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

* [https://2018.secrus.org/program/submitted-presentations/sequence-diagram-generated-from-bdd-test/ Talks page on SECR site]
<!-- <blockquote>[©]</blockquote> -->

{{fblink|2183901471862862}}                                          
{{vklink|1311}}                                          
<references/>





<!-- topub -->

[[Категория:SECR-2018]]
[[Категория:BigData]]
{{stats|disqus_comments=0|refresh_time=2020-01-04T17:09:3509T17:19:48.673663097821|vimeo_plays=58|youtube_comments=0|youtube_plays=71}}

Версия 14:19, 9 января 2020

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

on youtube

Презентация

Примечания и ссылки

• Talks page on SECR site

• Discuss on Facebook
• Discuss on VK

Plays:129   Comments:0