Exasol адаптировала кластерную систему аналитики к одному мини-ПК

17 март, 2016 - 12:05
Exasol адаптировала кластерную систему аналитики к одному мини-ПК

Специализирующаяся в области аналитики фирма Exasol предложила клиентам новый способ концептуальной проверки проектов больших данных, позволяющий обойтись без предварительных инвестиций в дорогостоящую инфраструктуру.

Она выложила для загрузки бесплатную версию своей базирующейся в памяти (in-memory) СУБД ExaSolution, способную работать вместо кластера серверов всего на одном узле. В качестве демонстрации Exasol даже запустила её на мини-ПК Intel NUC.

Такая опция может оказаться привлекательной для представителей малого и среднего бизнеса, стремящихся с относительно невысокими затратами приобщиться к технологиям аналитики больших данных, которые все ещё остаются вотчиной крупных организаций.

Бесплатная версия доступна как виртуальное устройство и требует наличия 64-разрядной операционной системы (Windows, Linux или Apple OS X), не менее 4 ГБ памяти и проигрывателя виртуальных машин, такого как VirtualBox, VMware Player или KVM.

Для достижения наилучших результатов Exasol рекомендует использовать новое предложение с данными объёмом до 100 ГБ, из которых 10-20% (но не больше 10 ГБ в бесплатной редакции) должны храниться в оперативной памяти.

Демонстрационный образец «Exasol-in-my-pocket» был развернут на Intel NUC партнёром Exasol, консультантом розничной торговли Atheon Analytics. Система показала способность визуализировать разные представления 250 млн строк данных крупного супермаркета, анализируя статистику для уменьшения количества отходов и управления складскими запасами.

Поскольку данное решение использует полноценную СУБД Exasol, его расширение, по желанию клиента, на многоузловой кластер не представляет никаких проблем. Генеральный директор Exasol, Аарон Олд (Aaron Auld) подчеркнул, что способность масштабирования мощной аналитической базы данных до уровня карманного устройства, для небольших проектов, зачастую столь же важна, как и её расширение на крупные кластеры, перемалывающие гигантские массивы данных".