基于Oracle自治数据库快速开发智能分析应用

上传人:I*** 文档编号:156425726 上传时间:2020-12-17 格式:PPTX 页数:47 大小:5.82MB
返回 下载 相关 举报
基于Oracle自治数据库快速开发智能分析应用_第1页
第1页 / 共47页
基于Oracle自治数据库快速开发智能分析应用_第2页
第2页 / 共47页
基于Oracle自治数据库快速开发智能分析应用_第3页
第3页 / 共47页
基于Oracle自治数据库快速开发智能分析应用_第4页
第4页 / 共47页
基于Oracle自治数据库快速开发智能分析应用_第5页
第5页 / 共47页
点击查看更多>>
资源描述

《基于Oracle自治数据库快速开发智能分析应用》由会员分享,可在线阅读,更多相关《基于Oracle自治数据库快速开发智能分析应用(47页珍藏版)》请在金锄头文库上搜索。

1、,基于Oracle自治数据库快速开发智能分析应用,由数据提供支持的时速 1,000 英里/小时的汽车,时速最快的汽车能够自主运行 其成本与普通汽车一般无二,假如.,2,业务和 IT 部门可以 围绕数据联合起来,IT 和业务部门可以 自主运作,能够获得最具 性价比的技术,对您业务造成的转型影响,3,假如,给业务和 IT 部门带来难题,展现业务的全局视图 但要确定如何完成以下任务: 连接和集成 存储和处理 分析和可视化,数据,常见的数据仓库挑战 周期长 投资大 复杂程度高 体验差,是解决之道还是障碍?,信息来源:Dimensional Research 数据仓库现状,33%,部署速度太慢、 时间太

2、长,60%,管理起来过于复杂,38%,前期采购和持续维护成本,95%,需要广泛的人工参与,引入数据仓库,便捷 轻松设置数据实验, 以便发掘真知灼见,快速 支持迅速访问数据、 完成查询以获得独 特见解,弹性 可扩展的资源, 按用量付费,探索 任何数据,现代数据仓库需要提供怎样的成果,数据转换、复制、 迁移和治理,分析、可视化,机器学习、处理,集散、数据资源池,现代化端到端数据仓库解决方案,高性能分析查询,数据源:,用户:,存储和处理,联接和集成,分析和可视化,LOB,分析师,数据科学家,开发人员,数据流式处理,旧有数据仓库,财务 ERP,社交数据,物联网数据,销售CRM ¥,Autonomous

3、 Data Warehouse 简介,集成机器学习 基于自主运行的 ORACLE AUTONOMOUS DATABASE CLOUD,便捷,快速,弹性,专为智能分析而设计,从数据中发掘 更多价值,自治数据库概览,自动化技术 40 年发展 历程中的顶点,转变为完全托管式自治服 务,消除了人工任务,70,48,30,15,4,创建数据库的步骤数 198019952007,2014,2018,自治数据库之旅,自动查询重写 Automatic Query Rewrite,自动UNDO管理,Oracle已经投入了数千工程师的时间来自动化和优化数据库 自动健康架构 Autonomous Health Fr

4、amework 自动诊断架构,自动SQL调优 Automatic SQL Tuning,自动负载捕获/重放 Automatic Workload Capture/Replay 自动SQL计划管理 Automatic SQL Plan Management 自动捕获SQL监控 Automatic Capture of SQL Monitor 自动数据优化 Automatic Data Optimization,自动内存管理 Automatic Memory Management 自动段空间管理 Automatic Segment Space Mgmt 自动统计收集机 Automatic Stat

5、istics Gathering 自动存储管理 Automatic Storage Management 自动负载资料库 Automatic Workload Repository,自动诊断监视,Automatic Undo Managemen tAutomatic Diagnostic Monitor,9i,10g,11g,Automatic Diagnostic Framework 自动刷新数据库克隆 Automatic Refresh of Clones 12c,18c 自动列式缓存 Automatic Columnar Flash 自动IM填充 Automatic IM populat

6、ion 自动应用连续性 Automatic Application Continuity,依托于革命性的机器学习平台,自动适应不断变化的工作负载 抵御外部恶意攻击 检测异常并修复已知问题,工作负载优化 安全性 监控和诊断,加速您的数字化转型,一个自治式数据库根据工作负载优化,Autonomous Transaction Processing (ATP),最佳用于分析型工作负载: 数据仓库,数据集市 数据湖,机器学习,Autonomous Data Warehouse (ADW),最佳用于事务处理和混合型负载: 事务,批量,报告,物联网 应用开发,机器学习,ORACLE AUTONOMOUS D

7、ATABASE,自治数据仓库入门,供应只需要4个简单的问题: 数据库名称? 有多少CPU? 有多少TB? 管理员密码? 几分钟内创建的新服务(无论大小) 数据库已打开,可以进行连接,ADW自动化管理,Oracle提供数据仓库的自动化端 到端管理 供应新的数据库实例 存储或计算的增长/收缩 打补丁和升级 备份和恢复 使用服务控制台或 API 实现全部 生命周期管理,ADW自动化调优,“加载和运行” 定义表、加载数据、运行查询 不需要调整 不需要特殊的数据库专业知识 无需担心表空间、分区、压缩、内存、索 引、并行执行 开箱即用的高速性能,零调优 基于 web 的简单的监控控制台 内置资源管理计划,

8、ADW自动化的可靠性,容错、高度可用的 Exadata 基础架构 三重镜像磁盘,用于防止磁盘失效 真正应用程序集群(RAC),用于防止节点失效 和更多 自动备份 在过去60天内随时恢复到任何时间点 在线打补丁 自动应用常规修补程序,零数据库停机,ADW即刻弹性:真正为您的使用付费,将 DW 的大小调整到所需OPCU 和 TB 的确切数量 不受固定构建块约束 按需缩放 DW 可独立扩展计算或存储 调整大小立即发生,完全在线 关闭闲置计算资源省钱 需要时可立即重新启动,自治数据仓库云和数据湖,使用ADW查询对象存储中的文件 高性能SQL查询,支持 Oracle 对象存储、 AWS S3 或 Azu

9、re Blob 存储 ADW 和数据湖之间的扩展Join 任何支持的 Oracle 加载程序的文件格式 不需要加载数据到ADW中,面向数据科学家的协作用户界面 轻松访问共享笔记本、模板、权限、 计划程序等。 基于Apache Zeppelin 未来发展路线图: 跨多个服务的 数据科学家通用UI* *已经在Big Data/Big Data Cloud,BDA中提供,Oracle ML: 内置的笔记本(Notebook),便捷的管理和性能监控,ADW自带详细的监控报表,低价值重复劳动 架构整合、系统调优、网络与存储配置等等 数据库部署、打补丁 数据库备份,高可用配置,容灾 数据库优化 高价值工作

10、 架构规划与数据模型 数据安全与生命周期管理 应用调优 端到端服务管理,ADW消除DBA低价值的重复劳动,ADW,自治数据仓库云的关键应用场景,数据科学家沙箱,数据湖,数据集市/数据仓库,业务分析,机器学习,跨所有数据查询,Report LINK,业务价值,快速敏捷,数据语义化 集中分析 更强的管理,可视自助化 自助分析,提高用户生产力,结合机器学习 - 增强分析,更广泛和快速 的创新和转型,数据分析的新浪潮,Oracle 提供了一个完整的商务智能前端展现分析平台,自治 让业务人员能自安装,自,学习,自服务,自发布, 自问答,协同 一键上云,支持40多种数据 源,安全管理,多渠道信息 共享,敏

11、捷 灵活的数据二次加工,自动 的数据关联,多种可视化插 件,动态逻辑数据推理,创新 AI数据解释,可视化机器学 习,0代码数据模型训练, 内嵌多种常用算法,数据分析云,BI 报表,数据可 视化,数据 探索,OAC包含组件: 数据分析云服务:敏捷、快速的数据数据分析能力 数据可视化桌面:本地数据分析、训练与开放,可发布到数据分析云 移动端APP:移动端的数据展现,4.Essbase多维数据分析与沙箱:基于立方体的多维数据分析与存储,OAC面向分析提供了完整的解决方案,面向企业用户,开发人员和IT的完整分析平台,数据目录 一个收集,搜索,探索和加工所有数据的地方,数据流 对所有数据进行准备丰富,共

12、享和提供可靠的数据集,数据分析 使用智慧理解数据和采取行动:搜索,可视化和用数据讲故 事,搜索智能预测学习移动 自然语言个性化,数据湖服务数据仓库服务,企业应用 SaaS 个人数据 传感器 社交 移动,业务人员 分析人员 数据专家 开发人员,可实现零代码,简化IT工作, 满足业务人员分析需求 连接到任何数据,支持数据 混搭 自助服务可视化和交互式数 据分析,自助服务准备和自 由的数据探索 自动的数据质量持续优化 高级分析和机器学习 (RPython),智能洞察数据隐含模式推荐,城市相关数 据自动匹配,敏感数据的 自动加密,所有智能建议,自动生成 扩展分析维度 一键式应用,基于机器学习的预测模型

13、训练,CART 朴素贝叶斯 神经网络 随机森林模型 支持向量机、 线性回归模型 弹性网络线性回归模型 分层聚类 K-Means聚类 Logistic回归模型,直接在任何数据流中训 练复杂的机器学习模型, 不再仅仅局限于某个开 发好的应用和业务。,利用最佳实践模型配 置参数,评估模型,模型训练结果给出详细的评估模型,F1值给出了我们的整体准确性, 以及预测结果的好坏 (2 *(精确*召回)/(精确+召 回),精度给出了所有预测值正确的百 分比,例如所有预测值是51, 实际是(884/1741 = 0.51),召回(又称灵敏度)为我们提供 了正确预测值的百分比。 例如所 有实际是的模型可以预测74

14、 (884/1198 = 0.74),混淆矩阵按类显示正确和 错误预测的数量,交互式可视化分析,创建你自己的数据故事 令人惊叹的可视化和交互式分析展 示 基于智能数据服务的自动图表创建 单击就能查看趋势,预测,聚类和 异常值 内置100多种丰富的调色板和第三方 可视化 针对网页和手机进行了展示优化,创建可视化是交互式和直观的。 任何用户都可以通过点击几下来创建复杂的探索体验。,从任何数据中解放数据见解,轻松访问所有数据源 直接连接到50多个不同的多结构 数据源 混合任何数据,不管其来源或类 型 支持应用程序,大数据,数据库, 服务,文件等 智能连接器到SaaS应用程序,随心随遇自由切换可视化形

15、式,丰富的可视化显示形式 内嵌40多个不同的可视化组件 增强的可视化组件平性坐标、 弦图标、桑基图、文字云、树图 标、网络 支持D3/GeoJESON等自定义开发 扩展的中国地图 Analytics Store免费下载可视化插 件,v,强大的数据流和数据丰富能力,自助服务数据准备 可共享和可追溯的业务数据转换 避免Excel杂乱无章,使分析师能 够在不需要编码技能的情况下增 强数据 支持组值,连接数据集,子选择 行/列,聚集,计算字段等,36,数据流 - 分节点输出,实现一个数据流满足不同分析需求的数据输出,将数据流分支到具有单个数据流中的各 种转换轨迹的子数据集中,基于新数据标识符(唯一键)列在 增量数据上运行数据流,而不是在 已处理的数据上运行相同的数据流,地图展示

展开阅读全文
相关资源
正为您匹配相似的精品文档
相关搜索

最新文档


当前位置:首页 > IT计算机/网络 > 云计算/并行计算

电脑版 |金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号