京公网安备 11010802034615号
经营许可证编号:京B2-20210330
企业要想更快地做出反应并提供一流的客户体验,就必须对数据管理进行全面的改造。到目前为止,技术已经解决了存储和处理大数据的问题。它也已经达到了将大数据用于深度分析的能力。当我们在做这件事的时候,预计到2025年,高级数据管理解决方案的全球市场规模将达到1229亿美元。
然而,数据源类型和数量的日益多样化继续阻碍着无缝数据生命周期。到目前为止,数据管理景观是捕捉和流式数据到一个集中的数据湖。该湖将进一步处理和清理结构解决方案中的数据集。展望未来,数据专业人员已经找到了一种新的方式,通过数据网状结构解决来源的可扩展性。
什么是数据网格?
数据网格是一种分布式架构解决方案,用于分析数据的生命周期管理。基于分散化,网状结构消除了数据可用性和可访问性方面的障碍。它使用户能够从多个来源捕捉和操作洞察力,而不论其位置和类型。随后,它执行自动查询,而不必将其传送到集中的数据湖。
网状结构的分布式架构分散了每个业务领域的所有权。这意味着每个领域都能控制分析和操作用例的数据的质量、隐私、新鲜度、准确性和合规性。
从集中式数据湖迁移到分布式网格
随着数据源的数量不断增加,数据湖无法按需进行整合。有了数据网,将大量的数据倾倒到湖中是一种濒临灭绝的做法。
新的数据管理框架确保所有节点的协作参与,每个节点控制一个特定的业务单元。它通过遵循 "数据即产品 "的原则做到这一点。这意味着每个数据集都被当作一个数字产品,由干净、完整和结论性的数据集组成。这些可以按需交付给任何人和任何地方。对于一个快速增长的数据管理生态系统来说,Mesh是一个有助于提供组织数据见解的方法。
所有权的分散化减少了对工程师和科学家的依赖性。每个业务部门都控制着自己的特定领域数据。然而,每个领域仍然依赖于数据建模、安全协议和治理合规的集中标准化政策。
使用数据网格和结构
任何关于数据管理的讨论,如果忽略了结构架构,都是不完整和不相关的。围绕着数据结构和网状结构相互竞争的事实,有一个神话。这是不正确的。Gartner对这两个标题进行了并列讨论,并澄清了事实。
数据结构是一个古老而相关的架构,它推动了不同行业对结构的持续和优化使用。它自动发现并提出一个管理架构,从而简化整个数据生命周期。它还假设支持验证数据对象和重用这些对象的上下文参考。一个Mesh通过消耗当前的主题专业技术和准备数据对象的解决方案来完成这个不同的工作。
有一个神话,围绕着数据结构和网状结构相互竞争的事实。这是不真实的。事实上,织物可以在从Mesh架构中提取最佳价值方面起到作用。
用基于实体的数据结构实施数据网格
考虑K2View的基于实体的数据结构架构。它可以将每个业务实体的数据保存在一个专属的微型数据库中,从而支持成百上千的这些数据库。进一步融合 "业务实体 "和 "数据作为产品 "的概念,他们的结构支持数据网状设计模式的实施。在这里,结构创建了一个来自多个来源的连接数据集的集成层。这为运营和分析工作负载提供了一个整体的景观视图。
基于实体的结构规范了所有数据产品的语义定义。根据规定,它建立了数据摄取方法和治理政策,以确保数据集的安全。鉴于结构的这种支持,网状模式在实体级存储方面表现得更好。
因此,对于网状分布式网络中的每个业务域,都会部署一个专属的结构节点。这些特定于某一业务实体的域拥有对服务和管道的本地控制,以便为消费者访问产品。
分散的数据所有权模式
企业必须从多个来源导入多种数据类型到一个集中的存储库,如数据湖。在这里,数据处理通常会消耗大量的精力,也容易出现错误。查询这种异质数据集进行分析,会直接打击成本。因此,数据专业人员一直在寻找一种替代这种集中式方法的方法。通过Mesh的分布式架构,他们能够实现每个商业实体的所有权分散。现在,这样的模式减少了产生定性见解的时间,从而增加了核心目的的价值--快速访问数据并影响关键业务决策。
分散化的方法解决了更多的问题。例如,传统数据管理中的查询方法可能会随着数据量的不可控制的增加而失去效率。它势必会迫使整个管道发生变化,最终无法做出反应。因此,随着数据源数量的增加,响应时间急剧减慢。这一直影响着提取数据价值和扩大业务成果的流程敏捷性。
通过分散化,Mesh将所有权分配给不同的领域,以满足传入数据量的挑战,并最终在他们的水平上对他们的相关集进行查询。因此,该架构使企业流程能够缩小事件和其消费分析之间的差距。企业能够在关键决策上有所改进。
通过提供数据即服务架构,Mesh为业务运营带来了灵活性。它不仅减少了IT积压,而且使数据团队能够只在精简和相关的数据流上工作。
因此,授权的消费者将很容易获得他们各自的数据集,而不会意识到背后的复杂性。
结论
从数字数据出发,web3.0致力于分散企业流程。而数据管理是这个方向上的一个重要用例。很明显,集中式的权威在一定程度上无法适应爆炸性的、传入的数据。等待和观察2022年将把数据网状结构放在前面。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
“2026年考什么证含金量高”这个问题,很难用一张榜单回答。同一本证书,对想进会计师事务所的人有价值,对想做行政的人可能用处 ...
2026-10-29一、Tableau 做地图的优势 在所有 BI 工具里,Tableau 的地图能力是第一梯队的。它内置了全球行政区划地理数据库,只要你的数据 ...
2026-10-29一、问题场景:为什么 Excel 自带直方图不支持多组 做数据分析时,经常需要把两组数据的分布放在同一张图里对比——比如"实验组 ...
2026-10-29当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-10-29一、RFM模型概述 RFM模型是由 George Cullinan 提出、营销领域公认的经典客户价值细分模型,依托客户交易行为数据,从三个核心维 ...
2026-10-28“不用学历可以考的资格证”这个说法,实际混着两类情况:一类是证书本身对学历没有硬性要求,报名时只看年龄、身份或培训经历; ...
2026-10-2837岁考什么证,先别急着看“女生适合考什么”的榜单。这个年龄处在职业中期,优势是已有工作经验和行业理解,约束是时间精力有限 ...
2026-10-28一、卡方分布是什么 卡方分布(Chi-square Distribution,χ²分布)是统计学中一种常用的概率分布,它和正态分布、t分布一样, ...
2026-10-28职业证书的作用不能一概而论。它既不是“考了就能找到好工作”的通行证,也不是“花钱买张纸”的摆设。真正决定一张证书有多大用 ...
2026-10-28产品岗没有统一的法定准入证书,招聘时也很少把某张证书写成硬性门槛。所以“真正有用”不能看广告里的名头,而要看三件事:它对 ...
2026-10-28“一般可以考什么证书”很难给出一份通用榜单。同为“证书”,有的是法律规定的准入资格,无证不能上岗;有的是职称评聘参考;有 ...
2026-10-28“现在大学生要什么证书好”,这个问题没有统一答案。同一张证书,对想进银行的学生可能是加分项,对准备考公的学生可能完全用不 ...
2026-10-28“十大证书含金量最高”这类榜单,最大的问题不是排名不准,而是没有交代排名依据。准入类和加分类混在一起排,高壁垒的和低门槛 ...
2026-10-28“什么证容易考且有用”,这个问题本身藏着一个容易踩的坑:把“容易考”和“有用”当成两个独立打分项,各找几个高分证书拼在一 ...
2026-10-28想考一个证书,第一步不是买教材,而是先确认它属于哪一类证书、由谁发证、在哪里报名。考取证书的通用流程可以概括为六步:确定 ...
2026-10-28“女生考什么证”这个问题,网上常见的答案是“教师资格证、会计证、普通话证”,理由往往是“稳定”“适合女孩子”。这类回答的 ...
2026-10-28“女的考什么证书比较实用”这个问题,本身藏着一个容易走偏的前提:把性别当成筛选证书的依据。证书不认性别,岗位也不按性别分 ...
2026-10-28“哪些考试含金量高”这个问题,很难有一张适合所有人的总榜。同一个考试,对想进医院的人和对想做运营的人,价值完全不同。含金 ...
2026-10-28“国家认可的技能证书”日常被用得很宽:有人指职业资格,有人指职业技能等级,也有人把培训结业证、企业认证一并算入。口径不统 ...
2026-10-28工作后考市场营销证书,容易陷入两种极端:要么被“高薪就业”“行业必备”的宣传推着走,要么觉得证书都没用、不如攒经验。更实 ...
2026-10-28