Quand les grandes données n'ont pas besoin de l'être

Actian Vector a été rebaptisé Actian Analytics Engine en 2026.

L'utilisation d'un Vector FARM pour rendre l'analyse des données big data rapide et facile

Je travaille dans le secteur des technologies de l'information depuis longtemps. Tout ce qui va autour de nous revient autour de nous. Mon exemple préféré est la façon dont le partage du temps de travail sur l'ordinateur central a donné naissance à l'informatique client-serveur décentralisée. Aujourd'hui, nous revenons au temps partagé, mais dans le nuage. La technologie évolue. Parfois, de nouvelles idées semblent être de bonnes idées, mais elles finissent par ne pas être très bonnes, alors nous revenons en arrière et réinventons des idées plus anciennes, mais qui ont fait leurs preuves.

Prenons l'exemple de l'entreposage de données et du Big Data. Nous accumulons tous ces grandes données ; elles ne tiennent pas facilement sur un petit ordinateur, alors nous créons un ordinateur géant ou, mieux encore, une grappe de petits ordinateurs qui ressemblent à un ordinateur géant pour gérer la charge de travail.

La gestion des grappes d'ordinateurs est difficile

Sur le papier, comme dans ce diagramme, le cluster semble simple, mais en réalité, ils sont complexes à mettre en place, difficiles à équilibrer et à faire fonctionner, ils introduisent un tas de nouveaux problèmes comme le skew de sharding et la gestion de la charge de travail , et ils ne sont en fait pas si faciles à étendre... c'est dingue ! Tout l'écosystème est fragile et difficile.

À moins que vous ne fassiez partie de ces quelques entreprises qui disposent vraiment d'un grand jeu de données singulier, l'idéal d'un entrepôt de données géant et centralisé pour tout, d'un point de vue pratique, n'est tout simplement pas productif ou nécessaire. Pourquoi rendre les choses plus difficiles qu'elles ne doivent l'être ?

Ce qui est plus logique, c'est un environnement performant, facile à comprendre, facile à installer, facile à gérer et facile à modifier. Pour l'analyse, je vous propose de prendre du recul et de considérer des serveurs individuels, mais performants et faciles à gérer.

Envisagez une ferme vectorielle pour récolter facilement les objectifs de l'entreprise.

Les fermes Vector peuvent offrir une grande flexibilité. Vous pouvez disposer d'une ferme Vector homogène, composée d'un ensemble de serveurs individuels identiques, chacun équipé de la même configuration d'Actian Analytics Engine. La gestion est simplifiée car : chaque serveur est indépendant, ce qui élimine la complexité liée aux clusters ; chacun dispose de la même configuration de base de données ; et il est facile d'ajouter ou de supprimer des serveurs sans affecter les autres. De plus, Actian Vector ne nécessite que peu ou pas de réglages, ce qui réduit les configurations individuelles. Vous pouvez même introduire de légères variations pour obtenir une ferme vectorielle hétérogène. Dans ce cas, même si la configuration de l'application peut être légèrement différente, Actian Analytics Engine offre des performances exceptionnelles et une administration simplifiée, sans la complexité d'un cluster. Voici quelques exemples :

Groupes indépendants d'utilisateurs similaires utilisant la même application mais ayant besoin de données distinctes

Ce scénario est le plus simple. Vector Farm est particulièrement utile car il permet de séparer facilement utilisateur . Prenons l'exemple d'une multinationale qui, pour des raisons juridiques, doit conserver les données européennes sur site les séparer des données canadiennes et américaines, etc. Notez ici que la configuration du serveur de base de données est identique partout, y compris le nom de la base de données. La gestion de tous ces serveurs est la même. Actian Analytics Engine offre requête exceptionnelles à tous les utilisateurs.

Groupes indépendants d'utilisateurs de tailles différentes utilisant la même application mais ayant besoin de données distinctes

En réalité, la plupart des groupes d'utilisateurs ne se ressemblent pas. Prenons l'exemple d'un fournisseur de logiciels en tant que service (SaaS). Un fournisseur SaaS peut proposer un service cloud à une grande variété de clients, petits et grands, via Internet. Dans ce cas, le fournisseur ne souhaiterait certainement pas consacrer un serveur entier (virtuel ou sur site) à de très petits clients. Dans ce cas, en utilisant des schémas (une méthode permettant de créer des espaces de propriété distincts au sein d'une même base de données), le fournisseur peut regrouper l'activité des petits clients sur une seule instance Vector, tout en desservant les autres avec leurs propres instances. Dans les cas où il s'agit d'un client particulièrement important, il pourrait agrandir ce serveur, tout en conservant la même structure. La gestion de tous ces serveurs reste identique grâce à l'utilisation des schémas. Actian Analytics Engine offre requête exceptionnelles à tous les utilisateurs.

Un groupe très important d'utilisateurs exigeants

Un autre scénario se présente lorsque la utilisateur des outils d'analyse est importante et que ces utilisateurs ont besoin de performances fiables et rapides. Prenons l'exemple d'une société de services financiers proposant une application de trading. Les traders ont besoin d'analyses très rapides et complexes sur en temps réel . Un cluster complexe, avec la charge liée à ses nombreux composants mobiles, n'est physiquement pas en mesure de fournir cela. Dans ce scénario, une ferme vectorielle homogène peut être utilisée comme pool pour desservir tous les utilisateurs. Un bus de service en temps réel ou une file d'attente de messages peut être utilisé pour synchroniser les multiples serveurs en temps réel. Les utilisateurs sont répartis de manière équilibrée sur l'un des serveurs disponibles de la ferme. Là encore, la gestion est facile car tous les serveurs sont exactement identiques. Actian Analytics Engine(LA BASE DE DONNÉES ANALYTIQUE LA PLUS RAPIDE AU MONDE) offre des temps de réponse exceptionnels.

Utilisateurs indépendants et applications

Le dernier scénario correspond à une véritable « Vector Farm » hétérogène. Dans ce scénario, les utilisateurs ne sont pas nécessairement segmentés ; il existe différentes applications analytiques dotées de structures de bases de données distinctes. Les applications étant différentes, il n'y a pas de nécessité opérationnelle de conserver les données dans un emplacement central au sein d'un cluster complexe. Étant donné qu'Actian Analytics Engine est très performant, facile à configurer et à gérer, une « Vector Farm » constitue un moyen efficace de support utilisateurs et support applications.

Conclusion

Pourquoi vous torturer avec une grappe complexe si vous n'avez pas à le faire ? En raison de la performance, de la facilité d'administration et du peu ou de l'absence de réglages personnalisés, il est facile de tirer parti des serveurs individuels d'une ferme Actian Vector. Parce que vous n'avez pas à effectuer l'analyse complexe de la construction et de la maintenance d'une grappe et parce que Vector nécessite peu de réglages, vous pouvez mettre en service les composants de votre ferme Vector rapidement et commencer à " récolter " de la valeur commerciale immédiatement !

Plus d'informations sur Actian Vector

Vous souhaitez en savoir plus surActian Analytics Engine ?

Vous pouvez également télécharger et essayer Actian Vector vous-même (ou vous pouvez essayer Vector Community Edition sur AWS sans avoir à obtenir une licence d'évaluation). Vous ne serez pas déçu, et si vous avez besoin d'aide, demandez à la communauté.

À propos de l'auteur

À propos de Mary Schulte

Mary Schulte est ingénieur commercial principal chez Actian. Elle s'appuie sur des décennies d'expérience avec des fournisseurs de bases de données de premier plan tels qu'Informix et Netezza. Elle a écrit des milliers de lignes d'Informix 4GL et ESQL/C pour des clients internationaux, y compris la mise en œuvre révolutionnaire de la datablade d'American Airlines. Mary a animé d'innombrables sessions d'apprentissage , aidant les organisations à optimiser leurs environnements de bases de données. Ses articles sur le blogue d'Actian portent sur les performances des requête , les bases de données analytiques comme Vector et les conseils pratiques pour tirer parti d'Informix. Consultez ses articles pour obtenir des conseils d'experts.