Massivement Parallèle avec PDW !
 

Like this? Share it with your network

Share

Massivement Parallèle avec PDW !

on

  • 295 views

Comment évoluer vers les Big Data avec Microsoft SQL Server Parallel Data Warehouse et Hadoop? Il existe aujourd'hui des solutions clé en main basées sur SQL Server répondant à tous vos besoins, ...

Comment évoluer vers les Big Data avec Microsoft SQL Server Parallel Data Warehouse et Hadoop? Il existe aujourd'hui des solutions clé en main basées sur SQL Server répondant à tous vos besoins, sous forme d'architectures de références ou d'Appliance. Ces appliances prêtes à l'emploi vous permettent d'accélérer vos déploiements, réduire vos risques et optimiser votre TCO. Pour faciliter le lien entre le monde des entrepôts de données et celui des Big Data, Polybase propose un accès familier à toutes vos données relationnelles ou non grâce à l’utilisation de commandes T-SQL classiques. Venez découvrir ce qui se cache sous le capot de ces drôles de machines, et les bénéfices que vous pouvez en tirer !

Speakers : Gilbert Breton (Microsoft), Lionel Pénuchot (Microsoft)

Statistics

Views

Total Views
295
Views on SlideShare
295
Embed Views
0

Actions

Likes
0
Downloads
8
Comments
0

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

Massivement Parallèle avec PDW ! Presentation Transcript

  • 1. Donnez votre avis ! Depuis votre smartphone sur : http://notes.mstechdays.fr De nombreux lots à gagner toute les heures !!! Claviers, souris et jeux Microsoft… Merci de nous aider à améliorer les Techdays ! #mstechdays Business Intelligence
  • 2. Massivement Parallèle avec PDW ! Lionel Pénuchot Gilbert Breton Business Intelligence
  • 3. L’approche traditionnelle d’un DWH Data sources #mstechdays Business Intelligence
  • 4. L’approche traditionnelle d’un DWH Data sources Non-Relational Data #mstechdays Business Intelligence
  • 5. Modernisation d’un projet décisionnel  Data sources #mstechdays Non-Relational Data Business Intelligence
  • 6.  #mstechdays Business Intelligence
  • 7. #mstechdays Business Intelligence
  • 8. #mstechdays Business Intelligence
  • 9. Scale-out données relationnelles Scale out technologies in SQL Server Parallel Data Warehouse #mstechdays Business Intelligence
  • 10. Scale-out données non relationnelles Scale out non-relational data in HDInsight (for Azure or PDW) #mstechdays Business Intelligence
  • 11. Financial Risk Management System Use case • Basel III implementation on PDWImprovement Scale factor Improvement # Contracts x 1 SMP (Extrapolated) 4 Node 10 Node 4 node MPP 10 node MPP vs 4 vs 10 Million• RDBMS> PDW hour:min PDW SMP nodes Windows HPC vs SMP computation farm55 min 8 min 18sec 3 min 30sec 1 6.6x 15.7x 2.4x 02 hr 45 store 50sec aggregate 3 > PDWmin 25 minand 9 min 52sec 6.4x 16.7x 2.6x 32 min 9 hr 9minaggregation daily 1 hr 40min • 26sec 10 Run the 5.5x 16.9x 3.1x 25 50 #mstechdays 22 hr 52min 4 hr 31min 1day 9 hr 35min 21 hr 45min 1 hr 29min 5.1x 15.4x 3.0x 3 hr 7 min 4.8x 14.7x 3.1x Business Intelligence
  • 12. SCALE-OUT WITH MPP TECHNOLOGIES IN PDW #mstechdays Business Intelligence
  • 13. #mstechdays Business Intelligence
  • 14. #mstechdays Business Intelligence
  • 15. Traitement In-Memory #mstechdays Business Intelligence
  • 16. Insight en quasi temps réel #mstechdays Business Intelligence
  • 17. Retail industry Use case • 30 users, 6 TB of data (5 years of history) • Daily volumes: 50 million rows • Bank data for customer and fraud analysis – Weekly analysis of deviance and strange transactions, suspect of money laundry. • Retail data for customer purchase analysis on receipt line level – For example backtracking last 6 months per customer, per product and per category; resulting in marketing offers such as “you like item A, other who Item A also purchase item B” etc. • Now queries cover half a year of data complete in 1.5 minute on PDW compared to 8 minutes covering a month of data on traditional DW. #mstechdays Business Intelligence
  • 18. IN-MEMORY COLUMNSTORE FOR NEXT-GEN PERFORMANCE #mstechdays Business Intelligence
  • 19. #mstechdays Business Intelligence
  • 20. #mstechdays Business Intelligence
  • 21. Exploration de données non relationnelles Windows Azure #mstechdays Business Intelligence
  • 22. Intégration avec Polybase SQL #mstechdays PolyBase Result set Business Intelligence
  • 23. POLYBASE TO JOIN RELATIONAL AND NON-RELATIONAL DATA #mstechdays Business Intelligence
  • 24. Différentes options de déploiement #mstechdays Business Intelligence
  • 25. Digital is business