Funzionalità Cloudera

Raccoglie, memorizza e organizza dati massivi e non strutturati in tempo reale

Facilita la diffusione dei big data raccolti attraverso cluster di calcolo parallelo

Crea un repository per raccogliere e memorizzare dati grezzi da sensori, dispositivi, macchine, file, ecc.

Allinea i flussi di lavoro di elaborazione e distribuzione su Apache Hadoop

Allinea i flussi di lavoro di elaborazione e distribuzione su Apache Hadoop

Facilita la soluzione per funzionare e scalare su un gran numero di macchine e sistemi

Cura i dati raccolti per soluzioni di analisi dei big data per analizzare, manipolare e modellare

Allinea i flussi di lavoro di elaborazione e distribuzione su Apache Hadoop

Sposta la raccolta e l'elaborazione di big data nel cloud

Elabora carichi di lavoro di dati batch, in tempo reale e in streaming in sistemi singoli, multi-tenant o cloud

Facilita l'analisi di dati in tempo reale ad alto volume.

Consente all'utente di interrogare i dati tramite linguaggi di interrogazione come SQL.

Allinea i flussi di lavoro di elaborazione e distribuzione su Apache Hadoop

Allinea i flussi di lavoro di elaborazione e distribuzione su Apache Spark

Integra dati da più database esterni.

Facilita la diffusione dei big data raccolti attraverso cluster di calcolo parallelo.

Elabora i dati e rappresenta le interpretazioni in una varietà di formati grafici.

Collega insieme funzioni specifiche e set di dati per automatizzare le iterazioni analitiche.

Isola determinati set di dati e facilita la gestione dell'accesso ai dati.

Usa i notebook per attività come la creazione di dashboard con query e visualizzazioni predefinite e programmate.

Consolida, pulisce e normalizza i dati provenienti da più fonti disparate.

Aiuta a risparmiare capacità di archiviazione e migliora le prestazioni delle query.

Elimina l'incoerenza dei dati e le duplicazioni garantendo l'integrità dei dati.

Funzioni analitiche basate su SQL come serie temporali, pattern matching, analisi geospaziale ecc.

Fornisce funzionalità integrate come algoritmi di apprendimento automatico, funzioni di preparazione dei dati, valutazione e gestione dei modelli, ecc.

Consente l'interrogazione dei dati tra formati di dati come parquet, ORC, JSON ecc. e l'analisi di tipi di dati complessi su HDFS.

Memorizza i dati come coppie chiave-valore dove la chiave è un identificatore univoco.

Supporta più tipi di dati come liste, set, hash (simili a mappe), set ordinati ecc.

Si integra con i flussi di lavoro della scienza dei dati, le capacità di Machine Learning e intelligenza artificiale (AI).

Si integra con gli strumenti BI per trasformare i dati in informazioni utili.

Fornisce velocità nell'elaborazione dei dati e nella cattura di dati non strutturati, semi-strutturati e in streaming.

Fornisce opzioni di distribuzione On-Premise.

Fornisce opzioni di distribuzione cloud (cloud privato o pubblico, cloud ibrido).

Gestisce enormi volumi di dati, aumenta o riduci la scala secondo la domanda.

Implementa il partizionamento automatico dei dati orizzontale che consente di memorizzare i dati su più nodi per scalare.

Ripristina un database a uno stato corretto (coerente) in caso di guasto.

Copia i dati su più server tramite architettura di replica master-slave, peer-to-peer, ecc.

Fornisce ruoli di sistema predefiniti, privilegi e ruoli definiti dall'utente agli utenti.

Consente l'integrazione con meccanismi di sicurezza esterni come Kerberos, autenticazione LDAP ecc.

Fornisce la capacità di crittografare tutti i dati a riposo utilizzando chiavi di crittografia.

Politiche, procedure e standard per gestire e accedere ai dati.

Limita l'accesso ai dati a livello di cella, maschera o nasconde parti delle celle, e cripta i dati a riposo e in movimento

Fornisce supporto per gestire dati strutturati, semi-strutturati e non strutturati con uguale efficacia.

Disponibile su più sistemi operativi come Linux, Windows, MacOS ecc.

Consente agli utenti di generare testo basato su un prompt di testo.

Condensa documenti o testi lunghi in un breve riassunto.