简介

随着信息技术的迅速发展，各行各业正产生和积累爆炸式增长的数据。如何通过分析这些规模和复杂度不断增长的数据、挖掘数据的价值来为公司提供商业决策支持，正成为困扰企业高管的一大难题。尽管近年来大数据相关的工具和产品不断涌现。企业利用数据仓库进行大数据分析的门槛依然很高，具体体现在以下几方面：（1）除了以生成报表为代表的传统应用场景，越来越多的企业开始将数据分析作为服务提供给它的员工、客户和合作伙伴，同时在线的用户将达到数百上千的级别。传统MPP架构的数据仓库无法支撑如此高的并发数量。（2）除了传统来自业务系统的结构化数据外，企业数据中心收集和保存了越来越多像地理信息、传感器数据、服务器日志等半结构化和非结构化数据。传统关系型数据库处理这类数据显得越来越力不从心。（3）随着数据量的增多，为了在可接受的时间内完成数据分析，要求数据仓库集群规模不断增大；而传统MPP架构的数据仓库，相对于Hadoop技术来说，恰恰在扩展性上存在很大的局限性。（4）传统数据仓库在系统升级、扩缩容的时候需要停止服务或者进入只读模式，而且时间窗口比较长，严重影响正常的业务。分析完传统数据仓库面临的技术问题后，我们将重点介绍云端数据仓库是如何解决这些问题的：围绕着对象存储和抽象服务构建，通过将管理（元数据）、计算和存储（对象存储）三者分离的创新架构，提供传统解决方案无法媲美的高并发、可扩展、弹性和易用性，包括在线升级（正常的查询完全不受影响）、秒级扩缩容、支持的并发数随集群规模线性增长、几乎无限的计算和存储能力等。

目标

1、在线分析（OLAP）系统的技术分类；
2、OLAP技术选型的最佳实践；
3、数据仓库底层技术干货；
4、最新的云端数据仓库介绍；
5、云端数据仓库使用的最佳实践；

课程时长

1天（6H)

受众人群

数据科学家、数据库管理员、高级工程师、系统架构师、项目经理，以及企业的CIO和CTO。
课程特点
在线分析（OLAP）和数据仓库方面的技术干货＋最新云端数据仓库产品的介绍和试用。

分享提纲