Ascend Pratinjau Alat: Sederhanakan Manajemen Alur Data untuk Wawasan yang Lebih Cepat dan Terpercaya
Queryable Dataflows akan secara signifikan mengurangi sebagian besar biaya overhead manual yang saat ini terkait dengan pengelolaan DataOps.
Salah satu hal yang paling menyebabkan TI menjadi jauh kurang lipat ganti daripada yang diinginkan atau dihargai adalah semua waktu dan usaha yang dihabiskan untuk secara manual membangun alur data. Tidak hanya sulit untuk membangun alur tersebut di awal, memahami cara kerjanya dan bagaimana mereka diimplementasikan dapat memakan waktu hari dan minggu.
Untuk membuatnya lebih mudah untuk memodifikasi alur data yang ada, Ascend kini menyediakan pratinjau teknis alat yang memungkinkan tim TI untuk meluncurkan kueri secara langsung terhadap alur data yang dibangun menggunakan Autonomous Dataflow Service yang baru saja diluncurkan oleh perusahaan, yang memudahkan pembuatan alur menggunakan alat deklaratif pada instance framework komputasi dalam memori Apache Spark yang dihosting pada cloud publik yang disediakan oleh Amazon Web Services (AWS), Microsoft, atau Google.
Lihat juga: DataOps: Obat untuk Alur Data yang Meleset
Disebut Queryable Dataflows, kemampuan baru ini akan secara signifikan mengurangi sebagian besar biaya overhead manual yang saat ini terkait dengan pengelolaan DataOps, kata CEO Ascend Sean Knapp.
Queryable Dataflows memungkinkan tim DataOps untuk menjelajahi dan memprofil dataset mentah besar secara bertahap saat mereka membangun. Kemampuan ini tidak hanya memudahkan pembuatan alur baru lebih cepat, tetapi juga dapat digunakan untuk memastikan hasil yang akurat sebelum mengekspos data ke aplikasi downstream.
Alur kini mampu menangani staging dan eksplorasi dengan cara yang memindahkan kegiatan tersebut dari gudang data. Selain itu, kueri interaktif dapat segera dipindahkan ke produksi sebagai tahapan dalam Autonomous Dataflow Service untuk menghilangkan pengkodean ulang dan pemrosesan ulang.
Queryable Dataflows juga membantu mengoptimalkan analitik operasional dan pelaporan. Analis data dan ilmuwan data juga dapat terhubung langsung ke tahapan alur tanpa harus memuat data ke gudang data terlebih dahulu, yang berarti mereka dapat menggunakan alat pilihan mereka untuk mengakses data.
Generasi sebelumnya alat untuk mengelola alat alur data, menurut Knapp, lebih dari sekadar penjadwal tugas yang dipujuk.
DataOps sebagai disiplin TI berada di bawah tekanan yang meningkat karena laju perubahan yang terjadi dalam lingkungan TI telah mempercepat. Sebagai bagian dari pertumbuhan proses DevOps dan mikroservis, laju di mana alur data perlu dioptimalkan atau diperbarui telah meningkat secara eksponensial. Pembaruan manual pada alur data akan menciptakan titik geser yang sangat dapat diprediksi antara DataOps dan DevOps, kata Knapp.
"DataOps dan DevOps perlu diharmonisasikan," kata Knapp.
Salah satu hal yang paling menyebabkan TI menjadi jauh kurang lipat ganti daripada yang diinginkan atau dihargai adalah semua waktu dan usaha yang dihabiskan untuk secara manual membangun alur data.
Belum sejauh mana DataOps dan DevOps mungkin suatu hari bersatu. Untuk saat ini, kedua area tersebut kemungkinan akan tetap menjadi domain masing-masing. Namun, juga sangat jelas bahwa proses DataOps perlu meningkat ke titik di mana pembuatan alur data tidak lagi menjadi hambatan besar yang menghambat modernisasi TI.
