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 ------------------------------ - :ref:`Database administrator (DBA) ` - :ref:`DevOps engineer / site reliability engineer (SRE) ` - :ref:`Data scientist / data analyst ` - :ref:`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、 :ref:`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。 :ref:`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 ^^^^^^^^^^^^^^^^^^ - EDB Postgres Distributed PGDドキュメント - :ref:`EDB Postgres Lakehouse Architecture ` - :ref:`Analytics in Hybrid Manager ` 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-1: 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。 :ref:`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-1: 推奨されるリソース ^^^^^^^^^^^^^^^^^^ - :ref:`Analytics in Hybrid Manager ` - :ref:`EDB Postgres Lakehouse Architecture ` - EDB APIおよびCLIドキュメント 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-2: 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。 :ref:`Apache Iceberg Integration With Analytics Accelerator ` 。 :ref:`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-2: 推奨されるリソース ^^^^^^^^^^^^^^^^^^ - :ref:`EDB Postgres Lakehouse Architecture ` - :ref:`How-To Lakehouse Read With/Without A Catalog ` - BIツールの接続 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-3: 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-3: 推奨されるリソース ^^^^^^^^^^^^^^^^^^ - Postgres SQLドキュメントとクライアントライブラリ - :ref:`EDB Postgres Lakehouse Architecture ` - :ref:`Tiered Tables With Analytics Accelerator ` -------------- 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、 :ref:`Analytics in Hybrid Manager ` を参照してください。