数据仓库虚拟化公司AtScale Inc.今天更新了其旗舰自适应分析平台，旨在加快公司海量数据的可访问性。AtScale的平台作为Hadoop集群和其他后端数据存储（如雪花、googlebigquery、Amazon Redshift和microsoftazuresql数据仓库）的抽象层。这项技术使这些数据存储更容易被一系列商业智能应用程序访问，如Excel电子表格和Tableau Software Inc.的可视化工具，而不需要复杂的"提取、转换和加载"过程。从本质上讲，AtScale所做的是让公司更容易地利用其数据池和数据仓库（通常用于业务分析的结构化和非结构化数据存储库），并从这些信息中收集见解，公司可以构建分析模型，将任何受支持的BI工具连接到上述任何数据存储。AtScale还通过其自适应缓存查询加速技术提高了这些工具的性能，该技术能够实时分析查询模式以优化响应。它的工作原理是拦截查询并将它们重写到一个公共元数据存储库中，该元数据存储库包括语义模型、治理规则和数据沿袭映射。自适应缓存创建摘要表，机器学习算法生成"智能聚合"，根据历史活动预测未来的查询。AtScale首席执行官克里斯·林奇（如图）去年8月在SiliconANGLE的移动直播工作室theCUBE上接受采访时，谈到了该公司的平台如何让商业智能获取数据：新的Adaptive Analytics 2020.1版本引入了一种新的"多源智能数据模型"，使用户无需复制或转换现有数据结构即可创建逻辑数据模型。该公司表示，这有助于通过以"即时"的方式组合所需的数据，并为后续工作负载维护加速结构，从而加快查询时间。新版本还具有"自我优化查询加速结构"的特点，通过在加速结构的创建中加入额外的数据来工作。这有助于减轻查询规划的"最小公分母"方法，该方法涉及大量手动数据供应和移动。"AtScale的自主数据工程自动确定必要的结构和它们的最佳位置，"该公司说。另一个亮点是新的"虚拟多维数据集目录"功能，据说可以通过新的数据沿袭和元数据搜索功能加快发现时间，这些功能可以本机集成到现有的数据目录中。AtScale说，有了这些新特性，其最新的基准测试表明，它能够将查询性能提高10倍，用户并发性提高60倍，成本降低10倍。Ventana research的高级副总裁兼研究总监David Menninger说："AtScale的最新版本通过自动化当今混合云和多云数据平台的数据工程任务，使关键大数据分析的规模和性能更容易实现。"。照片：硅角既然你来了…点击订阅我们的YouTube频道（见下文），显示您对我们使命的支持。我们的订户越多，YouTube就越会向你推荐相关的企业和新兴技术内容。谢谢！支持我们的使命：>>>>>立即订阅我们的YouTube频道。……我们还想告诉你我们的使命，以及你如何帮助我们完成它。SiliconANGLE Media Inc.的商业模式是基于内容的内在价值，而不是广告。与许多在线出版物不同的是，我们没有付费墙或横幅广告，因为我们想让我们的新闻保持开放，不受影响，也不需要追逐交通。那个新闻、报道和评论SiliconANGLE——以及现场报道，我们的硅谷工作室和cube环球巡演的视频团队提供的未经剪辑的视频需要大量的辛勤工作、时间和金钱。保持高质量需要赞助商的支持，他们与我们的无广告新闻内容的愿景一致。如果你喜欢这里的报道，视频采访和其他无广告内容，请花点时间看看我们的赞助商支持的视频内容样本，在推特上表达你的支持，然后继续回到SiliconANGLE。