0

تفاوت Data fabric و Data mesh

تفاوت Data fabric و Data mesh
بازدید 176


هم دیتافابریک Data fabric و هم دیتامش Data mesh می‌توانند طیف وسیعی از اهداف تجاری، فنی و سازمانی را محقق کنند.

به گزارش مجله خبری آی تی و دیجیتال و به نقل از venturebeat؛ از آنجایی که فرآیندهای در طول همه‌گیری بیشتر به صورت آنلاین انجام می‌شوند؛ بر اساس نظرسنجی سال 2021 که توسط Starburst و Red Hat انجام شد، 53٪ از کمپانی‌ها معتقدند که دسترسی به داده‌ها در طول همه گیری “بسیار حیاتی” شده است.

سی و پنج درصد از پاسخ دهندگان نظرسنجی گفتند که به دنبال تجزیه و تحلیل ریسک تجاری در زمان واقعی هستند، در حالی که 36 درصد گفتند که به دنبال رشد و درآمدزایی از روش “هوشمندانه‌تر” با مشتری هستند.

اما بیش از 37 درصد از پاسخ‌دهندگان گفتند که از توانایی کمپانی‌هایشان برای دسترسی به «داده‌های به موقع و مرتبط در زمان تصمیم‌گیری» مطمئن نیستند.

دیتافابریک و دیتامش

در این میان دو مفهموم در پاسخ به موانع موجود در تجزیه و تحلیل داده‌ها و مدیریت آن‌ها، مطرح می‌شود.

یکی از آن‌ها دیتافابریک است. رویکرد یکپارچه سازی داده‌ها که شامل معماری و خدماتی است که بر روی آن معماری اجرا می‌شوند و برای کمک به سازمان‌ها در سازماندهی داده‌ها به کار گرفته خواهد شد.

مفهوم دیگری “دیتامش” است که هدف آن کاهش چالش‌ها در زمینه‌ی موجود بودن داده‌ها است که به شرکت‌ها اجازه می‌دهد به داده‌ها از منابع مختلف در مکان‌های مختلف دسترسی داشته باشند.

هم دیتافابریک و هم دیتامش می‌توانند طیف وسیعی از اهداف تجاری، فنی و سازمانی را محقق کنند.

دیتافابریک و دیتامش می‌توانند نرم‌افزار مدیریت داده‌ای را که قبلاً مورد استفاده قرار می‌گرفت، را به منظور افزایش کارایی و هزینه، ادغام و تقویت کنند.

دیتافابریک (Data fabric)

دیتافابریک ترکیبی از فناوری‌ها از جمله هوش مصنوعی و یادگیری ماشین است.

دیتافابریک به طور مداوم داده‌های بلادرنگ را از برنامه‌های مختلف شناسایی، مرتبط و غنی می‌کند تا روابط بین داده‌ها را کشف کند.

برای کشف روابط بین داده‌ها، دیتافابریک نموداری ارائه می‌دهد که توصیفات مرتبط با داده‌ها مانند اشیا، رویدادها، موقعیت‌ها و مفاهیم را ذخیره می‌کند.

دیتافابریک به شرکت‌ها اجازه می‌دهد تا زیرساخت‌های خود را بر اساس نیازهای فناوری در حال تغییر تطبیق دهند.

دیتامش (data mesh)

از سوی دیگر، دیتامش، معماری داده‌های سازمانی بزرگ را به زیرسیستم‌هایی تبدیل می‌کند که توسط یک تیم اختصاصی مدیریت می‌شوند. برخلاف دیتافابریک که به ابرداده متکی است، دیتامش از تخصص متخصصان استفاده می‌کند.

۱
۲
۳
۴
۵
میانگین امتیازات ۵ از ۵
از مجموع ۱ رای

نظرات کاربران

  •  چنانچه دیدگاهی توهین آمیز باشد و متوجه نویسندگان و سایر کاربران باشد تایید نخواهد شد.
  •  چنانچه دیدگاه شما جنبه ی تبلیغاتی داشته باشد تایید نخواهد شد.
  •  چنانچه از لینک سایر وبسایت ها و یا وبسایت خود در دیدگاه استفاده کرده باشید تایید نخواهد شد.
  •  چنانچه در دیدگاه خود از شماره تماس، ایمیل و آیدی تلگرام استفاده کرده باشید تایید نخواهد شد.
  • چنانچه دیدگاهی بی ارتباط با موضوع آموزش مطرح شود تایید نخواهد شد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

بیشتر بخوانید