Машины больших данных Скала^р МБД.8

Скала^р — модульная платформа для построения высоконагруженной ИТ-инфраструктуры (продукт Группы Rubytech).

Программно-аппаратные комплексы (Машины) Скала^р выпускаются с 2015 года и представляют широкий технологический стек для построения динамических инфраструктур и инфраструктур управления данными высоконагруженных информационных систем.

Продукты Скала^р включены в Реестр промышленной продукции, произведенной на территории Российской Федерации, и в Единый реестр российских программ для ЭВМ и БД. Соответствует критериям доверенности и использованию для объектов критической информационной инфраструктуры (КИИ).

Машины Скала^р являются серийно выпускаемыми преднастроенными комплексами, которые быстро развертываются и вводятся в эксплуатацию. Глубокая интеграция технических средств и программного обеспечения в ПАК Скала^р позволяет получить расширенные возможности и функциональность, которые недоступны при использовании отдельных компонентов.

Модульный принцип обеспечивает интеграцию разнородных компонентов ИТ-инфраструктуры в единую платформу предприятий, корпораций и ведомств. Единые поддержка и сервисное обслуживание для всех продуктов линейки Скала^р от производителя обеспечивают оперативное разрешение инцидентов на стыке технологий.

Кратко

Скала^р (продукт Группы Rubytech) с 2015 года выпускает программно-аппаратные комплексы (Машины) и сегодня предлагает широкий технологический стек для построения динамических инфраструктур и инфраструктур управления данными высоконагруженных информационных систем.

Продукты Скала^р включены в Реестр промышленной продукции, произведенной на территории Российской Федерации, и в Единый реестр российских программ для ЭВМ и БД. Соответствуют критериям доверенности и использованию для объектов критической информационной инфраструктуры (КИИ).

Сайт: https://www.skala-r.ru/

Машины больших данных Скала^р МБД.8 для построения корпоративных хранилищ и витрин данных на базе продуктов Arenadata и Picodata

Скала^р МБД.Г (МБД8.АДБ)

Машина аналитической распределенной СУБД массово-параллельной обработки структурированных данных (на основе Greenplum)

Сценарии применения:

• Классические корпоративные хранилища данных и системы отчетности: операционная, управленческая, обязательная регуляторная
• Сверхбольшие хранилища данных с обновлением в реальном времени, обрабатывающие сложные аналитические запросы
• Федерация данных с единым окном доступа
• Работа систем маркетинговых кампаний и систем лояльности, cкоринг

Замещаемые технологии:

• Аналитическая и гибридная типы нагрузки Oracle Exadata
• Teradata

Состав Машины Скала^р МБД.Г

Блок вычисления и хранения

• Хранение таблиц БД и их зеркальной реплики
• Параллельное вычисление запросов

Блок коммутации и агрегации

• Внутренний интерконнект на высокой скорости
• Агрегация по схеме Leaf-Spine или «звезда»
• Выделенная сеть для управления и мониторинга

Блок управления и распределения

• Является основным интерфейсом для запросов и загрузки данных
• Может быть расширен резервными узлами

Блок мониторинга и регистрации

• Управление эксплуатацией и автоматизация критических процедур
• Мониторинг состояния всех компонент Машины

Блок резервного копирования

• Хранение резервных копий БД
• Хранение настроек и метаданных
• Пространство для ETL

Границы применимости

Ограничения для виртуальных сред для ПО Витрин данных: менее 70 запросов в секунду, до 2 ТБ хранимых данных

• Виртуализация вносит дополнительные накладные расходы в операции с чтением-записью. Использование виртуализации для СУБД оправдано в случаях незначительного объема данных или малых нагрузках на БД при небольшом вводе-выводе
• Наибольшей скоростью доступа после обращения к данным в оперативной памяти, обладают внутренние накопители
• С ростом объема БД и интенсивности запросов растет эффективность вложений в Машины больших данных Скала^р МБД.Г, благодаря более высокой производительности Машины и отсутствию необходимости приобретения и эксплуатации дополнительных компонентов — СХД и ПО виртуализации

Скала^р МБД.Т (МБД8.АДГ)

Машина распределенных вычислений в оперативной памяти c применением технологии In-Memory Data Grid (на основе Tarantool)

Сценарии применения:

• Системы сверхбыстрой отработки изменений и принятия решений в реальном времени
• Буферизация и кэширование скоростной загрузки и выгрузки данных в аналитических хранилищах
• Создание витрин данных со сверхвысокой отзывчивостью

Замещаемые технологии:

• Oracle Exalogic и TimesTen
• IBM (DB2 with BLU acceleration and dashdb)
• Pivotal (Gemfire XD)
• Teradata (intelligent memory)

Состав Машины больших данных Скала^р МБД.Т

• Обработка таблиц БД в оперативной памяти
• Репликация «горячих» данных
• Хранение «холодных» таблиц БД
• Параллельное вычисление запросов в каждом инстансе

• Внутренний интерконнект на высокой скорости
• Агрегация по схеме Leaf-Spine или «звезда»
• Выделенная сеть для управления и мониторинга

• Управление эксплуатацией и автоматизация критических процедур
• Мониторинг состояния всех компонент Машины

• Хранение резервных копий БД
• Хранение настроек и метаданных
• Пространство для ETL

Скала^р МБД.С (МБД8.АДС)

Масштабируемая и отказоустойчивая Машина потоковой обработки и очистки данных в реальном времени (на основе Kafka и NiFi)

Сценарии применения:

• Потоковая обработка данных
• Обработка данных и их транспортировка ETL
• Обработка событий в реальном времени для служб мониторинга
• Аналитика в реальном времени
• Обработка потоков информации с множества конечных устройств IoT
• Агрегация статистики из распределенных приложений для корпоративных витрин данных ETL
• Интеграционная шина для приложений по модели издатель-подписчик

Замещаемые продукты и технологии:

• Google Cloud Pub / Sub
• Платформа MuleSoft Anypoint
• Rabbit MQ
• IBM MQ
• Azure Event Hubs
• Amazon Kinesis Data Streams

Состав Машины Скала^р МБД.С

Блок вычисления и хранения

• Хранение таблиц БД и их синхронных и асинхронных реплик
• Быстрое вычисление запросов

Блок коммутации и агрегации

• Внутренний интерконнект на высокой скорости
• Агрегация по схеме Leaf-Spine или «звезда»
• Выделенная сеть для управления и мониторинга

Блок управления и распределения

• Управление синхронизацией реплик БД
• Поддержание отказоустойчивого кластера три узла для Zookeeper

Блок мониторинга и регистрации

• Управление эксплуатацией и автоматизация критических процедур
• Мониторинг состояния всех компонент Машины

Блок резервного копирования

• Хранение резервных копий БД
• Хранение настроек и метаданных
• Пространство для ETL

Скала^р МБД.КХ (МБД8.АДКМ)

Машина быстрых аналитических витрин с реляционным доступом. Децентрализация, репликация, масштабируемость (на основе ClickHouse)

Сценарии применения:

• Сверхбыстрые витрины данных с задаваемой глубиной выборки
• Обработка событий в реальном времени для служб мониторинга, работы с чрезвычайными ситуациями
• Аналитические изыскания, требующие скорости перебора гипотез
• Работа систем маркетинговых кампаний и систем лояльности. Скоринг реакций и обработка метрик

Замещаемые продукты и технологии:

• Vertica
• Paraccel (Amazon RedShift)
• Аналитическая нагрузка Oracle Exadata
• Teradata
• SAP HANA

Состав Машины Скала^р МБД.КХ

Блок вычисления и хранения

• Хранение таблиц БД и их синхронных и асинхронных реплик
• Быстрое вычисление запросов

Блок агрегации и коммутации

• Внутренний интерконнект на высокой скорости
• Агрегация по схеме Leaf-Spine или «звезда»
• Выделенная сеть для управления и мониторинга

Блок управления и распределения

• Управление синхронизацией реплик БД
• Поддержание отказоустойчивого кластера три узла для Zookeeper

Блок мониторинга и регистрации

• Управление эксплуатацией и автоматизация критических процедур
• Мониторинг состояния всех компонент Машины

Блок резервного копирования

• Хранение резервных копий БД
• Хранение настроек и метаданных
• Пространство для ETL

Скала^р МБД.Х (МБД8.АДХ)

Машина обработки данных средствами экосистемы Hadoop

Сценарии применения:

• Разведочный, статистический, предсказательный анализ, машинное обучение и трансформация больших данных
• Расширение возможностей существующих аналитических систем за счёт структурирования и унификации доступа к слабоструктурированным данным и практически неограниченного масштабирования по объёму обрабатываемых данных
• Поиск и корреляций в данных в различных форматах: журналы серверов, потоки операций, данные интернета вещей

Замещаемые технологии:

• Oracle BigData Appliance
• Teradata Appliance for Hadoop
• EMC DCA
• Amazon Elastic MapReduce
• Google Cloud DataProc

Состав Машины Скала^р МБД.Х

Блок вычисления и хранения

• Хранение данных и реплик
• Быстрое массово-паралельное выполнение запросов на узлах

Блок коммутации и агрегации

• Внутренний интерконнект на высокой скорости
• Агрегация по схеме Leaf-Spine или «звезда»
• Выделенная сеть для управления и мониторинга

Блок управления и распределения

• Управление синхронизацией реплик БД
• Поддержание отказоустойчивого кластера три узла для Zookeeper

Блок мониторинга и регистрации

• Управление эксплуатацией и автоматизация критических процедур
• Мониторинг состояния всех компонент Машины

Блок резервного копирования

• Хранение резервных копий БД
• Хранение настроек и метаданных
• Пространство для ETL