start portlet menu bar end portlet menu bar
  • Contact HCL Actian
    • HCL Actian
    1. Home
    2. Data & Analytics
    3. HCL Actian
    4. HCL Vector Analytics Database

    Was ist Vector?

    What is Vector?

    Was ist Vector?


    Vector, eine der schnellsten Analysedatenbanken der Branche, verarbeitet kontinuierliche Updates ohne Leistungseinbußen. Vector erreicht eine extreme Leistung bei voller ACID- Compliance auf handelsüblicher Hardware mit der Flexibilität, sie on-premises und auf AWS, Azure und Google Cloud mit wenig oder gar keiner Datenbankoptimierung einzusetzen.

    HCL Vector Analytics Database Vorteile

    Fast

    Schnell

    Übertrifft Alternativen um das 7,9-fache – Enterprise Strategy Group

    Resource Optimization

    Ressourcenoptimierung

    Reduzieren Sie die E/A, optimieren Sie die Datenkomprimierung und sorgen Sie für eine bessere Cache-Leistung, um Zeit und Geld zu sparen

    REAL Real-time Insights

    Reale Echtzeit-Einblicke

    Halten Sie Analytics-Datensätze kontinuierlich auf dem neuesten Stand, ohne die Leistung nachgelagerter Abfragen zu beeinträchtigen.

    Flexible Deployment

    Flexible Bereitstellung

    Läuft unter Windows und Linux, On-Premises, in Hybrid- und Multi-Clouds, einschließlich Google Cloud, AWS und Azure

    Enterprise-Grade

    Unternehmenstauglich

    99,9 % Verfügbarkeit und Support für Tausende aktive Benutzer

    Compliant and Secure

    Konform und sicher

    Sicherer Datenaustausch mit allen Beteiligten durch Verschlüsselung im Ruhezustand und während der Übertragung sowie dynamische Datenmaskierung

    Bereitstellungsoptionen

    Windows

    Vector ist unter Microsoft Windows für die Bereitstellung auf einem Einzelserver verfügbar. Die Enterprise Edition bietet Support auf Produktionsebene und die Evaluation Edition bietet Funktionen für Zeiträume von 30, 60 und 90 Tagen.

    Linux

    Vector skaliert vertikal auf SMP-Systemen, die auf gängigen Linux-Distributionen laufen, die Zuverlässigkeit und hohe Sicherheit bieten.

    Google Cloud

    Vector kann als Container und Mikroservices auf den neuesten Compute-Knoten von Google Kubernetes Engine (GKE), Google Cloud Dataproc und Google Cloud Storage (GCS) bereitgestellt werden. Es ist eng mit Looker integriert, mit geplanten Integrationen für DataFusion, Pub/Sub und Kubeflow. Vector kann auch als Google Cloud Platform Virtual Machine Image ausgeführt werden.

    AWS

    Vector unterstützt Einzelknoten- und Clusterkonfigurationen. Benchmarks von Drittanbietern zeigen, dass Vector Microsoft SQL Server-, Cloudera Impala-, Amazon Redshift- und Snowflake-Datenbanken auf AWS deutlich übertrifft. Vector kann als Amazon Machine Image auf AWS ausgeführt werden und unterstützt Amazon Elastic Kubernetes Service (EKS). Vector unterstützt auch BYOL für die Bereitstellung privater und hybrider Clouds.

    Microsoft Azure

    Sie können Vector als Microsoft Azure VM Image bereitstellen und es unterstützt Azure Kubernetes Service (AKS).

    Hadoop

    Vector für Hadoop skaliert Vector über einen einzelnen Knoten hinaus, um Tausende von Benutzern und Petabyte an Daten zu unterstützen. Vector verwendet YARN für das Workload-Management über 100 oder 1000 Knoten hinweg. HDFS speichert Vector-Daten mit mehr als 10-facher Komprimierung. Im Gegensatz zu SQL auf Hadoop unterstützt Vector differenzielle Einfügungen, Aktualisierungen und Löschungen, um mehrere operative Workloads auszuführen.

    Vector Analytics Database Funktionen

    More Efficient Query Processing

    Effizientere Abfrageverarbeitung

    • Die vektorisierte Abfrageausführung nutzt die SIMD-Unterstützung (Single Instruction, Multiple Data) in x86-CPU
    • Das Zwischenspeichern von Abfrageergebnissen vermeidet die erneute Ausführung von Abfragen, wenn es keine Änderungen gibt

    Maximizing CPU Cache for Execution

    Maximieren des CPU-Cache zur Ausführung

    • Verwendet private CPU-Kerne und Caches als Ausführungsspeicher – 100-mal schneller als RAM
    • Bietet deutlich höheren Durchsatz ohne die Einschränkungen von In-Memory-Ansätzen

    Other CPU Optimizations

    Andere CPU-Optimierungen

    Unterstützt Hardware-beschleunigte String-basierte Operationen, die Auswahlen auf Strings mit Wildcard-Matching, Aggressionen auf String-basierte Werte und Joins oder Sortierungen mit String-Schlüsseln begünstigen

    Column-based Storage

    Spaltenbasierte Speicherung

    • Reduziert die E/A auf relevante Spalten
    • Möglichkeit zur besseren Datenkomprimierung
    • Integrierte Speicherindizes maximieren die Effizienz

    Data Compression

    Datenkomprimierung

    • Mehrere Optionen zur Maximierung der Komprimierung: Run Length Encoding (RLE), Patched Frame of Reference (PFOR), Delta-Kodierung über PFOR, Dictionary-Kodierung und LZ4: für verschiedene Zeichenfolgenwerte
    • 4-6-fache Komprimierungsraten für reale Daten

    Live Data

    Live-Daten

    Erhalten Sie Echtzeitzugriff auf Daten, während diese auf der Festplatte komprimiert werden. Das führt zu E/A- und CPU-Einsparungen und einer kürzeren Ausführungszeit.

    Easy Integration and Migration

    Einfache Integration und Migration

    • Nutzen Sie DataFlow zum schnellen Laden von Daten und DataConnect mit über 200 Konnektoren und Vorlagen, um Daten auf einfache Weise in großem Umfang zu beschaffen
    • Lädt strukturierte und halbstrukturierte JSON-Daten, einschließlich ereignisbasierter Nachrichten und Streaming-Daten ohne Codierung
    • Verschieben Sie eine Datenbank in einem Schritt in eine Cloud oder ein Remote-Rechenzentrum mit der integrierten Funktion „clonedb“

    Storage Indexes

    Speicherindizes

    • Automatische Min-Max-Indizes ermöglichen das Überspringen von Blöcken beim Lesen
    • Macht eine explizite Datenpartitionierungsstrategie überflüssig

    Parallel Execution

    Parallele Ausführung

    Flexible, adaptive Algorithmen zur parallelen Ausführung, um die Parallelität zu maximieren und gleichzeitig die Lastpriorisierung zu ermöglichen

    MPP Architecture

    MPP-Architektur

    • Verarbeitet Tausende von Nutzern, Knoten und Petabyte an Daten
    • Nutzt Redundanz in HDFS, um systemweiten Datenschutz zu gewährleisten

    Security

    Sicherheit

    • Rollenbasierte Sicherheit
    • Re-keying der Verschlüsselung
    • Dynamische Datenmaskierung
    • De-Identifizierung auf Spaltenebene

    Manageability

    Verwaltbarkeit

    • Warteschlangenbasierte Arbeitslastverwaltung zur dynamischen Anpassung von Warteschlangen basierend auf Ressourcenverfügbarkeit und Kontingenten
    • Benutzerfreundliche Verwaltungskonsole und SQL-Editor

    Native Spark Integration

    Native Spark-Integration

    • Direkter Abfragezugriff über Spark
    • Direkte Verbindung zur Spark-Funktionalität über DataFrames
    • Schnelles Streaming für maschinelles Lernen und künstliche Intelligenz

    Extensive SQL Support

    Umfangreiche SQL-Unterstützung

    • Standard-ANSI-SQL ermöglicht die Verwendung von vorhandenem SQL ohne Neuschreiben
    • Erweiterte Analysen, einschließlich Cubing-, Gruppierungs- und Fensterfunktionen

    Mature Query Optimizer

    Ausgereifter Abfrageoptimierer

    • Ausgereifter und bewährter kostenbasierter Abfrageplaner
    • Optimale Nutzung aller verfügbaren Ressourcen, einschließlich Knoten, Speicher, Cache und CPU

    HCL Compass

    Starten Sie Ihre kostenlose 30-Tage-Testversion von Vector

    Kostenlose Testversion On-Premises oder in der Cloud

    Kostenlos starten

    Ressourcen

    ERSTE SCHRITTE

    Informieren Sie sich

    SUPPORT ANFORDERN