Python 优先和支持云的 kdb kdb Insights 为数据科学家和工程师带来了小巧但功能强大的 kdb 引擎,它完全支持 Docker 和 Kubernetes 以及与行业标准编程语言的本地集成。 kdb Insights 完全支持云,可以在 AWS、Azure 和 GCP 以及本地私有云环境上运行,让您可以直接在云服务中利用为华尔街提供动力的技术。它可让您实现云原生分析堆栈的现代化并开发变革性的机器学习操作 (MLOps) 管道。 产品优势 微服务和云资源的灵活性相结合 无与伦比的速度、可扩展性和基础架构消耗,可降低硬件和运营成本。 快速访问和处理大量数据 使开发人员能够使用熟悉的工具和技术快速访问和处理大量数据。 本机连接到云协议、存储和服务 本机连接到云协议、存储和服务,以实现经济高效和高性能的云数据管道。 主要特征 使开发人员、数据科学家和云架构师能够为实时智能企业提供支持。 kdb Insights 针对云数据科学工作流进行了优化配置,能够交付新的应用程序和微服务,以支持云端和云端分析。对于现有的本地 kdb+ 系统,用户可以轻松升级、现代化和添加云原生功能。 PGwire 和 SQL 互操作性 PostgreSQL 查询 PGwire 接口支持重用现有的 PostgreSQL 查询,并简化了向第三方可视化工具(包括 PowerBI、Grafana、Tableau 和 HeidiSQL)的迁移。 加速应用定制 对 ANSI SQL 的支持意味着数据工程师可以将熟悉的工具和数据库重新用于商业智能、数据集成和数据科学,从而加速应用定制。 云微服务和云优先功能 服务发现 提供一个云原生、可扩展的注册表,用于存储、管理和分发正在运行的服务及其元数据,用于微服务驱动环境中的所有其他服务。 流处理器 提供对本机复杂分析的访问权限,例如连接、聚合和窗口功能,用于处理和丰富数据,以便根据需要进行进一步的定制和机器学习。 数据访问 提供对数据的只读访问,无论数据当前在其存储生命周期中位于何处(内存中、磁盘上、对象存储),用户无需知道其具体位置。 服务网关 呈现一致的界面,用于协调请求并将它们路由到可能随时间变化的支持服务,从而消除消费者跟踪实施变化的需要。 存储管理器 根据性能需求、容错要求和老化标准,控制跨存储层的数据捕获、持久性和迁移。 仪表盘 提供交互式数据可视化服务,使非技术用户和高级用户能够查询、转换、共享和呈现实时数据洞察力。 休息服务和 OpenAPI OpenAPI 集成,提供标准化的 REST API,以实现与编程语言和数据源的通用互操作性。