构建数据应用程序的5大挑战2020年6月15日|3分钟读取作者：雪花杖雪花思维领导力快速增长的软件公司正在为各种用途构建数据应用程序，从提供客户见解的营销应用程序，到处理设备反馈的物联网应用程序，以及处理历史和近实时数据的数据分析应用程序但是，在构建、设计和支持需要解析大量信息的应用程序时，开发人员经常会遇到障碍。为了应对这些挑战，公司正在云数据平台上构建其数据应用程序，云数据平台可以提供几乎无限和自动的可伸缩性、并发性、近乎即时的弹性，以及对结构化和半结构化数据的支持。有了雪花云数据平台，数据应用不必争夺资源，客户可以连续访问所需的数据和分析下面是构建高性能数据应用程序最常见的五个挑战。有关雪花如何帮助解决和解决应用程序构建者面临的挑战的更多详细信息，请下载我们的电子书：产品经理在云数据平台上构建数据应用程序的指南。全面了解客户客户数据通常分散在多个系统中，由不同的数据类型组成。例如，最近的客户购买历史记录存储在操作数据库中。相比之下，实时事件数据（如clickstream）不是结构化的，需要复杂的数据管道。意向和人口统计数据通常是从第三方获取的，需要很难集成和昂贵的数据复制，这会导致过时的数据近实时处理物联网设备数据为物联网应用程序摄取、存储和分析大量设备数据通常会使传统的数据管道不堪重负，而且这些数据的存储成本也很高。由于设备数据是非结构化的，因此需要转换来中断接收过程。由于原始设备数据通常存储在云对象存储中，必须将其移动到数据仓库进行分析，因此也会产生额外的延迟和费用。更大的挑战是，数据可能会无序到达，需要在分析之前对其进行操作。结合历史和当前数据进行分析安全和应用程序健康分析应用程序的开发人员通常需要评估数据以预测异常情况、检测威胁并主动响应。但结合大量的历史数据和当前数据进行分析面临着几个挑战。长时间存储大量数据的成本很高，而且很难可靠地接收实时事件数据。而且，将数据转移到云对象存储中而不是流式存储会导致洞察时间延迟和额外的存储成本。为机器学习（ML）模型汇集数据构建精确的ML模型需要大量干净的历史数据和不断改进的迭代过程。必须制作整个数据集的副本来支持每个实验——这是一个昂贵而漫长的过程，它可能会限制所进行的实验的数量，并损害模型的准确性。为了支持近乎实时的预测，应用程序开发人员需要以非常快的响应时间查询新的数据，这可能需要昂贵的计算资源过度配置。在数据密集型应用程序中嵌入分析开发人员在将分析嵌入到数据密集型应用程序中面临许多挑战。随着用户数量或查询复杂性的增加，它们会遇到性能问题和并发性限制，从而导致用户体验不佳和可能的停机时间。为了减轻对性能的影响，开发人员经常过度配置计算，这会通过支付闲置资源来损害利润率。半结构化数据的摄取需要专门的工程师来维护管道，以避免在模式更改时发生中断。下载我们的电子书《在云数据平台上构建数据应用程序的产品经理指南》，了解更多关于雪花云数据平台如何帮助应用程序建设者解决他们在五个用例中面临的挑战：客户360数据应用程序物联网数据应用应用程序健康和安全分析数据应用程序机器学习和数据科学数据应用程序嵌入式分析数据应用程序就像你读的？通过喜欢和分享来表达你的感激之情！Facebook推特LinkedIn