แนะนำ Databricks Lakehouse

แนวคิด Databricks

Kevin Barlow

Data Analytics Practitioner

Data Warehouse

Data Warehouse

ข้อดี

  • เหมาะกับข้อมูลแบบมีโครงสร้าง
  • ประสิทธิภาพสูง
  • ดูแลคุณภาพข้อมูลได้ง่าย

ข้อเสีย

  • ค่าใช้จ่ายสูงมาก
  • ไม่รองรับแอปพลิเคชันสมัยใหม่
  • ไม่ได้ออกแบบมาสำหรับ Machine Learning

Data Warehouse

1 https://www.databricks.com/blog/2021/05/19/evolution-to-the-data-lakehouse.html
แนวคิด Databricks

Data Lake

ภาพ Data Lake

Data Lake

ข้อดี

  • รองรับทุก Use Case
  • ยืดหยุ่นสูง
  • ประหยัดค่าใช้จ่าย

ข้อเสีย

  • ข้อมูลอาจกระจัดกระจาย
  • ประสิทธิภาพในอดีตค่อนข้างต่ำ
1 https://www.databricks.com/blog/2021/05/19/evolution-to-the-data-lakehouse.html
แนวคิด Databricks

จุดกำเนิดของ Lakehouse

Data Warehouse และ Data Lake

1 https://www.databricks.com/blog/2021/05/19/evolution-to-the-data-lakehouse.html
แนวคิด Databricks

จุดกำเนิดของ Lakehouse

สถาปัตยกรรมจุดกำเนิดของ Lakehouse

1 https://www.databricks.com/blog/2021/05/19/evolution-to-the-data-lakehouse.html
แนวคิด Databricks

Databricks Lakehouse

Databricks Lakehouse Platform

  • แพลตฟอร์มเดียวสำหรับทุก Data Workload
  • สร้างบนเทคโนโลยีโอเพนซอร์ส
  • สภาพแวดล้อมสำหรับการทำงานร่วมกัน
  • สถาปัตยกรรมที่เรียบง่าย

แผนภาพภาพรวม Databricks Lakehouse

1 https://www.databricks.com/blog/2021/05/19/evolution-to-the-data-lakehouse.html
แนวคิด Databricks

ประโยชน์ด้านสถาปัตยกรรมของ Databricks

การรวมศูนย์ (Unification)

  • ครอบคลุมทุก Use Case ตั้งแต่ AI ถึง BI
  • ได้ประโยชน์จากทั้ง Data Warehouse และ Data Lake

แอปพลิเคชัน Unified Analytics

Multi-Cloud

  • นำแพลตฟอร์มอันทรงพลังเข้าหาข้อมูลของคุณ
  • ไม่ผูกติดกับ Cloud Platform ใดเป็นการเฉพาะ

หลาย Cloud

แนวคิด Databricks

ประโยชน์ด้านการพัฒนาของ Databricks

การทำงานร่วมกัน (Collaborative)

  • รองรับทุกบทบาทด้านข้อมูล
  • ทำงานบนแพลตฟอร์มเดียวกันแบบ Real-time

ทีมที่ทำงานร่วมกัน

โอเพนซอร์ส (Open-Source)

  • ขับเคลื่อนด้วย Apache Spark
  • รองรับภาษายอดนิยม (Python, R, Scala, SQL)

โอเพนซอร์ส

แนวคิด Databricks

มาฝึกกันเถอะ!

แนวคิด Databricks

Preparing Video For Download...