Komprise erstellt Datei-Indexe für Cloud-Speichersilos

Der Datenmanagement- und Analytics-Experte Komprise will mit »Deep Analytics Actions« (KDAA) eine automatisierte, globale Indizierung für Datei-Inhalte in hybriden Cloud-Umgebungen ermöglichen. Der Dienst ermöglicht, unstrukturierte Daten in Speichersilos effektiver Aufzufinden, zu Gruppieren und in Teilmengen zu verschieben.

Komprise »Deep Analytics Actions« (KDAA) indiziert Datei-Inhalte in hybriden CloudsKomprise hat mit Komprise Deep Analytics Actions (KDAA) eingeführt, um bestimmte Daten in Speichersilos zu finden und eine Teilmenge von Daten in Daten-Pipelines zu verschieben. KDAA ist ein verwalteter Hybrid-Cloud-Dienst, der Daten direkt über Datei-, Objekt- und Cloud-Datenspeicher hinweg indiziert und granular auffindbar macht. Mit dem globalen Datei-Index sollen PByte an unstrukturierten Daten durchsucht werden können, die über mehrere Silos und Standorte verteilt sind.

Der Hersteller will damit eines der Probleme mit unstrukturierten Daten angehen. Sie sind zu groß und umfassen Milliarden von Dateien und Objekten. Sie sind über viele Lager-Silo verstreut, bieten nur eingeschränkte Einsicht über Silos hinweg und bieten kaum die Suchmöglichkeit nach spezifischen Benutzeranforderungen, um sie für Analysen nutzen zu können.

»Mit Komprise Deep Analytics Actions können Abteilungsbenutzer den Geschäftswert ihrer unstrukturierten Daten maximieren, indem sie ihr lokales Wissen nutzen, um die richtigen Datensätze für die Bearbeitung in all ihren Silos zu finden und zu verarbeiten«, sagt Kumar Goswami, Mitbegründer und CEO bei Komprise.

Mit KDDA erfolge eine globale Indizierung auf Metadatenebene für Dateien und Objekte, nicht auf Inhaltsebene. Das bedeutet, dass Benutzer Abfragen zu Datei-Attributen und Tags erstellen können. Forscher könnten so beispielsweise die Dateien eines bestimmten Experiments, die von einer Gruppe von Forschern erstellt wurden, abfragen und extrahieren, selbst wenn diese Dateien nur einen kleinen Bruchteil der PByte ausmachen, die über Rechenzentren und Clouds verstreut sind, und diesen virtuellen Datensatz importieren und in einen Data-Lake oder ein Data-Warehouse zur weiteren Analyse weiterleiten.

Folgende Vorteile der systematischen, richtliniengesteuerten Daten-Indizierung nennt der Anbieter:

• Benutzer verschieben nur die Daten, die sie benötigen, mit der Möglichkeit, Abfragen zu unzähligen Dateiattributen und Tags zu erstellen. Die können Projektnamen, Datei-Alter, User- oder Gruppen-IDs, spezifische Erweiterungen, Daten mit unbekanntem Nutzer oder auch Dateitypen sein.
• Eliminiert den manuellen Aufwand, benutzerdefinierte Datensätze zu finden und sie separat aus verschiedenen Speichersilos zu verschieben, da das Unternehmen basierend auf der Abfrage einen virtuellen Datensatz erstellen und Daten systematisch und kontinuierlich aus mehreren Datei- und Objektsilos an den Zielort verschieben kann.
• Verbessert die Zusammenarbeit zwischen IT und Unternehmen rund um Daten, da Datenbesitzer/-benutzer an der Entscheidungsfindung beim Daten-Tiering teilnehmen können, indem sie Dateien mit Tags versehen und ihre eigenen Abfragen aus einer beliebigen Kombination von Tags und Metadaten erstellen.

»Wir sehen viele Anwendungsfälle für Deep-Analytics-Aktionen an der Universität«, sagt Matt Madill, Senior Storage Administrator, Duquesne University. »Zum Beispiel haben verschiedene Forschungsgruppen individuelle Anforderungen, die Benutzer mit Tagging unterstützen können, damit diese Datensätze nicht nur leicht entdeckt werden können, sondern sie auch die entsprechenden Datenverwaltungsrichtlinien für die langfristige Speicherung anwenden. Wir werden in der Lage sein, Benutzern eine bessere Kontrolle über ihre Daten zu geben und uns mitzuteilen, was wann archiviert werden soll. Komprise hilft uns, intelligentere Entscheidungen bezüglich unserer Daten zu treffen, und das ist ein Wettbewerbsvorteil.«

»Unstrukturierte Daten wachsen exponentiell. Die Zeit bis zu umsetzbaren Erkenntnissen ist ein wichtiger Faktor bei der Realisierung des tatsächlichen finanziellen Wertes, auch bekannt als Time-to-Value«, sagt Marc Staimer, Präsident von Dragon Slayer Consulting. »Komprise löst das sehr reale, konkrete Zeitproblem, das entsteht, wenn Petabytes an Dateidaten in ein Cloud-Data Warehouse verschoben werden. Mit ihrenden Deep Analytics Actions können wir einfach den kleinen Bruchteil dessen finden und verschieben, was erforderlich ist, um die erforderliche Echtzeit-Analyse zu durchzuführen, die diese Time-to-Value beschleunigt.«