当前位置: 首页 > news >正文

Kyligence Analytics Platform Enterprise

平台: arm

类型: ARM 模板

软件包:  kap 2.3  kyanalyzer 2.3
  • apache kylin  
  • basic software  
  • bi  
  • big data  
  • cube  
  • data warehouse  
  • kap  
  • kyligence  
  • olap
  • sql on hadoop  
  • 大数据  
  • 多维分析  
  • 麒麟  
  • 商务智能  
  • 数据仓库

服务优惠价: 按服务商许可协议

云服务器费用:查看费用

立即部署

产品详情

产品介绍

Kyligence Analytics Platform(KAP)大数据智能分析平台是基于Apache Kylin的,在超大数据集上提供亚秒级分析能力的企业级数据仓库产品,为业务用户、分析师及工程师提供简便、快捷的大数据分析服务。在继承Apache Kylin的高性能查询、易用建模,多协议支持、非侵入式架构等突出优点的同时,KAP在企业用户所关注的实施效率、安全可控、性能优化、自助式敏捷BI、系统监控等方面进行了全方位的创新,被誉为目前最为成熟的OLAP on Hadoop产品。

本镜像是整合了KAP及Azure HDInsight的一款集群软件;使用它您将方便地获得一个Hadoop集群(HDInsight),以及运行在其上的KAP实例,所有的配置均为您自动完成。通过安装实施本软件,可以有效地降低大数据使用的难度,提高大数据分析的效率,有利于企业在云上快速开展业务。

KAP的主要功能和特性包含:

  • 亚秒级查询
在百亿及以上规模数据集上为业务用户及分析师提供亚秒级的查询速度,并同时支持高并发,使得在大数据平台上对超大规模数据进行交互式分析成为可能;支持ANSI SQL查询标准,使得业务用户及分析师无需重新学习新的技术即可掌握在海量超大规模数据集上快速分析的能力。
  • 无缝集成
支持与企业级商业智能(BI)及可视化工具无缝集成,提供标准的ODBC、JDBC驱动及REST API接口等以连接流行的数据分析、展示工具,如Tableau、Microsoft PowerBI、Microsoft Excel、Apache Zeppelin、Saiku等。
  • 自助服务
Kyligence大数据分析平台使得分析师及用户能以简洁而快速的方式分析海量数据。易于使用的Web界面允许用户自己构建数据集市而无需知晓底层技术 。
  • 可扩展架构
全新设计的可扩展架构从根本上解藕了对特定技术的依赖,将计算框架,数据源以及底层存储等扩展到更多的技术领域,为不同的技术栈提供可配置的优化解决方案。
  • 非侵入式

Kyligence大数据分析平台的部署不需要在现有Hadoop集群上安装任何新的组件,更不需要在数据节点或其他节点上安装Agent等,所有与集群的操作都通过标准API完成,从而使得对现有集群的影响最小化,也为快速部署带来了可能。


使用说明

KAP Azure镜像使用方法:  http://manual.kyligence.io/v2.3/zh-cn/quickstart/quickstart_azure_hdi.cn.html

更多操作使用,参考KAP使用手册: http://manual.kyligence.io/v2.3 
 

其他信息

此镜像模版会自动创建KAP 2.3实例以及Hadoop集群(HDInsight),用户可以自定义集群的规模,结合Azure实现在云上的自助、弹性和极速大数据分析。 通过此镜像创建的KAP,提供不少于一个月的试用许可证,试用期内可以免费使用KAP,您只需为使用的Azure资源(包括HDInsight)付费;试用期结束后,请联系Kyligence公司购买正式的产品许可证。

最终用户协议网址:http://kyligence.io/public/EULA/Kyligence_EULA_cn.pdf

来源网站:http://kyligence.io/kap/

地区: 中国北部

上传日期: 2017年04月07日 01:40:47

立即访问http://market.azure.cn

转载于:https://www.cnblogs.com/zangdalei/p/7494649.html

相关文章:

  • 【转】VS2010/MFC编程入门之二十(常用控件:静态文本框)
  • Shiro:ajax的session超时处理
  • cogs2223 [SDOI2016 Round1] 生成魔咒
  • Sql 时间做条件
  • SQL Server 数据库中的几个常见的临界值
  • A Research Problem UVA - 10837 欧拉函数逆应用
  • 洛谷P2344 奶牛抗议
  • python归档:笔记转化
  • 理解JS中的call、apply、bind方法
  • Number Math
  • 初学JAVA的变量作用域
  • Inno Setup自定义安装界面脚本
  • Spring AOP简单的配置(注解和xml配置)
  • Swift,枚举
  • java操作Excel
  • 【Leetcode】101. 对称二叉树
  • 分享的文章《人生如棋》
  • (三)从jvm层面了解线程的启动和停止
  • 【译】React性能工程(下) -- 深入研究React性能调试
  • Apache Zeppelin在Apache Trafodion上的可视化
  • HashMap剖析之内部结构
  • js操作时间(持续更新)
  • Vue UI框架库开发介绍
  • Webpack入门之遇到的那些坑,系列示例Demo
  • 程序员该如何有效的找工作?
  • 纯 javascript 半自动式下滑一定高度,导航栏固定
  • 简单实现一个textarea自适应高度
  • 免费小说阅读小程序
  • 前端每日实战:70# 视频演示如何用纯 CSS 创作一只徘徊的果冻怪兽
  • LevelDB 入门 —— 全面了解 LevelDB 的功能特性
  • Nginx惊现漏洞 百万网站面临“拖库”风险
  • # Panda3d 碰撞检测系统介绍
  • #HarmonyOS:基础语法
  • #考研#计算机文化知识1(局域网及网络互联)
  • (01)ORB-SLAM2源码无死角解析-(66) BA优化(g2o)→闭环线程:Optimizer::GlobalBundleAdjustemnt→全局优化
  • (04)odoo视图操作
  • (Matalb时序预测)PSO-BP粒子群算法优化BP神经网络的多维时序回归预测
  • (草履虫都可以看懂的)PyQt子窗口向主窗口传递参数,主窗口接收子窗口信号、参数。
  • (第二周)效能测试
  • (附源码)小程序儿童艺术培训机构教育管理小程序 毕业设计 201740
  • (论文阅读23/100)Hierarchical Convolutional Features for Visual Tracking
  • (三)Hyperledger Fabric 1.1安装部署-chaincode测试
  • (转载)hibernate缓存
  • (转载)微软数据挖掘算法:Microsoft 时序算法(5)
  • .gitignore文件---让git自动忽略指定文件
  • .NET 4.0中的泛型协变和反变
  • @entity 不限字节长度的类型_一文读懂Redis常见对象类型的底层数据结构
  • @WebServiceClient注解,wsdlLocation 可配置
  • [ vulhub漏洞复现篇 ] Django SQL注入漏洞复现 CVE-2021-35042
  • [2010-8-30]
  • [C#]科学计数法(scientific notation)显示为正常数字
  • [C++ 从入门到精通] 12.重载运算符、赋值运算符重载、析构函数
  • [CareerCup] 6.1 Find Heavy Bottle 寻找重瓶子
  • [Electron] 将应用打包成供Ubuntu、Debian平台下安装的deb包
  • [Err] 1055 - Expression #1 of ORDER BY clause is not in GROUP BY clause and contains nonaggregated c