ข้อมูลจากหลายช่องทางจำเป็นต้องนำมารวมกันเพื่อการวิเคราะห์ที่เชื่อมโยงในการพัฒนาอัตราการแปลง

• การวิเคราะห์แบบข้ามแหล่งที่มา

  เมื่อเก็บข้อมูลอัตราการคลิกผ่าน (CTR) ของโฆษณาไว้ใน OBS และเก็บข้อมูลการลงทะเบียนผู้ใช้ไว้ใน RDS คุณก็สามารถสืบค้นและวิเคราะห์ได้โดยตรง ไม่จำเป็นต้องย้ายไปยัง DLI

• SQL เพียงอย่างเดียว

  ด้วยแหล่งข้อมูลหลายแหล่งที่เชื่อมต่อถึงกัน คุณจึงสามารถแมปแหล่งข้อมูลเหล่านั้นเข้าด้วยกันโดยการสร้างตารางโดยใช้เพียงคำสั่ง SQL

การบริหารบริษัทเกมจำเป็นต้องมีแพลตฟอร์มการวิเคราะห์ข้อมูลที่มีคุณภาพเพื่อพัฒนาการวางโฆษณา การรักษาผู้เล่นใหม่ การดำเนินงาน และรับข้อเสนอแนะที่ดีขึ้นสำหรับการทำซ้ำของเกมในอนาคต

การวิเคราะห์บันทึกมักจะดำเนินการตามช่วงเวลา ทรัพยากรจะสูญเปล่าในช่วงเวลาที่ไม่มีการทำงานระหว่างแต่ละงาน

• การคิดเงินแบบเรียกเก็บตามการใช้

  ลดต้นทุนได้กว่า 50% เมื่อเทียบกับการซื้อคลัสเตอร์พิเศษ เราจะเรียกเก็บเงินค่าบริการทรัพยากรที่ใช้จริงสำหรับการจัดกำหนดการเท่านั้น

• การวิเคราะห์แบบหลอมรวม

  คุณต้องใช้สำเนาข้อมูลเมตาเพียงชุดเดียวในการล้างข้อมูลตามเวลาจริง การประมวลผล ETL แบบออฟไลน์ และการวิเคราะห์เชิงโต้ตอบ คุณสามารถใช้ผลการประมวลผลข้อมูลสำหรับการทำเหมืองข้อมูลโดยตรง

หากคุณบริหารองค์กรขนาดใหญ่ ฝ่ายงานต่าง ๆ ในบริษัทอาจต้องจัดการทรัพยากรอย่างอิสระ คุณต้องมีการจัดการสิทธิ์อย่างละเอียดเพื่อความปลอดภัยของข้อมูลและประสิทธิภาพการจัดการที่ดีขึ้น  

• การจัดการสิทธิ์อย่างละเอียด

  ให้สิทธิ์ตามคอลัมน์หรือการดำเนินการเฉพาะ เช่น แทรกและเขียนทับ และควบคุมสิทธิ์ในการอ่านและบันทึกข้อมูลเมตา

• การจัดการแบบรวมศูนย์

  ใช้บัญชี IAM บัญชีเดียวเพื่อจัดการพนักงานหลายคนในบริษัทของคุณ

คลังการวิเคราะห์ของบุคคลที่สามตามเฟรมเวิร์กแบบกระจายของ Spark เช่น ADAM และ Hail เป็นสิ่งจำเป็นสำหรับการวิเคราะห์จีโนม

• ต้องใช้ทักษะทางเทคนิคระดับสูงในการติดตั้งคลังการวิเคราะห์ เช่น ADAM และ Hail

• ต้องติดตั้งคลังการวิเคราะห์เหล่านี้ทุกครั้งที่สร้างคลัสเตอร์

• อิมเมจที่กำหนดเอง

  คุณสามารถจัดแพคเกจคลังการวิเคราะห์ของบุคคลที่สาม เช่น ADAM และ Hail ลงในอิมเมจที่กำหนดเอง และอัปโหลดไปยัง SoftWare Repository for Container (SWR) ได้โดยตรง เมื่อใช้ DLI ระบบจะดึงอิมเมจที่กำหนดเองใน SWR

• อิมเมจฐานในตัว

  อิมเมจ Spark และ Flink ที่ปรับปรุงโดย Huawei ในหลายเวอร์ชันและอิมเมจปัญญาประดิษฐ์ (AI) แบบโอเพนซอร์ส (Tensorflow/Keras/PyTorch) จะมีอยู่ใน DLI เพื่อความสะดวกของคุณ

บริการทางการเงินเกือบทุกด้านจะเกี่ยวข้องกับการควบคุมความเสี่ยงบางประเภท ซึ่งจำเป็นต้องมีระบบที่ครอบคลุม

เมื่อพูดถึงการควบคุมความเสี่ยง จะมีค่าเผื่อน้อยมากสำหรับเวลาแฝงที่มากเกินไป

• อัตราความเร็วสูง/เวลาแฝงต่ำ

  คุณสามารถทำการวิเคราะห์ข้อมูลตามเวลาจริงใน DLI โดยมีแบบจำลองกระแสข้อมูล Apache Flink คอยช่วย หน่วยประมวลผลกลาง (CPU) ตัวเดียวสามารถประมวลผลได้ 1,000 ถึง 20,000 ข้อความต่อวินาที

• ระบบนิเวศแบบคลาวด์

  คุณสามารถบันทึกกระแสข้อมูลตามเวลาจริงไปยังบริการคลาวด์ต่าง ๆ เช่น CloudTable และ SMN

เนื่องด้วยสถานการณ์โรคระบาดอย่างโควิด-19 ที่ลุกลามไปทั่วโลก รัฐบาลจำเป็นต้องตรวจสอบข้อมูลสำคัญตามเวลาจริงบนจอแสดงผลขนาดใหญ่ เพื่อจัดการการควบคุมการแพร่ระบาดในทางวิทยาศาสตร์ได้

เจ้าหน้าที่รัฐอาจไม่มีพื้นฐานด้านข้อมูลขนาดใหญ่ แต่มักจะคุ้นเคยกับ SQL มากกว่า

• สืบค้นภายในเวลาไม่กี่มิลลิวินาที

  โปรแกรม openLooKeng ในตัวใช้เฟรมเวิร์กการประมวลผลในหน่วยความจำที่ทรงพลัง ซึ่งจะปรับประสิทธิภาพของการสืบค้นให้เหมาะสมเพื่อให้ได้การวิเคราะห์เชิงโต้ตอบในเวลาเพียงไม่กี่มิลลิวินาที

• ใช้งานง่าย

  ใช้เพียงไวยากรณ์ของ SQL ในการสืบค้น DLI ซึ่งไวยากรณ์นี้เข้ากับ ANSI SQL 2003 มาตรฐานได้อย่างสมบูรณ์

ข้อมูลขนาดใหญ่ทางภูมิศาสตร์อาจเกี่ยวข้องกับข้อมูลจำนวนมาก เช่น ข้อมูลภาพถ่ายดาวเทียมระดับเพตะไบต์ (PB) ซึ่งมีข้อมูลประเภทต่าง ๆ มากมาย เช่น มีข้อมูลแรสเตอร์รูปภาพจากการตรวจจับระยะไกลที่มีโครงสร้าง ข้อมูลเวกเตอร์ ข้อมูลตำแหน่งเชิงพื้นที่ที่ไม่มีโครงสร้าง และข้อมูลการสร้างแบบจำลองสามมิติ เครื่องมือทำเหมืองข้อมูลที่มีประสิทธิภาพเป็นสิ่งจำเป็นสำหรับการวิเคราะห์ข้อมูลทางภูมิศาสตร์

• ตัวดำเนินการวิเคราะห์ข้อมูลเชิงพื้นที่

  ตัวดำเนินการอัลกอริทึมการวิเคราะห์ข้อมูลเชิงพื้นที่ของ Spark ใน DLI ช่วยให้สามารถประมวลผลสตรีมตามเวลาจริงและประมวลผลแบตช์ออฟไลน์ คุณสามารถนำเข้าข้อมูลหลากหลายประเภท ซึ่งรวมถึงข้อมูลภาพที่ตรวจจับระยะไกลที่มีโครงสร้าง การสร้างแบบจำลองสามมิติที่ไม่มีโครงสร้าง และข้อมูลคลาวด์แบบจุดเลเซอร์ใน DLI

• CEP SQL

  ใช้เพียงคำสั่ง SQL ในการตรวจจับการหันเหและการล้อมรั้วทางภูมิศาสตร์

• การประมวลผลข้อมูลขนาดใหญ่

  คุณสามารถย้ายอิมเมจจากการตรวจจับระยะไกลไปยังคลาวด์ได้อย่างรวดเร็ว ทั้งระดับเทราไบต์ (TB) หรือแม้แต่เอ๊กซาไบต์ (EB) และแบ่งอิมเมจไปยังแหล่งข้อมูลสำหรับการประมวลผลแบบแบตช์แบบกระจายได้