Ang pagsasama ng mga mapagkukunan ng data sa Hadoop ay isang kumplikadong negosyo. Ang ilan sa mga dahilan para dito ay:
- Ang mga pasadya, tiyak na mapagkukunan na script na pinagsama ang mga mapagkukunan ng data ay may problema.
- Ang paggamit ng pagsasama ng data o mga tool sa agham ng data ay nagpapakilala ng labis na kawalan ng katiyakan.
- Ang pagdaragdag ng data mula sa mga panlabas na mapagkukunan ay susunod sa imposible.
Ngayon, tatalakayin ko kung paano ang Hadoop analytics ay pinahusay sa pamamagitan ng mga teknolohiyang mapagkukunan-agnostic na ginagawang madali upang pagsamahin ang mga panloob at panlabas na mapagkukunan ng data. Bilang karagdagan sa paglalarawan kung paano gumagana ang mga pamamaraan ng agnostiko, sasasakop ko rin kung bakit kailangan ng Hadoop analytics ng mga built-in na intelligence at kaalaman sa paglilipat ng kaalaman, isang pag-unawa sa mga relasyon at mga katangian ng data, at isang nasusukat at mataas na pagganap na arkitektura.
| Webinar: Matrices ng Kahulugan: Pagkonekta sa Mga Dots Sa loob ng Hadoop - Mag - sign Up Dito |
