IBM Analytics Engine

概述

按需提供分析

IBM® Analytics Engine 通过分离计算和存储空间来提供可扩展的 Apache Spark 环境，以控制成本。将数据存储在对象存储空间中，仅在需要时启动簇。基于用量的付费模式可为大规模分析增加灵活性和可预测的支出。

扩展、自定义和加速开源分析

通过更广泛的 Apache Spark 生态系统，在符合 ODPi 标准的堆栈上构建具有开创性的数据科学工具。

根据应用程序的需求定义簇。选择适当的软件包、版本和簇大小。按需使用，并在应用程序完成作业后立即删除。

使用第三方分析库和软件包以及 IBM 自有的增强功能来配置簇。部署来自 IBM® Cloud 服务的工作量，如机器学习。

探索智能扩展分析的方法

通过灵活的计算、弹性簇和高效的资源利用，实现可扩展的分析。快速适应不断变化的工作量需求，增强安全性，降低基础设施复杂性，优化数据处理环境，同时保持成本控制力和运营灵活性。

灵活的分析计算扩展

使用可按需扩展的纯计算簇运行分析工作量，而无需在本地存储数据。消除簇升级的需求，随着工作量的演变快速配置资源，实现更敏捷高效的大规模数据处理。

优化存储空间密集型分析工作量

通过独立于计算资源扩展对象存储空间，支持 I/O 密集型分析。按需配置存储，无需为未使用的计算周期付费，帮助团队管理日益增长的企业数据量，同时提高成本效益。

根据实时需求动态扩展簇

通过 REST API 添加或移除数据节点，适应不断变化的分析工作量。通过响应实时需求的弹性簇，保持灵活性和效率，同时通过无状态计算环境降低运营开销。

简化跨环境的安全访问

借助简化簇保护和访问管理的多层策略，加强安全性。实现跨环境的精细控制，同时降低与保护分析基础设施相关的复杂性和运营成本。

通过灵活的簇设置避免锁定

针对每项工作量量身定制簇，以支持多样化的分析需求。独立运行多个软件版本，而无需强制所有作业都采用单一配置，从而提高灵活性并减少对固定环境或架构的依赖。

使用无服务器架构，控制 Spark 成本

通过仅在应用程序运行时消耗计算资源的无服务器架构环境，优化 Apache Spark 支出。根据工作量需求扩展使用规模，只按所用资源付费，从而提升成本可预测性和运营效率。

探索可扩展分析的定价

查看可随分析工作量灵活扩展的 Apache Spark 环境定价选项。深入了解灵活的付费模式、无服务器架构配置和部署选项，以管理成本，同时提升性能、弹性并满足企业数据处理需求。

采取后续步骤

获取为开发和部署高级分析应用程序提供环境的组合服务。

了解更多信息