Effekten af ​​Streaming Data og CEP på Big Data - Dummies <[SET:descriptionda]Streaming Data og CEP på Big Data

Både streamingdata og kompleks begivenhedsbehandling har en enorm indvirkning på, hvordan virksomheder kan gøre strategisk brug af store data. Med streaming data kan virksomhederne behandle og analysere disse data i realtid for at få et øjeblikkeligt indsigt. Det kræver ofte en to-trins proces at fortsætte med at analysere de vigtigste fund, der måske har været ubemærket i fortiden.

Med CEP-tilgange kan virksomheder strømme data og derefter udnytte en forretningsprocessemotor til at anvende forretningsregler til resultaterne af denne streaming data analyse. Mulighederne for at få indsigt, der fører til ny innovation og ny handling er den grundlæggende værdi af streaming data tilgang.

Så hvad er forskellen mellem CEP og streaming data løsninger? Selvom stream computing typisk anvendes til at analysere store mængder data i realtid, er CEP meget mere fokuseret på at løse en bestemt brugssag baseret på begivenheder og handlinger.

En streaming data-teknik bruges dog ofte som en integreret del af en CEP-applikation. Streaming dataprogrammer administrerer typisk meget data og behandler det med høj hastighed. På grund af mængden af ​​data administreres det typisk i et meget distribueret klynget miljø.

CEP, derimod typisk ikke klarer så meget data, så det køres ofte på mindre kompleks hardware. Desuden vil typen af ​​analyse være anderledes. Det er kritisk, at CEP-applikationer kan oprette forbindelse til nøglesystemer, f.eks. CRM-systemer eller transaktionsstyringsmiljøer.

Det er ikke ualmindeligt, at CEP-miljøer kun beskæftiger sig med nogle få variabler, der anvendes til meget komplekse modeller og processer. Mens der er baseret på komplekse minedrift eller statistiske modeller, er CEP-systemer designet rundt om en reglermotor, så når en begivenhed finder sted, udløser reglerne motoren en handling.