সম্পাদকের দ্রষ্টব্য: এটি একটি লাইভ ওয়েবকাস্টের একটি প্রতিলিপি। আপনি এখানে পুরো ওয়েবকাস্ট দেখতে পারেন।
এরিক কাভানাঘ: মহিলা ও ভদ্রলোক, এখন বুদ্ধিমান হওয়ার সময়! এটি একদম নতুন শো টেকুইয়েসের জন্য সময়! আমার নাম এরিক কাভানাঘ। আমি আমাদের প্রযুক্তিবিদ এর উদ্বোধনী পর্বের জন্য আপনার পরিচালক হতে চলেছি। একদম ঠিক। এটি অবশ্যই টেকোপিডিয়া এবং ব্লার গ্রুপের অংশীদারি, অবশ্যই ইনসাইড এনালাইসিস খ্যাতির of
আমার নাম এরিক কাভানাঘ। লোকেরা, আমি এটি সত্যই আকর্ষণীয় এবং জড়িত ইভেন্টটি পরিচালনা করব। হাদুপ নামে পরিচিত এই বড় জিনিসটির সাথে কী চলছে তা বুঝতে আমরা বুননের গভীরে গভীর খনন করতে যাচ্ছি। ঘরে হাতিটি কী? এটিকে হাদুপ বলা হয়। আমরা এর অর্থ কী এবং এর সাথে কী চলছে তা নির্ধারণ করার চেষ্টা করব।
প্রথমত, আমাদের স্পনসর, গ্রিডগেইন, অ্যাক্টিয়ান, জেটসেট এবং ডেটা টরেন্টকে ধন্যবাদ জানাই। আমরা এই ইভেন্টটির শেষের দিকে তাদের প্রত্যেকের কাছ থেকে একটি সংক্ষিপ্ত কয়েকটি শব্দ পেয়ে যাব। আমাদের একটি প্রশ্নোত্তরও থাকবে, তাই লজ্জা বোধ করবেন না - আপনার প্রশ্নগুলি যে কোনও সময়ে প্রেরণ করুন।
আমরা বিশদটি খনন করব এবং কঠোর প্রশ্নগুলি আমাদের বিশেষজ্ঞদের কাছে নিক্ষেপ করব। এবং বিশেষজ্ঞদের কথা বলছি, আরে, তারা আছে। সুতরাং, আমরা আমাদের নিজস্ব ড। রবিন ব্লুরের কাছ থেকে শুনব, এবং ভাবেন, আমি কিংবদন্তি রে ওয়াং, মূল বিশ্লেষক এবং নক্ষত্র গবেষণার প্রতিষ্ঠাতা পেয়ে খুব আনন্দিত। তিনি আমাদের আজ তাঁর চিন্তাভাবনা জানানোর জন্য অনলাইনে রয়েছেন এবং তিনি রবিনের মতো যে তিনি অবিশ্বাস্যরূপে বৈচিত্র্যময় এবং সত্যই বিভিন্ন ক্ষেত্রের দিকে মনোনিবেশ করেন এবং সেগুলিকে সংশ্লেষিত করতে এবং তথ্য প্রযুক্তির এই পুরো ক্ষেত্রে সেখানে কী ঘটছে তা সত্যই বুঝতে সক্ষম হয়েছেন এবং ডেটা ম্যানেজমেন্ট।
তো, সেই ছোট্ট হাতিটি আছে। তিনি রাস্তার শুরুতে আছেন, আপনি দেখতে পাচ্ছেন। এটি এখনই শুরু, এটি কেবল এক ধরণের শুরু, এটি পুরো হ্যাডোপ জিনিস। অবশ্যই, 2006 বা 2007 সালে, আমি মনে করি, এটি যখন মুক্ত-উত্স সম্প্রদায়ের কাছে প্রকাশ করা হয়েছিল, তবে লোকেরা অনেক কিছুই চলছে। বিশাল উন্নয়ন হয়েছে। আসলে, আমি গল্পটি সামনে আনতে চাই, তাই আমি একটি দ্রুত ডেস্কটপ শেয়ার করতে যাচ্ছি, কমপক্ষে আমার মনে হয় আমি আছি। আসুন একটি দ্রুত ডেস্কটপ ভাগ করে নেওয়া যাক।
আমি আপনাকে ঠিক পাগল, ক্রেজি গল্পের লোকদের দেখিয়ে দিচ্ছি। সুতরাং ইন্টেল ক্লুডেরার 18 শতাংশ কিনতে $ 740 মিলিয়ন ডলার বিনিয়োগ করেছে। আমি ভেবেছিলাম এবং আমি এইরকম, "পবিত্র ক্রিসমাস!" আমি গণিতটি শুরু করেছিলাম এবং এটি এর মতো, "এটির মূল্য $ 4.1 বিলিয়ন" " এক সেকেন্ডের জন্য এটি সম্পর্কে চিন্তা করা যাক। আমার অর্থ, হোয়াটসঅ্যাপের মূল্য যদি ২ বিলিয়ন ডলার হয় তবে আমি অনুমান করি যে ক্লৌডেরও মূল্য হতে পারে 4.1 বিলিয়ন ডলার, তাই না? মানে, না কেন? লোকেরা, এই দিনগুলির মধ্যে কিছুগুলি কেবল উইন্ডোটির বাইরে। আমার অর্থ, সাধারণত বিনিয়োগের ক্ষেত্রে আপনার কাছে EBITDA এবং এই সমস্ত অন্যান্য বিভিন্ন প্রক্রিয়া, বহুগুণ আয় এবং আরও রয়েছে। ওয়েল, ক্লৌডেরার জন্য revenue ৪.১ বিলিয়ন ডলার পাওয়ার জন্য এটি একাধিক উপার্জনের এক হেক হবে, এটি একটি দুর্দান্ত সংস্থা। আমাকে ভুল করবেন না - সেখানে পুরোপুরি খুব স্মার্ট লোক রয়েছে যার মধ্যে পুরো হাডোপ ক্রেজ শুরু হয়েছিল, ডগ কাটিং, তিনি সেখানে আছেন very অনেক বুদ্ধিমান লোক যারা সত্যই অনেক কিছু করছে, সত্যিই দুর্দান্ত জিনিস, তবে মূল কথাটি হ'ল $ 4.1 বিলিয়ন, এটি প্রচুর অর্থ।
সুতরাং এখানে এই মুহূর্তে আমার মাথার মধ্য দিয়ে যাবার একটি বন্দী সুস্পষ্ট মুহুর্তের একটি চিপ, ইন্টেল is তাদের চিপ ডিজাইনাররা কিছু হ্যাডোপ-অপটিমাইজড চিপটি আনতে চলেছে - আমাকে তাই ভাবতে হবে, লোকেরা। এটা আমার অনুমান মাত্র। এটি কেবল একটি গুজব, আমার কাছ থেকে আসছে, আপনি যদি চান তবে এটি এক ধরণের অর্থপূর্ণ। এবং এই সব কি মানে?
সুতরাং এখানে আমার তত্ত্ব। কি হচ্ছে? এই জিনিস অনেক কিছুই নতুন নয়। বিশাল সমান্তরাল প্রক্রিয়াকরণ ভয়াবহভাবে নতুন নয়। সমান্তরাল প্রক্রিয়াজাতকরণ নিশ্চিত করা নতুন নয়। আমি কিছুক্ষণের জন্য সুপারকম্পটিংয়ের জগতে রয়েছি। এগুলি ঘটছে অনেকগুলি নতুন নয়, তবে সাধারণ সচেতনতার মধ্যে রয়েছে যে এই সমস্যাগুলির কয়েকটি আক্রমণ করার একটি নতুন উপায় রয়েছে। আমি কী ঘটতে দেখছি, যদি আপনি ক্লৌডেরা বা হর্টন ওয়ার্কসের কিছু বড় বিক্রেতাকে এবং এই কয়েকজন ছেলের দিকে নজর দেন, আপনি যদি এটি সবচেয়ে দানাদার পাতন স্তরে সিদ্ধ করেন তবে তারা সত্যিই কী করছে তা হ'ল অ্যাপ্লিকেশন বিকাশ। তারা এটাই করছে।
তারা নতুন অ্যাপ্লিকেশনগুলি ডিজাইন করছে - এর মধ্যে কিছু ব্যবসায় বিশ্লেষণ জড়িত; তাদের মধ্যে কিছু সুপারচার্জিং সিস্টেম জড়িত। আমাদের বিক্রেতাদের মধ্যে যারা এই বিষয়ে কথা বলেছেন, তারা শোতে আজ সারাদিন এ জাতীয় জিনিসগুলি করেন। তবে যদি এটি মারাত্মকভাবে নতুন হয় তবে আবার উত্তরটি "সত্যই নয়", তবে বড় বড় জিনিসগুলি ঘটছে এবং ব্যক্তিগতভাবে, আমি মনে করি যে ইন্টেলের সাথে এই বিশাল বিনিয়োগটি কী হচ্ছে তা বাজারজাতকরণের পদক্ষেপ। তারা আজ বিশ্বের দিকে তাকান এবং দেখতে পান যে এটি আজ এক ধরণের একচেটিয়া বিশ্ব। ফেসবুক আছে এবং তারা দারুণ মাইস্পেসের বাইরে সটকে পরাজিত করেছে। লিঙ্কডইন দরিদ্র হু হু হ'ল নাটকে ধাক্কা মেরেছে। সুতরাং আপনি চারপাশে তাকান এবং এটি একটি পরিষেবা যা আমাদের পৃথিবীতে এই সমস্ত বিভিন্ন স্পেসকে প্রভাবিত করছে এবং আমি মনে করি যে ধারণাটি হ'ল ইন্টেল তাদের সমস্ত চিপগুলি ক্লৌডেরায় ফেলে দেবে এবং এটিকে স্ট্যাকের শীর্ষে উন্নীত করার চেষ্টা করবে - এটাই ঠিক আমার তত্ত্ব।
লোকেরা, যেমন আমি বলেছিলাম, আমরা একটি দীর্ঘ প্রশ্নোত্তর পর্ব চলব, তাই লজ্জা পাবে না। আপনার প্রশ্নগুলি যে কোনও সময় প্রেরণ করুন। আপনি আপনার ওয়েবকাস্ট কনসোলের প্রশ্নোত্তর উপাদানটি ব্যবহার করে এটি করতে পারেন। এবং তার সাথেই, আমি আমাদের সামগ্রীতে যেতে চাই কারণ আমাদের প্রচুর পরিমাণে স্টাফ পেয়ে গেছে।
সুতরাং, রবিন ব্লুর, আমাকে আপনার হাতে চাবিগুলি হস্তান্তর করুন এবং মেঝেটি আপনার।
রবিন ব্লুর: ঠিক আছে, এরিক, তার জন্য ধন্যবাদ। আসুন নাচের হাতি নিয়ে আসা যাক। এটি একটি কৌতূহলজনক বিষয়, আসলে, হাতিগুলি হ'ল একমাত্র ভূমি স্তন্যপায়ী যা আসলে লাফিয়ে উঠতে পারে না। এই নির্দিষ্ট গ্রাফিকের এই সমস্ত হাতিগুলি মাটিতে কমপক্ষে একটি পা পেয়েছে, সুতরাং আমি অনুমান করি এটি সম্ভবপর তবে একটি নির্দিষ্ট পরিমাণে এগুলি স্পষ্টতই হাদোপ হাতি, খুব খুব দক্ষ।
প্রশ্নটি, সত্যিই, যেটি আমার মনে হয় সেগুলি নিয়ে আলোচনা করতে হবে এবং সমস্ত সততার সাথে আলোচনা করা উচিত। আপনি অন্য কোথাও যাওয়ার আগে এটি নিয়ে আলোচনা করতে হবে, যা হ্যাডোপ আসলে কী তা নিয়ে কথা বলা শুরু করা।
এটি একেবারে ম্যান-প্লে ভিত্তিক জিনিসগুলির মধ্যে একটি হ'ল কী-ভ্যালু স্টোর। আমাদের কী-ভ্যালু স্টোর ছিল। আমরা তাদের আইবিএম মেইনফ্রেমে ব্যবহার করতাম। আমরা তাদের মিনিক কম্পিউটারে রেখেছি; ডিসি ভ্যাক্সে আইএমএস ফাইল ছিল। এখানে আইএসএএম ক্ষমতা ছিল যে আপনি প্রতিটি মিনিট কম্পিউটারে হাত পেতে পারেন on তবে ৮০ এর দশকের শেষের দিকে, ইউনিক্স এসেছিল এবং ইউনিক্সের আসলে এটিতে কোনও কী-মান স্টোর ছিল না। ইউনিক্স যখন এটি বিকাশ করেছিল, তারা খুব দ্রুতগতিতে বিকাশ করেছিল। যা ঘটেছিল তা হ'ল ডেটাবেস বিক্রেতারা, বিশেষত ওরাকল, সেখানে বাষ্প হয়ে গেল এবং তারা ইউনিক্সে যে কোনও ডেটা পরিচালনা করতে আপনার যত্ন নেওয়ার জন্য আপনার ডাটাবেসগুলি বিক্রয় করেছিল। উইন্ডোজ এবং লিনাক্স একই হতে পারে। সুতরাং, সাধারণ-উদ্দেশ্য কী-মান স্টোর ছাড়াই শিল্পটি 20 বছরের সেরা অংশে চলেছে। ঠিক আছে, এখন ফিরে এসেছে। এটি কেবল ফিরে আসে না, এটি স্কেলেবল।
এখন, আমি মনে করি সত্যই এটি হ্যাডোপ সত্যিকারের ভিত্তি এবং একটি নির্দিষ্ট ডিগ্রীতে, এটি নির্ধারণ করে যে এটি কোথায় চলেছে। কী-ভ্যালু স্টোরগুলি সম্পর্কে আমরা কী পছন্দ করি? আপনারা যারা আমার মত বয়স্ক এবং আসলে কী-ভ্যালু স্টোরের সাথে কাজ করা মনে আছে তারা বুঝতে পারেন যে আপনি অনানুষ্ঠানিকভাবে কোনও ডাটাবেস সেটআপ করতে তাদের ব্যবহার করতে পারেন, তবে কেবল অনানুষ্ঠানিকভাবে। আপনি জানেন যে প্রোগ্রামের কোডে মেটাডেটা দ্রুত স্টোরগুলিকে মূল্য দেয় তবে আপনি আসলে এটি একটি বাহ্যিক ফাইল তৈরি করতে পারেন এবং আপনি যদি কোনও ডাটাবেসের মতো কী-ভ্যালু স্টোরটি চিকিত্সা শুরু করতে চান তবে আপনি করতে পারেন। তবে অবশ্যই এটির যে সমস্ত পুনরুদ্ধার ক্ষমতা ছিল যা একটি ডেটাবেস রয়েছে এবং এটিতে ডেটাবেসগুলি এখন পেয়েছে এমন ভয়ঙ্কর জিনিস ছিল না, তবে এটি ডেভেলপারদের জন্য সত্যই দরকারী বৈশিষ্ট্য ছিল এবং এটি আমার মনে করার কারণগুলির মধ্যে একটি that's হ্যাডোপ এত জনপ্রিয় হিসাবে প্রমাণিত হয়েছে - কেবলমাত্র এটি কোডার, প্রোগ্রামার, বিকাশকারী যারা দ্রুত। তারা বুঝতে পেরেছিল যে কেবলমাত্র স্টোরের মূল-মান নয় এটি একটি স্কেল-আউট কী-মান স্টোর। এটি প্রায় অনেকটা অনির্দিষ্টকালের জন্য স্কেল করে। আমি এই স্কেলগুলি হাজার হাজার সার্ভারে প্রেরণ করেছি, তাই হ্যাডোপ সম্পর্কে এটিই সত্যিই বড় বিষয়, এটিই।
এটির উপরে শীর্ষে রয়েছে ম্যাপ্রেডুস, যা একটি সমান্তরালীন অ্যালগরিদম, তবে আসলে এটি আমার মতে, গুরুত্বপূর্ণ নয়। সুতরাং, আপনি জানেন, হাদুপ একটি গিরগিটি। এটি কেবল একটি ফাইল সিস্টেম নয়। আমি হাদুপের জন্য বিভিন্ন ধরণের দাবি দেখেছি: এটি একটি গোপন ডাটাবেস; এটি কোনও গোপন ডাটাবেস নয়; এটি একটি সাধারণ স্টোর; এটি একটি বিশ্লেষণযোগ্য টুলবক্স; এটি একটি ELT পরিবেশ; এটি ডেটা সাফ করার সরঞ্জাম; এটি স্ট্রিমিং প্ল্যাটফর্ম ডেটা গুদাম; এটি একটি সংরক্ষণাগার দোকান; এটি ক্যান্সারের প্রতিকার এবং আরও অনেক কিছু। এই জিনিসগুলির বেশিরভাগই ভ্যানিলা হাদুপের পক্ষে সত্য নয়। হাদোপ সম্ভবত একটি প্রোটোটাইপিং - এটি অবশ্যই এসকিউএল ডাটাবেসের জন্য একটি প্রোটোটাইপিং পরিবেশ, তবে এটি হুডুপের চেয়ে বয়সের ক্যাটালগের সাথে বয়সের স্থান রাখলে, আপনার কাছে এমন একটি কিছু পাওয়া যায় যা দেখতে একটি ডাটাবেসের মতো লাগে, তবে এটি সত্যই নয় যে কেউ দক্ষতার দিক দিয়ে একটি ডাটাবেস কল করবে। এই ক্ষমতা অনেক, আপনি অবশ্যই এটি হ্যাডোপ এ পেতে পারেন। তাদের অবশ্যই আছে। প্রকৃতপক্ষে, আপনি হ্যাডোপের কোনও উত্স পেতে পারেন, তবে হাদুপ নিজেই এটি নয় যা আমি ক্রিয়াকলাপটিকে কঠোরভাবে কল করব এবং তাই হাদুপ সম্পর্কে চুক্তি, আমি অন্য কোনও বিষয়ে থাকব না, তা হ'ল আপনার ধরণের তৃতীয় হওয়া দরকার পার্টির পণ্যগুলি এটি উন্নত করতে।
সুতরাং, আপনার সম্পর্কে কথা বলতে কেবল কয়েক লাইনে নিক্ষেপ করতে পারেন কারণ আমি হ্যাডোপকে ছাড়িয়ে যাচ্ছি। প্রথমত, রিয়েল-টাইম ক্যোয়ারী ক্ষমতা, ভাল আপনি জানেন যে রিয়েল-টাইম ব্যবসায়ের সময়, সত্যই, প্রায় সবসময় পারফরম্যান্স সমালোচনামূলকভাবে অন্যথায় হয়। মানে আপনি প্রকৃত সময়ের জন্য ইঞ্জিনিয়ার হবে কেন? হাদুপ সত্যই এটি করে না। এটি এমন কিছু করে যা রিয়েল-টাইমের নিকটে থাকে তবে এটি সত্যিকারের রিয়েল-টাইম স্টাফ করে না। এটি স্ট্রিমিং করে, তবে আমি সত্যিই মিশন-সমালোচনামূলক ধরণের অ্যাপ্লিকেশন-স্ট্রিমিং প্ল্যাটফর্মগুলি করতে পারি কল করব এমনভাবে এটি স্ট্রিমিং করে না। একটি ডাটাবেস এবং একটি ক্লিয়ারযোগ্য স্টোরের মধ্যে পার্থক্য রয়েছে। এটি হ্যাডোপের ওপরে সিঙ্ক্রোনাইজ করা আপনাকে একটি ক্লিয়ারযোগ্য ডেটা স্টোর দেয়। এটি ডাটাবেসের মতো ধরণের তবে এটি ডাটাবেসের মতো নয়। আমার মতামত অনুসারে, এর নেটিভ আকারে হ্যাডোপ সত্যই কোনও ডেটাবেস হিসাবে যোগ্যতা অর্জন করে না কারণ এটি একটি ডাটাবেসের কিছু জিনিসের সংক্ষিপ্তসার হতে পারে। হাদোপ অনেক কিছু করে, তবে এটি বিশেষভাবে ভাল করে না। আবার, ক্ষমতা আছে তবে আমরা এই সমস্ত ক্ষেত্রে দ্রুত ক্ষমতা অর্জন থেকে দূরে আছি।
হাদোপ সম্পর্কে অন্য যে জিনিসটি বুঝতে হবে তা হ'ল এটির বিকাশ হওয়ার পরে এটি অনেক ধরণের come এটি প্রথম দিনগুলিতে বিকশিত হয়েছিল; এটি তৈরি করা হয়েছিল যখন আমাদের সার্ভারগুলি ছিল যা প্রকৃত সার্ভারে কেবলমাত্র একটি প্রসেসর ছিল। আমাদের কখনও মাল্টি-কোর প্রসেসর ছিল না এবং এটি গ্রিড ওভার চালানোর জন্য, গ্রিডগুলি ও সেভারগুলি চালু করার জন্য নির্মিত হয়েছিল। হাদুপের ডিজাইনের অন্যতম লক্ষ্য ছিল কাজটি কখনই হারাতে হবে না। এবং এটি ছিল ডিস্ক ব্যর্থতা সম্পর্কে সত্যিই, কারণ যদি আপনি শত শত সার্ভার পেয়ে থাকেন তবে সম্ভাবনাটি হ'ল যদি আপনি সার্ভারে ডিস্ক পেয়ে থাকেন তবে সম্ভাবনা হ'ল আপনি 99.8 এর মতো কোনও কিছুর আপটাইম উপলব্ধতা পাবেন। তার মানে আপনি বছরে এক দিন প্রতি 300 বা 350 দিনে একবার এই সার্ভারগুলির মধ্যে একটির ব্যর্থতা পাবেন। সুতরাং আপনার যদি এই শতগুলি থাকে তবে সম্ভাবনাটি বছরের যে কোনও দিন আপনি কোনও সার্ভার ব্যর্থতা পেতে পারেন।
হাদোপটি সেই সমস্যাটির সমাধানের জন্য বিশেষভাবে নির্মিত হয়েছিল - যাতে কোনও কিছু ব্যর্থ হওয়ার ঘটনায় এটি প্রতিটি নির্দিষ্ট সার্ভারে যা কিছু ঘটে তার স্ন্যাপশট গ্রহণ করে এবং এটি চলমান ব্যাচের কাজটি পুনরুদ্ধার করতে পারে। এবং হ্যাডোপের পক্ষে আসলে এটিই ছিল ব্যাচের কাজ এবং এটি সত্যিই দরকারী সক্ষমতা, এটি বলতে হবে। কিছু ব্যাচের চাকুরী যা চলছিল - বিশেষত ইয়াহুতে, যেখানে আমার ধারণা হাদোপ জন্মগতভাবেই ছিলেন - দুই বা তিন দিন চলবে, এবং যদি এটি এক দিনের পরে ব্যর্থ হয়, আপনি সত্যই কাজটি হারাতে চান না যে কাজ করা হয়েছে। সুতরাং হ্যাডোপে উপলব্ধতার পিছনে ডিজাইন পয়েন্টটি ছিল। আপনি এই উচ্চ প্রাপ্যতা কল করবেন না, কিন্তু আপনি সিরিয়াল ব্যাচ কাজের জন্য উচ্চ প্রাপ্যতা কল করতে পারেন। এটি সম্ভবত এটি উপায়। উচ্চ প্রাপ্যতা সর্বদা কাজের লাইন বৈশিষ্ট্য অনুসারে কনফিগার করা হয়। এই মুহুর্তে, হাদোপকে কেবলমাত্র ধরণের পুনরুদ্ধারের ক্ষেত্রে সত্যই সিরিয়াল ব্যাচের কাজের জন্য কনফিগার করা যেতে পারে। লেনদেনের এলএলপির ক্ষেত্রে এন্টারপ্রাইজ উচ্চ প্রাপ্যতা সম্ভবত সেরা বিবেচনা করা হয়। আমি বিশ্বাস করি আপনি যদি এটিকে কোনও বাস্তব-সময়ের জিনিস হিসাবে না দেখেন তবে হ্যাডোপ এখনও তা করেন না। এটি করা থেকে সম্ভবত এটি অনেক দীর্ঘ।
তবে এখানে হ্যাডোপ সম্পর্কে সুন্দর জিনিস। ডানদিকে সেই গ্রাফিকটি প্রান্তের চারপাশে বিক্রেতাদের একটি তালিকা পেয়েছে এবং এর সমস্ত লাইন হ্যাডোপ ইকোসিস্টেমের সেই বিক্রেতাদের এবং অন্যান্য পণ্যগুলির মধ্যে সংযোগ নির্দেশ করে। যদি আপনি এটি তাকান, এটি একটি অবিশ্বাস্যভাবে চিত্তাকর্ষক বাস্তুসংস্থান। এটি বেশ লক্ষণীয়। স্পষ্টতই, আমরা তাদের বিক্রেতার সাথে তাদের দক্ষতার দিক দিয়ে কথা বলি। আমি যেসব বিক্রেতার সাথে কথা বলেছি তাদের মধ্যে হ্যাডোপ এবং মেমোরি ব্যবহার করার কিছু উপায়, হ্যাডোপকে একটি সংক্ষেপিত সংরক্ষণাগার হিসাবে ব্যবহার করার উপায়, হ্যাডোপকে ইটিএল পরিবেশ হিসাবে ব্যবহার করার পদ্ধতি এবং আরও অনেক কিছু রয়েছে। তবে সত্যিই, আপনি যদি হডোপকে পণ্যটি যুক্ত করেন তবে এটি একটি নির্দিষ্ট জায়গায় অত্যন্ত কার্যকরভাবে কাজ করে। সুতরাং আমি নেটিভ হাদুপের সমালোচনা করার সময়, আপনি যখন এতে আসলে কিছুটা শক্তি যোগ করেন তখন আমি হাদুপের সমালোচনা করি না। আমার মতে, হাদুপের জনপ্রিয়তার ধরণ তার ভবিষ্যতের নিশ্চয়তা দেয়। এর অর্থ হ'ল হাদুপে এখন পর্যন্ত লিখিত প্রতিটি কোডের লাইনটি অদৃশ্য হয়ে গেলেও আমি বিশ্বাস করি না যে এইচডিএফএস এপিআই অদৃশ্য হয়ে যাবে। অন্য কথায়, আমি মনে করি ফাইল সিস্টেম, এপিআই, এখানে থাকার জন্য রয়েছে এবং সম্ভবত এটি ইএআরএন, এটির উপরে নির্ধারিত সময়সূচী।
আপনি যখন আসলে এটি দেখুন, এটি একটি অত্যন্ত গুরুত্বপূর্ণ সামর্থ্য এবং আমি এক মিনিটের মধ্যে সে সম্পর্কে এক ধরনের মোম করব, তবে অন্য জিনিসটি হ'ল, বলা যাক হ্যাডোপ সম্পর্কে উত্তেজনাপূর্ণ লোকেরা পুরো উন্মুক্ত উত্সের চিত্র। সুতরাং ওপেন-সোর্স ছবিটি যা আমি বাস্তব সক্ষমতা হিসাবে বিবেচনা করি তার মতে এটি মূল্যবান। যদিও হ্যাডোপ এবং এর সমস্ত উপাদানগুলি অবশ্যই আমরা ডেটা দৈর্ঘ্য বলতে যা করতে পারি - বা আমি এটি পছন্দ করতে চাই, একটি ডেটা জলাধার - এটি সংস্থায় ডেটা ফেলে দেওয়ার বা সংস্থার ডেটা সংগ্রহ করার পক্ষে অবশ্যই খুব ভাল স্টেজিং অঞ্চল extremely স্যান্ডবক্স এবং ডেটা অ্যাংলিংয়ের জন্য। এটি একটি প্রোটোটাইপিং ডেভলপমেন্ট প্ল্যাটফর্ম হিসাবে খুব ভাল যা আপনি দিনের শেষে বাস্তবায়ন করতে পারেন তবে আপনি একটি বিকাশ পরিবেশ হিসাবে জানেন যে আপনি যা চান সেখানে বেশ কিছু আছে। একটি সংরক্ষণাগার স্টোর হিসাবে এটি আপনার প্রয়োজনীয় সমস্ত কিছু পেয়েছে এবং অবশ্যই এটি ব্যয়বহুল নয়। আমি মনে করি না হাদুপের উপাদানগুলি যদি আপনি পছন্দ করেন তবে হাদুপের উপাদানগুলি যদি আনুষ্ঠানিকভাবে না হয় তবেও হাদুপ থেকে এই দুটি জিনিসই আমাদের তালাক দেওয়া উচিত। অনলাইন কীলক উন্মুক্ত উত্স বিশ্বে বিশ্লেষণের এক বিশাল পরিমাণ এনেছে এবং অনেকগুলি বিশ্লেষণ এখন হাডোপে চালিত হচ্ছে কারণ এটি আপনাকে একটি সুবিধাজনক পরিবেশ দেয় যাতে আপনি আসলে প্রচুর বাহ্যিক ডেটা নিতে পারেন এবং কেবল খেলতে শুরু করেন একটি বিশ্লেষণাত্মক স্যান্ডবক্সে।
এবং তারপরে আপনি ওপেন সোর্স ক্ষমতা পেয়েছেন, উভয়ই মেশিন লার্নিং। এগুলি উভয়ই শক্তিশালী এই অর্থে যে তারা শক্তিশালী বিশ্লেষণী অ্যালগরিদমগুলি প্রয়োগ করে। যদি আপনি এই জিনিসগুলি একসাথে রাখেন তবে আপনি কয়েকটি খুব গুরুত্বপূর্ণ দক্ষতার কার্নেলগুলি পেয়েছেন, যা একরকম বা অন্যরকমভাবেই সম্ভবত হওয়ার সম্ভাবনা রয়েছে - এটি নিজে থেকেই বিকাশ লাভ করে বা বিক্রেতারা নিখোঁজ টুকরোগুলি পূরণ করতে আসে কিনা - এটি দীর্ঘ সময় অব্যাহত থাকার খুব সম্ভাবনা রয়েছে এবং অবশ্যই আমি মনে করি মেশিন লার্নিং ইতিমধ্যে বিশ্বে খুব বড় প্রভাব ফেলছে।
হাদোপ, ইয়ার্নের বিবর্তন সবকিছু পরিবর্তন করেছিল। যা ঘটেছে তা ছিল ম্যাপ্রেডুস প্রারম্ভিক ফাইল সিস্টেম এইচডিএফএসে বেশ ভাল .ালাই করা। যখন YARN প্রবর্তিত হয়েছিল, এটি তার প্রথম প্রকাশে একটি শিডিয়ুলিং সক্ষমতা তৈরি করেছিল। আপনি প্রথম প্রকাশ থেকে অত্যন্ত পরিশীলিত সময়সূচী আশা করবেন না, তবে এর অর্থ এই নয় যে এটি এখন আর প্যাচ পরিবেশের প্রয়োজন নেই। এটি এমন এক পরিবেশ যেখানে একাধিক কাজ নির্ধারিত হতে পারে। যত তাড়াতাড়ি ঘটেছিল, একটি পুরো সিরিজ বিক্রেতার উপস্থিত ছিল যারা হাদোপ থেকে দূরে রেখেছিল - তারা কেবলমাত্র এসেছিল এবং এটির সাথে সংযুক্ত ছিল কারণ তখন তারা কেবল এটিকে কোনও ফাইল সিস্টেমের সময়সূচী পরিবেশ হিসাবে দেখতে পারে এবং তারা এতে স্টাফ ঠিক করতে পারে could এটা। এমন কি এমন ডাটাবেস বিক্রেতারাও রয়েছেন যা তাদের ডেটাবেসগুলি এইচডিএফএসে প্রয়োগ করেছেন, কারণ তারা কেবল ইঞ্জিন নিয়েছেন এবং কেবল এটি এইচডিএফএসে রেখে দিয়েছেন। ক্যাসকেডিং এবং ইয়ার্নের সাহায্যে এটি খুব আকর্ষণীয় পরিবেশে পরিণত হয় কারণ আপনি এইচডিএফএসের উপরে জটিল কর্মপ্রবাহ তৈরি করতে পারেন এবং এর সত্যিকার অর্থে আপনি এটির ভাবনাটিকে এমন একটি প্ল্যাটফর্ম হিসাবে ভাবতে শুরু করতে পারেন যা একসাথে একাধিক কাজ চালিয়ে যেতে পারে এবং নিজেকে এখানের পয়েন্টের দিকে ঠেলে দিচ্ছে as মিশন-সমালোচনামূলক স্টাফ করছেন। আপনি যদি এটি করতে যাচ্ছেন তবে আপনাকে সম্ভবত তৃতীয় পক্ষের কিছু সুরক্ষা এবং এমন আরও অনেক কিছু কিনে ফেলতে হবে যা হ্যাডুপের শূন্যস্থান পূরণ করার জন্য আসলে অডিট অ্যাকাউন্ট নেই, তবে আপনি এমনকি দেশীয় মুক্ত উত্সের সাহায্যে আপনি কিছু আকর্ষণীয় কাজ করতে পারেন এমন জায়গায় যান।
আমি যেখানে মনে করি হ্যাডোপ আসলে যাবেন, সেখানে আমি ব্যক্তিগতভাবে বিশ্বাস করি যে এইচডিএফএস একটি ডিফল্ট স্কেল-আউট ফাইল সিস্টেম হয়ে উঠবে এবং তাই ডাটা প্রবাহের জন্য গ্রিডের জন্য ওএস, অপারেটিং সিস্টেম হয়ে উঠবে। আমি মনে করি এটির একটি বিশাল ভবিষ্যত পেয়েছে এবং আমি মনে করি না এটি সেখানে থামবে। এবং আমি মনে করি বাস্তবে বাস্তুসংস্থান কেবল সহায়তা করে কারণ স্থানের সমস্ত বিক্রেতারা হ্যাডোপকে একরকমভাবে বা অন্য কোনও উপায়ে সংহত করছেন এবং তারা কেবল এটি সক্ষম করছেন। হাদোপ ওভারেজের দিক থেকে আরও একটি বিষয় তৈরি করার যোগ্যতার ক্ষেত্রে এটি কি খুব ভাল প্ল্যাটফর্ম প্লাস সমান্তরালতা নয়। আপনি যদি বাস্তবে এটি কী করছেন তা দেখুন, এটি আসলে কী করছে তা হ'ল এটির মানচিত্রের কাজগুলি কার্যকর করার সাথে সাথে প্রতিটি সার্ভারে নিয়মিত একটি স্ন্যাপশট নেওয়া হচ্ছে taking আপনি যদি সত্যিই দ্রুত সমান্তরালতার জন্য ডিজাইন করতে যাচ্ছেন তবে আপনি এর মতো কিছু করছেন না। প্রকৃতপক্ষে, আপনি সম্ভবত মানচিত্রের নিজস্ব ব্যবহার করবেন না। আমি ম্যাপ্রেইডুস কেবলমাত্র সমান্তরালতার পক্ষে অর্ধেক সক্ষম বলব।
সমান্তরালতার জন্য দুটি পন্থা রয়েছে: একটি হ'ল পাইপলাইনিং প্রক্রিয়া এবং অন্যটি হ'ল ম্যাপ্রেইডুসকে বিভাজন করে এবং এটি ডেটা বিভাজন করে তাই অনেকগুলি কাজ রয়েছে যেখানে ম্যাপ্রেডুস আসলে এটি করার দ্রুততম উপায় নয় তবে এটি হবে আপনাকে সমান্তরালতা দেয় এবং এ থেকে কোনও দূরে সরে যায় না। যখন আপনি প্রচুর ডেটা পেয়ে যান, তখন সেই ধরণের শক্তি সাধারণত ততটা কার্যকর হয় না। ইয়ার্ন, যেমনটি আমি ইতিমধ্যে বলেছি, একটি তরুন সময় নির্ধারণের ক্ষমতা।
হ্যাডোপ হ'ল, এখানে বালির মধ্যে রেখাটি আঁকানোর মতো উপায়, হাদুপ কোনও ডেটা গুদাম নয়। এটি ডেটা গুদাম হওয়া থেকে এত দূরে যে এটি যেহেতু এটি বলার জন্য প্রায় একটি অযৌক্তিক পরামর্শ। এই চিত্রটিতে, আমি উপরে যা দেখিয়ে দিচ্ছি তা হ'ল এক প্রকারের ডাটা প্রবাহ, একটি হডোপ ডেটা জলাশয় থেকে প্রচুর পরিমাণে স্কেল-আউট ডাটাবেসে যায় যা আমরা আসলে যা করব, এটি একটি এন্টারপ্রাইজ ডেটা গুদাম। আমি উত্তরাধিকারের ডেটাবেসগুলি দেখছি, ডেটা গুদামে ডেটা ফিডিং করছি এবং ডেটা গুদাম থেকে অফলোড ডেটাবেস তৈরি করে অফলোড ক্রিয়াকলাপ, তবে এটি আসলে এমন একটি চিত্র যা আমি উত্থিত দেখতে শুরু করছি, এবং আমি বলব এটি প্রথম প্রজন্মের মতো হাদুপের সাথে ডেটা গুদামে কী ঘটে। তবে আপনি যদি নিজেরাই ডেটা গুদামের দিকে তাকান, আপনি বুঝতে পারবেন যে ডেটা গুদামের নীচে, আপনি একটি অপ্টিমাইজার পেয়েছেন। আপনি সম্ভবত খুব বড় সংখ্যক ডিস্কের উপর বসে অনেকগুলি প্রক্রিয়াতে বিতরণ ক্যোয়ারী কর্মীদের পেয়েছেন। ডেটা গুদামে এটি ঘটে। এটি আসলে এমন এক ধরনের আর্কিটেকচার যা ডেটা গুদামের জন্য নির্মিত এবং এটির মতো কিছু তৈরি করতে এটি বেশ ভাল সময় নেয়, এবং হ্যাডোপের এগুলির কোনওোটাই নেই। সুতরাং হাদুপ কোনও ডেটা গুদাম নয় এবং এটি আমার মতে, যে কোনও সময় শিগগিরই হয়ে উঠবে না।
এটিতে এই তুলনামূলকভাবে ডেটা জলাধার রয়েছে এবং এটি এক ধরণের আকর্ষণীয় দেখায় যদি আপনি বিশ্বকে কেবল সংস্থায় প্রবাহিত ইভেন্টগুলির একটি সিরিজ হিসাবে দেখেন। এই চিত্রটির বাম দিকে আমি এটাই প্রদর্শন করছি। এটি একটি ফিল্টারিং এবং রাউটিং সক্ষমতার মধ্য দিয়ে যায় এবং স্ট্রিমিংয়ের জন্য প্রয়োজনীয় জিনিসগুলি স্ট্রিমিং অ্যাপ্লিকেশনগুলি বন্ধ করে দেয় এবং অন্য সমস্ত কিছু সরাসরি ডেটা জলাধারে যায় যেখানে এটি প্রস্তুত এবং পরিষ্কার করা হয়, এবং তারপরে ETL দ্বারা কোনও একক ডেটাতে চলে যায় গুদাম বা একাধিক ইঞ্জিন সমন্বিত একটি লজিকাল ডেটা গুদাম। এটি আমার মতে হাদুপের জন্য একটি প্রাকৃতিক বিকাশের লাইন।
ইটিডব্লিউ এর পরিপ্রেক্ষিতে, এমন এক জিনিস যা দেখানোর মতো মূল্যবান তা হ'ল ডেটা গুদাম নিজেই সরানো হয়েছিল - এটি যা ছিল তা নয়। অবশ্যই, আজকাল, আপনি আশা করেন যে লোকেরা বা কিছু লোক, ডেটা গুদামে দস্তাবেজগুলিকে কী বলে ডাকে তার হায়ারারিকিকাল ডেটা অনুসারে একটি শ্রেণিবদ্ধ দক্ষতা থাকবে। এটি জেএসওএন। সম্ভবত, নেটওয়ার্ক কোয়েরি যা গ্রাফ ডাটাবেস, সম্ভবত বিশ্লেষণ। সুতরাং, আমরা যেদিকে যাচ্ছি তা হ'ল একটি ইটিডাব্লু যা আসলে আমরা ব্যবহার করতাম তার চেয়ে আরও বেশি জটিল কাজের চাপ পেয়ে গেছে। সুতরাং এটি ধরণের আকর্ষণীয় কারণ একটি উপায়ে এটির অর্থ হ'ল ডেটা গুদাম আরও পরিশীলিত হয়ে উঠছে, এবং হাদুপ এর কাছাকাছি যাওয়ার আগে এটি আরও দীর্ঘ সময় হতে চলেছে। ডেটা গুদামের অর্থটি প্রসারিত হচ্ছে তবে এটি এখনও অপ্টিমাইজেশন অন্তর্ভুক্ত করে। আপনার কাছে এখনই কেবল অনুসন্ধান নয়, এই সমস্ত ক্রিয়াকলাপের জন্য একটি অনুকূলকরণের ক্ষমতা থাকতে হবে।
সত্যিই, এটি। হাদুপ সম্পর্কে আমি এটাই বলতে চেয়েছিলাম। আমি মনে করি আমি রে এর কাছে হাত দিতে পারি, যার কোনও স্লাইড নেই, তবে তিনি কথা বলতে সর্বদা ভাল।
এরিক কাভানাঘ: আমি স্লাইডগুলি নেব। আমাদের বন্ধু রে ওয়াং আছে। তো, রে, এসব নিয়ে তোমার কী ধারণা?
রায় ওয়াং: এখন, আমি মনে করি যে এটি সম্ভবত মূলো মূল্যের স্টোরগুলির মধ্যে একটি সবচেয়ে সংক্ষিপ্ত এবং দুর্দান্ত ইতিহাস ছিল এবং যেখানে হডোপ যে উদ্যোগের সাথে সম্পর্কযুক্ত হয়েছিল, তাই রবিনের কথা শোনার সময় আমি সবসময় অনেক কিছু শিখি।
আসলে, আমার একটি স্লাইড আছে। আমি এখানে একটি স্লাইড পপ আপ করতে পারেন।
এরিক কাভানাঘ: কেবল এগিয়ে যান এবং ক্লিক করুন, আরম্ভ করুন ক্লিক করুন এবং আপনার ডেস্কটপ ভাগ করতে যান।
রে ওয়াং: বুঝেছি, ওখানে যাও। আমি আসলে শেয়ার করব। আপনি নিজেই অ্যাপটি দেখতে পাচ্ছেন। দেখা যাক কিভাবে এটা যায়.
হাদোপ সম্পর্কে এই সমস্ত আলোচনা এবং তারপরে আমরা সেখানে যে প্রযুক্তিগুলি এবং হাদুপ যেদিকে চলেছে সে সম্পর্কে কথোপকথনের গভীরে চলে যাই এবং ব্যবসায়ের আলোচনার জন্য অনেক সময় আমি এটিকে আবার ফিরিয়ে নিতে চাই। প্রযুক্তির দিক থেকে যা ঘটে চলেছে তা হ'ল এই টুকরোটি যেখানে আমরা তথ্য গুদাম, তথ্য পরিচালনা, ডেটা গুণমান, সেই ডেটা আয়ত্তের বিষয়ে কথা বলছিলাম এবং তাই আমরা এটি দেখার ঝোঁক। সুতরাং আপনি যদি এখানে এই গ্রাফটি খুব নীচে দেখেন, এটি খুব আকর্ষণীয় যে ব্যক্তিদের ধরণের আমরা হ্যাডোপ সম্পর্কে সেই আলোচনায় ঝাঁপিয়ে পড়ে। আমাদের কাছে প্রযুক্তিবিদ এবং ডেটা বিজ্ঞানীরা রয়েছে যা প্রচুর উত্তেজনা তৈরি করছে, এবং এটি সাধারণত ডেটা উত্স সম্পর্কিত, তাই না? আমরা কীভাবে ডেটা উত্সকে আয়ত্ত করব? আমরা কীভাবে এটিকে সঠিক মানের স্তরে পাব? প্রশাসন সম্পর্কে আমরা কী করব? বিভিন্ন ধরণের উত্স মেলাতে আমরা কী করতে পারি? বংশ আমরা কীভাবে রাখব? এবং সব ধরণের আলোচনা। এবং কীভাবে আমরা আমাদের হ্যাডোপ থেকে আরও এসকিউএল পাব? সুতরাং যে অংশটি এই স্তরে ঘটছে।
তারপরে তথ্য এবং অর্কেস্টেরেশনের দিক থেকে এটি আকর্ষণীয় হয়ে ওঠে। আমরা এই অন্তর্দৃষ্টিটির ফলাফলগুলি বন্ধ করতে শুরু করছি যা আমরা পাচ্ছি বা আমরা এটি ব্যবসায়িক প্রক্রিয়াগুলিতে পিছনে টানছি? আমরা এটিকে কোনও ধরণের মেটাডেটা মডেলের সাথে কীভাবে বেঁধে রাখতে পারি? আমরা কি বস্তুর মধ্যে বিন্দু সংযোগ করছি? এবং তাই আমরা কীভাবে সেই ডেটা ব্যবহার করি সে সম্পর্কে নতুন ক্রিয়াগুলি এবং আলোচনাগুলি, আমরা সিআরইউডি-র জগতের traditionতিহ্যগতভাবে যা চলেছি তা থেকে সঞ্চারিত: এমন একটি জগতে তৈরি করুন, পড়ুন, আপডেট করুন, মুছুন, যা আমরা কীভাবে নিযুক্ত করব বা ভাগ করব বা সহযোগিতা করব বা আলোচনা করব পছন্দ করুন বা কিছু টানুন।
এই জায়গা থেকে আমরা প্রচুর উত্তেজনা এবং উদ্ভাবন দেখতে শুরু করেছি, বিশেষ করে কীভাবে এই তথ্যটি টানতে এবং এটিকে মূল্যবান করে তুলতে হয় সে সম্পর্কে। এটিই রেড লাইনের নীচে প্রযুক্তি-চালিত আলোচনা। এই লাল রেখার উপরে, আমরা খুব প্রশ্ন পেয়ে যাচ্ছি যা আমরা সর্বদা জিজ্ঞাসা করতে চেয়েছিলাম এবং এর মধ্যে একটি যা আমরা সর্বদা উত্থাপন করি তা হ'ল উদাহরণস্বরূপ, আপনার জন্য খুচরা ক্ষেত্রে প্রশ্নটি এই রকম হতে পারে, "লাল সোয়েটারগুলি কেন ভাল বিক্রি হচ্ছে? মিশিগানের নীল রঙের সোয়েটারের চেয়ে আলাবামায়? " আপনি এটি সম্পর্কে ভাবতে এবং বলতে পারেন, "এটি একধরণের আকর্ষণীয়।" আপনি যে প্যাটার্ন দেখুন। আমরা সেই প্রশ্নটি জিজ্ঞাসা করি, এবং আমরা অবাক হই, "আরে, আমরা কী করছি?" সম্ভবত এটি রাষ্ট্রীয় বিদ্যালয়গুলি সম্পর্কে - মিশিগান বনাম আলাবামা। ঠিক আছে, আমি এটি পেয়েছি, আমি কোথায় যাচ্ছি তা দেখতে পাচ্ছি। এবং তাই আমরা বাড়ির ব্যবসায়ের দিক, অর্থায়নের লোক, traditionalতিহ্যবাহী বিআই দক্ষতা অর্জনকারী ব্যক্তি, বিপণনের ক্ষেত্রে এবং এইচআর-এর লোকেরা "আমার নিদর্শনগুলি কোথায়?" আমরা কীভাবে সেই নিদর্শনগুলিতে পাব? এবং তাই আমরা হাদুপের পাশে নতুনত্বের আর একটি উপায় দেখতে পাই। এটি কীভাবে আমরা আপডেট অন্তর্দৃষ্টিগুলি আরও দ্রুত পৃষ্ঠভূমি করব about আমরা এই ধরণের সংযোগগুলি কীভাবে করব? বিজ্ঞাপন, প্রযুক্তি: যেগুলি মূলত রিয়েল-টাইম বিডিং নেটওয়ার্কগুলি থেকে প্রাসঙ্গিক বিজ্ঞাপন এবং বিজ্ঞাপনের স্থাননির্দেশের সাথে বিজ্ঞাপন এবং প্রাসঙ্গিক বিষয়বস্তুকে সংযুক্ত করার চেষ্টা করে এবং ফ্লাইতে করে এমন চেষ্টা করছে এমন লোকদের কাছে এটি পুরোপুরি যায়।
সুতরাং এটি আকর্ষণীয়। আপনি হাদুপের অগ্রগতি দেখতে পেয়েছেন, "আরে, এখানে প্রযুক্তি সমাধান রয়েছে people এই তথ্য মানুষের কাছে পৌঁছে দেওয়ার জন্য আমাদের কী করা উচিত" " তারপরে এটি ব্যবসায়ের অংশের লাইনটি অতিক্রম করার সাথে সাথে এটি আকর্ষণীয় হয়ে ওঠে। এটা অন্তর্দৃষ্টি। পারফরম্যান্স কোথায়? ছাড় কোথায়? আমরা কীভাবে ভবিষ্যদ্বাণী করছি? আমরা কীভাবে প্রভাব ফেলব? এবং তারপরে এটি শেষ পর্যায়ে নিয়ে আসুন যেখানে আমরা আসলে হ্যাডোপ উদ্ভাবনের আরও একটি সেট দেখতে পাই যা সিদ্ধান্ত ব্যবস্থা এবং ক্রিয়াগুলি ঘিরে ঘটে চলেছে। পরবর্তী সেরা কর্মটি কী? সুতরাং আপনি জানেন নীল সোয়েটারগুলি মিশিগানে আরও ভাল বিক্রি হচ্ছে। আপনি আলাবামায় এক টন নীল রঙের সোয়েটারে বসে আছেন। সুস্পষ্ট বিষয়টি হ'ল, "হ্যাঁ, ভাল করে এটিকে এখানে পাঠানো যাক"। কিভাবে আমরা তা করব? পরবর্তী পদক্ষেপ কি? কীভাবে আমরা এই পিছনে টাই করব? সম্ভবত পরবর্তী সেরা কর্ম, সম্ভবত এটি একটি পরামর্শ, সম্ভবত এটি এমন একটি বিষয় যা আপনাকে কোনও সমস্যা রোধ করতে সহায়তা করে, সম্ভবত এটি কোনও পদক্ষেপ নয়, যা নিজেই একটি ক্রিয়া। সুতরাং আমরা এই ধরণের নিদর্শনগুলি উত্থিত দেখতে শুরু করি। এবং কী-ভ্যালু স্টোর, রবিন সম্পর্কে আপনি যা বলছেন তার পিছনে সৌন্দর্য এই যে এটি এত দ্রুত ঘটছে। এটি এমনভাবে ঘটছে যে আমরা এটি সম্পর্কে এভাবে ভাবিনি।
সম্ভবত আমি বলতে চাই যে গত পাঁচ বছরে আমরা তুলেছি। আমরা কীভাবে কী-মূল্যের স্টোরগুলিকে আবারও লাভ করতে পারি সেই বিবেচনায় আমরা ভাবতে শুরু করেছিলাম, তবে এটি গত পাঁচ বছরেই, লোকেরা এটিকে খুব আলাদাভাবে দেখছে এবং এটি প্রযুক্তির চক্রটি 40-বছরের নিদর্শনগুলিতে নিজেকে পুনরাবৃত্তি করছে, তাই এটি দয়ালু একটি মজার বিষয় যেখানে আমরা মেঘের দিকে তাকিয়ে রয়েছি এবং আমি ঠিক মেইনফ্রেম সময় ভাগ করে নেওয়ার মতো। আমরা হ্যাডোপকে খুঁজছি এবং কী-ভ্যালু স্টোরের মতো - সম্ভবত এটি কোনও ডেটা মার্ট, ডেটা গুদামের চেয়ে কম - এবং তাই আমরা আবার এই নিদর্শনগুলি দেখতে শুরু করি। আমি এখনই যা করার চেষ্টা করছি তা 40 বছর আগে লোকেরা কী করেছিল তা নিয়ে ভাবুন? লোকেরা যে প্রযুক্তিগুলির মধ্যে সীমাবদ্ধ ছিল সেগুলি কী পদ্ধতি এবং কৌশল এবং পদ্ধতি প্রয়োগ করা হচ্ছে? এই চিন্তা প্রক্রিয়া চালানোর এক ধরণের। সুতরাং আমরা হাডোপের বৃহত্তর চিত্রটি যখন একটি সরঞ্জাম হিসাবে যাব, যখন আমরা ফিরে যাব এবং ব্যবসায়ের প্রভাবগুলি সম্পর্কে চিন্তা করি, এটি এমন এক ধরণের পথ যা আমরা সাধারণত মানুষকে ধরে নিয়ে যাই তাই আপনি দেখতে পাবেন কোন টুকরো, কি অংশগুলি ডেটাতে রয়েছে সিদ্ধান্তের পথ এটি কেবল এমন কিছু যা আমি ভাগ করে নিতে চাই। এটি এমন একটি চিন্তাভাবনা যা আমরা অভ্যন্তরীণভাবে ব্যবহার করছি এবং আশা করি আলোচনায় আরও যোগ করি। সুতরাং আমি এটি আপনার কাছে ফিরিয়ে দেব, এরিক।
এরিক কাভানাঘ: এটি দুর্দান্ত। আপনি যদি কিছু প্রশ্নোত্তর জন্য কাছাকাছি থাকতে পারেন। তবে আমি পছন্দ করেছি যে আপনি এটিকে ব্যবসায় পর্যায়ে ফিরিয়ে নিয়েছেন কারণ দিনের শেষে, এটি সমস্ত ব্যবসা সম্পর্কে। এটি জিনিসগুলি সম্পন্ন করা এবং আপনি যে বুদ্ধিমানের সাথে অর্থ ব্যয় করছেন তা নিশ্চিত করা এবং আমি ইতিমধ্যে যা দেখেছি সেগুলির মধ্যে একটি প্রশ্ন এটি হ্যাডোপ রুটে যাওয়ার টিসিএল কী তা নিয়ে স্পিকাররা ভাবতে চাইতে পারেন। এর মধ্যে কিছু মিষ্টি স্পট রয়েছে, উদাহরণস্বরূপ, অফিস শেল্ফ সরঞ্জামগুলি কিছু traditionalতিহ্যবাহী উপায়ে জিনিসগুলি করতে এবং সরঞ্জামগুলির নতুন সেটগুলি ব্যবহার করে, কারণ এটি সম্পর্কে আবার ভাবুন, এই জিনিসগুলির অনেক কিছুই নতুন নয়, এটি কেবল সাজানো একটি নতুন উপায়ে coalescing হয়, আমার ধারণা, এটি রাখা ভাল উপায়।
সুতরাং আসুন আমরা এগিয়ে যান এবং আমাদের বন্ধু নিকিতা ইভানভকে পরিচয় করিয়ে দিন। তিনি গ্রিডগেইনের প্রতিষ্ঠাতা ও সিইও। নিকিতা, আমি এগিয়ে যাব এবং আপনার কাছে কীগুলি হস্তান্তর করব এবং আমি বিশ্বাস করি আপনি বাইরে এসেছেন। তুমি কি শুনতে পাচ্ছ নিকিতা?
নিকিতা ইভানভ: হ্যাঁ, আমি এখানে আছি।
এরিক কাভানাঘ: দুর্দান্ত। তো মেঝে তোমার। যে স্লাইড ক্লিক করুন। নীচের তীরটি ব্যবহার করুন এবং এটি নিয়ে যান। পাঁচ মিনিট.
নিকিতা ইভানভ: আমি কোন স্লাইডে ক্লিক করব?
এরিক কাভানাঘ: that স্লাইডের যে কোনও জায়গায় ক্লিক করুন এবং তারপরে আপনি সরানোর জন্য কীবোর্ডের ডাউন তীরটি ব্যবহার করুন। স্লাইড নিজেই ক্লিক করুন এবং ডাউন তীর ব্যবহার করুন।
নিকিতা ইভানভ: ঠিক আছে তাই গ্রিডগেইন সম্পর্কে কয়েকটি দ্রুত স্লাইড। এই কথোপকথনের প্রসঙ্গে আমরা কী করব? গ্রিডগেইন মূলত একটি ইন-মেমরি কম্পিউটারিং সফ্টওয়্যার উত্পাদন করে এবং আমরা যে প্ল্যাটফর্মটি বিকাশ করি তার একটি অংশ হ'ল মেমরি হ্যাডোপ এক্সিলারেটর। হাদুপের শর্তে আমরা হ্যাডোপ পারফরম্যান্স বিশেষজ্ঞ হিসাবে নিজেকে নিয়ে চিন্তা করি। ডেটা গ্রিড, মেমরি স্ট্রিমিং এবং কম্পিউটেশন গ্রিডের মতো প্রযুক্তি সমন্বিত আমাদের মূল ইন-মেমরি কম্পিউটিং প্ল্যাটফর্মের শীর্ষে আমরা যা করি, হ্যাডোপ এক্সিলারেটর প্লাগ-ও-প্লে করতে সক্ষম হবে। এটা খুব সহজ। হাদুপ ইন্সটলেশনে সঠিকভাবে ইনস্টল করা যেতে পারে এমন কোনও প্লাগ-ও-প্লে সলিউশন বিকাশ করতে পারলে ভাল লাগবে। আপনার যদি ম্যাপ্রেডিউসের বিকাশকারী, কোনও নতুন সফ্টওয়্যার লেখার বা কোড বা পরিবর্তন পরিবর্তন করার প্রয়োজন ছাড়াই বা উত্সাহের প্রয়োজন হয়, বা মূলত হ্যাডোপ ক্লাস্টারে একটি সর্বনিম্ন কনফিগারেশন পরিবর্তন রয়েছে। এটাই আমরা বিকাশ করেছি।
মূলত, ইন-মেমরি হ্যাডোপ এক্সিলারেটর হ্যাডোপ ইকোসিস্টেমের দুটি উপাদানকে অনুকূল করে তোলার উপর ভিত্তি করে। আপনি যদি হাদুপ সম্পর্কে চিন্তা করেন তবে এটি মূলত এইচডিএফএসের উপর ভিত্তি করে, যা ফাইল সিস্টেম। ফাইল সিস্টেমের শীর্ষে সমান্তরালভাবে প্রতিযোগিতাগুলি পরিচালনার কাঠামো হ'ল ম্যাপ্রেডস। হ্যাডোপকে অনুকূলিত করার জন্য, আমরা এই দুটি সিস্টেমকেই অনুকূলিত করি। আমরা ইন-মেমরি ফাইল সিস্টেমটি তৈরি করেছি যা এইচডিএফএসের সাথে সম্পূর্ণ সুসংগত, 100% সামঞ্জস্যপূর্ণ প্লাগ-এন্ড-প্লে। আপনি এইচডিএফএসের পরিবর্তে চলতে পারেন, আপনি এইচডিএফএসের শীর্ষে চালাতে পারেন। এবং আমরা ইন-মেমরি ম্যাপ্রেডসও বিকাশ করেছি যা হ্যাডোপ ম্যাপ্রেইডুসের সাথে সামঞ্জস্যপূর্ণ প্লাগ-এন্ড-প্লে, তবে মানচিত্রের কাজের প্রবাহ কীভাবে এবং মানচিত্রের শিডিউল কীভাবে কাজ করে তা নিয়ে প্রচুর অপ্টিমাইজেশন রয়েছে।
আপনি যদি সন্ধান করেন, উদাহরণস্বরূপ এই স্লাইডে, যেখানে আমরা সদৃশ স্ট্যাকের ধরণটি প্রদর্শন করি। বাম দিকে, আপনার জিডিএম সহ আপনার সাধারণ অপারেটিং সিস্টেম রয়েছে এবং এই চিত্রের উপরে আপনার অ্যাপ্লিকেশন কেন্দ্র রয়েছে। মাঝখানে আপনার হাডোপ আছে। এবং হ্যাডুপ আবার এইচডিএফএস এবং মানচিত্রের উপর ভিত্তি করে। সুতরাং এটি এই চিত্রটিতে প্রতিনিধিত্ব করে, হাদুপ স্ট্যাকের মধ্যে আমরা কী ধরনের এম্বেড করছি। আবার এটি প্লাগ-এন্ড-প্লে; আপনাকে কোনও কোড পরিবর্তন করতে হবে না। এটি ঠিক একইভাবে কাজ করে। পরবর্তী স্লাইডে আমরা ম্যাপ্রেইডুস ওয়ার্কফ্লোটি কীভাবে অপ্টিমাইজ করেছি তা মূলত দেখিয়েছি। এটি সম্ভবত সবচেয়ে আকর্ষণীয় অংশ কারণ আপনি যখন ম্যাপরেডস কাজ পরিচালনা করেন এটি আপনাকে সবচেয়ে বেশি সুবিধা দেয়।
সাধারণ মানচিত্রে, যখন আপনি কাজটি জমা দিচ্ছেন, এবং বাম পাশে ডায়াগ্রাম রয়েছে, সেখানে স্বাভাবিক প্রয়োগ রয়েছে। সুতরাং সাধারণত আপনি কাজ জমা দিচ্ছেন এবং কাজটি একটি চাকরীর ট্র্যাকারে যায়। It interacts with the Hadoop name node and the name node is actually the piece of software that manages the interaction with the digital files, and kind of keeps the directory of files and then the job tracker interacts with the task tracker on each individual node and the task tracker interacts with a Hadoop data node to get data from. So that's basically a very kind of high-level overview of how your MapReduce job gets in the computers. As you can see what we do with our in-memory, Hadoop MapReduce will already completely bypass all this complex scheduling that takes a lot of time off your execution and go directly from client to GridGain data node and GridGain data node keeps all that e-memory for a blatantly fast, fast execution.
So all in all basically, we allow it to get anywhere from 5x up all the way to 100x performance increase on certain types of loads, especially for short leaf payloads where you literally measure every second. We can give you a dramatic boost in performance with literally no core change.
Alright, that's all for me.
Eric Kavanagh: Yes, stick around for the Q&A. No doubt about it.
Let me hand it off to John Santaferraro. John, just click on that slide. Use the down arrow to move on.
John Santaferraro: Alright. Thanks a lot, Eric.
My perspective and Actian's perspective really is that Hadoop is really about creating value and so this is an example from digital media. A lot of the data that is pumping into Hadoop right now has to do with digital media, digital marketing, and customer, so there is great opportunity - 226 billion dollars of retail purchases will be made online next year. Big data and Hadoop is about capturing new data to give you insight to get your share of that. How do you drive 14% higher marketing return and profits based on figuring out the right medium X and the right channels and the right digital marketing plan? How do you improve overall return on marketing investment? By the way, in 2017, what we ought to be thinking about when we look at Hadoop is the fact that CMO, chief marketing officer, spending in 2017 will outpace that of IT spending, and so it really is about driving value. Our view is that there are all kinds of noise being made on the left-hand side of this diagram, the data pouring into Hadoop.
Ultimately, our customers are wanting to create customer delight, competitive advantage, world-class risk management, disruptive new business models, and to do all of that to deliver transformational value. They are looking to capture all of this data in Hadoop and be able to do best-in-class kinds of things like discovery on that data without any limitations, no latency at any scale of the data that lives in there - moving from reactive to predictive kinds of analytics and doing everything dynamically instead of looking at data just as static. What pours into Hadoop? How do you analyze it when it arrives? Where do you put it to get the high-performance analytics? And ultimately moving everything down to a segment of one.
So what we've done at Actian in the Actian Analytics Platform, we have built an exoskeleton around Hadoop to give it all of these capabilities that you need so you are able to connect to any data source bringing it into Hadoop, delivering it as a data service wherever you need it. We have libraries of analytics and data blending and data enrichment kinds of operators that you literally drag and drop them so that you can build out these data and analytic workflows, and without ever doing any programming, we will push that workload via YARN right down to the Hadoop nodes so you can do high-performance data science natively on Hadoop. So all of your data prep, all of your data science happening on Hadoop highly parallelized, highly optimized, highly performance and then when you need to, you move it to the right via a high-speed connection over to our high-performance analytic engine, where you can do super-low latency kinds of analytics, and all of that delivering out these real-time kinds of analytics to users, machine-to-machine kinds of communication, and betting those on analytics and business processes, feeding big data apps or applications.
This is an example of telco churn, where at the top of this chart if you're just building telco churn for example, where you have captured one kind of data and poured that into Hadoop, I'd be able to identify about 5% of your potential churn audience. As you move down this chart and add additional kinds of data sources, you do more complex kinds of analytics in the center column there. It allows you to act against that churn in a way that allows you to identify. You move from 5% identification up to 70% identification. So for telecommunications companies, for retail organizations, for any of the fast providers, anybody that has a customer base where there is a fear and a damage that is caused by churn.
This kind of analytics running on top of that exoskeleton-enabled version of Hadoop is what drives real value. What you can see here is that kind of value. This is an example taken from off of the annual report of a telecommunications company that shows their actual total subscribers, 32 million. Their existing churn rate which every telco reports 1.14, 4.3 million subscribers lost every year, costing them 1.14 billion dollars as well as 2.1 billion in revenue. This is a very modest example of how you generate value out of your data that lives in Hadoop, where you can see the potential cost of reacquisition where the potential here is to use Hadoop with the exoskeleton running analytics to basically help this telecommunications company save 160 million dollars as well as avoid 294 million in loss. That's the kind of example that we think is driving Hadoop forward.
Eric Kavangh: Alright, fantastic. And Jim, let me go ahead and give the keys to you. So, Jim Vogt. If you would click on that slide and use the down arrow in your keyboard.
Jim Vogt: I got it. Great picture. OK, thank you very much. I'll tell a little bit about Zettaset. We've been talking about Hadoop all afternoon here. What's interesting about our company is that we basically spend our careers hardening new technology for the enterprise - being able to plug the gaps, if you will, in our new technology to allow it to be widely deployed within our enterprise operational environment. There are a couple of things happening in the market right now. It's kind of like a big open pool party, right? But now the parents have come home. And basically we're trying to bring this thing back to some sense of reality in terms of how you build a real infrastructure piece here that can be scalable, repeatable, non-resource intensive, and secure, most importantly secure. In the marketplace today, most people are still checking the tires on Hadoop. The main reason is, there is a couple of things. One is that within the open source itself, although it does some very useful things in terms of being able to blend data sources, being able to find structure data and very useful data sources, it really lacks for a lot of the hardening and enterprise features around security, higher availability and repeatability that people need to deploy not just a 10- or 20-node cluster, but a 2, 000- and 20, 000-node cluster - there are multiple clusters. What has been monetized in the last two years has been mainly pro-services around setting up these eval clusters. So there is a not a repeatable software process to actually actively deploy this into the marketplace.
So what we built in our software is a couple of things. We're actually transparent into the distributions. At the end of the day, we don't care if it's CVH or HDP, it's all open source. If you look at the raw Apache components that built those distributions, there is really no reason why you have to lock yourself into any one distribution. And so, we work across distributions.
The other thing is that we fill in the gaps transparently in terms of some of the things that are missing within the code itself, the open source. So we talked about HA. HA is great in terms of making no failover, but what happens if any of the active processes that you're putting on these clusters fail? That could take it down or create a security hole, if you will. When we built software components into our solution, they all fall under an HA umbrella where we're actively monitoring all the processes running on the cluster. If code roles goes down, you take the cluster down, so basically, meaning no failover is great, unless you're actively monitoring all the processes running on the cluster, you don't have true HA. And so that's essential of what we developed here at Zettaset. And in a way that we've actually got a patent that has been issued on this and granted last November around this HA approach which is just quite novel and different from the open-source version and is much more hardened for the enterprise.
The second piece is being able to do real RBAC. People are talking about RBAC. They talk about other open-source projects. Why should you have to recreate all those entries and all those users and roles when they already exist in LDAP or in active directory? So we link those transparently and we fold all our processes not only under this RBAC umbrella, but also under the HA umbrella. They start to layer into this infrastructure encryption, encryption at data rest, state of motion, all the hardened security pieces that you really need to secure the information.
What is really driving this is our industries, which I have on the next slide, which profit finance and healthcare and have our compliances. You have to be able to protect this sets of data and you have to be able to do it on a very dynamic fashion because this data can be sitting anywhere across these parallel nodes and clusters and it can be duplicated and so forth, so essentially that's the big umbrella that we built. The last piece that people need is they need to be able to put the pieces together. So having the analytics that John talked to and being able to get value out of data and do that through an open interface tapped into this infrastructure, that's what we built in our software.
So the three cases that I had in here, and you guys are popping me along here were really around finance, healthcare and also cloud, where you're having to deal with multi-tenant environments and essentially have to separate people's sensitive data, so security and performance are key to this type of application whether its cloud or in a sensitive data environment.
The last slide here really talks to this infrastructure that we put together as a company is not just specific to Hadoop. It's something that we can equally apply to other NoSQL technologies and that's where we're taking our company forward. And then we're also going to pull in other open-source components, HBase and so forth, and secure those within that infrastructure in a way that you're not tied to any one distribution. It's like you truly have an open, secure and robust infrastructure for the enterprise. So that's what we're about and that's what we're doing to basically accelerate adoption of Hadoop so people get away from sending twenty-node clusters and actually have the confidence to employ a much larger environment that is more eyes on Hadoop and speeds the market along. ধন্যবাদ.
Eric Kavanagh: That's fantastic, great. Stick around for the Q&A. Finally, last but not the least, we've got Phu Hoang, CEO of DataTorrent. Let me go ahead and hand the keys to you. The keys are now yours. Click anywhere on that slide, use the down arrow on your keyboard to move them along.
Phu Hoang: Thank you so much.
So yes, I'm here to talk about DataTorrent and I actually think the story of DataTorrent is a great example of what Robin and Ray have been talking about through this session where they say that Hadoop is a great body of work, a great foundation. But it has a lot of goals. But the future is bright because the Hadoop ecosystem where more players are coming in are able to build and add value on top of that foundation to really bring it from storage to insights to action, and really that's the story of DataTorrent.
What I'm going to talk about today is really about real-time big data screening processing. What you see, as I'm interacting with customers, I've never met a single customer that says to me, "Hey, my goal is to take action hours or days after my business events arrive." In fact, they all say they want to take action immediately after the events occur. The problem with the delay is that, that is what Hadoop is today with its MapReduce paradigm. To understand why, it's worth revisiting the history of Hadoop.
I was leading much of Yahoo engineering when we hired Doug Cutting, the creator of Hadoop, and assigned over a hundred engineers to build out Hadoop to power our web search, advertising and data science processing. But Hadoop was built really as a back system to read and write and process these very large files. So while it's great disruptive technology because of its massive scalability and high ability at no cost, it has a hole in that there is a lot of latency to process these large files. Now, it is fair to say that Hadoop is now becoming the plateau operating system that is truly computing and is gaining wide adoption across many enterprises. They are still using that same process of collecting events into large files, running these batch Hadoop jobs to get there inside the next day. What enterprise customers now want is that they want those exact same insights but they want to build to get these insights much earlier, and this will enable them to really act on these events as the event happens, not after maybe hours later after it has been back processed.
Eric Kavanagh: Do you want to be moving your slides forward, just out of curiosity?
Phu Hoang: Yeah it's coming now. Let me illustrate that one example. In this example, using Hadoop in back-slope where you're constantly engaging with files, first an organization might accumulate all the events for the full day, 24 hours' worth of data. And then they batch process it, which may take another eight hours using MapReduce, and so now there is 32 hours of elapsed time before they get any insight. But with real-time stream processing, the events are coming in and are getting processed immediately, there is no accumulation time. Because we do all this processing, all in memory, the in-memory processing is also sub-second. All the time, you are reducing the elapsed time on 30 hours plus to something that is very small. If you're reducing 30 hours to 10 hours, that's valuable but if we can reduce it to a second, something profound happens. You can now act on your event while the event is still happening, and this gives enterprises the ability to understand what their products are doing, what their business is doing, what their users are doing in real time and react to it.
Let's take a look at how this happens. Really, a combination of market forces and technology has enabled a solution like DataTorrent to come together, so from a market perspective, Hadoop is really becoming the de facto big data architecture as we said, right? In an IDC study in 2013, they say that by the end of this year, two-thirds of enterprises would have deployed Hadoop and for DataTorrent, whether that's Apache Hadoop or any of our certified partners like Cloudera or Hortonworks, Hadoop is really clearly the choice for enterprise. From a technology perspective, and I think Robin and Ray alluded to this, Hadoop 2.0 was created to really enable Hadoop to extend to much more general cases than the batch MapReduce paradigm, and my co-founder, Amal, who was at Yahoo leading the development of Hadoop 2.0 really allows this layer of OS to have many more computation paradigms on top of it and real-time streaming is what we chose. By putting this layer of real-time streaming on top of YARN, you can really think of DataTorrent as the real-time equivalent of MapReduce. Whatever you can do in batch with MapReduce, you can now do in streaming with DataTorrent and we can process massive amount of data. We can slice and dice data in multiple dimensions. We have distributed computing and use YARN to give us resources. We have the full ecosystem of the open source Hadoop to enable fast application development.
Let me talk a little bit about the active capabilities of DataTorrent. In five minutes, it is hard for me to kind of give to you much in detail, but let me just discuss and re-differentiate it. First of all, sub-second scalable ingestions, right? This refers to DataTorrent's platform to be able to take that in real-time from hundreds of data sources and begin to process them immediately. This is in direct contact to the back processing of MapReduce that is in Hadoop 1.0 and events can vary in size. They may be as simple as a line in the log file or they may be much more complex like CDR, call data record in the telcom industry. DataTorrent is able to scale the ingestion dynamically up or down depending on the incoming load, and we can deal with tens of millions of incoming events per second. The other major thing here, of course, is the processing itself which is in real-time ETL logic. So once the data is in motion, it is going to go into the ETL logic where you are doing a stack transform and load, and so on. And the logic is really executed by combining a series of what we call operators connected together in a data flow grab. We have open source of over 400 operators today to allow you to build applications very quickly. And they cover everything from input connectors to all kinds of message process to database drivers and connectors where you are to load to all kinds of information to unstream.
The combination of doing all these in memory and building the scale across hundreds of nodes really drive the superior performance. DataTorrent is able to process billions of events per second with sub-second latency.
The last piece that I'd like to highlight is the high-availability architecture. DataTorrent's platform is fully post knowledge; that means that the platform automatically buffers the event and regularly checkpoints the state of the operators on the disk to ensure that there is possibly no problem. The applications can tell you in seconds with no data log and no human intervention. Simply put, data form processes billions of events and allots in data in seconds, it runs 24/7 and it never, ever goes down. The capabilities really set DataTorrent apart from the market and really make it the leading mission-critical, real-time analytics platform for enterprise. With that, we invite you to come visit our website and check us out.
Thanks.
Eric Kavanagh: Yeah, thank you so much. I'll throw a question over to you, really a comment, and let you kind of expound upon it. I really think you're on the ball here with this concept of turning over these operators and letting people use these operators almost like Legos to build big data applications. Can you kind of talk about what goes into the process of taking these operators and stitching them together, how do you actually do that?
Phu Hoang: That's a great question. So first of all, these operators are in your standard application Java Logic. We supply 400 of them. They do all kinds of processing and so to build your application, you really are just connecting operators together into a data flow graph. In our customers, we find that they use a number of operators that we have in our library as well as they take their own job of custom logic and make it an operator so that they can substantiate that into a graph.
Eric Kavanagh: OK, good. I think it's a good segue to bring in John Santaferraro from Actian because you guys have a slightly similar approach, it seems to me, in opening up a sort of management layer to be able to play around with different operators. Can you talk about what you do with respect to what tools we're just talking about, John?
John Santaferraro: Yeah, exactly. We have a library of analytics operators as well as transformational operators, operators for blending and enriching data and it is very similar. You use a drag-and-drop interface to be able to stitch together these data flows or work flows, and even analytic workflows. So it's everything from being able to connect to data, to be able to blend and enrich data, to be able to run data science or machine learning algorithms and then even being able to push that into a high-performance low-latency analytic engine. What we find is that it's all built on the open-source nine project. So we capture a lot of the operators that they are developing and then we take all of that, and via YARN, very similar to what Phu described at DataTorrent, we push that down so that it is parallelized against all of the nodes in a Hadoop cluster. A lot of it is about making the data in Hadoop much more accessible to business users and less-skilled workers, somebody besides a data scientist.
Eric Kavanagh: OK, let me go bring in Nikita once again. I'm going to throw your five up as well. Can you kind of talk about how you approach this solution vis-à-vis what these two gentlemen just talked about? How does someone actually put this stuff together and make use from GridGain?
Nikita Ivanov: Well, I think the biggest difference between us and from practically the rest of them is we don't require you to do any recording - you don't have to do anything, it's a plug-and-play. If you have an application today, it's going to work faster. You don't have to change code; you don't have to do anything; you just have to install GridGain along the side of Hadoop cluster and that's it. So that's the biggest difference and we talked to our customers. There are different myriad of solutions today that ask you to change something: programming, doing your API, using your interfaces and whatnot. Ours is very simple. You don't need to invest a lot of time into the Hadoop ecosystem, and whatever you used to do, the MapReduce or any of the tools continue to use. With GridGain, you don't have to change any single line of code, it's just going to work faster. That's the biggest difference and that's the biggest message for us.
Eric Kavanagh: Let's get Jim back in here too. Jim, your quote is killing me. I had to write it down in between that. I'll put it into some kind of deck, but the Hadoop ecosystem right now is like a pool party and the parents just came home. That is funny stuff man; that is brilliant. Can you kind of talk about how you guys come onto the scene? How do you actually implement this? How long does that take? How does all that work?
Jim Kaskade: Yes. So there are a couple of varieties depending on the target customer, but typically these days, you see evaluations where security is factored in, in some of these hardening requirements that I talked about. What has happened in some other cases, and especially last year where people had big plans to deploy, is that there was kind of a science project, if you will, or somebody was playing with the technology and had a cluster up and working and was working with it but then the security guy shows up, and if it is going to go on a live data center, it has to basically comply with the same requirements that we have for other equipment running in the data center, if it is going to be an infrastructure that we build out. Last year, we had even some banks that told us they were going to deploy 400 to 1, 000 nodes last year and they're still sitting on a 20-node cluster mainly because now a security person has been plugged in. They've got to be worried about financial compliance, about sets of information that is sitting on a cluster, and so forth. It varies by customer, but typically this is kind of what elongates the cycles and this is typical of a new technology where if you really want to deploy this in production environment, it really has to have some of these other pieces including the very valuable open-source pieces, right?
Eric Kavanagh: OK, good. দেখা যাক. I'm going to bring Phu back into the equation here. We've got a good question for you. One of the attendees is asking how is DataTorrent different from Storm or Kafka or the Redis infrastructure. Phu, are you out there? Hey, Phu, can you hear me? Maybe I'm mute.
Let's bring Ray Wang back into this. Ray, you've seen a lot of these technologies and looked at how they worked. I really love this concept of turning over control or giving control to end users of the operators. I like to think of them as like really powerful Legos that they can use to kind of build some of these applications. Can you comment on that? What do you think about all that?
Ray Wang: Coming from my technical background, I'd say I'm scared - I was scared shitless! But honestly, I think it's important, I mean, in order to get scale. There's no way you can only put so many requests. Think about the old way we did data warehousing. In the business I had to file the request for a report so that they could match all the schemes. I mean, it's ridiculous. So we do have to get to a way for the business side of the house and definitely become data jocks. We actually think that in this world, we're going to see more digital artists and people that have the right skills, but also understand how to take that data and translate that into business value. And so these digital artisans, data artisans depending on how you look at this, are going to need both really by first having the curiosity and the right set of questions, but also the knowledge to know when the data set stinks. If I'm getting a false positive or a false negative, why is that happening?
I think a basic level of stats, a basic level of analytics, understanding that there's going to be some training required. But I don't think it's going to be too hard. I think if you get the right folks that should be able to happen. You can't democratize the whole decision-making process. I see that happening. We see that in a lot of companies. Some are financial services clients are doing that. Some of our retail folks are doing that, especially in the razor-thin margins that you are seeing in retail. I was definitely seeing that in high tech just around here in the valley. That's just kind of how people are. It's emerging that way but it's going to take some time because these basic data skills are still lacking. And I think we need to combine that with some of the stuff that some of these guys are doing here on this webinar.
Eric Kavanagh: Well, you bring up a really good point. Like how many controls you want to give to the average end user. You don't want to give an airplane cockpit to someone who's driving a car for the first time. You want to be able to closely control what they have control over. I guess my excitement kind of stems around being able to do things yourself, but the key is you got to put the right person in that cockpit. You got to have someone who really knows what they're doing. No matter what you hear from the vendor community folks, when somebody's more powerful tools are extremely complex, I mean if you are talking about putting together a string of 13, 14, 15 operators to do a particular type of transformation on your data, there are not many people who could do that well. I think we're going to have many, many more people who do that well because the tools are out there now and you can play with the stuff, and there is going to be a drive to be able to perfect that process or at least get good at it.
We did actually lose Phu, but he's back on the line now. So, Phu, the question for you is how is DataTorrent different from, like, Storm or Kafka or Redis or some of these others?
Phu Hoang: I think that's a great question. So, Redis of course is really an in-memory data store and we connect to Redis. We see ourselves as really a processing engine of data, of streaming data. Kafka again is a great bus messaging bus we use. It's actually one of our favorite messaging bus, but someone has to do the big data processing across hundreds of nodes that is fault tolerant, that is scalable, and I repeat that as the job that we play. So, yes, we are similar to Storm, but I think that Storm is really developed a long time ago even before Hadoop, and it doesn't have the enterprise-level thinking about scalability to the hundreds and millions, now even billions of events, nor does it really have the HA capability that I think enterprise requires.
Eric Kavanagh: Great. And you know, speaking of HA, I'll use that as an excuse to bring Robin Bloor back into the conversation. We just talked about this yesterday. What do you mean by high availability? What do you mean by fault tolerance? What do you mean by real time, for example? These are terms that can be bent. We see this all time in the world of enterprise technology. It's a good term that other people kind of glom onto and use and co-opt and move around and then suddenly things don't mean quite what they used to. You know, Robin, one of my pet peeves is this whole universe of VOIP. It's like "Why would we go down in quality? Isn't it important to understand what people say to you and why that matters?" But I'll just ask you to kind of comment on what you think. I'm still laughing about Ray's comment that he's scared shitless about giving these people. What do you think about that?
Ray Wang: Oh, I think it's a Spider-man problem, isn't it? মহান শক্তি দিয়ে মহান দায়িত্ব আসে। You really, in terms of the capabilities out there, I mean it changed me actually a long time ago. You know, I would give my ITs some of the capabilities that they have gotten now. We used to do it extraordinary amounts of what I would say was grunt work that the machines do right now and do it in parallel. They do things that we could never have imagined. I mean we would have understood mathematically, but we could never imagine doing. But there is some people understand data and Ray is completely right about this. The reason to be scared is that people will actually start getting wrong conclusions, that they will wrangle with the data and they will apply something extremely powerful and it will appear to suggest something and they will believe it without actually even being able to do anything as simple as have somebody doing audit on whether their result is actually a valid result. We used to do this all the time in the insurance company I used to work for. If anybody did any work, somebody always checks. Everything was checked by at least one person against the person who did it. These environments, the software is extremely strong but you got to have the discipline around it to use it properly. Otherwise, there'll be tears before bedtime, won't there?
Eric Kavanagh: I love that quote, that's awesome. Let me see. I'm going to go ahead and throw just for this slide up here from GridGain, can you talk about, Nikita, when you come in to play, how do you actually get these application super charged? I mean, I understand what you are doing, but what does the process look like to actually get you embedded, to get you woven in and to get all that stuff running?
Nikita Ivanov: Well, the process is relatively simple. You essentially just need to install GridGain and make a small configuration change, just to let Hadoop know that there is now the HDFS if you want to use HDFS and you have to set up which way you want to use it. You can get it from BigTop, by the way. It's probably the easiest way to install it if you're using the Hadoop. That's about it. With the new versions coming up, a little in about few weeks from now, by the end of May, we're going to have even more simplified process for this. So the whole point of the in-memory Hadoop accelerator is to, do not code. Do not make any changes to your code. The only that you need to do is install it and have enough RAM in the cluster and off you go, so the process is very simple.
Eric Kavanagh: Let me bring John Santaferraro back in. We'll take a couple more questions here. You know, John, you guys, we've been watching you from various perspectives of course. You were over at PEAR Excel; that got folded into Actian. Of course, Actian used to be called Ingres and you guys made a couple of other acquisitions. How are you stitching all of that stuff together? I realize you might not want to get too technical with this, but you guys have a lot of stuff now. You've got Data Rush. I'm not sure if it's still the same name, but you got a whole bunch of different products that have been kind of woven together to create this platform. Talk about what's going on there and how that's coming along.
John Santaferraro: The good news is, Eric, that separately in the companies that we're acquired Pervasive, PEAR Excel and even when Actian had developed, everybody developed their product with very similar architectures. Number one, they were open with regards to data and interacting with other platforms. Number two, everything was parallelized to run in a distributed environment. Number three, everything was highly optimized. What that allowed us to do is to very quickly make integration points, so that you can be creating these data flows already today. We have established the integration, so you create the data flows. You do your data blending and enriching right on Hadoop, everything parallelized, everything optimized. When you want, you move that over into our high-performance engines. Then, there's already a high-performance connection between Hadoop and our massively parallel analytic engine that does these super-low-latency things like helping a bank recalculate and recast their entire risk portfolio every two minutes and feeding that into our real-time trading system or feeding it into some kind of a desktop for the wealth manager so they can respond to the most valuable customers for the bank.
We have already put those pieces together. There's additional integration to be done. But today, we have the Actian Analytics Platform as our offering because a lot of that integration was ready to go. It has already been accomplished, so we're stitching those pieces together to drive this entire analytic value chain from connecting the data, all of the processing that you do of it, any kind of analytics you want to run, and then using it to feed into these automated business processes so that you're actually improving that activity over time. It's all about this end-to-end platform that already exists today.
Eric Kavanagh: That's pretty good stuff. And I guess, Jim, I'll bring you back in for another couple of comments, and Robin, I want to bring you in for just one big question, I suppose. Folks, we will keep all these questions - we do pass them on to the people who participated in the event today. If you ever feel a question you asked was not answered, feel free to email yours truly. You should have some information on me and how to get ahold from me. Also, just now I put a link to the full deck with slides from non-sponsoring vendors. So we put the word out to all the vendors out there in the whole Hadoop space. We said, "Tell us what your story is; tell us what's going on." It's a huge file. It's about 40-plus megabytes.
But Jim, let me bring you back in and just kind of talk about - again, I love this concept - where you're talking about the pool party that comes to an end. Could you talk about how it is that you manage to stay on top on what's happening in the open-source community? Because it's a very fast-moving environment. But I think you guys have a pretty clever strategy of serving this sort of enterprise-hardening vendor that sits on top or kind of around that. Can you talk about your development cycles and how you stay on top of what's happening?
Jim Vogt: Sure. It is pretty fast moving in terms of if you look at just a snapshot updates, but what we're shipping in functionality today is about a year to a year and a half ahead of what we can get on security capabilities out to the community today. It's not that they're not going to get there; it just takes time. It's a different process, it has contributors and so forth, and it just takes time. When we go to a customer, we need to be very well versed in the open source and very well versed in mainly the security things that we're bringing. The reason that we're actually issuing patents and submitting patents is that there is some real value in IP, intellectual property, around hardening these open-source components. When we support a customer, we have to support all the varying open-source components and all the varying distributions as we do, and we also need to have the expertise around the specific features that we're adding to that open source to create the solution that we create. As a company, although we don't want the customer to be a Hadoop expert, we don't think you need to be a mechanic to drive the car. We need to be a mechanic that understands the car and how it works and understand what's happening between our code and the open source code.
Eric Kavanagh: That's great. Phu, I'll give you one last question. Then Robin, I have one question for you and then we'll wrap up, folks. We will archive this webcast. As I suggested, we'll be up on insideanalysis.com. We'll also go ahead and have some stuff up on Techopedia. A big thank you to those folks for partnering with us to create this cool new series.
But Phu … I remember watching the demo of the stuff and I was just frankly stunned at what you guys have done. Can you explain how it is that you can achieve that level of no failover?
Phu Hoang: Sure, I think it's a great question. Really, the problem for us had three components. Number one is, you can't lose the events that are moving from operator to operator in the Hadoop cluster. So we have to have event buffering. But even more importantly, inside your operators, you may have states that you're calculating. Let's say you're actually counting money. There's a subtotal in there, so if that node goes down and it's in memory, that number is gone, and you can't start from some point. Where would you start from?
So today, you have to actually do a regular checkpoint of your operator state down to this. You put that interval so it does not become a big overhead, but when a node goes down, it can come back up and be able to go back to exactly the right state where you last checkpointed and be able to bring in the events starting from that state. That allows you to therefore continue as if the event actually has never happened. Of course, the last one is to make sure that your application manager is also fault tolerant so that doesn't go down. So all three factors need to be in place for you to say that you're fully fault tolerant.
Eric Kavanagh: Yeah, that's great. Let me go ahead and throw one last question over to Robin Bloor. So one of the attendees is asking, does anyone think that Hortonworks or another will get soaked up/invested in by a major player like Intel? I don't think there's any doubt about that. I'm not surprised, but I'm fascinated, I guess, that Intel jumped in before like an IBM or an Oracle, but I guess maybe the guys at IBM and Oracle think they've already got it covered by just co-opting what comes out of the open-source movement. What do you think about that?
Robin Bloor: It's a very curious move. We should see in light of the fact that Intel already had its own Hadoop distribution and what it has effectively done is just passed that over to Cloudera. There aren't many powers in the industry as large as Intel and it is difficult to know what your business model actually is if you have a Hadoop distribution, because it is difficult to know exactly what it is going to be used for in the future. In other words, we don't know where the revenue streams are necessarily coming from.
With somebody like Intel, they just want a lot of processes to be solved. It is going to support their main business plan the more that Hadoop is used. It's kind of easy to have a simplistic explanation of what Intel are up to. It's not so easy to guess what they might choose to do in terms of putting code on chips. I'm not 100% certain whether they're going to do that. I mean, it's a very difficult thing to call that. Their next move at the hardware level, I think, is the system on a chip. When we go to the system on a chip, you may actually want to put some basic software on the chip, so to speak. So putting HDFS on there; that might make some sense. But I don't think that that was what that money investment was about. I think all that money investment was about was just making sure that Intel had a hand in the game and is actually going forward.
In terms of who else is going to buy, that is also difficult to say. I mean, certainly the SAPs and Oracles of this world have got enough money to buy into this or IBM has got enough money to buy into it. But, you know, this is all open source. IBM never bought a Linux distribution, even though they plowed a lot of money into Linux. It didn't break their hearts that they didn't actually have a Linux distribution. They're very happy to cooperate with Red Hat. I would say maybe Red Hat will buy one of these distributions, because they know how to make that business model work, but it's difficult to say.
Eric Kavanagh: Yeah, great point. So folks, I'm going to go ahead and just share my desktop one last time here and just show you a couple of things. So after the event, check out Techopedia - you can see that on the left-hand side. Here's a story that yours truly wrote, I guess a couple of months ago or a month and a half ago, I suppose. It really kind of spun out of a lot of the experience that we had talking with various vendors and trying to dig in to understanding what exactly is going on with the space because sometimes it can be kind of difficult to navigate the buzz words and the hype and the terminology and so forth.
Also a very big thank you to all of those who have been Tweeting. We had one heck of a Tweet stream here going today. So, thank you, all of you. You see that it just goes on and on and on. A lot of great Tweets on TechWise today.
This is the first of our new series, folks. Thank you so much for tuning in. We will let you know what's going on for the next series sometime soon. I think we're going to focus on analytics probably in June sometime. And folks, with that, I think we're going to go ahead and close up our event. We will email you tomorrow with a link to the slides from today and we're also going to email you the link to that full deck, which is a huge deck. We've got about twenty different vendors with their Hadoop story. We're really trying to give you a sort of compendium of content around a particular topic. So for bedtime reading or whenever you're interested, you can kind of dive in and try to get that strategic view of what's going on here in the industry.
এর সাথে, আমরা আপনাকে বিদায় জানাব, লোকেরা। Thank you again so much. Go to insideanalysis.com and Techopedia to find more information about all this in the future and we'll catch up to you next time. বিদায়, বিদায়।
