Base de données analytique évolutive, sécurisée et flexible

Traitement des requêtes plus efficace

• L'exécution de requêtes vectorisées exploite la prise en charge SIMD (Single instruction, multiple Data) dans les UC x86
• La mise en cache des résultats de requête évite de relancer les requêtes lorsqu'il n'y a pas de modifications

Optimisation du cache de l'UC pour l'exécution

• Utilise le cœur d'UC privé et les caches comme mémoire d'exécution, soit 100 fois plus rapide que la RAM
• Permet d'atteindre un débit bien plus élevé que celui offert par les approches en mémoire, sans aucune restriction

Autres optimisations de l'UC

Prend en charge les opérations basées sur des chaînes accélérées par matériel, ce qui permet de sélectionner des chaînes à l'aide de la correspondance de caractères génériques, d'agréger des valeurs basées sur des chaînes, et de réaliser des jointures ou des tris à l'aide de clés de chaîne

Stockage en colonnes

• Réduit les E/S aux colonnes pertinentes
• Possibilité d'améliorer la compression des données
• Les index de stockage intégrés optimisent l'efficacité

Compression des données

• Plusieurs options sont disponibles pour optimiser la compression : le codage par plages (RLE), le cadre de référence corrigé (PFOR), le codage delta en plus de PFOR, le codage par dictionnaire, et LZ4 pour différentes valeurs de chaîne
• Les taux de compression de 4 à 6 fois plus élevés sont courants pour les données réelles

Données en temps réel

Conservez un accès en temps réel aux données lorsqu'elles sont compressées sur disque, ce qui permet de réaliser des économies d'E/S et d'UC, et de réduire le temps d'exécution

Intégration et migration simplifiées

• Utilisez un flux de données pour un chargement rapide des données et DataConnect avec plus de 200 connecteurs et modèles pour rechercher facilement des données à grande échelle
• Charge les données JSON structurées et semi-structurées, y compris les messages basés sur les événements et les données de flux sans codage.
• Déplacez une base de données vers un centre de données cloud ou distant en une seule étape à l'aide de la fonction « clonedb » intégrée

Index de stockage

• Les indices min-max automatiques permettent d'effectuer des sauts de blocs lors des opérations de lecture
• Elimine la nécessité d'une stratégie explicite de partitionnement des données

Exécution parallèle

Algorithmes d'exécution parallèle adaptatifs et flexibles pour optimiser la simultanéité tout en permettant la hiérarchisation des charges

Architecture MPP

• Gère des milliers d'utilisateurs, de nœuds et de pétaoctets de données
• Exploite la redondance dans HDFS pour assurer la protection des données à l'échelle du système

Sécurité

• Sécurité basée sur les rôles
• Renouvellement de clé de chiffrement
• Masquage dynamique des données
• Anonymisation au niveau des colonnes

Facilité de gestion

• Gestion des charges de travail basée sur des files d'attente pour ajuster dynamiquement les files d'attente en fonction de la disponibilité des ressources et des quotas
• Console d'administration et éditeur SQL faciles à utiliser

Intégration native de Spark

• Accès direct aux requêtes par Spark
• Connexion directe à la fonctionnalité Spark via les DataFrames
• Streaming rapide pour l'apprentissage automatique et l'intelligence artificielle

Prise en charge SQL étendue

• ANSI SQL standard permettant l'utilisation du SQL existant sans réécriture
• Analyses avancées, y compris les fonctions de cubing, de regroupement et de fenêtre

Optimiseur de requêtes mature

• Planificateur de requête basé sur le coût, mature et éprouvé
• Utilisation optimale de toutes les ressources disponibles, y compris le nœud, la mémoire, le cache et l'UC