《数据虚拟化:商务智能系统的数据架构与管理》一 1.8 数据虚拟化的不同实现
1.8 数据虚拟化的不同实现
技术上来说,许多不同的方式都可以实现数据虚拟化层。以下是一些例子:
使用专用的数据虚拟化服务器,多个数据存储器看起来只是一个。应用程序只看见一个大的数据存储器,然而实际上数据存储在多个存储器中。
一个企业服务总线(ESB)可以用来开发一个允许对数据标准访问的服务层。调用这些服务的数据使用者不需要知道数据在哪里、怎样被保存、它的存储结构、它的原始资源接口或者其他技术细节。他们只会看见,例如,一个SOAP接口或一个ReST(表述性状态转移)接口。在这种情况下,ESB是数据虚拟化层。想要了解更多关于ESB的信息,见文献[11]。
把数据存储放到云中也是数据虚拟化的一种形式。访问一个数据存储时,数据使用者使用云API工作,它们并不知道数据本身存在哪里。数据的存储和管理是在本地还是远程是完全透明的。
在某种程度上,使用从多个物理数据库中加载出来的数据,在存储器中建立一个虚拟的数据库,同样可以被认为是数据虚拟化。真实数据的存储器结构、应用程序编程接口和位置对于访问内存数据库的应用程序来说都是透明的。这种解决方案有时被当作内存分析。
对象关系映射器(ORM)是工具,是用来将数据结构从数据存储转换到面向对象编程模型中使用的概念,如Java和C#。例如,ORM可以将SQL数据库的平台结构转换成Java中使用的面向对象的概念。这种影响使Java程序员不需要理解和处理SQL概念的特征,而只需要理解和处理Java概念。Hibernate、NHibernate和iBATIS都是ORM的例子。
组织机构同样也可以开发他们自己的数据虚拟化层,隐藏数据的存储位置和存储方式。
还存在很多开发数据虚拟化层的方法,但是因为这本书主要针对商务智能系统,所以重点是第一个方法:数据虚拟化服务器。数据虚拟化服务器是一个设计用来支持数据虚拟化的专用产品,这意味着它可以将多个异构数据存储成一个单独的逻辑存储展现给数据使用者。访问数据虚拟化服务器与登录数据库服务器很相似。在数据使用者不知道的情况下,来自不同数据存储器(甚至来自使用不同存储模型的数据存储器中)的数据连接在一起,数据被转换、清洗、聚集,等等。
本书主要关注数据虚拟化服务器的原因是,本质上这些产品已经被优化去处理大数据集,而不仅仅为了记录而记录加工过程,同时它们被设计来处理SQL查询。同时满足典型的商务智能报告和工具的要求。但是注意它们大部分可以部署在其他类型的环境中,例如面向服务的体系结构(见第9章)、消费者数据集成应用和网络应用。
21克:仅需3天,我们就用Quick BI搭建起数据驾驶舱 简介: 数智化并不仅仅是大型企业才需要去思考的课题,而是摆在所有企业面前的一个可选项。借助Quick BI搭建的数据分析体系,21克实现了销售、财务、供应链等多部门业务的数据化支撑,从一份份本地化的Excel文件,到清晰美观的数据看板,数据所能带来的价值改变正在21克中逐渐显现。
Quick BI产品核心功能大图(七)订阅与监控:数据波动,一手掌控 作为企业的管理者和经营者,要关注的数据指标太多了。如何在第一时间掌握指标的异常波动、发现经营风险?如何保证相关人员定期接收经营数据,不再遗漏?或许你需要 Quick BI 的帮助。
双引擎驱动Quick BI十亿数据0.3秒分析,首屏展示时间缩短30% 在规划中,Quick BI制定了产品竞争力建设的三大方向,包括Quick(快)能力、移动端能力和集成能力。针对其中的产品“报表查看打开慢”“报表开发数据同步慢”等性问题开展专项战役——Quick战役,以实现展现快、计算快,为使用者提供顺滑体验为目标。
降低使用门槛,Quick BI成为大东鞋业8000家门店的数据导航 通过引入MaxCompute和Quick BI,大东解决了以往数据查询即刻导致数据库闪崩的状况,还搭建起完善的报表体系,稳定应对高频、高并发的数据分析。
Quick BI产品核心功能大图(五)移动端:让数据在更多业务场景中流通 将数据更好的融入日常工作中,一个重要的前提条件就是多端多渠道的数据触达和办公协同能力。 Quick BI凭借移动端交互体验,帮助用户随时随地便捷查看报表,并通过在线协同方式,追踪策略的执行落地。让数据在企业中流动起来,真正将数据贯穿在业务决策的过程中。
Quick BI产品核心功能大图(四)Quick引擎加速:十亿数据亚秒级分析 随着数字化进程的深入,数据应用的价值被越来越多的企业所重视。基于数据进行决策分析是应用价值体现的重要场景,不同行业和体量的公司广泛依赖BI产品制作报表、仪表板和数据门户,以此进行决策分析。
阿里云联合帆软发布企业级BI分析解决方案,解决数据应用难题 MaxCompute 是阿里云提供的云数据仓库服务,服务着数以万计的客户和阿里巴巴集团。MaxCompute 秉持兼容生态的开放技术路线,持续投入产品生态建设。本次将正式发布与帆软FineBI和FineReport官方集成,为双方用户提供更优质的数据分析体验。
相关文章
- 大规模机器学习:将数据科学引入生产系统架构的典型模式
- 《数据虚拟化:商务智能系统的数据架构与管理》一 第1章 数据虚拟化导论 1.1 引言
- 《数据虚拟化:商务智能系统的数据架构与管理》一 1.2 商务智能世界正在改变
- 《数据虚拟化:商务智能系统的数据架构与管理》一 1.3 虚拟化简介
- 《数据虚拟化:商务智能系统的数据架构与管理》一 1.7 数据虚拟化的技术优势
- 《数据虚拟化:商务智能系统的数据架构与管理》一 1.10 开放式与封闭式数据虚拟化服务器
- 《数据虚拟化:商务智能系统的数据架构与管理》一 1.14 示例数据库:世界一流电影
- 《数据虚拟化:商务智能系统的数据架构与管理》一 2.2 什么是商务智能
- 《数据虚拟化:商务智能系统的数据架构与管理》一 2.5 商务智能系统的数据存储
- 完整的支付系统整体架构!
- 推荐系统[八]算法实践总结V1:腾讯音乐全民K歌推荐系统架构及粗排设计
- 《数据虚拟化:商务智能系统的数据架构与管理》一 1.3 虚拟化简介
- 《数据虚拟化:商务智能系统的数据架构与管理》一 1.11 数据集成的其他方式
- 《数据虚拟化:商务智能系统的数据架构与管理》一 1.14 示例数据库:世界一流电影
- 《数据虚拟化:商务智能系统的数据架构与管理》一 导读
- 秒杀系统架构优化思路
- 数商云在线供应链系统服务方案:构建企业供应链平台业务、功能、技术管理架构
- 【软考——系统架构师】UML 建模与架构文档化
- 【软考——系统架构师】架构、系分、软设的区别和联系
- ebs系统架构简介8——Upgrade