Data Virtualization

Denodo和亚马逊云科技联合出品：企业若想真正利用数据资产的价值，数据和业务密不可分。传统的数据平台，无论是数据湖、数据仓库、湖仓一体等架构，虽然在特定场景和历史阶段上解决了企业数据采集、数据清洗、数据分析、数据可视化等问题，但仍旧难以匹配瞬息万变、海量多元的业务需求。如何支撑决策层敏捷用数，进行实时分析，高效数据探索，最及时最准确地掌握有关数据的全面知识？答案就是新一代数据平台架构——数据编织（Data Fabric）。数据编织与传统数据平台的核心差异就在于“数据虚拟化（Data Virtualization）”，几乎无需搬移或复制物理数据，即可通过逻辑层快速实现元数据的实时连接、整合、消费，赋能数据服务，真正实现“数据不动，价值动”！本文将从以下维度为您详细剖析数据编织架构的核心技术——数据虚拟化：-分布式-数据治理-查询优化-亚马逊云科技和 Denodo 的联合方案联合作者：张元涛，亚马逊云科技高级架构师刘闯，Denodo大中华区首席架构师

迈向数据驱动的敏捷基础架构之旅该公司是最大的跨国公司之一，在世界各地设有多个办事处、数据中心和制造工厂。随着时间的推移，该公司开发了一个由工具和技术组成的异构生态系统，并由此催生出一个复杂的分布式数据生态系统。 由于内部的 IT 文化历来排斥重复利用信息，该公司曾严重滥用资源、时间和精力。然而，随着挑战变得难以应对，该公司开始寻求一种敏捷的数据访问解决方案。下载此客户案例，进一步了解以下内容：该公司如何通过将数据虚拟化用作数据访问层开启其旅程；该公司如何创建逻辑数据仓库架构，并将数据安全、数据隐私和数据治理规则集中于此；该公司如何将服务的平均部署时间从 180 小时缩短到 8 小时；如何将向业务用户交付数据的上市时间缩短 90%；合并后数据集成的性能结果如何。

Forrester最近一项调查显示，虽然85%的企业希望在决策制定中改进对数据洞察力的使用，但91%的受访者表示他们无法改进数据驱动的决策制定。问题来了，企业经常求助于数据湖、数据湖仓、云数据仓库等作为其单一数据存储库，以满足所有的数据和分析需求。但严峻的现实是，数据现在和未来将分布在跨云和本地的多个存储库中。注册参加Denodo网络研讨会，了解为什么由数据虚拟化支持的逻辑数据编织对任何企业的数据和分析都至关重要。参加并学习：什么是逻辑数据编织及其关键组件？为什么企业采用逻辑数据编织而不是物理数据结构？它如何在数据访问、消费和数据驱动决策方面帮助业务用户、数据科学家和其他数据消费者？企业如何使用逻辑数据编织来更快地获得洞察力？

数据虚拟化使制造企业的业务分析师能够实时访问整个组织的集成数据

在本白皮书中，您将向行业专家兼 Intelligent Business Strategies 董事总经理Mike Ferguson了解构成数据网格的要素。该白皮书讨论了作为架构概念的数据网格的关键功能，以及这些功能如何在企业内实现成功的数据和分析。Mike还深入研究了数据虚拟化在数据网格中的作用，以及数据虚拟化和数据目录如何帮助企业在其数据网格实施中找到业务就绪产品。最后，Mike将分享他对数据虚拟化如何在数据网格实现中支持稳健的数据治理的想法。下载此白皮书以了解：什么是数据网格？数据网格试图解决什么问题？ 什么是数据产品？数据网格中的数据产品类型 数据虚拟化在数据网格中的作用

过去几年，数据虚拟化技术经历了巨大的发展，成为支持现代数据架构（如逻辑数据仓库、数据编制架构和数据网格）的关键组件。Gartner 最近将其命名为“必备的数据集成组件”，并估计它可以节省 45% 的数据集成成本，而 Forrester 估计其数据交付速度比 ETL 流程快 65%。然而，市场对数据虚拟化技术概念、如何利用它以及它可以提供的真正好处仍然存在诸多误解。观看Denodo网络研讨会，我们将打破这些误解并讨论：数据虚拟化是什么，不是什么；现代数据虚拟化平台的关键能力；如何利用数据虚拟化加快数据交付；立即回看

对分析的需求持续增加。越来越多的企业希望不仅限于仪表板，需要加入自助分析和更复杂的算法，例如机器学习。  为了支持这一趋势，企业正朝着数据和分析的统一环境迈进。该平台通常基于云，以利用规模和灵活性并支持大量数据和计算密集型工作负载。它是自动化的和增强的，以帮助解决数据和分析的复杂性。  这份 TDWI 最佳实践报告分享了现代分析统一平台的采用、使用、挑战、架构和最佳实践。

随着物联网时代的到来，企业拥有越来越多的数据，同时数据所驱动的人工智能也应用到各行各业，这既是机遇，又给企业带来诸多新型多样化挑战。企业现在比以往任何时候都需要快速定位、索取、获得所需要的高价值的信息，然而在许多情况下，数据科学家仍可能在孤岛中工作，且并不能实时连接数据。那么，如何保证他们在孤岛中开发的模型仍然与实时数据相关？企业如何管理整个AI运营周期中的数据流和数据访问？点此回看，了解：数据科学家的旅程和挑战解决数据孤岛的最佳实践和技术客户如何在其数据科学计划中使用数据虚拟化

数字化转型改变了 IT 提供信息服务的方式。随着业务的参与和数字 IT（即“影子 IT”）的兴起，增加了对 IT 的需求，尤其是在数据管理领域。 数据服务利用广泛采用的互操作性标准，为业务系统和数据平台的信息交换搭建了一座桥梁。借助数据虚拟化技术，可消除数据孤岛中信息交换的障碍，使数据在各系统中流转起来，充分发挥其价值。点此回看，了解：为什么数据服务是现代数据生态系统的重要组成部分IT 团队如何管理数据服务以及企业日益增长的需求数字 IT 如何从数据服务中受益，如何支持快速原型设计的需求一个好的数据虚拟化平台如何鼓励企业内部和外部的数据文化立即回看

随着数据中心向AI时代的进化，越来越多的企业利用AI助力决策、提升用户体验甚至重塑商业模式等，企业将面临前所未有的严峻挑战。譬如，在许多情况下，数据科学家可能在孤岛中工作，可能并不总是能够连接到实时数据，如何保证他们在孤岛中开发的模型仍然与实时数据相关？企业如何管理整个 AI 运营周期中的数据流和数据访问？点此回看，了解：数据科学家的历程与挑战带有数据移动的 Denodo 数据虚拟化如何简化操作处理孤立数据时的最佳实践和技术客户如何在数据科学计划中使用数据虚拟化立即回看