Analytics Accelerator for your role a persona-based guide

目次

Analytics Accelerator for your role a persona-based guide#

このガイドを使用して、特定のロールにEDB Postgres® AIおよび分析機能を活用する方法を理解します。 EDB Postgres AIは、幅広い分析ニーズに対応する強力なプラットフォームを提供します。このガイドは、目標に合わせた機能に焦点を当てるのに役立ちます。

自分のロールをすばやく見つける#

  • Database administrator (DBA)

  • DevOps engineer / site reliability engineer (SRE)

  • Data scientist / data analyst

  • Application developer

EDB Hybrid ManagerHM内でこれらのソリューションを実装および管理する方法の詳細については、 Analytics in Hybrid Manager を参照してください。

データベース管理者DBA#

データベースインフラのパフォーマンス、信頼性、コスト効率、および管理のしやすさに焦点を当てます。

主要な目標とアナリティクスアクセラレーターソリューション#

パフォーマンスのモニタリングとチューニング#

遅いクエリー、ボトルネック、および非効率なリソースの使用を特定します。 HMダッシュボードを使用して、 EDB Postgres LakehouseノードとPGDクラスターのパフォーマンスをモニタします。

ストレージ管理とコストの最適化#

大規模なデータベースと履歴データをコスト効率よく管理します。 PGDおよびEDB Postgres Lakehouseで階層化テーブルを使用して、コールドデータをオブジェクトストレージにIcebergテーブルとしてオフロードします。 Tiered Tables With Analytics Accelerator 。 HMを介して階層テーブルを管理します。

キャパシティプランニング#

ストレージとコンピューティングのニーズを予測します。 LakehouseおよびHMダッシュボードを介して、履歴的な成長パターンと現在の使用率を分析します。 Lakehouseのコンピューティングとストレージの分離を活用して、柔軟なスケーリングを実現します。

分析データのバックアップ リカバリー#

オブジェクトストレージのデータと関連するメタデータを保護します。 Icebergのカタログバックアップ戦略とHMバックアップオプションに従います。

分析のためのデータのアクセシビリティの確保#

データアナリストやデータサイエンティストにパフォーマンス的で安全なアクセスを提供します。 LakehouseノードとPGDオフロードを使用して、トランザクションシステムへの影響を最小限に抑えます。

推奨されるリソース#

DevOpsエンジニア / サイト信頼性エンジニアSRE#

自動化、インフラストラクチャ管理、スケーラビリティ、信頼性、オブザーバビリティに焦点を当てます。

主要な目標とアナリティクスアクセラレーターソリューション#

自動プロビジョニングと管理#

ハイブリッドマネージャーを使用して、コンソール、API、またはCLIを介してLakehouseクラスターと関連リソースをプロビジョニングします。 Create A Lakehouse Cluster 。

スケーラビリティと弾力性#

需要に合わせてLakehouseコンピューティングリソースを個別にスケーリングします。

モニタリングとオブザーバビリティ#

分析システムのパフォーマンス、状態、およびコストを可視化します。 HMダッシュボードとロギングを使用します。

データパイプラインと分析アプリケーションのためのCI/CD#

スキーマの変更Icebergの進化とPGDを介したデータのオフロードをCI / CDパイプラインに統合します。

クラウドリソースのコスト管理#

オブジェクトストレージと分析コンピューティングのコストを追跡および最適化します。 HMリソースの洞察を使用します。

推奨されるリソース#

データサイエンティスト / データアナリスト#

洞察の抽出、モデルの構築、およびビジネスの質問への回答に焦点を当てます。

主要な目標とアナリティクスアクセラレーターソリューション#

大規模で多様なデータセットへのアクセス#

Lakehouseノードを介して、IcebergまたはDelta Lakeテーブルとして保存されている大規模なデータセットを照会します。 Python、R、 SQLクライアント、およびBIツールを使用します。

データの準備と探索#

Lakehouseノードを介してSQLでデータのフィルタリング、集計、および変換を実行します。

オープンテーブルフォーマットの使用#

IcebergおよびDelta Lakeテーブルのスキーマの進化、タイムトラベル、およびACIDトランザクションを活用します。 Apache Iceberg Integration With Analytics Accelerator 。 Delta Lake Integration with Analytics Accelerator 。

データサイエンスツールおよびフレームワークとの統合#

Lakehouseのクエリ結果をpandas、Rデータフレームにロードするか、Spark、TensorFlow、またはPyTorchで使用します。

クエリパフォーマンス#

Lakehouseノードのベクトル化クエリエンジンを使用して分析SQLクエリを高速化します。

推奨されるリソース#

アプリケーション開発者#

データ駆動型アプリケーションの構築とインサイトの埋め込みに焦点を当てます。

主要な目標とアナリティクスアクセラレーターソリューション#

分析機能を使用したアプリケーションの構築#

LakehouseノードまたはPGDリードレプリカを使用して、アプリケーションでレポート、ダッシュボード、およびデータ探索を提供します。

大規模なレポートクエリの効率的な処理#

大規模な集計および履歴データのクエリをレイクハウスノードにオフロードします。階層化テーブルを使用して、履歴クエリを分析階層に転送します。

統合プラットフォームからのデータへのアクセス#

運用データと分析データの両方への一貫したSQLアクセスを提供します。

AI / ML対応アプリケーションの開発#

Lakehouseノードを使用してMLモデルデータを保存およびアクセスします。

推奨されるリソース#

より詳細なガイダンスについては、これらのリソースを参照してください。 HM固有の実装手順については、 Analytics in Hybrid Manager を参照してください。

目次