一种称为“数据虚拟化”（DV）的创新数据技术用于处理来自不同来源的大量数据。数据虚拟化广泛用于企业资源规划 (ERP)、客户关系管理 (CRM) 和销售人员自动化 (SFA) 系统，以收集和聚合多源数据。
从多源数据采集到高级分析，这项技术似乎提供了一站式解决方案。当今企业认为，DV 的最大好处是在传统数据仓库之上存在这一附加层，可以快速可靠地访问数据。
想了解情况吗？
在您的收件箱中获取我们的每周通讯，其中包含最新的数据管理文章、网络研讨会、活动、在线课程等。
订阅
数据虚拟化简介
在什么是数据虚拟化，“数据虚拟化”被描述为一个电视指南，它在一个地方包含了许多不同频道的内容。
简单来说，DV 允许在数据源和用户之间放置额外的数据访问层，以加快访问速度。DV 的几个例子是“虚拟数据仓库”和“虚拟数据湖”。
最初被视为ETL 的解决方法，该技术现在为 BI 用户提供快速数据访问、数据集成、数据清理和分析工具。DV 使云、大数据和高级分析平台等成熟技术能够协同工作，以产生卓越的数据管理传统数据仓库无法实现的解决方案。
数据虚拟化时代的数据管理
通过数据虚拟化平台，供应商正在为数据收集、管理和数据服务交付提供一站式解决方案。DV的显着强度，如在a中所述Wipro 博客文章, 是实时数据的完全可靠性和安全性。这个单一的好处有助于以快速扩张的 DV 市场的形式获得巨大的回报。
虽然 ETL 仍然提供大量数据移动，但 DV 承诺对数据的超快速访问。目前，使用趋势表明，企业同时使用DV 和 ETL同时。
那么，有哪些最明显的好处用 DV 管理企业数据？
快速访问安全数据
减少数据复制
统一数据服务的可重用性
大数据的数据虚拟化
Gartner 预测，到 2020 年，60% 的大数据项目将失败。数据虚拟化虽然不能解决所有与大数据相关的问题，但可以大大简化流程并使大数据项目更易于处理。对于初学者，这项技术可以使大数据可用并准备好在 BI 平台上使用。
大数据的主要挑战之一是传统数据仓库中数据的“数量、种类和速度”。一个逻辑数据仓库是跨企业的数据采集和数据组织解决方案，其中数据以结构化、非结构化、批处理或实时形式存在。数据虚拟化可以在保持性能的同时大大减少数据集成。
使用这种数据虚拟化架构背后的全部意义在于使“实时数据”存储在仓库中，将死数据存储在 Cloudera 类型的存储库中，然后通过逻辑数据仓库组合多源数据。数据虚拟化与复制数据虚拟化 解释说尽管用户经常混淆这两个不同的概念，但它们之间存在显着差异。
访问数据的速度需要比目前在高级分析或 BI 平台中的访问速度要快得多。因此，希望DV能够越来越多地用于跨企业的多源数据集成，“统一的数据视图”可以让用户在需要时获得准确的信息。
数据虚拟化正在重塑分析 讨论优势该技术提供给业务分析。这种创新技术可以克服数据准备和分析的通常限制，以实现最佳结果
DV如何重塑传统BI格局？
通过表示层和联合数据，DV 提供对多源数据的快速访问和统一的数据视图。数据的封装视图使 BI 用户可以轻松创建具有宝贵见解的即时仪表板。DV 可防止数据丢失或不一致，尤其是在数据源自流式源的情况下。
以下是典型的 BI 用户在远离数据仓库DV架构：
提高实时数据的访问速度
减少数据存储需求
降低数据丢失或不一致的风险
降低系统工作量
通过 DV 策略增强数据治理
一些值得注意的缺点包括变更管理的复杂性、对卓越数据治理模型的需求以及影响系统响应时间的风险。尽管有其局限性，DV 还是敏捷 BI 和大数据 BI 的理想选择。
数据虚拟化用例
用例 1：如今，虚拟数据仓库是首选技术，因为设置 VDW 比设置传统数据仓库要快得多。该解决方案非常适合大
数据分析或基于云的 BI 平台。
用例 2：在虚拟数据湖中，无论来源如何，数据的即时整合都非常有用。这种类型的数据访问有利于各种业务用户
思科专家相信网络数据世界的真正挑战不是缺乏数据，而是跨不同类型的存储库存储数据，除非得到的信息是增值的，否则再多的技术投资都不值得。他们提供了一种 DV 解决方案，供应商声称可以将“数据存储转换为有价值的信息”。他们相信 DV 在打击整个企业内物联网生成的数据孤岛方面有前途。
数据虚拟化及其用例简介提供了额外的例子。
DV中的进一步探索
数据虚拟化简介描述了企业如何应对日益增加的数据孤岛、数据增长和更新的技术平台带来的挑战。
扫码加好友，拉您进群
全部版块
我的主页
收藏
