine kaasab ja kuidas see juhtub. Kas sellepärast, et konkreetne ettevõte on pärast konkreetset rakendust või näete sellist, mida ma nimetaksin strateegiliseks vastuvõtmiseks, kus nad tahavad, et terve platvorm teeks palju asju.
Anand Venugopal: Me näeme mõlemaid, Robin. Mõned kümnest kaubamärgist, mida kõik teavad, tegelevad sellega väga strateegilisel viisil. Nad teavad, et neil on mitmesuguseid kasutusjuhtumeid, nii et nad hindavad platvorme, mis vastavad sellele vajadusele, st ettevõttes kasutamiseks mõeldud erinevaid kasutusjuhte mitme üürniku moodi. On ka ühekordseid juhtumilugusid, mis algavad samuti. Hüpoteekiettevõttes töötab konkreetne äritegevuse jälgimise tüüpi kasutamise juhtum, mida te ei kujutaks ette kui esimest kasutusjuhtu, kuid see on ärilahendus või kasutusjuhtum, mille nad välja pakkusid, ja siis ühendasime punktid voogesitusega . Me ütlesime: “Teate mida? See sobib suurepäraselt analüüsi voogesitamiseks ja nii saame seda ka rakendada. ”Nii see algas. Siis saavad nad selle protsessi käigus hariduse ja ütlevad: „Oh vau, kui me suudame seda teha ja kui see on üldine platvorm, siis saame selle rakenduse eraldada, need platvormiks kihistada ja ehitada sellele palju erinevaid rakendusi platvormi. ”
Robin Bloor: Dez, kas sul on küsimusi?
Anand Venugopal: Dez on vist vaigistatud.
Dez Blanchfield: Vabandage, vaigistage. Mul oli endal lihtsalt hea vestlus. Jälgides lihtsalt Robini algset tähelepanekut, on teil täiesti õigus. Ma arvan, et praegu on väljakutseks see, et ettevõtetel on ökosüsteem ning kultuuri- ja käitumiskeskkond, kus tasuta ja avatud lähtekoodiga tarkvara on neile teadaolev asi ning nad saavad brauserina kasutada selliseid tööriistu nagu Firefox ja sellel on olnud korralik kasutusiga, kuni see muutub stabiilseks ja turvaliseks. Kuid mõned neist väga suurtest platvormidest, mida nad kasutavad, on ettevõtte klassi omandiõigusega platvormid. Nii et avatud lähtekoodiga platvormide kasutuselevõtt ei ole alati midagi sellist, millest on kultuuriliselt või emotsionaalselt lihtne pääseda. Olen seda näinud vaid väikeste programmide vastuvõtmisel, mis olid kohalikud projektid, et põhikontseptsioonina mängida suurandmete ja analüütikaga. Ma arvan, et üks peamisi väljakutseid - ma olen kindel, et olete neid nüüd juba kogu organisatsioonis näinud - on soov tulemust saada, kuid samal ajal peaks üks jalg kinni vanasse purki, kust nad seda lihtsalt osta võiksid „Sisestage suur kaubamärk” Oracle, IBM ja Microsoft. Neid uusi ja tuntud kaubamärke tuleb läbi Hadoopi platvormide ja veelgi enamaga. Tulemas on põnevamaid kaubamärke, millel on tipptasemel tehnoloogia, näiteks stream.
Millised on teie vestlused, mida teil on olnud või millest läbi käinud? Ma tean, et meil on täna hommikul tohutult palju kohalolijaid ja üks, mis on kindel, et mul on kõigil meeles, on: „Kuidas ma saan läbi kogu selle väljakutsuva kihi juhatusest juhtimistasandini, oh selle liiga avatud allikat ja liiga veritsevat serva? "Kuidas sujuvad teiega vestlused klientidega ja kuidas te lõpetate selle hetke, kus te leevendate seda tüüpi hirmud, et kaaluda StreamAnalytixi meeldimiste kasutuselevõttu?
Anand Venugopal: Meil on tegelikult oma väärtuspakkumise müümine üsna lihtne, kuna kliendid liiguvad loomulikult eelistatud variandina avatud lähtekoodiga toodete poole. Nad ei loobu lihtsalt öeldes: "Olgu, ma lähen nüüd avatud lähtekoodiga." Nad läbivad suure toote väga pühendunud hindamise, ütleme siis, et see on IBM või tüüpiline toode, kuna neil on need müüjasuhted. Nad ei kohtleks meid ega avatud lähtekoodiga mootorit selle toote vastu. Nad läbivad kuus kuni kaheksa kuni kaksteist nädalat kestvat hindamist. Nad veenvad ennast, et siin on teatav jõudlus ja stabiilsus, mida ma tahan, ja siis nad mõtlevad välja öeldes: "Vau, teate, mida ma võin seda teha."
Näiteks täna on meil põhiline esimese astme telco, millel on palju korstnat lisaks tootmises jooksvatele voogesituse analüüsidele ja nad hindavad seda teise väga-väga tuntud tuntud müüja suhtes ja nad said sellest veenda alles pärast seda, kui oleme kõik tõestanud. jõudlust, stabiilsust ja kõiki neid asju. Nad ei võta seda iseenesestmõistetavana. Nad leidsid, et avatud lähtekoodiga tarkvara on nende hinnangute kaudu pädev ja nad mõistavad, et halvimal juhul on võib-olla ka neid kahte kasutusjuhtumit, mida ma võib-olla ei saa teha, kuid enamus minu ettevõtte kiirenduse kasutamise juhtumeid on tänapäeval avatud lähtekoodiga korstnat. ”Ja me võimaldame selle kasutamist. Nii et see on suur magus koht seal. Nad tahtsid avatud lähtekoodiga. Nad soovivad tõesti pääseda müüjate kinnipidamise olukorrast, millega nad on harjunud palju aastaid. Siis tuleme siia ja ütleme: "Teate mida, me muudame teie jaoks avatud lähtekoodiga tarkvara palju-palju lihtsamaks ja sõbralikumaks."
Dez Blanchfield: Arvan, et teine väljakutse, mille ettevõtted leiavad, on see, kui nad toovad sisse traditsioonilise turgu valitseva operaatori, sageli põlvkond põnevaid asju, millest me siin räägime, tagapool põlvkonda, ja ma ei pea seda silmas negatiivse kergena. Reaalsus on see, et neil on vaja põlvkond ja teekond, mille jooksul vabastatakse see, mida nad peavad stabiilseteks platvormideks, vana kooli arendamine ja UATN-i integreerimistsüklid ning testid ja dokumentatsioon ning turundus ja müük. Arvestades seda, mida te praegu teete, on minu arvates huvitav mõelda selles, et kui vaadata mõnda teie eile õhtul ilmunud viimast väljaannet mingisugust uurimistööd tehes, siis nüüd on teil see segu, kus pädevus algusest peale nõustamise ja teostuse seisukohast, kuid saite ka virna, mille saate sisse rullida. Arvan, et siin hakkavad turgu valitsevad operaatorid mõnda aega võitlema. Oleme neid turul palju näinud, nagu mina tegin. Sageli on need, mida ma nimetan järelejõudmise sõlmedeks, arvestades seda, mida te meile räägite, kui olete seal vestlusi tegemas ja rakendamas.
Kas saate tuua paar näidet mõnede piiripiiride kohta, mida olete kohanud? Näiteks on olemas tõesti selline nišikeskkond nagu raketiteadus ja satelliitide kosmosesse panemine ning Marsilt andmete kogumine. Sellel planeedil on vaid käputäis inimesi. Kuid on olemas suuri vertikaale, näiteks tervis, näiteks lennunduses, laevanduses ja logistikas, tootmises ja masinaehituses, mis on paar näidet suurematest ja laiematest tööstussektoritest, kus olete seni olnud, et olete näinud tõesti head lapsendamine?
Anand Venugopal: Telco on suur näide.
Parandan siin lihtsalt oma slaidid kiiresti. Kas näete siin slaidi, juhtumianalüüs 4?
See on juhtum, kui suur telefon võtab sisse digiboksi andmeid ja teeb sellega mitu asja. Nad vaatavad, mida kliendid reaalajas tegelikult teevad. Nad vaatavad digiboksides reaalajas toimuvaid vigu. Nad üritavad kõnekeskust teavitada, kui see klient kohe helistab, koodilingi teave selle kliendi digiboksist, hoolduspileti teave korreleerib kiiresti, kas selle konkreetse kliendi digiboksil on probleem või mitte isegi enne seda klient räägib sõna. Iga kaabellevifirma ja iga suurem telco üritab seda teha. Nad söödavad digiboksi andmeid, teevad reaalajas analüütilisi andmeid, teevad kampaanianalüütikat, et nad saaksid oma reklaame panna. Kasutusjuhtum on tohutu.
Nagu ma ütlesin, on siin see hüpoteekiettevõte, mis on jällegi üldine muster, kus suured süsteemid on seotud andmete töötlemisega. Andmed, mis voolavad läbi süsteemi A süsteemist B süsteemi C ja need on reguleeritud ettevõtted, et kõik peab olema järjepidev.Sageli lähevad süsteemid üksteisega sünkroonist välja, üks süsteem ütleb: “Ma töötlen sada laenu koguväärtusega 10 miljonit dollarit.” Süsteem ütleb: “Ei, ma töötleksin mõne muu 110 laenu erinev arv. ”Nad peavad selle lahendama tõesti kiiresti, kuna töötlevad tegelikult samu andmeid ja tõlgendavad neid erinevalt.
Olgu tegemist krediitkaardi, laenu töötlemise, äriprotsessi või hüpoteeklaenude äriprotsessi või millegi muuga, aitame neil reaalajas korrelatsiooni ja leppimist, et tagada nende äriprotsesside püsimine sünkroonis. See on veel üks huvitav kasutusjuhtum. On üks USA valitsuse suur töövõtja, kes otsib anomaalia tuvastamiseks DNS-i liiklust. Nende loodud on võrguühenduseta koolitusmudel ja reaalajas liikluses teevad nad selle mudeli alusel punkte. Mõned neist huvitavatest kasutusjuhtudest. Üks suuremaid lennufirmasid vaatab turvajärjekordi ja nad üritavad anda teile sellist teavet, et “Hei, see on teie lennuki värav teie lennu jaoks. TSA järjekord on täna umbes 45 minutit versus kaks tundi versus midagi muud. ”Saate selle värskenduse kohe kätte. Nad töötavad selle kallal endiselt. Huvitav asjade Interneti kasutamise juhtum, kuid suurepärane võimalus analüüsi rubriigi voogesitamiseks kliendikogemusele.
Rebecca Jozwiak: See on Rebecca. Kui olete kasutusjuhtude teemadel, küsib üks kuulajaskonnalt suur küsimus, kes küsib: „Kas need on juhtumianalüüsid, kas neid algatusi juhib maja infosüsteemide analüütiline külg või ajendatakse neid rohkem ettevõte, kellel on konkreetseid küsimusi või vajadusi? ”
Anand Venugopal: Arvan, et näeme umbes 60 protsenti, umbes 50 protsenti kuni 55 protsenti, enamasti väga ennetavaid, entusiastlikke tehnoloogiaalgatusi, kes teavad, kes on üsna asjatundlikud ja mõistavad teatud ärinõudeid ning tõenäoliselt on neil üks sponsor, kelle nad leidsid, kuid need on tehnoloogiameeskonnad, kes valmistuvad ette tulevate ärikasutusjuhtumite rünnakuks ja kui nad on võime üles ehitanud, teavad nad, et saavad seda teha ning lähevad siis äri juurde ja müüvad seda agressiivselt. 30–40 protsendil juhtudest näeme, et ettevõttel on juba konkreetne kasutusjuhtum, mis nõuab voogesituse analüüsi võimalust.
Rebecca Jozwiak: See on loogiline. Mul on publiku liikmelt veel üks pisut tehnilisem küsimus. Ta küsib, kas need süsteemid toetavad nii struktureeritud kui ka struktureerimata andmevooge, näiteks reaalajas voogude või postituste setteid või on vaja seda algul filtreerida?
Anand Venugopal: Tooted ja tehnoloogiad, millest me räägime, toetavad väga vahetult nii struktureeritud kui ka struktureerimata andmeid. Neid saab konfigureerida. Kõigil andmetel on mingi struktuur, olgu need siis a või XML või üldse midagi muud. Ajatempli etteande osas on teatud struktuur. Võib-olla on veel üks kämp, mida tuleb sõeluda, et saaksite andmestruktuuride sõelumiseks voogudesse süstida parsid. Kui see on üles ehitatud, siis ütleme süsteemile lihtsalt: „Olgu, kui on komaga eraldatud väärtused ja esimene on string, teine on kuupäev.” Nii saame selle parsimisintellekti süstida ülaserva kihtidesse ja töödelge hõlpsalt nii struktureeritud kui ka struktureerimata andmeid.
Rebecca Jozwiak: Mul on publikult veel üks küsimus. Ma tean, et oleme tunni tipust pisut mööda jooksnud. See osaleja soovib teada, näib, et reaalajas voogesituse rakendused võivad tekitada vajaduse ja võimaluse integreeruda tagasi tehingusüsteemidesse, näiteks pettuste ärahoidmise süsteemidesse. Kas sellisel juhul tuleb tehingusüsteeme kohandada, et need justkui sobiksid?
Anand Venugopal: See on ühinemine, eks? See on tehingusüsteemide liitmine. Mõnikord muutuvad need andmete allikaks seal, kus analüüsime tehinguid reaalajas, ja paljudel juhtudel, kui öelda, et seal on rakenduste voog, ja siin ma üritan näidata staatilist andmete otsingusaiti ja meie puhul siis mingisugust voogesitust. ja otsite staatilist andmebaasi nagu HBase või RDBMS, et voogesitusandmeid ja staatilisi andmeid koos rikastada, et teha otsus või analüütiline ülevaade.
On veel üks suur tööstustrend, mida me ka näeme - OLAP ja OLTP lähenemine - ja seetõttu on teil andmebaasid nagu Kudu ja mälusisesed andmebaasid, mis toetavad korraga nii tehinguid kui ka analüütilist töötlemist. Voo töötlemise kiht jääks täielikult mällu ja me vaatame mõnda neist tehinguandmebaasidest või oleme nendega ühenduses.
Rebecca Jozwiak: Segane töökoormus on minu arvates olnud üks viimaseid takistusi. Dez, Robin, kas teil kahel on veel küsimusi?
Dez Blanchfield: Ma hakkan käsitlema viimast küsimust ja kaaluma seda, kui te ei pane seda tähele. Esimene väljakutse, millega organisatsioonid, kellega olen viimased kümmekond aastat tegelenud, ja viinud selle põneva vooanalüütika väljakutseni, on esimene asi, mille nad kipuvad kogu selle väljakutse ümber vestluse alustades uuesti lauale panema, kus saame oskuste komplekti? Kuidas me oskuste komplekti ümber koolitame ja kuidas selle võime sisemiselt omandada? Kui teil on hoogu juurde tulla ja hoida meid käes, hoidke meid kogu teekonnal läbi ja siis rakendage seda suurepärase esimese sammuna ning seda on palju mõtet teha.
Kuid keskmise ja suure organisatsiooni jaoks, milliseid asju näete praegu selleks ettevalmistamiseks, selle võime sisemiseks ülesehitamiseks, kõigest, mis on seotud põhilise sõnavaraga selle ümber, ja milliseid asju nad saavad teha organisatsiooni ümber liikumisele sellisele raamistikule ja olemasolevate tehniliste töötajate ümberpaigutamist IT-st tegevjuhi kohalt, et nad saaksid seda ise käivitada, kui olete selle üles ehitanud ja rakendanud? Lihtsalt lühidalt, milliseid väljakutseid ja kuidas nad lahendavad, kliente, kellega kokku puutute, milliseid väljakutseid nad leidsid ja kuidas nad selle ümberõppe lahendavad ning kogemuste ja teadmiste taastamise läbi saavad, et selleks valmis olla ja olla kas on võimalik operatiivselt ringi liikuda?
Anand Venugopal: Sageli on väike hulk inimesi, kes üritavad voogesitusanalüüsi platvormi välja osta, juba mõistlikult nutikad, kuna nad on Hadoopist teadlikud, nad on juba omandanud Hadoopi MapReduce'i oskused ja kuna nad teevad tihedat koostööd Hadoopi turustusettevõttega, nad on kas tuttavad. Kõike saab näiteks Kafka. Nad teevad sellega midagi ja Stormi või Sparki voogesitus on nende avatud lähtekoodiga domeenis. Kindlasti on inimesed sellega tuttavad või oskused selle ümber ehitada. Kuid see algab väikesest hulgast inimestest, kes on piisavalt osavad ja piisavalt targad. Nad osalevad konverentsidel. Nad õpivad ja küsivad tarnijatelt arukaid küsimusi ja mõnel juhul õpivad nad koos müüjatega. Kuna müüjad tulevad ja esinevad esimesel kohtumisel, ei pruugi nad asju teada, kuid loevad nad ühiselt läbi ja hakkavad siis sellega mängima.
See väike inimrühm on tuum ja siis hakkab see kasvama ja kõik saavad nüüd aru, et esimene ärikasutusjuhtum saab kasutusele. Seal algab laine ja me nägime eelmisel nädalal Sparksi tippkohtumisel, kus üks suur ettevõte nagu Capital One oli väljas ja täie jõuga. Nad valisid Sparki. Nad rääkisid sellest. Nad koolitavad Sparkis palju oma inimesi, kuna annavad sellele paljudel juhtudel ka kasutajana oma panuse. Sama näeme paljude paljude ettevõtete puhul. See algab mõne väikese hulga väga nutikate inimestega ja siis algab üldhariduse laine ja inimesed teavad, et kui üks vanem VP või üks vanemdirektor on joondatud ja nad tahavad selle asja peale panustada ning sõna saab ümber ja nad kõik hakkavad neid oskusi omandama.
Dez Blanchfield: Olen kindel, et teil on fantastiliselt aega ka nende meistrite ehitamiseks.
Anand Venugopal: Jah. Teeme palju haridust, kui teeme koostööd algsete meistritega, korraldame koolitusi ja palju, palju oma suurte klientide jaoks, sest oleme tagasi pöördunud ja koolitanud laineid, et tuua paljud kasutajad tavakasutuse faasi, eriti saidil Hadoop MapReduce. Leidsime, et suures krediitkaardiettevõttes, kes on meie klient, oleme viinud läbi vähemalt viis kuni kaheksa erinevat koolitusprogrammi. Kõigist nendest toodetest, sealhulgas meie omadest, on meil ka tasuta kogukonna väljaanded, liivakastid, mida inimesed saavad ka ise alla laadida, harjutada ja harida.
Dez Blanchfield: See on kõik, mis mul täna teie jaoks on. Tänan teid väga. Mul on uskumatult huvitav näha mudeleid ja kasutusjuhtumeid, mis teil täna meie jaoks on. Aitäh.
Anand Venugopal: Suurepärane. Suur tänu teile, inimesed.
Rebecca Jozwiak: Täname kõiki, et liitute meiega nende Hot Technologies veebiülekandega. Põnev on kuulda Dez Blanchfieldilt, dr Robin Bloorilt ja ettevõttelt Impetus Technologies, Anand Venugopal. Aitäh saatejuhid. Tänan esinejaid ja tänan publikut. Järgmisel kuul on meil veel üks kuum tehnoloogia, nii et otsige seda. Meie sisu leiate alati arhiivitud saidilt Insideanalysis.com. Samuti panime SlideShare'i üles palju sisu ja ka YouTube'is huvitavaid bitte.
See on kõik. Tänan veel kord ja head päeva! Headaega.