BIG DATA APPLIANCES: HARDWARE AND S

BIG DATA APPLIANCES: HARDWARE AND SOFTWARE TUNED FOR ANALYTICS
Because big data applications and analytics demand a high level of system performance that exceeds the capabilities of typical systems, there is a general need for using scalable multiprocessor configurations tuned to meet mixed-used demand for reporting, ad hoc analysis, and more complex analytical models. And as can be seen in relation to the example use cases in Table 6.1, there are going to be a plethora of performance drivers for computational scalability, with respect to data volumes and the number of simultaneous users. Naturally, the technical leaders must assess the end-users’ scalability requirements to help in selecting a specific architectural approach.
There are essentially two approaches to configuring a highperformance architecture platform. One (the hardware appliance approach) employs specialty-hardware configurations, while the other (the software appliance approach) uses software to manage a collection of commodity hardware components.
Hardware appliances are often configured as multiprocessor systems, although the architectures may vary in relation to the ways that different memory components are configured. There are different facets of the system that contribute to maximizing system performance, including CPU/core configurations, cache memory, core memory, flash memory, temporary disk storage areas, and persistent disk storage. Hardware architects consider the varying configurations of these levels of the memory hierarchy to find the right combination of memory devices with varying sizes, costs, and speed to achieve the right level of performance and scalability and provide optimal results by satisfying the ability to respond to increasingly complex queries, while enabling simultaneous analyses.
Different architectural configurations address different scalability and performance issues in different ways, so when it comes to deciding which type of architecture is best for your analytics needs, consider different alternatives including symmetric multiprocessor (SMP) systems, massively parallel processing (MPP), as well as software appliances that adapt to parallel hardware system models.
Hardware appliances are designed for big data applications. They often will incorporate multiple (multicore) processing nodes and multiple storage nodes linked via a high-speed interconnect. Support tools are usually included as well to manage high-speed integration connectivity and enable mixed configurations of computing and storage nodes.
A software appliance for big data is essentially a suite of highperformance software components that can be layered on commodity hardware. Software appliances can incorporate database management software coupled with a high-performance execution engine and query optimization to support and take advantage of parallelization and data distribution. Vendors may round out the offering by providing application development tools, analytics capabilities, as well as enable direct user tuning with alternate data layouts for improved performance.

Kết quả (Việt) 1:

THIẾT BỊ GIA DỤNG LỚN DỮ LIỆU: PHẦN CỨNG VÀ PHẦN MỀM ĐIỀU CHỈNH CHO ANALYTICSBởi vì ứng dụng lớn dữ liệu và phân tích yêu cầu một mức độ cao hiệu năng hệ thống vượt quá khả năng của hệ thống tiêu biểu, có là một vị tướng cần thiết để sử dụng khả năng mở rộng cấu hình sự điều chỉnh để đáp ứng nhu cầu sử dụng hỗn hợp cho báo cáo, đặc biệt phân tích, và mô hình phân tích phức tạp hơn. Và có thể nhìn thấy trong quan hệ với các trường hợp sử dụng ví dụ trong bảng 6,1, có đang có là một plethora của các trình điều khiển hiệu suất cho khả năng mở rộng tính toán, đối với dữ liệu khối lượng và số lượng người dùng đồng thời. Đương nhiên, các nhà lãnh đạo kỹ thuật phải đánh giá yêu cầu khả năng mở rộng của người dùng cuối cùng để giúp đỡ trong việc lựa chọn một cách tiếp cận cụ thể kiến trúc.Có những cơ bản hai phương pháp tiếp cận để cấu hình một nền tảng kiến trúc highperformance. Một (các phương pháp thiết bị phần cứng) sử dụng các cấu hình phần cứng đặc biệt, trong khi khác (phần mềm thiết bị phương pháp tiếp cận) sử dụng phần mềm để quản lý một tập hợp các thành phần phần cứng hàng hóa.Thiết bị phần cứng thường đặt cấu hình là sự hệ thống, mặc dù các kiến trúc có thể khác nhau liên quan đến cách bộ nhớ khác nhau thành phần được đặt cấu hình. Có những khía cạnh khác nhau của hệ thống đóng góp để tối đa hóa hiệu năng hệ thống, bao gồm lõi CPU/cấu hình, bộ nhớ cache, bộ nhớ lõi, bộ nhớ flash, khu vực lưu trữ đĩa tạm thời, và lưu trữ đĩa liên tục. Kiến trúc sư phần cứng xem xét các cấu hình khác nhau của các cấp độ của bộ nhớ hệ thống phân cấp để tìm thấy sự kết hợp của bộ nhớ thiết bị có kích thước khác nhau, chi phí và tốc độ để đạt được mức độ phù hợp của hiệu suất và khả năng mở rộng và cung cấp kết quả tối ưu bằng cách đáp ứng khả năng để đối phó với truy vấn ngày càng phức tạp, trong khi cho phép đồng thời phân tích.Cấu hình khác nhau của kiến trúc địa chỉ khác nhau khả năng mở rộng và vấn đề hiệu suất theo những cách khác nhau, vì vậy khi nói đến việc quyết định những loại hình của kiến trúc là tốt nhất cho nhu cầu phân tích của bạn, hãy xem xét lựa chọn thay thế khác nhau, bao gồm hệ thống (SMP) sự đối xứng, xử lý một cách ồ ạt song song (MPP), cũng như các thiết bị phần mềm mà thích ứng với các mô hình hệ thống song song phần cứng.Thiết bị phần cứng được thiết kế cho các ứng dụng lớn dữ liệu. Họ thường sẽ kết hợp nhiều (multicore) xử lý các nút và nhiều lí nút liên kết thông qua một kết nối tốc độ cao. Công cụ hỗ trợ được thường bao gồm là tốt để quản lý kết nối tốc độ cao tích hợp và cho phép các cấu hình kết hợp của máy tính và lưu trữ các nút.Một thiết bị phần mềm cho dữ liệu lớn là cơ bản một bộ thành phần phần mềm highperformance có thể được lớp trên hàng hóa phần cứng. Phần mềm thiết bị có thể kết hợp phần mềm quản lý cơ sở dữ liệu kết hợp với một hiệu suất cao thực hiện động cơ và truy vấn tối ưu hóa để hỗ trợ và tận dụng lợi thế của parallelization và dữ liệu phân phối. Nhà cung cấp có thể vòng trong việc cung cấp bằng cách cung cấp công cụ phát triển ứng dụng, khả năng phân tích, cũng như sử trực tiếp người dùng điều chỉnh với dữ liệu luân phiên bố trí để cải thiện hiệu suất.