Vertica简介v8.0.0.pdf

Vertica 简介 慧与(中国)有限公司 Hewlett Packard Enterprise 目 录 VERTICA 简介 1 一. 简介 3 1.1 大数据给传统数据分析带来的挑战 3 1.2 面向大数据实时分析的全新架构的 VERTICA 4 二. 主要优势 6 三. 产品简介 7 3.1 列式存储和计算 8 3.2 “行”式存储优化 9 3.3 主动压缩 9 3.4 无共享大规模并行计算和可扩展性 10 3.5 高性能和高并发 11 3.6 高可用和稳定性 12 3.7 大规模集群和容错组 14 3.8 混合存储和实时分析 15 3.9 直接装载 KAFKA 消息队列中的海量实时数据流 16 3.10 大数据实时聚合 17 3.11 分级存储 18 3.12 混合负载和工作负载管理 19 3.13 多租户和沙箱 19 3.14 自动优化设计 20 3.15 备份与恢复 21 3.16 部署的灵活性 21 3.17 强大的库内分析挖掘 22 3.18 结构化和非结构化融合分析 23 3.19 兼容性 25 3.20 基于 HTML5 的图形化管理监控和图形化开发工具 25 3.21 SDK 和分析扩展 27 3.22 安全性 28 3.23 SQL ON HADOOP 28 四. 应用情况 31 © Copyright 2016 Hewlett Packard Enterprise Page 2 一. 简介 1.1 大数据给传统数据分析带来的挑战 我们正在进入大数据实时分析时代。随着互联网、移动互联网和各种智能终端 的大发展，各种数据无时不刻地生成，新数据的产生成大爆炸趋势；法规要求必须 保留更长时间的历史数据，以便更多的历史数据中更有效地分析各种业务变化的历 史趋势，为未来业务发展提供科学依据；企业的各种部门都需要对原始数据进行深 入分析和挖掘，以便即时改进业务决策。 然而，大数据的到来，也给 目前传统的分析系统带来了巨大挑战： 1. 数据越来越多，超越了 I/O 极限。众所周知，I/O 能力一直都是传统数 据仓库系统的瓶颈。大数据的到来，更加重了 I/O 瓶颈问题。 2. 分析查询性能低下。查询时间以数小时甚至数天计，有的分析算法甚至 根本无法运行。 3. 传统分析系统都是基于数据概要的统计分析，无法满足深度挖掘分析要 求。尚待挖掘的有价值的业务规律，往往隐藏在数据细节中。传统基于 数据概要的分析方法，阻碍了新的业务规律的发现，大大降低了业务数 据的分析价值。 4. 传统分析系统采用的批处理方式进行加载和汇总，无法满足时效性要求。 需要分析的数据量越来越多，要汇总的业务也越来越多，留给数据批量 加载和汇总的处理时间窗口越来越短，甚至根本无法完成。同时，批量