Teradata天睿公司获评大数据Hadoop优化系统领域的领导者

简介:

ZD至顶网CIO与应用频道 06月06日 北京消息:全球知名市场分析公司Forrester 的最新报告显示,全球领先的大数据分析服务供应商Teradata天睿公司(Teradata Corporation,纽交所:TDC) 被评为大数据 Hadoop 优化系统(Big Data Hadoop-Optimized Systems)的三大领导者之一。该报告为《Forrester浪潮™:2016 年第二季度大数据 Hadoop 优化系统报告》,由 Noel Yuhanna 和 Mike Gualtieri 撰写。报告称,Forrester 对七家厂商进行了评估,并评选出三大领导者(Leaders)和四大表现优异者(Strong Performers),他们均“拥有极具竞争力的解决方案,能够提供成熟的企业级 Hadoop 系统”。

厂商评选标准包括:1)全面的 Hadoop 优化系统产品;2)支持各种企业大数据用例的 Hadoop 优化系统;3)可供参考的客户群;4)促使 Forrester 关注厂商的客户咨询或重点技术;以及 5)具有公开发售的产品。

针对 Teradata,Forrester 写道:“Teradata 的第五代 Hadoop 一体机高效且完善。过去十年来,Teradata 是通过数据管理一体机获得显著成功的少数厂商之一。Teradata Appliance for Hadoop 整合了多种软件组件(开源及商用),包括最新版本的 Cloudera 或 Hortonworks的 Hadoop发行版、Teradata Connector for Hadoop 以及 Teradata Hadoop 命令行界面。Teradata 还通过其 Think Big 咨询业务提供解决方案咨询服务,帮助客户设计和创建整合的业务解决方案。”

Teradata Appliance for Hadoop 作为可立即运行的平台,经过预先配置和优化,能够通过 Teradata 软件运行企业级的大数据工作负载,从而简化 Hadoop 管理。

Teradata 最近公开发布的一段视频显示,全球最大的软件企业赛门铁克(Symantec)通过各种分析功能寻求新的创收机会,并提高客户的满意度。该公司发言人解释了他们如何利用其 Teradata 统一数据架构(Unified Data Architecture™)和 Hadoop 数据湖,将大量数据源(包括遥测数据)与“物联网”的数据整合,以掌握客户的产品使用情况和效果。最终,赛门铁克将客户维系率提高了 20%,并将顺利增收 2 亿美元。

Teradata天睿公司实验室总裁 Oliver Ratzesberger 表示:“Teradata 提供最成熟的企业级 Hadoop 工具以及高级专业服务,能够为企业提供最深入的Hadoop 应用整合。随着采用客户日益增多,以及更多扩展 Hadoop、数据湖和分析用例的项目,将促进大数据分析的快速发展。我们的客户对于我们的企业产品路线图和未来发展方向有着满腔的热情。在我们的大客户不断大力投资于 Teradata 及其 Hadoop 产品组合的同时,我们还致力于帮助新客户采用 Hadoop。”

2015 年的 Teradata Partners全球用户和合作伙伴大会上,在Hadoop 专题会议期间,指导委员会成员 Enterprise Holdings 公司的一名系统架构师,详细说明了他们通过 Teradata 数据库和 Teradata Appliance for Hadoop 开展数据整合的情况。Teradata Appliance for Hadoop 还包含 Presto,后者是新一代的开源 SQL 查询引擎,可在多种 Hadoop 发行版上运行。Presto 能够从 Hadoop 平台扩展出来,查询 Cassandra、关系数据库或专有数据库。这种跨平台的分析功能使得 Presto 用户能够从各种规模(从 GB 级到 PB 级)的数据湖中获取最大的业务价值。今年第三季度,Presto将会采用捆绑Hadoop 设备的方式上市。

原文发布时间为:2016年6月6日
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
20天前
|
存储 分布式计算 Hadoop
大数据处理架构Hadoop
【4月更文挑战第10天】Hadoop是开源的分布式计算框架,核心包括MapReduce和HDFS,用于海量数据的存储和计算。具备高可靠性、高扩展性、高效率和低成本优势,但存在低延迟访问、小文件存储和多用户写入等问题。运行模式有单机、伪分布式和分布式。NameNode管理文件系统,DataNode存储数据并处理请求。Hadoop为大数据处理提供高效可靠的解决方案。
46 2
|
1月前
|
存储 大数据 数据处理
PHP 与大数据:构建高效数据处理系统
传统的数据处理系统往往难以应对大规模数据的处理需求,而PHP作为一种常用的服务器端脚本语言,在数据处理方面也有其独特的优势。本文将探讨如何利用PHP构建高效的大数据处理系统,结合实际案例分析其应用场景及优势所在。
15 2
|
2月前
|
供应链
代采系统如何利用大数据分析优化采购决策?
代采系统可以利用大数据分析来优化采购决策
|
2月前
|
存储 关系型数据库 MySQL
大数据量分页查询怎么优化提速
大数据量分页查询怎么优化提速
26 2
|
3月前
|
数据采集 监控 算法
利用大数据和API优化电商决策:商品性能分析实践
在数据驱动的电子商务时代,大数据分析已成为企业提升运营效率、增强市场竞争力的关键工具。通过精确收集和分析商品性能数据,企业能够洞察市场趋势,实现库存优化,提升顾客满意度,并显著增加销售额。本文将探讨如何通过API收集商品数据,并将这些数据转化为对电商平台有价值的洞察。
|
20天前
|
分布式计算 Hadoop 大数据
大数据技术与Python:结合Spark和Hadoop进行分布式计算
【4月更文挑战第12天】本文介绍了大数据技术及其4V特性,阐述了Hadoop和Spark在大数据处理中的作用。Hadoop提供分布式文件系统和MapReduce,Spark则为内存计算提供快速处理能力。通过Python结合Spark和Hadoop,可在分布式环境中进行数据处理和分析。文章详细讲解了如何配置Python环境、安装Spark和Hadoop,以及使用Python编写和提交代码到集群进行计算。掌握这些技能有助于应对大数据挑战。
|
3天前
|
SQL 分布式计算 大数据
MaxCompute产品使用合集之数据倾斜导致JOB运行时间过长导致系统会自动kill掉job,如何解决
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
|
8天前
|
分布式计算 监控 调度
给技术新人的ODPS优化建议
数据开发基本都是从陌生到熟悉,但是写多了就会发现各种好用的工具/函数,也会发现各种坑,本文分享了作者从拿到数据到数据开发到数据监控的一些实操经验。
95286 0
|
10天前
|
SQL 分布式计算 资源调度
一文解析 ODPS SQL 任务优化方法原理
本文重点尝试从ODPS SQL的逻辑执行计划和Logview中的执行计划出发,分析日常数据研发过程中各种优化方法背后的原理,覆盖了部分调优方法的分析,从知道怎么优化,到为什么这样优化,以及还能怎样优化。
103459 0
|
21天前
|
分布式计算 资源调度 监控
Hadoop生态系统深度剖析:面试经验与必备知识点解析
本文深入探讨了Hadoop生态系统的面试重点,涵盖Hadoop架构、HDFS、YARN和MapReduce。了解Hadoop的主从架构、HDFS的读写流程及高级特性,YARN的资源管理与调度,以及MapReduce编程模型。通过代码示例,如HDFS文件操作和WordCount程序,帮助读者巩固理解。此外,文章强调在面试中应结合个人经验、行业动态和技术进展展示技术实力。

热门文章

最新文章