Die nachstehende Tabelle bietet einen hervorragenden Überblick über die Merkmale des MarkLogic Data Hub Service. Da er viele Technologien in einer Datenplattform vereint, vergleichen unsere Kunden ihn oft mit der Kombination anderer Technologien, die nötig wären, um eine ähnliche Funktionalität zu erreichen. Es gibt auch kein entweder/oder – viele Kunden nutzen einen Data Hub neben anderen Technologien. Die zentrale Frage, die Sie sich bei Betrachtung Ihrer Gesamtarchitektur stellen sollten ist, ob alles einfacher oder komplizierter wird?
|
MarkLogic Data Hub-Service |
Data Warehouse + ETL |
Verwaltete Cloud-Dienste |
Data Lake + Open-Source-Komponenten |
|
Cloud Data Hub mit flexibler Datenintegration, -verwaltung und -suche für alle Unternehmensdaten Von MarkLogic Server. |
Traditionelles Enterprise Data Warehouse (EDW) wie Oracle integriert mit einem traditionellen ETL-Tool wie Informatica |
Kundenspezifische Cloud Data Hub-Architektur, die mit verwalteten Cloud-Service-Komponenten von großen Cloud-Anbietern arbeitet.
AWS bietet zum Beispiel DynamoDB (Dokumente), NeptuneDB (Graph), Elasticsearch Service (Suche), Amazon S3 (Objektspeicherung), Glue (ETL) und Athena (Abfragedienst) |
Data Lake mit Hadoop und verschiedenen datenmodellspezifischen Datenbanken, einer Suchmaschine und einem ETL-Tool.
Es gibt viele Variationen, aber ein Beispiel könnte Cloudera mit MongoDB (Dokumente), Lucene (Suche), Neo4j (Graph) und Talend (ETL) sein |
| Vereinheitlicht
Sind Transaktionen und Analysen möglich? Ist es Multi-Modell?
|
Ja
Nachgewiesene Ergebnisse |
Vielleicht
Nicht für OLTP. Kein echtes Multi-Modell. Ungeeignet für nicht relationale Daten (langsam, teuer) |
Nein
Jede Komponente muss individuell bereitgestellt, integriert, überwacht, gesichert und bezahlt werden |
Nein
Für Datenwissenschaftler optimierte Patchwork-Architektur. Ähnliche Probleme, weil jedes Werkzeug separat verwaltet und integriert werden muss |
| Flexibel
Wie lange dauert es bis zum Projektschluss?
|
Ja
10-mal schnellere Datenintegration als Alternativen |
Nicht agil
Lange ETL-Zeiten, alles muss im Voraus modelliert werden |
Vielleicht
Nur schnell bei kleinen Projekten. Unverhältnismäßig kompliziert bei großen Projekten |
Nein
Lange Implementierungszeitpläne, auch für datenwissenschaftliche Arbeiten |
| Für den Einsatz in Unternehmen
Sicher? Zuverlässig? Bewährt?
|
Ja
Bewährte Zuverlässigkeit und erweiterte Sicherheit für missionskritische Umgebungen |
Ja
|
Auf einem guten Weg
Einzelne Komponenten sind sicher. Probleme entstehen, wenn sie integriert werden |
Nein
Kann nicht bedarfsgerecht gesteuert werden |
| Cloud-nativ
Wird es vollständig verwaltet? Welche Clouds?
|
Ja
Cloud-nativ, Multi-Cloud |
Vielleicht
Komplexe Cloud-Implementierungen. Ist vielleicht kein echtes SaaS-Angebot |
Nicht cloud-neutral
Cloud-nativ, aber nicht cloud-neutral |
Komplex
Management ist komplex und kostspielig |
