使用案例
云数据报表和仪表板
即时访问数据
数据仓库优化
操作和事件分析
研究与发现分析
操作和事件分析
分析海量事件和时间序列数据
传统数据仓库几乎不可能分析来自机器日志、传感器和其它边缘设备的海量事件和时序数据。CDP Data Warehouse 基于 Apache Kudu 和 Druid 而构建，并与 Cloudera DataFlow相结合，在性能、规模和易用性等方面实现了进一步的创新，可以解决当前面临的全新挑战：在具备自助服务分析能力的同时快速移动数据。
研究与发现分析
将大量的非结构化数据与关系数据相关联。
高质量的预测要求从大量的非结构化、半结构化、文本和关系数据中挖掘新的相关性、模式和洞察力。CDP Data Warehouse 与 用于全文检索的Solr 以及 CDP Machine Learning一道， 可以从所有数据源中获取洞察力，以进行更准确的预测。
在数分钟内即可启动并运行数据仓库，并开始分析通过直观的数据目录可轻松找到的数据集。 只需按一下按钮即可配置基于模板部署的数据仓库，并利用自动扩展和自动挂起功能通过零接触管理来管理它。
利用高性能SQL引擎（如 Impal 和 Hive LLAP）从大量数据中获得即时洞察力 — 150 PB的数据集已经在生产中得到了验证并且数据量仍在不断增长，同时实现了亚秒级的查询响应时间。通过工作负载隔离和优化来解锁数百个用户和数千个用例，确保所有人都可以基于相同的数据完成工作，而不会因插手别人职责范围内的事而造成冲突。
使用半结构和非结构化数据类型（例如机器日志、事件流、物联网传感器、媒体和情绪数据）增强传统数据集。使所有数据作为单一数据目录随时可用，可通过仪表板和报表以及特色和探索性分析进行访问。
利用大型语言模型和自然语言的强大功能，为您的查询和分析提供动力。这使得从代码审查、代码补全到代码解释等一切工作都变得可能。
通过Cloudera Data Visualization的AI Assistant，并利用大语言模型和自然语言，轻松快速创建交互式仪表板，第一时间共享来自整个业务的洞察。
愿意进行更深入的了解吗？
亲身体验 Cloudera Data Platform 上的 Data Warehouse
