Database analitico scalabile, sicuro e flessibile
Database colonnare vettoriale ad alte prestazioni
Cos'è Vector?
Cos'è Vector?
Vector, il database analitico più veloce del settore, gestisce aggiornamenti continui senza penalizzare le prestazioni. Vector raggiunge prestazioni estreme con la piena conformità ACID su hardware di base e la flessibilità di implementazione on-premise e su AWS, Azure e Google Cloud con una messa a punto del database minima o nulla.
Vantaggi del database analitico Vector di HCL
Veloce
Supera le alternative di 7,9 volte - Enterprise Strategy Group
Ottimizzazione delle risorse
Riduzione dell'I/O, ottimizzazione della compressione dei dati e migliori prestazioni della cache per risparmiare tempo e denaro.
Approfondimenti reali, in tempo reale
Mantiene costantemente aggiornati i dataset di analisi senza influire sulle prestazioni delle query a valle.
Distribuzione flessibile
Funziona su Windows e Linux, on-premises, ibrido e multi-cloud, inclusi Google Cloud, AWS e Azure.
Livello enterprise
Disponibilità del 99,9% e supporto per migliaia di utenti attivi
Conforme e sicuro
Condividi i dati in modo sicuro tra le varie parti interessate grazie alla crittografia a riposo e in transito e al mascheramento dinamico dei dati.
Opzioni di distribuzione
Windows
Vector è disponibile su Microsoft Windows per l'implementazione su singolo server. La Enterprise Edition offre un supporto a livello di produzione, mentre la Evaluation Edition offre funzionalità per periodi di 30, 60 e 90 giorni.
Linux
Vector è in grado di scalare verticalmente su sistemi SMP basati sulle più diffuse distribuzioni Linux che offrono affidabilità e sicurezza.
Google Cloud
Vector può essere distribuito come container e microservizi sui più recenti nodi di calcolo di Google Kubernetes Engine (GKE), Google Cloud Dataproc e Google Cloud Storage (GCS). È strettamente integrato con Looker e sono previste integrazioni per DataFusion, Pub/Sub e Kubeflow. Vector può essere eseguito anche come immagine di macchina virtuale di Google Cloud Platform.
AWS
Vector supporta configurazioni a singolo nodo e in cluster. I benchmark di terze parti dimostrano che Vector supera in modo significativo i database di Microsoft SQL Server, Cloudera Impala, Amazon Redshift e Snowflake su AWS. Vector può essere eseguito come Amazon Machine Image su AWS e supporta Amazon Elastic Kubernetes Service (EKS). Vector supporta anche BYOL per l'implementazione in cloud privato e ibrido.
Microsoft Azure
Puoi distribuire Vector come immagine della macchina di Microsoft Azure e supporta Azure Kubernetes Service (AKS).
Hadoop
Vector for Hadoop permette di scalare Vector oltre un singolo nodo per supportare migliaia di utenti e petabyte di dati. Vector utilizza YARN per la gestione dei carichi di
Caratteristiche del database analitico Vector
Elaborazione più efficiente delle query
- L'esecuzione vettoriale delle query sfrutta il supporto SIMD (Single Instruction, Multiple Data) delle CPU x86.
- La cache dei risultati delle query evita di ripetere le query quando non ci sono cambiamenti
Massimizzazione della cache della CPU per l'esecuzione
- Utilizza il core privato della CPU e le cache come memoria di esecuzione, 100 volte più veloce della RAM
- Offre un throughput significativamente maggiore senza le limitazioni degli approcci in-memory
Altre ottimizzazioni della CPU
Supporta operazioni basate su stringhe con accelerazione hardware, a vantaggio di selezioni su stringhe che utilizzano la corrispondenza dei caratteri jolly, aggregazioni su valori basati su stringhe e join o ordinamenti che utilizzano chiavi di stringa.
Archiviazione basata sulle colonne
- Riduce l'I/O sulle colonne rilevanti
- Opportunità di una migliore compressione dei dati
- Gli indici di archiviazione integrati massimizzano l'efficienza
Compressione dei dati
- Diverse opzioni per massimizzare la compressione: Run Length Encoding (RLE), Patched Frame of Reference (PFOR), Delta encoding su PFOR, Dictionary encoding e LZ4: per diversi valori di stringa
- Rapporti di compressione 4-6x comuni per i dati del mondo reale
Dati in tempo reale
Mantiene l'accesso in tempo reale ai dati mentre vengono compressi su disco, con conseguente risparmio di I/O e CPU e tempi di esecuzione più brevi.
Facile integrazione e migrazione
- Utilizza DataFlow per il caricamento rapido dei dati e DataConnect con oltre 200 connettori e modelli per ottenere facilmente i dati su scala.
- Carica dati JSON strutturati e semi-strutturati, compresi i messaggi basati su eventi e i dati in streaming, senza bisogno di codifica.
Indici di archiviazione
- Gli indici automatici min-max consentono di saltare i blocchi in lettura.
- Elimina la necessità di una strategia esplicita di partizione dei dati
Esecuzione parallela
Algoritmi di esecuzione parallela adattativi e flessibili per massimizzare la concorrenza e consentire la prioritizzazione del carico.
Architettura MPP
- Gestisce migliaia di utenti, nodi e petabyte di dati
- Sfrutta la ridondanza di HDFS per fornire una protezione dei dati a livello di sistema
Sicurezza
- Sicurezza basata sui ruoli
- Crittografia con re-keying
- Mascheramento dinamico dei dati
- De-identificazione a livello di colonna
Gestibilità
- Gestione del carico di lavoro basata su code per regolare dinamicamente le code in base alla disponibilità e alle quote delle risorse
- Console amministrativa ed editor SQL facili da usare
Integrazione nativa con Spark
- Accesso diretto alle query con Spark
- Connessione diretta alle funzionalità Spark tramite DataFrames
- Streaming veloce per l'apprendimento automatico e l'intelligenza artificiale
Ampio supporto SQL
- Standard ANSI SQL che consente di utilizzare l'SQL esistente senza doverlo riscrivere
- Analisi avanzate, tra cui cubi, raggruppamenti e funzioni a finestra
Ottimizzatore di query maturo
- Pianificatore di query maturo e collaudato basato sui costi
- Uso ottimale di tutte le risorse disponibili, compresi nodi, memoria, cache e CPU
Inizia la tua prova gratuita di 30 giorni di Vector
Prova gratuita in locale o nel cloud
Risorse
PER INIZIARE
RESTA AL CORRENTE
RICHIEDI ASSISTENZA
