Напомена уредника: Ово је транскрипт живе веб емисије. Вебцаст можете у целости погледати овде.
Ериц Каванагх: Даме и господо, време је да се напарите! Време је за ТецхВисе, потпуно нови схов! Моје име је Ериц Каванагх. Бићу ваш модератор наше уводне епизоде ТецхВисе. Управо тако. Ово је партнерство Тецхопедиа-а и Блоор Гроуп-а, наравно, компаније Инсиде Аналисис.
Моје име је Ериц Каванагх. Ја ћу модерирати овај заиста занимљив и укључен догађај, народе. Копаћемо дубоко у ткању да бисмо разумели шта се догађа са овом великом ствари која се зове Хадооп. Шта је слон у соби? Зове се Хадооп. Покушаћемо да схватимо шта то значи и шта се дешава са тим.
Пре свега, велика хвала нашим спонзорима, ГридГаин, Ацтиан, Зеттасет и ДатаТоррент. Добићемо неколико речи сваке од њих при крају овог догађаја. Такође ћемо имати питања и питања, тако да не стидите - пошаљите своја питања у било ком тренутку.
Укопаћемо се у детаље и поставити ћемо тешка питања нашим стручњацима. А кад говоримо о стручњацима, хеј, ту су. Дакле, чућемо се од нашег властитог Др. Робина Блоор-а, и људи, веома сам узбуђен што имамо легендарног Раи Ванг-а, главног аналитичара и оснивача Цонстеллатион Ресеарцх. Он је данас на мрежи како би нам дао своја размишљања и он је попут Робина да је невероватно разнолик и да се заиста фокусира на много различитих области и има способност да их синтетише и да заиста разуме шта се дешава тамо у целој области информационих технологија и управљање подацима.
Дакле, ту је мали симпатични слон. Као што видите, он је на почетку пута. Сад тек почиње, тек почиње, читава ова Хадооп ствар. Наравно, претпостављам 2006. или 2007. године, када је пуштена у заједницу отвореног кода, али много се ствари догађало, људи. Дошло је до огромних дешавања. У ствари, желим да испричам причу, па ћу направити брзу дељење радне површине, барем мислим да јесам. Урадимо брзу дељење радне површине.
Показујем вам ове само луде, луде људе. Тако је Интел уложио 740 милиона долара да купи 18 процената Цлоудере. Помислио сам и ја сам попут: "Свети Божић!" Почео сам да се бавим математиком и изгледа као: "То је процена од 4, 1 милијарде долара." Размислимо о томе на тренутак. Мислим, ако ВхатсАпп вреди две милијарде долара, претпостављам да би и Цлоудера могла да вреди 4, 1 милијарду долара, зар не? Мислим, зашто не? Неки од ових бројева су управо кроз прозор ових дана, народе. Мислим, типично у погледу улагања имате ЕБИТДА и све ове друге различите механизме, вишеструке приходе и тако даље. Па, то ће бити један хек од вишеструких прихода да дође до 4, 1 милијарде долара за Цлоудера, која је сјајна компанија. Немојте ме погрешно схватити - тамо има неких врло, веома паметних људи, укључујући момка који је покренуо читаво Хадооп залуђење, Доуг Цуттинга, он је тамо - пуно врло интелигентних људи који раде много стварно, стварно цоол ствари, али суштина је да је 4, 1 милијарда долара, то је много новца.
Дакле, овде је некако очигледан заокупљени тренутак проласка кроз моју главу, који је чип, Интел. Њихови дизајнери чипова доносе неке чипове оптимизоване од Хадоопа - морам тако да мислим, људи. То је само моја претпоставка. То је само гласина, која долази од мене, ако хоћете, али некако има смисла. И шта ово све значи?
Дакле, ево моје теорије. Шта се дешава? Много ових ствари није ново. Масивна паралелна обрада није страшно нова. Паралелна обрада сигурно није ново. Већ неко време сам у свету супер рачунарства. Много ових ствари које се дешавају нису нове, али постоји врста опште свести да постоји нови начин да се нападну неки од ових проблема. Оно што видим да се догађа, ако погледате неке од великих добављача Цлоудере или Хортонворкс-а и неких других људи, шта они стварно раде ако то сведете на најцрњиви ниво дестилације је развој апликација. То раде.
Они дизајнирају нове апликације - неке од њих укључују пословну аналитику; неки од њих само укључују системе за пуњење. Један од наших добављача који је разговарао о томе, ради такве ствари по цео дан, у емисији данас. Али ако је ужасно нов, опет је одговор „не баш“, али догађају се велике ствари и лично, мислим да је оно што се дешава са Интелом који чини ово велико улагање маркетиншки потез. Они данас гледају свет и виде да је то нека врста монополског света. Ту је Фацебоок и они су претукли само смрад из лошег МиСпаце-а. ЛинкедИн је преболео њушку од сиромашног Ко је ко. Дакле, осврните се око себе и то је један сервис који данас доминира свим тим различитим просторима у нашем свету, а мислим да је идеја да ће Интел бацити све своје чипове на Цлоудера и покушати да га подигне на врх хрпе - то је једноставно моја теорија.
Дакле, људи, као што рекох, имаћемо дугу сесију питања и питања, тако да не будите стидљиви. Пошаљите своја питања у било које време. То можете учинити помоћу компоненте К&А на вашој вебцаст конзоли. И уз то, желим да додјем до нашег садржаја јер имамо пуно ствари које морамо прећи.
Робин Блоор, дај да ти предајем кључеве, а под је твој.
Робин Блоор: ОК, Ериц, хвала на томе. Хајде да доведемо слонове који плешу. Заправо је занимљива чињеница да су слонови једини копнени сисари који заправо не могу скакати. Сви ови слонови у овој графичкој слици имају бар једну ногу на земљи, па претпостављам да је то изводљиво, али у одређеној мери то су очигледно Хадооп слонови, тако врло, врло способни.
Питање, заиста, мислим да о њему мора да се расправља и мора искрено да се расправља. О томе мора да се разговара пре него што одете било где другде, а то је да заиста почнете да говорите о томе шта Хадооп заправо јесте.
Једна од ствари која апсолутно потиче од човекове игре је трговина кључ-вредност. Некада смо имали продавнице кључева и вредности. Некада смо их имали у ИБМ маинфраме-у. Имали смо их на мини-компјутерима; ДЕЦ ВАКС је имао ИМС датотеке. Било је ИСАМ могућности које су биле на готово сваком мини-компјутеру који можете добити од руке. Али негде око 80-их, Уник је дошао и Уник заправо није имао никакву продавницу кључа и вредности. Када га је Уник развио, развијали су се веома брзо. Доиста се догодило да су добављачи база података, посебно Орацле, тамо паровали и продали ваше базе података како би се побринули за све податке којима желите да управљате на Унику. Показало се да су Виндовс и Линук исти. Дакле, индустрија је прошла током најбољег дела 20 година без складишта кључева и вредности опште намене. Па, сад се вратио. Не само да је назад, већ је и скалабилан.
Мислим да је заправо темељ онога што Хадооп заиста јесте и у одређеној мери одређује где ће то ићи. Шта волимо у продавницама кључа? Они од вас који су стари колико и ја и заправо се сећам да раде са продавницама кључева вредности схватају да бисте их могли прилично искористити за неформално постављање базе података, али само неформално. Знате да метаподаци брзо вреднују складишта у програмском коду, али заправо сте могли направити ту спољну датотеку, а могли бисте и да желите да започнете с обрадом складишта кључева и вредности мало као базе података. Али, наравно, није имала сву способност опоравка коју има база података и није имала грозно ствари које базе података имају сада, али то је била заиста корисна функција за програмере и то је један од разлога зашто мислим да се Хадооп показао толико популарним - напросто зато што су брзи кодери, програмери и програмери. Схватили су да продавница није само кључна вредност, већ је и кључ-вредност складишта кључева. То се смањује прилично неограничено. Послао сам ове лествице на хиљаде сервера, тако да је то заиста велика ствар о Хадоопу, то је то.
Поред тога, има и МапРедуце, што је алгоритам паралелизације, али то, по мом мишљењу, није битно. Значи, Хадооп је камелеон. То није само систем датотека. Видео сам разне врсте тврдњи за Хадооп: то је тајна база података; то није тајна база података; то је уобичајена продавница; то је аналитички сет алата; то је ЕЛТ окружење; то је алат за чишћење података; то је складиште података за стреаминг платформе; то је архивска продавница; то је лек против рака, и тако даље. Већина ових ствари заиста не важи за Хадооп ванилије. Хадооп је вероватно прототипирање - то је сигурно окружење за израду прототипа за СКЛ базу података, али заиста нема, ако старосни простор ставите у старосни каталог преко Хадоопа, добили сте нешто што личи на базу података, али заправо није оно што би свако назвао базом података у погледу способности. Много ових могућности, сигурно их можете добити на Хадоопу. Има их сигурно пуно. У ствари, можете добити неки извор Хадоопа, али сам Хадооп није оно што бих назвао оперативно ојачан, и зато је договор о Хадоопу, стварно не бих био ни на чему другом, тај да бисте требали имати треће место -папирни производи да би се побољшали.
Дакле, када говорим о вама можете бацити само у неколико редова док говорим о Хадоопу прекорачењу. Пре свега, способност упита у реалном времену, па знате да је у стварном времену врста пословног времена, заправо, готово увек је критична перформанса у супротном. Мислим, зашто би инжењер у стварном времену? Хадооп то стварно не ради. То чини нешто што је скоро у стварном времену, али заправо не ради ствари у стварном времену. То ради стреаминг, али то не ради на начин на који бих назвао заиста критичним типом апликација које могу да ураде. Постоји разлика између базе података и складишта које је могуће уклонити. Синхронизујте га са Хадооп-ом омогућава вам складиштење података. То је попут базе података, али није исто као база података. По мом мишљењу Хадооп у свом изворном облику уопште не представља базу података јер недостаје прилично неколико ствари које би база података требало да има. Хадооп много ради, али то не чини посебно добро. Опет, способност је ту, али ми смо далеко од тога да заиста имамо брзу способност у свим тим областима.
Друга ствар коју треба да схватите о Хадооп-у је да је то далеки пут откако је развијен. Развијен је у раним данима; развијен је када смо имали сервере који су заправо имали само један процесор на серверу. Никада нисмо имали вишејезгрене процесоре, а створен је да би покренуо мреже, лансирао мреже и северс. Један од дизајнерских циљева Хадоопа био је да никад не изгуби посао. И заправо се радило о квару на диску, јер ако имате стотине сервера, вероватноћа је да, ако имате дискове на серверима, вероватноћа је да ћете добити доступност за неограничено време као што је 99.8. То значи да ћете у просеку добити један од тих сервера једном у 300 или 350 дана, један дан у години. Дакле, ако их имате на стотине, вероватноћа би било да дођете у квару на серверу било којег дана у години.
Хадооп је изграђен специјално за решавање тог проблема - тако да, у случају да било шта не успе, прави снимке свега што се догађа, на сваком одређеном серверу и може да опорави пакетни посао који се изводи. А то је све што се заправо икад догодило на Хадоопу, било је групни посао и то је заиста корисна способност, мора се рећи. Неки од серијских послова који су вођени - посебно у Иахоо-у, где мислим да је Хадооп био рођен - покренули би се два или три дана, а ако не успе после једног дана, заиста нисте желели да изгубите посао то је учињено. То је била тачка дизајна иза доступности на Хадоопу. Не бисте звали тако високу доступност, али могли бисте је назвати и великом доступношћу за серијске серијске задатке. То је вероватно начин да се на то гледа. Висока расположивост је увек подешена према карактеристикама радне линије. Тренутно, Хадооп се може конфигурирати само за стварно серијске серијске задатке у погледу те врсте опоравка. Висока расположивост предузећа вероватно је најбоље размотрена у погледу трансакционог учења. Вјерујем да, ако на то не гледате као на ствар у стварном времену, Хадооп то још није учинио. Вероватно је далеко од тога.
Али ево лепе ствари о Хадоопу. Она графика с десне стране која садржи списак добављача око ивице и све линије на њему означавају везе између тих добављача и других производа у Хадооп екосуставу. Ако погледате то, то је невероватно импресиван екосистем. То је прилично невероватно. Очито разговарамо са доста добављача у погледу њихових могућности. Међу добављачима с којима сам разговарао, постоје неке заиста изванредне могућности коришћења Хадоопа и меморије, начина коришћења Хадоопа као компримоване архиве, коришћења Хадоопа као ЕТЛ окружења и тако даље, и тако даље. Али заиста, ако производ додате у сам Хадооп, он изузетно добро функционише у одређеном простору. Дакле, иако сам критичан према родном Хадоопу, нисам критичан према Хадоопу када му заправо додате мало снаге. По мом мишљењу, Хадоопова популарност врста гарантује његову будућност. Под тим мислим, чак и ако сваки ред кода који је до сад написан на Хадоопу нестане, не верујем да ће нестати и ХДФС АПИ. Другим речима, мислим да је датотечни систем, АПИ, ту да остане и, вероватно, НАДЊИ, планер који га прегледа.
Када то стварно погледате, то је веома важна способност и ја ћу о томе нешто забринути за минуту, али друга ствар која је, рецимо, узбудљива особа о Хадооп-у је цела слика отвореног кода. Дакле, вриједно је проћи кроз оно што је слика отвореног кода у смислу онога што ја сматрам стварном способношћу. Иако Хадооп и све његове компоненте сигурно могу радити оно што називамо дуљином података - или како ја то радије називам, резервоар података - то је сигурно веома добро место за инсценацију за убацивање података у организацију или за прикупљање података у организацији - изузетно добро за кутије за песак и за углађивање података. Врло је добра као платформа за развој прототипа коју бисте могли имплементирати на крају дана, али знате као развојно окружење прилично све што желите. Као архивска продавница, прилично има све што вам је потребно, и наравно да није скупо. Не мислим да бисмо се требали раздвојити од ове двије ствари од Хадоопа, иако оне нису формално, ако желите, компоненте Хадоопа. Интернетски клин је донио огромну количину аналитике у свијет отвореног кода и пуно се те аналитике сада води на Хадоопу, јер вам даје погодно окружење у којем заправо можете узети пуно вањских података и само започети репродукцију на аналитичком песку.
И онда имате могућности отвореног кода, а обе су машинско учење. Обоје су изузетно моћни у смислу да имплементирају моћне аналитичке алгоритме. Ако ове ствари саставите, добићете језгре неке врло, веома важне способности, која је на овај или онај начин врло вероватна - да ли се развија самостално или да ли ће продавци доћи да попуне недостајуће комаде - вероватно ће се наставити дуго и сигурно мислим да машинско учење већ има велики утицај на свет.
Еволуција Хадоопа, ИАРН промијенила је све. Оно што се догодило је МапРедуце био прилично заварен за рани датотечни систем ХДФС. Када је ИАРН представљен, у првом издању створио је способност за заказивање. Не очекујете изузетно софистицирано заказивање од првог издања, али то је значило да то више није нужно окружење закрпа. Било је то окружење у којем је могло бити заказано више радних места. Чим се то догодило, појавило се читав низ добављача који су се држали подаље од Хадоопа - управо су ушли и повезали се с њим, јер су тада могли само да гледају као окружење заказивања у датотечном систему и могу да обраде ствари на то. Постоје чак и добављачи база података који су имплементирали своје базе података на ХДФС, јер они само узимају мотор и једноставно га постављају на ХДФС. Каскадно и с ИАРН-ом постаје врло занимљиво окружење јер можете створити сложене радне токове преко ХДФС-а и то заиста значи да можете почети размишљати о томе као о стварно платформи која истовремено може покренути више послова и која се гура према тачки радећи критичне ствари. Ако то радите, вероватно ћете требати да купите неке компоненте других произвођача као што су безбедност и тако даље, и тако даље, што Хадооп заправо нема налог за ревизију да би попунио празнине, али ви дођите до тачке у којој чак и са изворним отвореним кодом можете радити неке занимљиве ствари.
У смислу где мислим да ће Хадооп заправо отићи, ја лично верујем да ће ХДФС постати подразумевани датотечни систем за скалирање и зато ће постати ОС, оперативни систем, за мрежу за проток података. Мислим да у томе има огромну будућност и мислим да се тамо неће зауставити. И заправо мислим да екосустав помаже само зато што готово сви, сви добављачи у свемиру, заправо интегришу Хадооп на овај или онај начин и то само омогућавају. У смислу још једног смисла који се тиче Хадоопове прекомерне цене, да ли то није баш добра платформа плус паралелизација. Ако заправо погледате шта ради, оно што заправо ради је то да редовно прави снимак на сваком серверу док извршава своје МапРедуце задатке. Да сте планирали стварно брзу паралелизацију, не бисте радили ништа слично. У ствари, вероватно не бисте самостално користили МапРедуце. МапРедуце је само оно што бих рекао пола способно за паралелизам.
Постоје два приступа паралелизму: један је цевоводним процесима, а други је дељењем података МапРедуце и врши поделу података тако да постоји пуно послова где МапРедуце заправо не би био најбржи начин да то урадите, али биће дајте вам паралелизам и нема тога. Када имате пуно података, та врста моћи обично није толико корисна. ПРИВРЕД, као што сам већ рекао, је веома млада способност заказивања.
Хадооп је, некако, цртање линије на песку, Хадооп није складиште података. То је тако далеко од складишта података да је готово апсурдна сугестија рећи да јесте. У овом дијаграму, оно што приказујем на врху је врста протока података, прелазећи из резервоара података Хадооп у базу података огромних размјера, што ћемо у ствари и учинити, складиште података о предузећима. Приказујем наслијеђене базе података, уносим податке у складиште података и радњу утовара стварајући базу података из складишта података, али то је заправо слика коју почињем да видим, и рекао бих да је то као прва генерација шта се дешава са складиштем података са Хадооп-ом. Али ако сами погледате складиште података, схватићете да испод складишта података имате оптимизатор. Имате дистрибуиране раднике за упите у веома много процеса на можда врло великом броју дискова. То се догађа у складишту података. То је заправо врста архитектуре која је створена за складиште података и потребно је дуго времена да се тако нешто направи, а Хадооп уопште нема ништа од тога. Дакле, Хадооп није складиште података и по мом мишљењу то неће постати ускоро.
Он има тај релативни резервоар података, а некако изгледа занимљиво ако на свијет гледате само као на низ догађаја који се слијевају у организацију. То је оно што приказује на левој страни овог дијаграма. Када прође кроз могућност филтрирања и усмеравања и ствари које требају да се стримују, уклањају се из апликација за стриминг, а све остало иде директно у резервоар података где се припрема и чисти, а затим ЕТЛ-ом прослеђује било једним подацима магацин или логичко складиште података које се састоји од више мотора. Ово је, по мом мишљењу, природна линија развоја за Хадооп.
У погледу ЕТВ-а, једна од ствари која вреди навести је да је заправо складиште података премештено - није оно што јесте. Свакако, данас очекујете да постоји хијерархијска способност по хијерархијским подацима онога што људи или неки људи називају документима у складишту података. То је ЈСОН. Могуће је да мрежни упити представљају графичке базе података, евентуално аналитичке. Дакле, оно чему се крећемо је ЕТВ који заправо има сложеније радно оптерећење од оних на које смо навикли. То је некако занимљиво јер на неки начин значи да је складиште података све софистицираније, и због тога ће проћи још дуже време док Хадооп дође било где близу. Значење складишта података се шири, али свеједно укључује оптимизацију. Морате имати способност оптимизације, не само преко упита већ и током свих ових активности.
То је стварно. То је све што сам хтио рећи о Хадоопу. Мислим да могу предати Раиу, који нема слајдове, али увек је добар у разговору.
Ериц Каванагх: Идем на слајдове. Ту је наш пријатељ, Раи Ванг. Па, Раи, шта мислиш о свему овоме?
Раи Ванг: Мислим да је то вероватно била једна од најукуснијих и сјајних историја продавница кључних вредности и где је Хадооп отишао у везу са предузећима која су ван, тако да увек много научим када слушам Робина.
Заправо имам један слајд. Могу да искачем један слајд овде.
Ериц Каванагх: Само напред и кликните на, кликните на старт и идите да поделите своју радну површину.
Раи Ванг: Схватио сам, ево. Заправо ћу поделити. Можете да видите и саму апликацију. Да видимо како то иде.
Читав овај разговор о Хадоопу, а затим улазимо дубоко у разговор о технологијама које постоје и где Хадооп иде, и пуно пута бих волео да то узмем како бих заиста имао пословну расправу. Много ствари које се дешавају са технолошке стране је заиста овај део у којем смо разговарали о складиштима података, управљању информацијама, квалитету података, савладавању тих података и тако смо склони да то видимо. Дакле, ако погледате овај граф овде на самом дну, то је веома интересантно да врсте људи на које налетимо на то говоре о Хадоопу. Имамо технологе и научнике података који извиру, имају пуно узбуђења, и обично се ради о изворима података, зар не? Како савладавамо изворе података? Како да ово поставимо на праве нивое квалитета? Шта ми радимо у вези управљања? Шта можемо учинити да упоредимо различите врсте извора? Како чувамо лозу? И све такве дискусије. И како да добијемо више СКЛ-а из нашег Хадоопа? Дакле, тај део се дешава на овом нивоу.
Онда на страни информисања и оркестрације, ово постаје занимљиво. Почињемо да везујемо резултате овог увида који добијамо или га повлачимо назад у пословне процесе? Како да је повежемо са било којом врстом метаподатака? Да ли повезујемо тачке између објеката? И тако нови глаголи и расправе о томе како користимо те податке, крећући се од онога што традиционално налазимо у свету ЦРУД-а: стварамо, читамо, ажурирамо, бришемо, до света у коме се расправља о томе како се укључујемо или делимо или сарађујемо или нешто или повуци.
Ту почињемо са великим узбуђењем и иновацијама, посебно о томе како да те информације привучемо и вреднујемо. То је дискусија вођена технологијом испод црвене линије. Изнад те црвене линије стижемо та питања која смо одувек желели да поставимо, а једно од њих које увек постављамо је, на пример, можда је питање у малопродаји за вас попут: „Зашто се црвени џемпери продају боље у Алабами него плави џемпери у Мицхигану? " Можете размишљати о томе и рећи: "То је некако занимљиво." Видите тај образац. То питање постављамо и питамо се: "Хеј, шта радимо?" Можда се ради о државним школама - Мицхиган насупрот Алабами. ОК, схватам ово, видим где идемо. И тако почињемо добијати пословну страну куће, људе у финансијама, људе који имају традиционалне БИ могућности, људе у маркетингу и људе из ХР-а који говоре: "Где су моји обрасци?" Како до тих образаца? И тако видимо други начин иновације на страни Хадоопа. Заправо се ради о томе како брже ажурирамо увиде. Како успоставити ове врсте веза? Све иде људима који раде попут: ад: тецх који углавном покушавају повезати огласе и релевантне садржаје од било чега, од мрежа за надметање у стварном времену до контекстуалних огласа и пласмана огласа и то у покрету.
Па то је занимљиво. Видите напредовање Хадоопа из, „Хеј, ево решења за технологију. Ево шта треба да урадимо како бисмо ове информације објавили људима“. Онда када пређе преко делатности, то овде постаје занимљиво. То је увид. Где је перформанс? Где је одбитак? Како предвидимо ствари? Како ћемо утицати? И онда то доведите до тог последњег нивоа где заправо видимо још један низ Хадооп иновација које се дешавају око система одлучивања и акција. Која је следећа најбоља акција? Дакле, знате да се плави џемпери боље продају у Мицхигану. Седиш на тону плавих џемпера у Алабами. Очигледна ствар је: "Да, хајде да се ово испоручи вани." Како то можемо? Који је следећи корак? Како да то свежемо натраг? Можда је следећа најбоља акција, можда је то предлог, можда је то нешто што вам помаже да спречите проблем, можда ни то није акција, што је и сама акција. Тако почињемо са појавом оваквих образаца. И лепота овога у вези са оним што говорите о продавницама кључних вредности, Робин, је у томе што се догађа тако брзо. Дешава се на начин на који о овоме нисмо размишљали.
Вероватно бих рекао у последњих пет година када смо покупили. Почели смо размишљати у смислу како да поново искористимо продаваонице кључних вредности, али тек у последњих пет година људи на то гледају другачије и то је као да се технолошки циклуси понављају у 40-годишњим обрасцима, тако да је ово љубазно забавне ствари у којој гледамо облак и баш као да дијелим вријеме с маинфрамеом. Гледамо у Хадооп и волимо складиште кључева - можда је то податковни март, мање од складишта података - и поново почињемо са тим обрасцима. Оно што сада покушавам да урадим је да мислим шта су људи радили пре 40 година? Који су се приступи и технике и методологије применили а који су били ограничени технологијама које су људи имали? То је врста покретања овог процеса размишљања. Дакле, док пролазимо кроз ширу слику Хадоопа као алата, кад се вратимо и размишљамо о пословним импликацијама, ово је врста пута којим обично пролазимо људе тако да можете видети које делове, који делови су у подацима пут одлука. То је нешто што сам желео да поделим. То је врста размишљања коју смо користили интерно и надамо се да додаје у расправу. Па ћу ти то вратити, Ериц.
Ериц Каванагх: То је фантастично. Ако можете да се држите неких питања. Али свидело ми се што сте га вратили на пословни ниво, јер на крају дана, све је у послу. Све је у томе да ствари завршите и осигурате да мудро трошите новац, а то је једно од питања које сам већ видио, па би говорници можда желели размислити о томе који је ТЦЛ ход Хадооп руте. Између њих постоји неко слатко место, на пример, коришћење алата за уредске полице да бисте радили ствари на неки традиционалан начин и користећи нове сетове алата, јер опет, размислите, много тога није ново, већ је само врста спајање на нови начин је, претпостављам, најбољи начин да се то постави.
Дакле, идемо напред и представимо нашег пријатеља, Никиту Иванов. Оснивач је и извршни директор ГридГаин-а. Никита, идем и предајем ти кључеве и верујем да си тамо. Да ли ме чујете Никита?
Никита Иванов: Да, ту сам.
Ериц Каванагх: Одлично. Значи, под је твој. Кликните на тај слајд. Користите стрелицу надоле и однесите је. Пет минута.
Никита Иванов: На који слајд кликнем?
Ериц Каванагх: Само кликните било где на том клизачу, а затим се крећете помоћу стрелице надоле на тастатури. Само кликните на сам слајд и користите стрелицу надоле.
Никита Иванов: У реду, тако да само неколико брзих презентација о ГридГаину. Шта радимо у контексту овог разговора? ГридГаин у основи производи рачунски софтвер у меморији, а део платформе коју смо развили је меморијски Хадооп акцелератор. У погледу Хадоопа, склони смо размишљати о себи као о Хадооп стручњацима за перформансе. Оно што радимо, у основи, на нашој основној рачунарској платформи за меморију која се састоји од технологија попут мрежног преноса података, протока меморије и рачунарских мрежа могло би да укључи и убрза Хадооп акцелератор. То је врло једноставно. Било би лијепо ако можемо развити некакво плуг-анд-плаи рјешење које се може инсталирати право у инсталацију Хадооп. Ако вам, програмеру МапРедуце-а, треба појачање без потребе за писањем новог софтвера или променом кода или променом или у основи имате минималну промену конфигурације у кластеру Хадооп. То смо развили.
У основи, меморијски акцелератор Хадооп заснован је на оптимизацији две компоненте у Хадооп екосистему. Ако мислите на Хадооп, он је претежно заснован на ХДФС, а то је систем датотека. МапРедуце, који је оквир да се такмичења паралелно изводе на врху датотечног система. Да бисмо оптимизирали Хадооп, оптимизирамо оба ова система. Развили смо систем датотека у меморији који је у потпуности компатибилан, 100% компатибилан плуг-анд-плаи, са ХДФС-ом. Можете да покрећете уместо ХДФС, можете да покрећете и на врху ХДФС. Такође смо развили МапРедуце у меморији који је плуг-анд-плаи компатибилан са Хадооп МапРедуце, али постоји много оптимизација о начину рада тока МапРедуце и како ради распоред на МапРедуце.
Ако погледате, на пример, овај слајд, где приказујемо врсту снопа дуплирања. На левој страни имате свој типични оперативни систем са ГДМ, а на врху овог дијаграма имате апликацијски центар. У средини имате Хадооп. А Хадооп се опет заснива на ХДФС-у и МапРедуце-у. Дакле, на овом дијаграму то и представља, оно што ми некако уграђујемо у Хадооп низ. Опет, то је плуг-анд-плаи; не морате да мењате ниједан код. Једноставно делује на исти начин. На следећем дијапозитиву смо у суштини показали како смо оптимизирали ток рада МапРедуце. То је вероватно најзанимљивији део јер вам даје највише предности када покрећете задатке МапРедуце.
Уобичајени МапРедуце, када предајете посао, а на левој страни је дијаграм, постоји уобичајена апликација. Значи обично предајете посао и посао иде трагачу посла. It interacts with the Hadoop name node and the name node is actually the piece of software that manages the interaction with the digital files, and kind of keeps the directory of files and then the job tracker interacts with the task tracker on each individual node and the task tracker interacts with a Hadoop data node to get data from. So that's basically a very kind of high-level overview of how your MapReduce job gets in the computers. As you can see what we do with our in-memory, Hadoop MapReduce will already completely bypass all this complex scheduling that takes a lot of time off your execution and go directly from client to GridGain data node and GridGain data node keeps all that e-memory for a blatantly fast, fast execution.
So all in all basically, we allow it to get anywhere from 5x up all the way to 100x performance increase on certain types of loads, especially for short leaf payloads where you literally measure every second. We can give you a dramatic boost in performance with literally no core change.
Alright, that's all for me.
Eric Kavanagh: Yes, stick around for the Q&A. No doubt about it.
Let me hand it off to John Santaferraro. John, just click on that slide. Use the down arrow to move on.
John Santaferraro: Alright. Thanks a lot, Eric.
My perspective and Actian's perspective really is that Hadoop is really about creating value and so this is an example from digital media. A lot of the data that is pumping into Hadoop right now has to do with digital media, digital marketing, and customer, so there is great opportunity - 226 billion dollars of retail purchases will be made online next year. Big data and Hadoop is about capturing new data to give you insight to get your share of that. How do you drive 14% higher marketing return and profits based on figuring out the right medium X and the right channels and the right digital marketing plan? How do you improve overall return on marketing investment? By the way, in 2017, what we ought to be thinking about when we look at Hadoop is the fact that CMO, chief marketing officer, spending in 2017 will outpace that of IT spending, and so it really is about driving value. Our view is that there are all kinds of noise being made on the left-hand side of this diagram, the data pouring into Hadoop.
Ultimately, our customers are wanting to create customer delight, competitive advantage, world-class risk management, disruptive new business models, and to do all of that to deliver transformational value. They are looking to capture all of this data in Hadoop and be able to do best-in-class kinds of things like discovery on that data without any limitations, no latency at any scale of the data that lives in there - moving from reactive to predictive kinds of analytics and doing everything dynamically instead of looking at data just as static. What pours into Hadoop? How do you analyze it when it arrives? Where do you put it to get the high-performance analytics? And ultimately moving everything down to a segment of one.
So what we've done at Actian in the Actian Analytics Platform, we have built an exoskeleton around Hadoop to give it all of these capabilities that you need so you are able to connect to any data source bringing it into Hadoop, delivering it as a data service wherever you need it. We have libraries of analytics and data blending and data enrichment kinds of operators that you literally drag and drop them so that you can build out these data and analytic workflows, and without ever doing any programming, we will push that workload via YARN right down to the Hadoop nodes so you can do high-performance data science natively on Hadoop. So all of your data prep, all of your data science happening on Hadoop highly parallelized, highly optimized, highly performance and then when you need to, you move it to the right via a high-speed connection over to our high-performance analytic engine, where you can do super-low latency kinds of analytics, and all of that delivering out these real-time kinds of analytics to users, machine-to-machine kinds of communication, and betting those on analytics and business processes, feeding big data apps or applications.
This is an example of telco churn, where at the top of this chart if you're just building telco churn for example, where you have captured one kind of data and poured that into Hadoop, I'd be able to identify about 5% of your potential churn audience. As you move down this chart and add additional kinds of data sources, you do more complex kinds of analytics in the center column there. It allows you to act against that churn in a way that allows you to identify. You move from 5% identification up to 70% identification. So for telecommunications companies, for retail organizations, for any of the fast providers, anybody that has a customer base where there is a fear and a damage that is caused by churn.
This kind of analytics running on top of that exoskeleton-enabled version of Hadoop is what drives real value. What you can see here is that kind of value. This is an example taken from off of the annual report of a telecommunications company that shows their actual total subscribers, 32 million. Their existing churn rate which every telco reports 1.14, 4.3 million subscribers lost every year, costing them 1.14 billion dollars as well as 2.1 billion in revenue. This is a very modest example of how you generate value out of your data that lives in Hadoop, where you can see the potential cost of reacquisition where the potential here is to use Hadoop with the exoskeleton running analytics to basically help this telecommunications company save 160 million dollars as well as avoid 294 million in loss. That's the kind of example that we think is driving Hadoop forward.
Eric Kavangh: Alright, fantastic. And Jim, let me go ahead and give the keys to you. So, Jim Vogt. If you would click on that slide and use the down arrow in your keyboard.
Jim Vogt: I got it. Great picture. OK, thank you very much. I'll tell a little bit about Zettaset. We've been talking about Hadoop all afternoon here. What's interesting about our company is that we basically spend our careers hardening new technology for the enterprise - being able to plug the gaps, if you will, in our new technology to allow it to be widely deployed within our enterprise operational environment. There are a couple of things happening in the market right now. It's kind of like a big open pool party, right? But now the parents have come home. And basically we're trying to bring this thing back to some sense of reality in terms of how you build a real infrastructure piece here that can be scalable, repeatable, non-resource intensive, and secure, most importantly secure. In the marketplace today, most people are still checking the tires on Hadoop. The main reason is, there is a couple of things. One is that within the open source itself, although it does some very useful things in terms of being able to blend data sources, being able to find structure data and very useful data sources, it really lacks for a lot of the hardening and enterprise features around security, higher availability and repeatability that people need to deploy not just a 10- or 20-node cluster, but a 2, 000- and 20, 000-node cluster - there are multiple clusters. What has been monetized in the last two years has been mainly pro-services around setting up these eval clusters. So there is a not a repeatable software process to actually actively deploy this into the marketplace.
So what we built in our software is a couple of things. We're actually transparent into the distributions. At the end of the day, we don't care if it's CVH or HDP, it's all open source. If you look at the raw Apache components that built those distributions, there is really no reason why you have to lock yourself into any one distribution. And so, we work across distributions.
The other thing is that we fill in the gaps transparently in terms of some of the things that are missing within the code itself, the open source. So we talked about HA. HA is great in terms of making no failover, but what happens if any of the active processes that you're putting on these clusters fail? That could take it down or create a security hole, if you will. When we built software components into our solution, they all fall under an HA umbrella where we're actively monitoring all the processes running on the cluster. If code roles goes down, you take the cluster down, so basically, meaning no failover is great, unless you're actively monitoring all the processes running on the cluster, you don't have true HA. And so that's essential of what we developed here at Zettaset. And in a way that we've actually got a patent that has been issued on this and granted last November around this HA approach which is just quite novel and different from the open-source version and is much more hardened for the enterprise.
The second piece is being able to do real RBAC. People are talking about RBAC. They talk about other open-source projects. Why should you have to recreate all those entries and all those users and roles when they already exist in LDAP or in active directory? So we link those transparently and we fold all our processes not only under this RBAC umbrella, but also under the HA umbrella. They start to layer into this infrastructure encryption, encryption at data rest, state of motion, all the hardened security pieces that you really need to secure the information.
What is really driving this is our industries, which I have on the next slide, which profit finance and healthcare and have our compliances. You have to be able to protect this sets of data and you have to be able to do it on a very dynamic fashion because this data can be sitting anywhere across these parallel nodes and clusters and it can be duplicated and so forth, so essentially that's the big umbrella that we built. The last piece that people need is they need to be able to put the pieces together. So having the analytics that John talked to and being able to get value out of data and do that through an open interface tapped into this infrastructure, that's what we built in our software.
So the three cases that I had in here, and you guys are popping me along here were really around finance, healthcare and also cloud, where you're having to deal with multi-tenant environments and essentially have to separate people's sensitive data, so security and performance are key to this type of application whether its cloud or in a sensitive data environment.
The last slide here really talks to this infrastructure that we put together as a company is not just specific to Hadoop. It's something that we can equally apply to other NoSQL technologies and that's where we're taking our company forward. And then we're also going to pull in other open-source components, HBase and so forth, and secure those within that infrastructure in a way that you're not tied to any one distribution. It's like you truly have an open, secure and robust infrastructure for the enterprise. So that's what we're about and that's what we're doing to basically accelerate adoption of Hadoop so people get away from sending twenty-node clusters and actually have the confidence to employ a much larger environment that is more eyes on Hadoop and speeds the market along. Хвала вам.
Eric Kavanagh: That's fantastic, great. Stick around for the Q&A. Finally, last but not the least, we've got Phu Hoang, CEO of DataTorrent. Let me go ahead and hand the keys to you. The keys are now yours. Click anywhere on that slide, use the down arrow on your keyboard to move them along.
Phu Hoang: Thank you so much.
So yes, I'm here to talk about DataTorrent and I actually think the story of DataTorrent is a great example of what Robin and Ray have been talking about through this session where they say that Hadoop is a great body of work, a great foundation. But it has a lot of goals. But the future is bright because the Hadoop ecosystem where more players are coming in are able to build and add value on top of that foundation to really bring it from storage to insights to action, and really that's the story of DataTorrent.
What I'm going to talk about today is really about real-time big data screening processing. What you see, as I'm interacting with customers, I've never met a single customer that says to me, "Hey, my goal is to take action hours or days after my business events arrive." In fact, they all say they want to take action immediately after the events occur. The problem with the delay is that, that is what Hadoop is today with its MapReduce paradigm. To understand why, it's worth revisiting the history of Hadoop.
I was leading much of Yahoo engineering when we hired Doug Cutting, the creator of Hadoop, and assigned over a hundred engineers to build out Hadoop to power our web search, advertising and data science processing. But Hadoop was built really as a back system to read and write and process these very large files. So while it's great disruptive technology because of its massive scalability and high ability at no cost, it has a hole in that there is a lot of latency to process these large files. Now, it is fair to say that Hadoop is now becoming the plateau operating system that is truly computing and is gaining wide adoption across many enterprises. They are still using that same process of collecting events into large files, running these batch Hadoop jobs to get there inside the next day. What enterprise customers now want is that they want those exact same insights but they want to build to get these insights much earlier, and this will enable them to really act on these events as the event happens, not after maybe hours later after it has been back processed.
Eric Kavanagh: Do you want to be moving your slides forward, just out of curiosity?
Phu Hoang: Yeah it's coming now. Let me illustrate that one example. In this example, using Hadoop in back-slope where you're constantly engaging with files, first an organization might accumulate all the events for the full day, 24 hours' worth of data. And then they batch process it, which may take another eight hours using MapReduce, and so now there is 32 hours of elapsed time before they get any insight. But with real-time stream processing, the events are coming in and are getting processed immediately, there is no accumulation time. Because we do all this processing, all in memory, the in-memory processing is also sub-second. All the time, you are reducing the elapsed time on 30 hours plus to something that is very small. If you're reducing 30 hours to 10 hours, that's valuable but if we can reduce it to a second, something profound happens. You can now act on your event while the event is still happening, and this gives enterprises the ability to understand what their products are doing, what their business is doing, what their users are doing in real time and react to it.
Let's take a look at how this happens. Really, a combination of market forces and technology has enabled a solution like DataTorrent to come together, so from a market perspective, Hadoop is really becoming the de facto big data architecture as we said, right? In an IDC study in 2013, they say that by the end of this year, two-thirds of enterprises would have deployed Hadoop and for DataTorrent, whether that's Apache Hadoop or any of our certified partners like Cloudera or Hortonworks, Hadoop is really clearly the choice for enterprise. From a technology perspective, and I think Robin and Ray alluded to this, Hadoop 2.0 was created to really enable Hadoop to extend to much more general cases than the batch MapReduce paradigm, and my co-founder, Amal, who was at Yahoo leading the development of Hadoop 2.0 really allows this layer of OS to have many more computation paradigms on top of it and real-time streaming is what we chose. By putting this layer of real-time streaming on top of YARN, you can really think of DataTorrent as the real-time equivalent of MapReduce. Whatever you can do in batch with MapReduce, you can now do in streaming with DataTorrent and we can process massive amount of data. We can slice and dice data in multiple dimensions. We have distributed computing and use YARN to give us resources. We have the full ecosystem of the open source Hadoop to enable fast application development.
Let me talk a little bit about the active capabilities of DataTorrent. In five minutes, it is hard for me to kind of give to you much in detail, but let me just discuss and re-differentiate it. First of all, sub-second scalable ingestions, right? This refers to DataTorrent's platform to be able to take that in real-time from hundreds of data sources and begin to process them immediately. This is in direct contact to the back processing of MapReduce that is in Hadoop 1.0 and events can vary in size. They may be as simple as a line in the log file or they may be much more complex like CDR, call data record in the telcom industry. DataTorrent is able to scale the ingestion dynamically up or down depending on the incoming load, and we can deal with tens of millions of incoming events per second. The other major thing here, of course, is the processing itself which is in real-time ETL logic. So once the data is in motion, it is going to go into the ETL logic where you are doing a stack transform and load, and so on. And the logic is really executed by combining a series of what we call operators connected together in a data flow grab. We have open source of over 400 operators today to allow you to build applications very quickly. And they cover everything from input connectors to all kinds of message process to database drivers and connectors where you are to load to all kinds of information to unstream.
The combination of doing all these in memory and building the scale across hundreds of nodes really drive the superior performance. DataTorrent is able to process billions of events per second with sub-second latency.
The last piece that I'd like to highlight is the high-availability architecture. DataTorrent's platform is fully post knowledge; that means that the platform automatically buffers the event and regularly checkpoints the state of the operators on the disk to ensure that there is possibly no problem. The applications can tell you in seconds with no data log and no human intervention. Simply put, data form processes billions of events and allots in data in seconds, it runs 24/7 and it never, ever goes down. The capabilities really set DataTorrent apart from the market and really make it the leading mission-critical, real-time analytics platform for enterprise. With that, we invite you to come visit our website and check us out.
Хвала.
Eric Kavanagh: Yeah, thank you so much. I'll throw a question over to you, really a comment, and let you kind of expound upon it. I really think you're on the ball here with this concept of turning over these operators and letting people use these operators almost like Legos to build big data applications. Can you kind of talk about what goes into the process of taking these operators and stitching them together, how do you actually do that?
Phu Hoang: That's a great question. So first of all, these operators are in your standard application Java Logic. We supply 400 of them. They do all kinds of processing and so to build your application, you really are just connecting operators together into a data flow graph. In our customers, we find that they use a number of operators that we have in our library as well as they take their own job of custom logic and make it an operator so that they can substantiate that into a graph.
Eric Kavanagh: OK, good. I think it's a good segue to bring in John Santaferraro from Actian because you guys have a slightly similar approach, it seems to me, in opening up a sort of management layer to be able to play around with different operators. Can you talk about what you do with respect to what tools we're just talking about, John?
John Santaferraro: Yeah, exactly. We have a library of analytics operators as well as transformational operators, operators for blending and enriching data and it is very similar. You use a drag-and-drop interface to be able to stitch together these data flows or work flows, and even analytic workflows. So it's everything from being able to connect to data, to be able to blend and enrich data, to be able to run data science or machine learning algorithms and then even being able to push that into a high-performance low-latency analytic engine. What we find is that it's all built on the open-source nine project. So we capture a lot of the operators that they are developing and then we take all of that, and via YARN, very similar to what Phu described at DataTorrent, we push that down so that it is parallelized against all of the nodes in a Hadoop cluster. A lot of it is about making the data in Hadoop much more accessible to business users and less-skilled workers, somebody besides a data scientist.
Eric Kavanagh: OK, let me go bring in Nikita once again. I'm going to throw your five up as well. Can you kind of talk about how you approach this solution vis-à-vis what these two gentlemen just talked about? How does someone actually put this stuff together and make use from GridGain?
Nikita Ivanov: Well, I think the biggest difference between us and from practically the rest of them is we don't require you to do any recording - you don't have to do anything, it's a plug-and-play. If you have an application today, it's going to work faster. You don't have to change code; you don't have to do anything; you just have to install GridGain along the side of Hadoop cluster and that's it. So that's the biggest difference and we talked to our customers. There are different myriad of solutions today that ask you to change something: programming, doing your API, using your interfaces and whatnot. Ours is very simple. You don't need to invest a lot of time into the Hadoop ecosystem, and whatever you used to do, the MapReduce or any of the tools continue to use. With GridGain, you don't have to change any single line of code, it's just going to work faster. That's the biggest difference and that's the biggest message for us.
Eric Kavanagh: Let's get Jim back in here too. Jim, your quote is killing me. I had to write it down in between that. I'll put it into some kind of deck, but the Hadoop ecosystem right now is like a pool party and the parents just came home. That is funny stuff man; that is brilliant. Can you kind of talk about how you guys come onto the scene? How do you actually implement this? How long does that take? How does all that work?
Jim Kaskade: Yes. So there are a couple of varieties depending on the target customer, but typically these days, you see evaluations where security is factored in, in some of these hardening requirements that I talked about. What has happened in some other cases, and especially last year where people had big plans to deploy, is that there was kind of a science project, if you will, or somebody was playing with the technology and had a cluster up and working and was working with it but then the security guy shows up, and if it is going to go on a live data center, it has to basically comply with the same requirements that we have for other equipment running in the data center, if it is going to be an infrastructure that we build out. Last year, we had even some banks that told us they were going to deploy 400 to 1, 000 nodes last year and they're still sitting on a 20-node cluster mainly because now a security person has been plugged in. They've got to be worried about financial compliance, about sets of information that is sitting on a cluster, and so forth. It varies by customer, but typically this is kind of what elongates the cycles and this is typical of a new technology where if you really want to deploy this in production environment, it really has to have some of these other pieces including the very valuable open-source pieces, right?
Eric Kavanagh: OK, good. Let's see. I'm going to bring Phu back into the equation here. We've got a good question for you. One of the attendees is asking how is DataTorrent different from Storm or Kafka or the Redis infrastructure. Phu, are you out there? Hey, Phu, can you hear me? Maybe I'm mute.
Let's bring Ray Wang back into this. Ray, you've seen a lot of these technologies and looked at how they worked. I really love this concept of turning over control or giving control to end users of the operators. I like to think of them as like really powerful Legos that they can use to kind of build some of these applications. Can you comment on that? What do you think about all that?
Ray Wang: Coming from my technical background, I'd say I'm scared - I was scared shitless! But honestly, I think it's important, I mean, in order to get scale. There's no way you can only put so many requests. Think about the old way we did data warehousing. In the business I had to file the request for a report so that they could match all the schemes. I mean, it's ridiculous. So we do have to get to a way for the business side of the house and definitely become data jocks. We actually think that in this world, we're going to see more digital artists and people that have the right skills, but also understand how to take that data and translate that into business value. And so these digital artisans, data artisans depending on how you look at this, are going to need both really by first having the curiosity and the right set of questions, but also the knowledge to know when the data set stinks. If I'm getting a false positive or a false negative, why is that happening?
I think a basic level of stats, a basic level of analytics, understanding that there's going to be some training required. But I don't think it's going to be too hard. I think if you get the right folks that should be able to happen. You can't democratize the whole decision-making process. I see that happening. We see that in a lot of companies. Some are financial services clients are doing that. Some of our retail folks are doing that, especially in the razor-thin margins that you are seeing in retail. I was definitely seeing that in high tech just around here in the valley. That's just kind of how people are. It's emerging that way but it's going to take some time because these basic data skills are still lacking. And I think we need to combine that with some of the stuff that some of these guys are doing here on this webinar.
Eric Kavanagh: Well, you bring up a really good point. Like how many controls you want to give to the average end user. You don't want to give an airplane cockpit to someone who's driving a car for the first time. You want to be able to closely control what they have control over. I guess my excitement kind of stems around being able to do things yourself, but the key is you got to put the right person in that cockpit. You got to have someone who really knows what they're doing. No matter what you hear from the vendor community folks, when somebody's more powerful tools are extremely complex, I mean if you are talking about putting together a string of 13, 14, 15 operators to do a particular type of transformation on your data, there are not many people who could do that well. I think we're going to have many, many more people who do that well because the tools are out there now and you can play with the stuff, and there is going to be a drive to be able to perfect that process or at least get good at it.
We did actually lose Phu, but he's back on the line now. So, Phu, the question for you is how is DataTorrent different from, like, Storm or Kafka or Redis or some of these others?
Phu Hoang: I think that's a great question. So, Redis of course is really an in-memory data store and we connect to Redis. We see ourselves as really a processing engine of data, of streaming data. Kafka again is a great bus messaging bus we use. It's actually one of our favorite messaging bus, but someone has to do the big data processing across hundreds of nodes that is fault tolerant, that is scalable, and I repeat that as the job that we play. So, yes, we are similar to Storm, but I think that Storm is really developed a long time ago even before Hadoop, and it doesn't have the enterprise-level thinking about scalability to the hundreds and millions, now even billions of events, nor does it really have the HA capability that I think enterprise requires.
Eric Kavanagh: Great. And you know, speaking of HA, I'll use that as an excuse to bring Robin Bloor back into the conversation. We just talked about this yesterday. What do you mean by high availability? What do you mean by fault tolerance? What do you mean by real time, for example? These are terms that can be bent. We see this all time in the world of enterprise technology. It's a good term that other people kind of glom onto and use and co-opt and move around and then suddenly things don't mean quite what they used to. You know, Robin, one of my pet peeves is this whole universe of VOIP. It's like "Why would we go down in quality? Isn't it important to understand what people say to you and why that matters?" But I'll just ask you to kind of comment on what you think. I'm still laughing about Ray's comment that he's scared shitless about giving these people. What do you think about that?
Ray Wang: Oh, I think it's a Spider-man problem, isn't it? С великом моћи долази и велика одговорност. You really, in terms of the capabilities out there, I mean it changed me actually a long time ago. You know, I would give my ITs some of the capabilities that they have gotten now. We used to do it extraordinary amounts of what I would say was grunt work that the machines do right now and do it in parallel. They do things that we could never have imagined. I mean we would have understood mathematically, but we could never imagine doing. But there is some people understand data and Ray is completely right about this. The reason to be scared is that people will actually start getting wrong conclusions, that they will wrangle with the data and they will apply something extremely powerful and it will appear to suggest something and they will believe it without actually even being able to do anything as simple as have somebody doing audit on whether their result is actually a valid result. We used to do this all the time in the insurance company I used to work for. If anybody did any work, somebody always checks. Everything was checked by at least one person against the person who did it. These environments, the software is extremely strong but you got to have the discipline around it to use it properly. Otherwise, there'll be tears before bedtime, won't there?
Eric Kavanagh: I love that quote, that's awesome. Let me see. I'm going to go ahead and throw just for this slide up here from GridGain, can you talk about, Nikita, when you come in to play, how do you actually get these application super charged? I mean, I understand what you are doing, but what does the process look like to actually get you embedded, to get you woven in and to get all that stuff running?
Nikita Ivanov: Well, the process is relatively simple. You essentially just need to install GridGain and make a small configuration change, just to let Hadoop know that there is now the HDFS if you want to use HDFS and you have to set up which way you want to use it. You can get it from BigTop, by the way. It's probably the easiest way to install it if you're using the Hadoop. That's about it. With the new versions coming up, a little in about few weeks from now, by the end of May, we're going to have even more simplified process for this. So the whole point of the in-memory Hadoop accelerator is to, do not code. Do not make any changes to your code. The only that you need to do is install it and have enough RAM in the cluster and off you go, so the process is very simple.
Eric Kavanagh: Let me bring John Santaferraro back in. We'll take a couple more questions here. You know, John, you guys, we've been watching you from various perspectives of course. You were over at PEAR Excel; that got folded into Actian. Of course, Actian used to be called Ingres and you guys made a couple of other acquisitions. How are you stitching all of that stuff together? I realize you might not want to get too technical with this, but you guys have a lot of stuff now. You've got Data Rush. I'm not sure if it's still the same name, but you got a whole bunch of different products that have been kind of woven together to create this platform. Talk about what's going on there and how that's coming along.
John Santaferraro: The good news is, Eric, that separately in the companies that we're acquired Pervasive, PEAR Excel and even when Actian had developed, everybody developed their product with very similar architectures. Number one, they were open with regards to data and interacting with other platforms. Number two, everything was parallelized to run in a distributed environment. Number three, everything was highly optimized. What that allowed us to do is to very quickly make integration points, so that you can be creating these data flows already today. We have established the integration, so you create the data flows. You do your data blending and enriching right on Hadoop, everything parallelized, everything optimized. When you want, you move that over into our high-performance engines. Then, there's already a high-performance connection between Hadoop and our massively parallel analytic engine that does these super-low-latency things like helping a bank recalculate and recast their entire risk portfolio every two minutes and feeding that into our real-time trading system or feeding it into some kind of a desktop for the wealth manager so they can respond to the most valuable customers for the bank.
We have already put those pieces together. There's additional integration to be done. But today, we have the Actian Analytics Platform as our offering because a lot of that integration was ready to go. It has already been accomplished, so we're stitching those pieces together to drive this entire analytic value chain from connecting the data, all of the processing that you do of it, any kind of analytics you want to run, and then using it to feed into these automated business processes so that you're actually improving that activity over time. It's all about this end-to-end platform that already exists today.
Eric Kavanagh: That's pretty good stuff. And I guess, Jim, I'll bring you back in for another couple of comments, and Robin, I want to bring you in for just one big question, I suppose. Folks, we will keep all these questions - we do pass them on to the people who participated in the event today. If you ever feel a question you asked was not answered, feel free to email yours truly. You should have some information on me and how to get ahold from me. Also, just now I put a link to the full deck with slides from non-sponsoring vendors. So we put the word out to all the vendors out there in the whole Hadoop space. We said, "Tell us what your story is; tell us what's going on." It's a huge file. It's about 40-plus megabytes.
But Jim, let me bring you back in and just kind of talk about - again, I love this concept - where you're talking about the pool party that comes to an end. Could you talk about how it is that you manage to stay on top on what's happening in the open-source community? Because it's a very fast-moving environment. But I think you guys have a pretty clever strategy of serving this sort of enterprise-hardening vendor that sits on top or kind of around that. Can you talk about your development cycles and how you stay on top of what's happening?
Jim Vogt: Sure. It is pretty fast moving in terms of if you look at just a snapshot updates, but what we're shipping in functionality today is about a year to a year and a half ahead of what we can get on security capabilities out to the community today. It's not that they're not going to get there; it just takes time. It's a different process, it has contributors and so forth, and it just takes time. When we go to a customer, we need to be very well versed in the open source and very well versed in mainly the security things that we're bringing. The reason that we're actually issuing patents and submitting patents is that there is some real value in IP, intellectual property, around hardening these open-source components. When we support a customer, we have to support all the varying open-source components and all the varying distributions as we do, and we also need to have the expertise around the specific features that we're adding to that open source to create the solution that we create. As a company, although we don't want the customer to be a Hadoop expert, we don't think you need to be a mechanic to drive the car. We need to be a mechanic that understands the car and how it works and understand what's happening between our code and the open source code.
Eric Kavanagh: That's great. Phu, I'll give you one last question. Then Robin, I have one question for you and then we'll wrap up, folks. We will archive this webcast. As I suggested, we'll be up on insideanalysis.com. We'll also go ahead and have some stuff up on Techopedia. A big thank you to those folks for partnering with us to create this cool new series.
But Phu … I remember watching the demo of the stuff and I was just frankly stunned at what you guys have done. Can you explain how it is that you can achieve that level of no failover?
Phu Hoang: Sure, I think it's a great question. Really, the problem for us had three components. Number one is, you can't lose the events that are moving from operator to operator in the Hadoop cluster. So we have to have event buffering. But even more importantly, inside your operators, you may have states that you're calculating. Let's say you're actually counting money. There's a subtotal in there, so if that node goes down and it's in memory, that number is gone, and you can't start from some point. Where would you start from?
So today, you have to actually do a regular checkpoint of your operator state down to this. You put that interval so it does not become a big overhead, but when a node goes down, it can come back up and be able to go back to exactly the right state where you last checkpointed and be able to bring in the events starting from that state. That allows you to therefore continue as if the event actually has never happened. Of course, the last one is to make sure that your application manager is also fault tolerant so that doesn't go down. So all three factors need to be in place for you to say that you're fully fault tolerant.
Eric Kavanagh: Yeah, that's great. Let me go ahead and throw one last question over to Robin Bloor. So one of the attendees is asking, does anyone think that Hortonworks or another will get soaked up/invested in by a major player like Intel? I don't think there's any doubt about that. I'm not surprised, but I'm fascinated, I guess, that Intel jumped in before like an IBM or an Oracle, but I guess maybe the guys at IBM and Oracle think they've already got it covered by just co-opting what comes out of the open-source movement. What do you think about that?
Robin Bloor: It's a very curious move. We should see in light of the fact that Intel already had its own Hadoop distribution and what it has effectively done is just passed that over to Cloudera. There aren't many powers in the industry as large as Intel and it is difficult to know what your business model actually is if you have a Hadoop distribution, because it is difficult to know exactly what it is going to be used for in the future. In other words, we don't know where the revenue streams are necessarily coming from.
With somebody like Intel, they just want a lot of processes to be solved. It is going to support their main business plan the more that Hadoop is used. It's kind of easy to have a simplistic explanation of what Intel are up to. It's not so easy to guess what they might choose to do in terms of putting code on chips. I'm not 100% certain whether they're going to do that. I mean, it's a very difficult thing to call that. Their next move at the hardware level, I think, is the system on a chip. When we go to the system on a chip, you may actually want to put some basic software on the chip, so to speak. So putting HDFS on there; that might make some sense. But I don't think that that was what that money investment was about. I think all that money investment was about was just making sure that Intel had a hand in the game and is actually going forward.
In terms of who else is going to buy, that is also difficult to say. I mean, certainly the SAPs and Oracles of this world have got enough money to buy into this or IBM has got enough money to buy into it. But, you know, this is all open source. IBM never bought a Linux distribution, even though they plowed a lot of money into Linux. It didn't break their hearts that they didn't actually have a Linux distribution. They're very happy to cooperate with Red Hat. I would say maybe Red Hat will buy one of these distributions, because they know how to make that business model work, but it's difficult to say.
Eric Kavanagh: Yeah, great point. So folks, I'm going to go ahead and just share my desktop one last time here and just show you a couple of things. So after the event, check out Techopedia - you can see that on the left-hand side. Here's a story that yours truly wrote, I guess a couple of months ago or a month and a half ago, I suppose. It really kind of spun out of a lot of the experience that we had talking with various vendors and trying to dig in to understanding what exactly is going on with the space because sometimes it can be kind of difficult to navigate the buzz words and the hype and the terminology and so forth.
Also a very big thank you to all of those who have been Tweeting. We had one heck of a Tweet stream here going today. So, thank you, all of you. You see that it just goes on and on and on. A lot of great Tweets on TechWise today.
This is the first of our new series, folks. Thank you so much for tuning in. We will let you know what's going on for the next series sometime soon. I think we're going to focus on analytics probably in June sometime. And folks, with that, I think we're going to go ahead and close up our event. We will email you tomorrow with a link to the slides from today and we're also going to email you the link to that full deck, which is a huge deck. We've got about twenty different vendors with their Hadoop story. We're really trying to give you a sort of compendium of content around a particular topic. So for bedtime reading or whenever you're interested, you can kind of dive in and try to get that strategic view of what's going on here in the industry.
Са тим ћемо се опростити, људи. Thank you again so much. Go to insideanalysis.com and Techopedia to find more information about all this in the future and we'll catch up to you next time. Ћао.
