Сравнение Big Data решений для аналитической обработки больших объемов биомедицинской информации (Игорь Сухоруков, SECR-2018) — различия между версиями

{{----}}
[[File:{{#setmainimage:Сравнение Big Data решений для аналитической обработки больших объемов биомедицинской информации (Игорь Сухоруков, SECR-2018)!.jpg}}|center|640px]]
{{LinksSection}}
* [https://2018.secrus.org/program/submitted-presentations/sequence-diagram-generated-from-bdd-test/ Talks page on SECR site]
<!-- <blockquote>[©]</blockquote> -->

<references/>





<!-- topub -->

[[Категория:SECR-2018]]
[[Категория:Draft]]BigData]]

Версия 16:30, 8 ноября 2018

Докладчик

Игорь Сухоруков

Все больше компаний в тренде и готовы анализировать все доступные источники информации, отвечать на насущные вопросы бизнеса, находить закономерности и планировать изменения продукта. Теперь это касается не только корпораций, но и малые/средние предприятия которые не могут позволить себе длительный time to market и большой штат разработчиков bigdata решений.

Поэтому на помощь в обработке больших данных бизнесу приходит старый добрый язык запросов SQL. В докладе рассмотрим существующие SaaS и open source решения AWS Redshift, Greenplum, CitusDB, Druid, ClickHouse, CrateDB, PrestoDB, Apache Drill, Dremio, Apache HAWQ. Рассмотрим их слабые и сильные стороны и сравним их области применимости. А также расскажу как наш отдел трансформирует и обрабатывает большие объемы данных об ортодонтическом лечении используя инфраструктуру Amazon Web Service.

Видео

Презентация

Примечания и ссылки

• Talks page on SECR site