Google Cloud Dataflow Funktionen
Datenbank (3)
Datenerfassung in Echtzeit
Sammelt, speichert und organisiert riesige, unstrukturierte Daten in Echtzeit
Datenverteilung
Erleichtert die Verbreitung der gesammelten Big Data in parallelen Rechenclustern
Data Lake
Erstellt ein Repository zum Sammeln und Speichern von Rohdaten von Sensoren, Geräten, Maschinen, Dateien usw.
Integrationen (2)
Hadoop-Integration
Richtet Verarbeitungs- und Verteilungs-Workflows auf Apache Hadoop aus
Spark-Integration
Richtet Verarbeitungs- und Verteilungs-Workflows auf Apache Hadoop aus
Plattform (3)
Maschinelle Skalierung
Erleichtert die Ausführung und Skalierung der Lösung auf einer großen Anzahl von Maschinen und Systemen
Datenaufbereitung
Kuratiert gesammelte Daten für Big-Data-Analyselösungen, um sie zu analysieren, zu manipulieren und zu modellieren
Spark-Integration
Richtet Verarbeitungs- und Verteilungs-Workflows auf Apache Hadoop aus
Verarbeitung (2)
Cloud-Verarbeitung
Verlagerung der Big-Data-Erfassung und -Verarbeitung in die Cloud
Workload-Verarbeitung
Verarbeitet Batch-, Echtzeit- und Streaming-Daten-Workloads in einzelnen, mandantenfähigen oder Cloud-Systemen
Daten (4)
Datenverarbeitung
Die Fähigkeit, große Datenmengen zu verarbeiten.
Datenquellen
Die Fähigkeit, Daten aus einer Vielzahl von Quellen und Formaten zu verarbeiten.
Integration
Die Möglichkeit, nahtlos mit einer anderen Softwareplattform zusammenzuarbeiten.
Echtzeitverarbeitung
Verarbeitung von Daten aus einer Vielzahl von Quellen in Echtzeit, sobald sie eintreffen.
Analytics (1)
Berichte und Analysen
Tools zum Visualisieren und Analysieren von Daten.
Top-bewertete Alternativen





