Si necesita ayuda, haga clic aquí:

Descripción

La solución de nivel empresarial Big Data de Huawei incluye herramientas, almacenamiento y análisis de datos de Big Data. Esta plataforma permite lograr nuevas oportunidades comerciales y detectar riesgos gracias a un proceso rápido de análisis y minería de grandes cantidades de datos. Desde febrero de 2018, más de 1000 clientes de 55 países han confiado en la solución de Big Data FusionInsight de Huawei. Huawei tiene más de 300 partners comerciales y múltiples laboratorios abiertos en todo el mundo para fomentar la innovación conjunta con sus clientes y partners en los ámbitos de las tecnologías cloud y Big Data. Las soluciones se utilizan ampliamente en las áreas de finanzas, telecomunicaciones, gobierno, energía, salud, producción y transporte, entre otras.

Ventajas

Arquitectura de la solución

La solución Big Data de Huawei consta de dos productos: FusionInsight HD y GaussDB. FusionInsight HD es una edición empresarial Hadoop que incluye varios componentes: HDFS, Yarn, HBase, Spark, MapReduce, Flink, Storm, Elk, Solr, Kafka, Loader, Flume, etc. GaussDB es una base de datos de procesamiento paralelo a gran escala que ofrece escalabilidad flexible, excelente rendimiento, sólida fiabilidad y elevada rentabilidad.


  • HDFS

    Ofrece acceso a datos con un elevado rendimiento; puede procesar conjuntos de datos de gran escala.

    Yarn

    Como sistema de gestión de recursos de Hadoop 2.0, Yarm implementa la programación y gestión de recursos para aplicaciones.

    Spark

    Marco de procesamiento distribuido en memoria.

    Elk

    Proporciona un motor SQL estándar y permite la migración sencilla de aplicaciones convencionales a la plataforma de Big Data.

    MapReduce

    Motor de procesamiento distribuido que admite el procesamiento masivo de lotes fuera de línea.

    Flink

    Marco de procesamiento unificado para procesamiento de lotes y secuencias o solo de secuencias. En esencia, se trata de un motor de procesamiento de secuencias que admite la distribución de datos y el procesamiento paralelo.

    Storm

    Sistema de procesamiento de secuencias de datos en tiempo real distribuido, fiable y con tolerancia a errores. Ofrece idiomas lenguajes de consulta similares a SQL (StreamCQL).

    Solr

    Servidor de búsqueda de aplicaciones independiente y de clase empresarial basado en Apache Lucene.

    Kafka

    Sistema distribuido y particionado de publicación-suscripción con múltiples copias.

    Loader

    Intercambia datos y archivos entre FusionInsight, bases de datos relacionados y sistemas de archivos.

    HBase

    Sistema de almacenamiento distribuido orientado en columnas adecuado para datos masivos no estructurados o semiestructurados. Ofrece un nivel avanzado de disponibilidad, rendimiento y escalabilidad. HBase admite la lectura y escritura de datos en tiempo real.

    Flume

    Sistema distribuido de transmisión, agregación y recopilación de grandes cantidades de datos de logs con un elevado nivel de fiabilidad y disponibilidad.

    GaussDB

    Base de datos de procesamiento masivo paralelo que ofrece escalabilidad flexible, rendimiento excelente, fiabilidad sólida y elevada rentabilidad. Puede reemplazar los sistemas de almacenamiento de datos convencionales y lograr mayor eficacia en el proceso de toma de decisiones.

Escenarios de aplicación

  • Almacenamiento de datos convergente

  • Procesamiento offline

  • Consulta interactiva

  • Procesamiento en tiempo real

big data warehouse en 01
Almacenamiento de datos convergente

La solución de cloud privada de Huawei se centra en las principales industrias —como seguridad pública, operadoras, gobierno y finanzas— para desarrollar mercados de cloud privada. Basada en la nube privada, la solución FusionBridge desvía servicios de cloud privada a cloud pública para implementar un despliegue de cloud híbrida.

big data offline analysis en 02
Procesamiento offline

Se analizan y procesan grandes volúmenes de datos para obtener resultados que se utilizarán más tarde. Las tareas de procesamiento offline no tienen unas exigencias estrictas para los tiempos de procesamiento, pero los datos se presentan en diversos formatos y a menudo alcanzan la escala de petabytes. El procesamiento offline implica con frecuencia varias tareas de MapReduce, Spark, Hive y Spark SQL y se aplica al preprocesamiento de datos y los análisis offline de sectores como las finanzas, la seguridad pública y las operadoras, entre otros.

big data real time retrieval en 04
Consulta interactiva

La consulta y análisis interactivos conllevan unos requisitos exigentes en cuanto a tiempo de respuesta e implican enormes volúmenes de datos. Normalmente, los datos usados en las consultas interactivas se procesan previamente de acuerdo con los modelos de datos adecuados a la tarea. La consulta interactiva incluye consultas precisas, consultas ad hoc, análisis de temas y otras tareas.

big data real time stream processing en 03
Procesamiento en tiempo real

Los datos se recopilan y se analizan en tiempo real, y los resultados se obtienen en el plazo correspondiente. Gracias a su capacidad para procesar con rapidez datos de diferentes fuentes con un elevado nivel de rendimiento, el procesamiento en tiempo real se aplica al control antifraude, la vigilancia de seguridad en tiempo real y otros escenarios.

  • Almacenamiento de datos convergente

    big data warehouse en 01
    Almacenamiento de datos convergente

    La solución de cloud privada de Huawei se centra en las principales industrias —como seguridad pública, operadoras, gobierno y finanzas— para desarrollar mercados de cloud privada. Basada en la nube privada, la solución FusionBridge desvía servicios de cloud privada a cloud pública para implementar un despliegue de cloud híbrida.

  • Procesamiento offline

    big data offline analysis en 02
    Procesamiento offline

    Se analizan y procesan grandes volúmenes de datos para obtener resultados que se utilizarán más tarde. Las tareas de procesamiento offline no tienen unas exigencias estrictas para los tiempos de procesamiento, pero los datos se presentan en diversos formatos y a menudo alcanzan la escala de petabytes. El procesamiento offline implica con frecuencia varias tareas de MapReduce, Spark, Hive y Spark SQL y se aplica al preprocesamiento de datos y los análisis offline de sectores como las finanzas, la seguridad pública y las operadoras, entre otros.

  • Consulta interactiva

    big data real time retrieval en 04
    Consulta interactiva

    La consulta y análisis interactivos conllevan unos requisitos exigentes en cuanto a tiempo de respuesta e implican enormes volúmenes de datos. Normalmente, los datos usados en las consultas interactivas se procesan previamente de acuerdo con los modelos de datos adecuados a la tarea. La consulta interactiva incluye consultas precisas, consultas ad hoc, análisis de temas y otras tareas.

  • Procesamiento en tiempo real

    big data real time stream processing en 03
    Procesamiento en tiempo real

    Los datos se recopilan y se analizan en tiempo real, y los resultados se obtienen en el plazo correspondiente. Gracias a su capacidad para procesar con rapidez datos de diferentes fuentes con un elevado nivel de rendimiento, el procesamiento en tiempo real se aplica al control antifraude, la vigilancia de seguridad en tiempo real y otros escenarios.

Características principales y experiencia

FusionInsight HD para gestión multi-tenant

Partners

Si ya es partner haga clic aquí para acceder a más recursos de marketing. Haga clic aquí  para visitar la zona de partners y comprobar el estado de una consulta, gestionar pedidos, solicitar soporte u obtener más información acerca de los partners de Huawei.