Персоналом Техопедии, 29 марта 2017 г.
Вывод: ведущий Эрик Кавана обсуждает бизнес-аналитику с доктором Робином Блором и Стэном Гейгером из IDERA.
Вы не вошли в систему. Пожалуйста, войдите или зарегистрируйтесь, чтобы увидеть видео.
Эрик Кавана: Уважаемые дамы и господа, еще раз добро пожаловать, сегодня среда в 4:00 по восточному времени, и последние пару лет это означает, что пришло время для «горячих технологий», да, действительно. Меня зовут Эрик Кавана, я буду вашим хозяином на сегодняшнем шоу. Мне нравится эта тема: «Проверка работоспособности: поддержание работоспособности BI предприятия», именно об этом мы и поговорим сегодня. Есть место о твоем по-настоящему.
Так что в этом году жарко - Hot Technologies действительно была разработана для определения конкретных видов технологий, и вы можете себе представить, что в мире корпоративного программного обеспечения есть много и много поставщиков, которые продают все виды различных продуктов, и то, что в итоге происходит, есть. эти модные слова, которые в конечном итоге привыкают и попадают в тупик разных продавцов для совершенно разных вещей. Итак, цель этого шоу на самом деле - помочь нашим друзьям-поставщикам и помочь нашей аудитории как определить, так и обдумать, какие конкретно виды технологий действительно существуют и что означают все эти слова, когда вы приступаете к медным трюкам.
Итак, сегодня я стану одним из аналитиков, у нас также есть доктор Робин Блур и Стэн Гейгер из IDERA. Давайте просто поговорим о важности бизнес-аналитики и аналитики в целом. Это базовое дерево решений, если хотите, или блок-схема, просто рассказывает о том, как вы работаете над проблемами в вашей компании, обсуждаете различные темы, собираете предложения, а затем вы узнаете, что думают люди. Они согласны? Они не согласны? Каков консенсус, если он у вас есть, и как вы работаете в этом процессе?
Ну, это все очевидно очень общее, но это хорошее напоминание о процессе, с помощью которого мы предлагаем идеи в компаниях, принимаем наши решения и затем движемся вперед. И суть в том, что данные необходимы для каждого из этих компонентов. Это еще более верно в наши дни в мире больших данных, потому что, конечно, большие данные похожи на этот гигантский двигатель правды. Большие данные действительно то, что происходит; это представитель того, кто где, что они делают, что они покупают, как работают их социальные сети, например, в Твиттере. Конечно, все эти вещи могут быть взломаны - вы должны следить за этим - но дело в том, что данные - это эталонная архитектура, если хотите, для реальности.
Итак, вам нужны данные на каждом этапе этого процесса принятия решений. Теперь консенсус важен. Если вы хотите счастливых пользователей, иногда боссу приходится идти против того, чего хотят все. Мы только что говорили о Стиве Джобсе прямо перед началом этой веб-трансляции, и он был печально известен такими вещами. У него есть известная цитата, в которой он рекомендует людям заглушить шум, который они слышат, а затем придерживаться своего видения, если они знают, что они делают правильно. Итак, вам не всегда нужен консенсус, но обычно это довольно хорошая идея. Но общая цель этого слайда и этого комментария состоит в том, чтобы донести до нас важность того, что мы хотим принимать решения на основе данных, а не только на основе инстинкта, хотя обычно интуиция действительно помогает вам узнать, куда вы хотите пойти, а затем вы действительно пытаетесь подтвердить или аннулировать это своими данными. И я бы сказал, не бойтесь оглядываться назад, просто как хороший маркер или напоминание о том, что когда вы оглядываетесь назад, вы можете хотя бы получить какую-то точку отсчета и понять, где вы были исходить из и быть честным в отношении ошибок, которые вы сделали. Мы все сделали ошибки, так бывает.
Итак, если у вас есть проблемы с производительностью в ваших системах бизнес-аналитики, хорошо, есть старое выражение «терпение - добродетель», а не в мире ИТ, я могу вам сказать прямо сейчас. Если пользователи долго ждут возвращения своих запросов, или они не получают свои отчеты, это подрывает доверие, и когда доверие исчезает, очень трудно получить его обратно. Итак, я поставил здесь черту: около 40 секунд в наши дни во многих случаях - это 40 минут - если запрос займет 40 секунд, люди забывают, о чем они вообще говорят, о чем они спрашивают данных. Просто представьте в разговоре, если вы спросите кого-то, скажем, ваш начальник, вы скажете: «Эй, я хотел бы знать, почему мы идем по этому маршруту». И вам пришлось ждать 40 секунд в разговоре получить ответ? Вы выходите из комнаты! Вы бы подумали, что ваш босс сошел с ума. Итак, та задержка, которую мы имеем в некоторых информационных системах, когда возникают проблемы с производительностью, которая усекает аналитический процесс, аналитический поток или, как это называют некоторые люди, разговор, который вы ведете со своими данными. Вам нужно ускориться в этих системах, что бы вы ни делали, чтобы добиться этого, и сегодня мы поговорим об этом, это то, что вам нужно сделать, потому что без этого текучего потока идей взад и вперед вы действительно повреждает весь процесс аналитики. Итак, еще раз, я выкидываю этот комментарий: отсутствие доверия - тихий убийца. Люди на самом деле не будут поднимать руки слишком сильно, если они не будут доверять вам, но они будут просто смотреть на вас сбоку и удивляться, что происходит. И когда это доверие исчезнет, вам будет очень и очень трудно вернуть его обратно.
Итак, искусственный интеллект, мы продолжаем слышать о машинном обучении и искусственном интеллекте, и «О, разве это не решит всех этих проблем?» Робин и я уже много лет слышим о самонастраивающихся базах данных и обо всех этих забавных вещах - что-то происходит, но задайте себе вопрос: как часто Siri делает это для вас? Как часто Сири случайно всплывала и говорила: «Извините, я этого не поняла». Это потому, что я вас ни о чем не спрашивала. Я просто случайно нажал эту проклятую кнопку. Таким образом, все еще есть много недостатков, и, кстати, с левой стороны, это чип ASIC от Apple Newton - помните этого щенка много лет назад? Это было одно из первых интеллектуальных устройств, и это довольно давно, я хочу сказать, что это было в начале 90-х или в середине 90-х. Что Ньютон вышел, и это было не очень хорошо, но у него было видение; они знали, куда они идут, но даже сейчас, с iPhone AI и машинным обучением, я бы сказал, что это широко неправильно понятые концепции.
И, конечно же, в отношении машинного обучения, оно может быть очень полезным и фактически может использоваться в некоторых из этих сред, где вы пытаетесь понять, что происходит с вашей сложной информационной архитектурой, где что-то идет не так. Машинное обучение может быть очень ценным в этом контексте, но только если оно применяется очень остро. Итак, я был на самом деле на большом мероприятии в Калифорнии, у одного из крупных дистрибьюторов Hadoop Cloudera был саммит аналитиков, и я разговаривал с их главным директором по стратегии и сказал: «Вы знаете, мне кажется, что на самом деле машинное обучение делает только две вещи: оно сегментирует и уточняет ». Это означает, что оно даст вам разные сегменты или группы действий, включая аномалии, которые будут сегментом. И это уточняет, что означает, что это поможет вам улучшить определенный тип решения. Классический пример, о котором вы слышите, например, на этой фотографии изображен человек. Так что это то, что машинное обучение может сделать, и это полезно в определенных контекстах, когда вы говорите о поиске и устранении неисправностей, потому что вы можете искать шаблоны поведения при использовании процессора, использовании памяти, скорости диска и действиях дисков. и тому подобное. Так что это может быть полезно, но это действительно то, что должно быть очень сфокусировано, чтобы генерировать какую-либо ценность.
Итак, одна из моих любимых вещей, о которых стоит поговорить - и я думаю, мы увидим кое-что из этого, я думаю, когда мы сегодня примем нашу демонстрацию от IDERA - во многих отношениях я думаю, что люди все еще учатся говорить на кремнии, В основе всего этого лежит наука о материалах, и для тех из вас, кто занимался поиском и устранением неисправностей и серьезно изучал сложные информационные архитектуры, когда вы пытаетесь понять, что происходит, даже в кластере Hadoop, например, действительно вы обычно просто смотрите на гистограммы. И затем вы должны сопоставить, что означают эти различные гистограммы в определенный момент времени, и это требует интеллекта; это требует человеческого интеллекта и опыта. Так что я совсем не боюсь, что ОД, машинное обучение или ИИ в скором времени отнимет слишком много рабочих мест в этом мире. Я думаю, что всегда будут нуждаться в людях, которые откровенно знают, о чем они говорят, чтобы помочь нам и сделать все это возможным.
Итак, продолжим. Итак, что произойдет, если вы не управляемые данными? Это знаменитая картина «Слепой ведет слепого» - это не то, что вы ищете, ребята. Вам не нужна такая среда в вашей организации. Итак, мы хотим, чтобы наши решения основывались на данных, и мы хотим, чтобы решения основывались на хороших данных, данных хорошего качества, и это произойдет только в том случае, если вы соберете правильные данные, если они хорошие и чистые, и если ваши системы работают нормально, если ваши системы BI исправны, ваши аналитические системы исправны, и пользователи получают то, что они хотят, своевременно.
Итак, с этим я собираюсь подвести итоги и передать неповторимого Робина Блура. Робин, убери это.
Робин Блур: Хорошо, спасибо, что передали мне мяч. В то время как вы говорили, Эрик, я просто думал о BI, и недавно я посетил презентацию поставщика, на которой кто-то заметил, что в конкретном поставщике работает конкретная система в большом плохом хранилище данных, которое они будут делать на данный момент времени может сделать 70 000 BI-транзакций, которые приведут к тому, что информация будет представлена большому количеству людей. Мне пришло в голову, что если на самом деле у вас есть такая рабочая нагрузка, и вы даже тратите несколько секунд на выполнение программного обеспечения, то на самом деле это будет очень дорого, а если вы потратите минуты, это будет ужасно дорого. А потом я вспомнил, что огромная часть мира работает на электронных таблицах - я думаю, их называли «системами теней», не так ли? Во-первых, когда люди просто собирали системы, используя электронные таблицы и электронную почту, и они могли бы что-то делать, потому что ИТ-отдел не может создавать приложения для всех, поэтому они вроде как делают это. И я думаю, что многие BI в любом случае участвуют в подобных системах.
В любом случае, сказав это, давайте перейдем к разговору о том, о чем я собираюсь поговорить. BI - это петля обратной связи для корпоративных систем, она действительно настолько проста или сложна, в зависимости от того, какую именно роль она играет в организации. Но если мы посмотрим на эту диаграмму около четырех лет назад, когда мы пытались так или иначе понять, что происходило на стороне аналитики. Но в значительной степени все, что оглядывается назад, оглядываясь назад на то, что ранее произошло, и все, что упускает из виду в плане работы системы, как правило, BI. Раньше не было предвидения, предиктивная аналитика была BI, но на самом деле это все больше и больше становится. Эрик упомянул машинное обучение, так как много машинного обучения, так или иначе, может просто работать с потоком данных и может дать вам прогнозирующую аналитику в течение ближайших пяти минут или даже почти в реальном времени, чтобы вы могли реагировать на клиент, с расчетливым знанием того, что на самом деле происходит.
Но центр этой диаграммы, внутренняя часть исходит из аналитики. Обычно происходит то, что различные аналитические действия направлены на определенные коллекции данных, и что-то новое изучается, знания узнаются о бизнесе. И эта часть знаний затем привязывается к бизнес-процессам, которые могут из нее питаться. И обычно это так или иначе проявляется в появлении BI-предупреждений или просто в добавлении различных вещей на панели инструментов, и так далее, и тому подобное. Когда мы действительно это сделали, там было четыре термина, и они заканчивались словом «зрение», что очень приятно. Но на самом деле это не все в области того, что люди хотят делать, есть также проблема оптимизации, и оптимизация не дает простой аналитики. Это очень сложная проблема, и многие проблемы оптимизации не являются однозначно решаемыми. У вас могут быть только хорошие решения, вы не можете доказать, что у вас есть лучшее решение. И это та сфера деятельности, где происходит активность, но она меньше, чем в большинстве других областей аналитики. Итак, люди говорят, что мы живем в век аналитики - что ж, по сравнению с десятью годами ранее, мы можем пойти гораздо дальше, чем уже прошли.
Таким образом, порождение BI, стремление к знаниям порождают запросы пользователей, которые порождают проекты аналитики, а проекты аналитики порождают озера данных, а озера данных и аналитика порождают идеи и идеи порождают BI. Это история, которую я только что рассказал; Я просто думал, что напишу это. Я имею в виду, что весь смысл этого слайда и большинство других слайдов состоит в том, чтобы просто подчеркнуть, насколько сложен мир бизнес-аналитики. Это не простая вещь, я мог бы сделать этот конкретный слайд более сложным, чем он есть на самом деле, но у вас внизу есть внешние данные и внутренние данные, которые так или иначе будут помещены в стадию область, которая в настоящее время является своего рода озером данных, хотя не у всех есть озера данных. И люди, которые не обязательно имеют успешных. Кроме того, для того, чтобы вы действительно смогли использовать эти данные, требуется активная очистительная операция и управляющая деятельность. И затем, вы предоставляете эти данные и вы либо сообщаете об этом, либо анализируете их, и анализ приводит к действию.
И если вы действительно посмотрите на различные виды анализа, которые существуют, это невероятно длинный список, но это не обязательно полный список, это просто то, что я подумал записать, когда создавал этот слайд. Итак, в среде бизнес-аналитики происходит много вещей, таких как визуализация, OLAP, управление производительностью, системы показателей, информационные панели, различные виды прогнозов, данные, анализ текста, видео, прогнозирование, широкий спектр вещей, которые на самом деле продолжается. Если вы посмотрите на это по-другому, корпоративная реальность, в сущности, это диаграмма, похожая на предыдущую, просто она сделана по-другому. Я отделил то, что вы бы назвали BI, потому что это регулярно и известно, что требуется, это не значит, что то, что на самом деле происходит, эффективно, но, по крайней мере, у вас будут регулярные вещи, скажем, в Tableau, или в Click, или в Cognos, есть предметный источник и так далее, и так далее, будут появляться различные регулярные отчеты или возможности. А потом у вас есть аналитические приложения, и они разные. Потому что аналитические приложения на самом деле предназначены для исследования данных, и, на мой взгляд, они приравниваются к исследованиям и разработкам. И тогда у вас есть рабочий процесс. Под рабочим процессом смешайте ваши вещи с работающими приложениями и офисными приложениями, если это необходимо - и это, как я понимаю, корпоративная реальность, хотя в большинстве организаций она не так хорошо организована.
Таким образом, нарушение BI, это просто набор вещей, которые следует упомянуть, что делает BI труднее, чем раньше, потому что старый мир BI состоял в основном из достаточно чистых наборов данных, которые так или иначе собирались, вероятно, из хранилища данных и передавались в конкретные BI программное обеспечение. И в те дни я действительно говорил пять или десять лет назад, но в те дни объемы данных не расширялись, источники данных были известны. Скорость поступления данных была известна, хотя часто некоторые BI не были бы достаточно быстрыми для определенных пользователей. Не было никаких неструктурированных данных, почти не было социальных данных, конечно же, данных IoT, вы не заботились о происхождении данных. Компьютерная ценность не имела параллелизма с точки зрения инфраструктуры, чтобы иметь возможность так или иначе делать вещи необычайно быстро. У вас не было машинного обучения, и количество аналитических рабочих нагрузок было довольно небольшим. И все это изменилось, объем данных теперь может очень сильно расти. Количество источников данных, которые он продолжает увеличивать. Да, потоковая передача данных очень быстрая, большое количество неструктурированных данных, конечно же, социальных данных, которые нужно будет очистить, но другие данные, которые могут нуждаться в очистке, конечно же, данные IoT, - это дело сейчас.
Происхождение данных является проблемой, и мы заботимся об этом. Здесь есть компьютерная мощь, которая является опрятной, потому что это делает все возможное возможным, и теперь у вас есть машинное обучение как явление, которое приводит к созданию большего количества возможностей BI и новых аналитических рабочих нагрузок, которые будут делать то же самое. Таким образом, BI не является статичной ситуацией, и я думаю, что это последнее, что я собираюсь сказать, прежде чем передать его Стэну. О нет, это не так, есть что-то еще. Будущий бизнес-ландшафт, Интернет вещей, архитектуры, управляемые событиями, все в реальном времени, все в порядке. Этого достаточно для BI пользователя, для пользователя, для сводки проблем. Своевременность выполнения потока данных, охват данных, очистка данных, навыки доступа к данным, визуализация, совместное использование и практичность.
Так что теперь я могу передать это Стэну, если служба BI не является надежной и своевременной, то это не служба. Стэн?
Эрик Кавана: Хорошо, Стэн, я отдаю тебе мяч, забери его.
Стэн Гейгер: ОК. Итак, то, о чем я собираюсь поговорить, это просто мое прошлое. Я являюсь старшим менеджером в IDERA по управлению продуктами, и одной из моих обязанностей является продукт, предлагающий бизнес-аналитику. Итак, я немного подробнее остановлюсь на том, о чем говорил Робин, и расскажу о ключевой области бизнес-аналитики - мониторинге состояния вашей платформы. Как он сказал, теперь там, где у нас были все эти данные, и анализ занимал недели, а потом мы возвращались с отчетами и прочим. Но ландшафт BI меняется так, что мы приближаемся к аналитике почти в реальном времени. И во многих случаях, реальная аналитика в реальном времени. Итак, я немного расскажу об этом слайде, это всего лишь своего рода обзор - и так же, как полное раскрытие, я собираюсь поговорить об этом с точки зрения Microsoft, но все эти концепции касаются того, является ли ваша BI платформы находятся в Oracle, или вы используете Informatica и Oracle, или просто смешанный режим, гибридные среды. Я просто собираюсь использовать в отношении среды Microsoft, но это довольно стандартно.
У Робина был слайд, который затронул эту тему: у вас есть исходные системы, где я храню все свои данные, и теперь они были в реляционных базах данных и хранилищах данных, таких как эта, но теперь у нас есть Hadoop, интернет и все остальное, и все эти неструктурированные данные, и теперь мы можем перенести их в эту архитектуру BI. Таким образом, средний уровень говорит о том, что хранилище данных в агрегации; это то место, где мы извлекаем данные, мы можем их чистить, мы можем реструктурировать их, а затем помещать в хранилище данных какого-то типа, а затем поверх этого находится уровень представления, и именно там ваши пользователи получают доступ. И мы проводим аналитику этих данных в этих хранилищах данных, и мы создаем информационные панели, и у нас там есть Tableau, службы отчетов и тому подобное. Я всегда смеюсь, потому что, когда я был архитектором BA, мы всегда смеялись над Excel, потому что давайте посмотрим правде в глаза, Excel по-прежнему является инструментом BI для масс.
Итак, небольшой обзор, но просто для того, чтобы рассказать о архитектуре платформы, у вас есть исходные данные, и я говорил об этом в нескольких хранилищах данных. И затем у меня есть агрегированное хранилище в мире Microsoft, у вас будет база данных SQL Server, может быть, там, где ваше хранилище данных, у вас может быть хранилище данных в облаке, в качестве хранилища данных. У вас есть аналитические сервисы, а именно ваши OLAP-трубки и тому подобное, для выполнения агрегации и тому подобного, когда вы смотрите на вещи в разных измерениях и тому подобное. Затем у вас есть уровень представления, о котором я кратко говорил, обо всех этих вещах, которые находятся поверх этих хранилищ данных и агрегатов. И мне всегда нравится эта цитата: «Ты не знаешь, чего не знаешь». Это правда. Если вы не осуществляете мониторинг и не смотрите, что происходит во всех этих областях вашей платформы BI, как вы узнаете, что у вас возникла проблема, кроме случаев, когда пользователи начинают отправлять вам неприятные электронные письма и телефон начинает работать? звонит о том, почему мои отчеты не работают? Почему все так долго?
Таким образом, в том смысле, что вы должны делать, вы должны иметь возможность контролировать свои платформы, с которых вы обслуживаете бизнес-аналитику. И я в основном разбил это на три области: у вас есть доступность, производительность и использование. Доступность означает, доступен ли ресурс: вверх или вниз? Довольно просто там. Но если вы посмотрите, когда у вас есть, может быть, у вас есть доступная платформа, но у вас могут быть проблемы там, поэтому вы должны быть в состоянии идентифицировать первопричину; Вы должны иметь возможность получать оповещения и сообщать кому-то, что происходит, прежде чем все перейдет в критическое состояние. Это также влияет на производительность: вы получаете данные с уровня метрики производительности, на уровне сервера, где размещаются службы, службы BI или платформы BI; у вас есть производительность на уровне ресурсов, где, возможно, я получаю доступ к данным из SAN, например. Сеть SAN, являющаяся ресурсом, сетевыми ресурсами, должна иметь возможность отслеживать производительность всего этого, выявлять узкие места и обеспечивать удовлетворение пользователей, а также, если вы находитесь в среде, где вы реально Время аналитики, вы должны быть в состоянии выявить узкие места или проблемы, прежде чем они начнут происходить.
И последняя теория - использование: что делают пользователи? Кто связан с моими источниками BI? Кто работает, что? Какие запросы они выполняют? Какие отчеты они запускают? Знание этой информации помогает, например, определить и выполнить планирование загрузки. Он также показывает, что используется в вашей среде BI. У нас был заказчик, которому нужен наш продукт для мониторинга BI, чтобы они знали, какие части среды BI они используют, чтобы они могли перемещать ресурсы. Например, если бы они не использовали определенные отчеты или определенные кубы аналитических сервисов, то они переместили бы ресурсы из этого в другие области, которые интенсивно использовались. Еще одна цитата, которая мне нравится, мне нравятся действительно замечательные фильмы, такие как «Тремор», поэтому расскажу вам мой фильм, так что мне нравится эта цитата из Берта Гаммера, которого сыграл Майкл Гросс, он вроде как парень из выжившего, который говорит, что он появляется, и он достает эту огромную снайперскую винтовку 50-го калибра, и один из парней говорит: «Черт, Берт». И он отвечает: «Когда тебе это нужно, а у тебя его нет, ты поешь другую мелодию. Другими словами, вы знаете что? Он был готов ко всему, и он пришел к чему угодно, и я имею в виду следующее: если вы не отслеживаете свою среду BI по ресурсам и использованию и вещам, о которых я только что говорил, то вы не понимаете, что вам нужен инструмент или среда или структура, которая контролирует это, пока у вас его нет. А потом вы понимаете, что мне действительно нужно было продвигаться вперед, и именно так поступают многие наши клиенты.
Итак, сказав это, мы перейдем к рассмотрению того, что мы делаем здесь, в IDERA, и решим некоторые из этих проблем. И-
Эрик Кавана: Хорошо, поехали, я это вижу.
Стэн Гейгер: Вы это видите? Ладно. Итак, здесь у нас есть продукт BI Manager. И мы следим, IDERA традиционно была компанией в среде SQL Server, Microsoft SQL Server. А потом мы купили в Embarcadero, так что теперь мы расширились до некоторых других платформ, но наш продукт BI традиционно контролирует стек BI в среде Microsoft. И это будут сервисы анализа для вашего многомерного и табличного анализа, сервисы отчетов, инструмент отчетности, а затем сервисы интеграции, представляющие собой платформу ETL, аналогичную Informatica.
А благодаря нашему продукту вы можете контролировать все три из этих сред с помощью одного продукта, и здесь вы видите общую панель инструментов, и здесь следует отметить, что когда я говорил об оповещениях, это одна вещь, которую нужно отслеживать, но этого недостаточно - вам нужен механизм оповещения. Другими словами, я должен быть в состоянии получить уведомление, прежде чем все перейдет в критическое состояние. Итак, то, что мы делаем здесь, это целый набор метрик, которые мы собираем, которые настраиваются, потому что в зависимости от вашей среды, определенных пороговых значений, вы можете быть в порядке со временем чтения в тридцать миллисекунд, в вашей среде. В других средах может быть более критично, чтобы этот порог был ниже, поэтому важно не только получать оповещения, но и настраивать их, поскольку среды различаются в зависимости от ресурсов.
Итак, в основном, это обзор всех сред, которые здесь отслеживаются, и у меня есть три примера: одна для аналитических служб, одна для служб интеграции, одна для служб отчетов. И вы видите, у меня есть несколько предупреждений здесь. И потому что они красные, это говорит мне, что они критически важны, потому что у меня есть несколько уровней, на которых я могу установить эти оповещения, и оповещения могут быть отправлены по электронной почте людям, которые отвечают за выяснение, в чем заключается проблема. Итак, просто кратко рассмотрим, и я вернусь к предупреждению, чтобы мы могли перейти к части аналитических услуг, и я уверен, что она ждет загрузки здесь. И в основном то, что мы делаем, у нас есть сбор данных; он периодически выходит и выходит, собирает и делает снимки того, что делают ваши среды. Итак, у меня есть мой набор каждые шесть минут, так что каждые шесть минут он выходит и опрашивает окружающую среду. У меня моя виртуальная машина некоторое время спала, так что понадобится секунда, чтобы это вернулось. Вот и мы.
Итак, мы рассмотрим часть служб анализа, и поэтому я собираюсь щелкнуть здесь свой экземпляр, и помните, что я говорил об одной из вещей, которые мы отслеживаем, это производительность на уровне сервера, потому что у многих людей есть несколько вещей работает на своем сервере. У меня может быть база данных, запущенная на моем сервере, а также службы анализа, например. Так что, если что-то происходит в базе данных или у меня есть проблема на уровне сервера, это повлияет на все, что там происходит. Итак, мы будем следить за вещами на сервере на уровне сервера, такими как производительность диска, и вы можете видеть, как мы собираем показатели по всему этому. И все это настраивается. И я смотрю на то, что происходит, с точки зрения использования процессора, просто, и снова, это на уровне сервера, а не на уровне служб анализа в моем примере здесь. Но на самом деле на уровне сервера.
И я могу посмотреть на такие вещи, как память, например, общее использование памяти, что доступно? Итак, теперь я получаю представление о состоянии самого сервера. Тогда мы можем начать смотреть на вещи, которые являются специфическими, в этом случае услуги анализа. Например, я могу посмотреть и посмотреть, как происходит обработка моего куба, и это дает мне меру здоровья. Если я начинаю видеть, что обработка занимает больше времени, или строки не пишутся не так быстро, тогда я могу начать смотреть - и это касается корреляции, о которой, как мне кажется, говорил Робин, человеку все еще нужно, чтобы сделать все это. Мы говорим об искусственном интеллекте, машинном обучении, но человеку все еще требуется, чтобы уметь соотносить эти события с вещами. Мы можем взглянуть на такие вещи, как то, что происходит с запросами, какие запросы выполняются и сколько времени они занимают? Я могу сортировать, чтобы начать понимать, какие запросы занимают больше всего времени. Вы можете посмотреть здесь по прошествии времени, я могу посмотреть и посмотреть ОК, что это был за запрос и кто выполнял этот запрос в то время?
Итак, я могу начать рассказывать об этом, поскольку, когда я начинаю видеть, что вещи начинают зашкаливать, я могу вернуться и посмотреть и посмотреть, что пользователи делали в тот момент. И вы увидите одну из вещей, которую мы делаем, мы помещаем сюда этот сборщик времени, чтобы вы могли выбрать окно времени. Так, например, я могу вернуться к этим оповещениям, и на самом деле это была ссылка на те оповещения, на которые я нажимал, и мне потребовался бы тот момент времени, когда это оповещение появилось. И затем я могу начать собирать историю вместе, я могу видеть, о, ну, чтение диска возросло, или были проблемы с памятью или что-то еще, и затем я могу перепрыгнуть через запрос в тот же момент времени, и я действительно могу начать корреляция, кто выполнял, какие запросы, возможно, вызвали эти всплески там. И затем, вы можете начать делать вещи, как я могу начать настройку, именно тогда я начну настраивать. Это похоже на машину, если вы строите гоночную машину и просто бросаете двигатель и запускаете ключ, который может запустить двигатель, но если мне нужно пройти 180 миль в час, чтобы выиграть, мне нужно знать, что двигатель может работать на 100 миль в час, и мне нужно идти туда и начинать настраивать этот двигатель, чтобы можно было туда добраться. И это то, что это позволяет вам сделать, - это дать вам достаточно информации, чтобы начать настройку вашей среды, повысить ее работоспособность, производительность и эффективность.
И затем, мы отслеживаем вещи в памяти, которые специфичны для сервисов анализа, в данном случае. И именно здесь вы можете начать видеть, где что-то может пойти не так, когда вы начнете видеть, что вещи выходят за пределы вашего предела памяти, и тому подобное. Еще одна вещь, на которую стоит обратить внимание: всякий раз, когда вы выполняете запросы любого типа, вы хотите, чтобы данные кэшировались, потому что когда они кэшируются, они находятся в памяти и не требуют чтения с диска, что намного больше эффективнее, чем читать данные с диска. Так что вы можете начать смотреть на происходящее, извините, например, в кеш данных. У меня была куча запросов, выполняемых ранее, чтобы получить эти данные, и вы можете видеть, что у меня была большая часть времени, попадания в кэш и поиск совпадают, и это хорошо. Но у меня был период, когда количество обращений было намного ниже, чем при поиске, что говорит мне о том, что у меня происходило что-то, что требовало большого объема памяти, так что кэш-память сбрасывалась намного быстрее, поэтому данные должны были быть читать с диска. И мы можем видеть это, когда мы смотрим на механизм хранения. Это тот же момент времени, что и на этом другом графике, и вы можете увидеть всплеск там, где запросы из файла действительно ускорились за этот период. А это значит, что данные читаются с диска. Теперь я могу вернуться и сопоставить это с запросами, которые выполнялись, и не для того, чтобы у всех кровоточили уши, но в службах анализа он использует язык MDX, есть способы более эффективно писать запросы, поэтому он использует кеш более эффективно и меньше места для хранения. Итак, есть пример настройки этого движка и предоставления вам всех частей, необходимых для его соотнесения.
Просто быстро, мы также можем перевернуть это другим способом, когда мы смотрим на запросы, мы можем теперь посмотреть сеансы, кто на самом деле подключен в данный момент времени и что они выполняют? Так что этот вид дает вам противоположное представление о запросах и о том, кто их выполняет. Это кто подключен, и тогда я могу видеть, что они работают в настоящее время. Другая вещь, просто для быстрого перехода, это то, что вы можете видеть все объекты в моих многомерных кубах MOLAP. И я могу получить информацию об этом. Так, например, я могу отсортировать по этому столбцу чтения, и я вижу, что наиболее используемым объектом является измерение времени, а вторым наиболее используемым является измерение клиента. И это помогает людям, которые разрабатывают и строят вещи, чтобы более эффективно строить свои кубы. Я, возможно, захочу изменить свою стратегию разделения данных, например, на эти высоко используемые измерения в моем кубе, и поэтому это, например, повысит производительность запросов. Это может снизить производительность обработки куба, потому что теперь у меня больше разделов, но с точки зрения пользователя он настроит этот движок, чтобы повысить эффективность использования этих объектов.
Итак, двигайтесь дальше, поговорим об услугах интеграции здесь. Я уже упоминал, что службы интеграции являются платформой ETL в среде Microsoft. То, что мы делаем здесь - и это согласованно - мы отслеживаем производительность сервера, и это будут те же показатели, что и мы, потому что все мои службы работают на одном сервере. Но опять же, это обзор того, что происходит на сервере. И тогда я могу посмотреть на деятельность служб интеграции, мои процессы ETL. Таким образом, я могу получить представление о том, когда эти процессы выполнялись, независимо от того, были они успешными или нет, я могу выделить конкретный запуск процесса ETL, а затем он покажет мне разбивку этапов в этом процессе ETL, был ли он успешным или нет и сколько времени это заняло.
Теперь, если бы у меня был сбойный пакет ETL-процесса, я мог бы перейти к деталям и увидеть сообщение об ошибке, и оно показало бы, какой шаг в этом пакете произошел сбой этого ETL-процесса, а также все сообщения, связанные с этим. Итак, что это делает, так это то, что дает мне, и я могу получить предупреждение, если оно выходит из строя, поэтому, если я получаю предупреждение, я могу зайти сюда, посмотреть, перейти к этому предупреждению, увидеть сбой пакета, посмотреть на шаги посмотрите, где это не удалось, посмотрите на сообщение об ошибке, и я сразу же узнаю, что мне нужно сделать, чтобы это исправить: заново разверните его, а затем снова запустите. Итак, что это позволяет вам сделать, мы называем это сокращением этого промежутка между идентификацией проблемы и ее решением. Итак, в прошлой жизни, когда я отвечал за подобные вещи, у нас был процесс ETL, который работал ночью, чтобы загрузить наше хранилище данных. Если бы я имел эту информацию, первым делом утром, когда я вошел, если что-то не получилось, я мог бы быстро обратиться к ней и восстановить этот процесс, чтобы убедиться, что хранилище данных было запущено и обновлено к тому времени, когда пользователи пришел и начал получать доступ к отчетности.
Другое дело, что у меня есть два запущенных процесса, это посмотреть и посмотреть, как они работали с течением времени. Это важно, потому что, если я начинаю видеть эти процессы, например, требующие больше времени, чтобы увидеть, как эти времена увеличиваются, то мне, возможно, придется взглянуть, например, на мое окно обслуживания, у меня могут быть события, которые происходят на этом сервере, Возьмите, например, резервные копии; У меня может быть резервная копия, которая заставляет мой процесс ждать, пока это не будет сделано. Возможно, мне придется перенести или перенести мои процессы вокруг вещей, которые начинают влиять на мой ETL.
И последний кусок это услуги отчетности. Службы отчетности - это Microsoft, в основном их корпоративный инструмент отчетности. И некоторые вещи, опять же, мы можем смотреть на вещи на уровне сервера, мы можем смотреть на вещи через сервер отчетов, сам сервер служб отчетов. У меня здесь не так много вещей; У меня есть несколько подписок, которые запускаются каждые 15 минут, чтобы запустить отчет. Таким образом, вы не увидите много активных подключений, потому что он включается, подключается, запускает отчет, отключается и отправляет его.
Но в средах с высокой транзакционной средой, где выполняется много отчетов, ключевым моментом является возможность контролировать эти вещи. Итак, вы можете видеть, где у меня происходили события, так что это дает вам довольно хорошее представление о том, что происходит на уровне сервиса и платформы. И затем, как я говорил на слайдах, кто работает, что и что они делают? И один из наших клиентов купил этот продукт только для этой части, потому что они хотели знать, какие отчеты работали, и кто запускал эти отчеты. Так что это одна из вещей в этом выполнении отчета, которую вы можете увидеть здесь. Я вижу, какой отчет, я вижу любые параметры, которые были в этом отчете, я вижу, кто его запускает, я вижу формат отчета. И затем у меня есть все эти метрики вокруг этого, поэтому, если снова, я могу ранжировать эти вещи, например, какой отчет занял больше всего времени для получения данных, и я могу перейти прямо к этому и посмотреть, какой это отчет. И снова, все это дает мне данные для того, чтобы снова настроить этот движок. Теперь я могу начать настраивать свою среду отчетности вокруг этого.
И последнее, могу ли я взглянуть на активность пользователей, кто снова подключен в настоящее время, что они делают? На самом деле я могу, в среде, где у меня было несколько пользователей, все они сортируются, поэтому я могу ранжировать, я могу видеть, кто использует среду больше всего. Итак, просто чтобы быстро вернуться и взглянуть на эти предупреждения. Здесь было это предупреждение; Я могу нажать на эту ссылку здесь, и она приведет меня к графику на тот момент времени и покажет мне, какая из них была в состоянии тревоги. Итак, вы можете видеть здесь, это то, что это были средние миллисекунды для записи, например, для чтения и записи. Итак, опять же, просто пытаюсь найти точку выявления проблем. И действительно важно иметь целостный инструмент, а не просто что-то, что смотрит на это с одной стороны, потому что человек должен прийти сюда и соотнести происходящие события, поэтому вы должны быть в состоянии посмотреть на то, что происходило на этом момент времени во многих областях этой среды, и это одна из вещей, которые мы делаем в этой подборке времени здесь.
Эрик Кавана: Да, это Эрик здесь, только с быстрым вопросом, потому что я думаю, что вы, вероятно, ударили ноготь по голове, и это то, о чем я говорил в самый разгар часа, что человек должен прийти и нарисуйте эти корреляции между различными средами. Мне любопытно узнать, есть ли у вас какие-нибудь образовательные материалы, которыми вы, ребята, можете поделиться, или, может быть, вы делаете какое-то взаимодействие с людьми, чтобы помочь им определить некоторые из этих шаблонов? Как будто у вас был действительно хороший пример минуту назад, когда один из них вспыхнул, который говорит вам, что что-то происходит в памяти, потому что он продолжал пытаться сбросить память. И это дает вам подсказку, но как люди сопоставляют эти статистические данные с реальными проблемами, это реальный вопрос.
Стэн Гейгер: Да, это хороший момент, и одна из вещей, о которых я только что говорил, дорожная карта для продукта, это то, что позже в этом году мы собираемся выпустить версию, и одну из вещей, которую мы собираемся начать добавлять. для каждого из этих графиков, это описание того, что означает этот график и почему вы должны заботиться, и как это повлияет. Так что будьте в состоянии щелкнуть знак вопроса или что-то на этом графике, а затем откройте окно, которое даст вам много этой информации и скажет вам, что это возможные причины, это области, на которые влияют, и руководство Вы в том смысле, что можете пойти по этому делу, как вы сказали, вот этот спайк, я знаю из своего личного опыта, что это значит. И тогда я могу начать и начать бурение в области и найти основную причину.
Теперь у нас есть многое из этого, на самом деле, в нашем продукте менеджера диагностики для SQL Server, для реальной базы данных. У нас есть много подобных функций в подобном продукте, а также у нас есть некоторые аналитические возможности для диагностического менеджера, которые подскажут вам намного быстрее. И вот где мы идем по дороге с этим продуктом.
Эрик Кавана: И я предполагаю, что есть подписи для определенных видов деятельности. Позволяет ли этот инструмент определить, когда произошло определенное событие, и занести его в каталог, чтобы через какое-то время он распознал похожий шаблон и помог вам выяснить, может быть, если это новый пользователь, например, используя тот же инструмент? Помогите ли вы понять, о, это потому, что эти серверы вышли из строя или потому что этот регион вышел из строя? Есть ли какой-нибудь способ занести в каталог сигнатуры проблем, чтобы вы могли легко их идентифицировать позже?
Стэн Гейгер: Нет, на самом деле, но на самом деле это интересная концепция, потому что это почти как, я думаю, что это принципиальный компонентный анализ - где вы идентифицируете шаблоны и регистрируете эти шаблоны, и, если вы видите их снова, вы можете вернуться назад. и видите, хорошо, это было причиной в тот момент. Да, это что-то, это не на дорожной карте, но это то, о чем я думал с точки зрения управления продуктом.
Эрик Кавана: я могу представить. Ох, давай.
Стэн Гейгер: Нет, я собирался сказать - и мы получаем много запросов, потому что я не знаю, каков ваш опыт, - но мы находим, что администраторы баз данных знают базы данных, как задняя часть их рук, но вещи BI - это вроде как черный ящик, когда дело доходит до здоровья платформы. И нет, у них нет большой базы знаний об этом. Я работаю в нем от пяти до десяти лет, верно? Но типичные люди, которые несут ответственность за их обнаружение или получение предупреждений и выяснение того, что происходит, для них это своего рода черный ящик.
Эрик Кавана: Да, я могу представить. Мне также было бы любопытно узнать, чтобы вы показывали на этом экране, как вы можете видеть все поступающие запросы, сколько времени они выполняли и кто их генерировал. Вы также можете увидеть фактическую структуру самого SQL-запроса и провести некоторый анализ? Например, иногда люди собирают SQL-запросы, например, громоздкие и громоздкие, в отличие от мастера, который действительно собирает хороший, сложный запрос. Это то, что вы можете визуализировать с помощью этого инструмента, а затем помочь вам в этом проблема?
Стэн Гейгер: Да, то, что вы можете сделать, например, то, что я здесь сделал, это то, что я только что отсортировал по прошествии времени, например. Итак, я вижу те, которые заняли больше всего времени, и затем я получаю текст, но затем это все еще зависит от того, кто более или менее является экспертом в данной области, чтобы посмотреть на это и сказать: «О, хорошо, вот почему это заняло так много времени «Это то, что у нас есть своего рода анализ рабочей нагрузки, мы называем его SQL Workload Analyzer для базы данных, и я дурачился с мыслью, что, возможно, в будущем придумает похожую вещь, чтобы она идентифицировала эти запросы, а затем дает вам рекомендации по настройке этих запросов. Но одна из проблем заключается в том, что этот запрос MDX является довольно специализированным языком.
Эрик Кавана: Да, я могу представить. Но вы можете видеть, например, кто эти люди, так что нетрудно выяснить, если один человек, если один парень отвечает за десять самых длинных запросов процесса, то, если ничего другого вы не можете позвонить ему или позвонить его менеджер или кто-то еще и скажет: «Эй, этот парень использует много трафика», и, может быть, это самые ценные запросы для бизнеса, верно? Вы должны поместить это в контекст того, что представляет собой бизнес-ценность, исходя из самих запросов, это не просто игра четких чисел, верно? Нужно выяснить, ну, этот парень наш опытный пользователь, и он тот, кто меняет бизнес, верно?
Стэн Гейгер: Нет, вы совершенно правы. Я имею в виду, это один из способов, которым клиенты используют это, - это иметь возможность сделать это. Как вы сказали, вы можете найти одну область, потому что одна из вещей, о которых я говорю, я всегда использую в Excel, но вы можете подключиться к службам анализа в Excel и запускать сводные таблицы из OLAP, и он генерирует свои собственные запросы, и отправляет их, а иногда они не самая лучшая форма, так что вы можете вернуться и идентифицировать их, на самом деле переписать их и дать их пользователю, и позволить им запускать их снаружи, так что это не займет полчаса для чтобы они вернулись к своему сводному столу.
Эрик Кавана: Точно. И когда мы говорим о запросах, вы, ребята, охватили весь спектр запросов, поэтому вы упомянули MDX, а как насчет некоторых других запросов, таких как запрос DAX, или некоторых из этих других?
Стэн Гейгер: Да, мы покрываем, да, любой DAX и MDX оба. Итак, одна из вещей, о которых я не упомянул, или я сделал, может быть, но мы поддерживаем как табличную, так и OLAP в Microsoft и DAX - я думаю, что вы и я говорили об этом некоторое время назад - мы видим много более табличный сейчас, чем мы OLAP. Потому что просто проще вывести на экран табличные модели и тому подобное, и поэтому вы, очевидно, будете видеть запросы DAX, но мы их тоже подберём.
Эрик Кавана: Да, это интересно. У вас есть какой-то контекст, почему это происходит? Может быть, это потому, что все больше и больше людей увлекаются этим, и потому, что OLAP, конечно, не является чем-то новым, что существует около 30 с лишним лет?
Стэн Гейгер: Да, ну, это своего рода комбинация, одна из вещей - это создание кубов, это искусство. И кубы были созданы для предварительной агрегации данных, поэтому вывести данные очень быстро, но обработка куба занимает некоторое время, потому что он должен выполнить все эти агрегации. А затем аппаратное обеспечение стало дешевле, а память - дешевле, и тогда все стали выпускать колоночные хранилища и базы данных в памяти. Кроме того, табличные таблицы, вероятно, наиболее близки к традиционным реляционным базам данных, и гораздо проще и быстрее создавать табличные модели, чем в OLAP. Но недостатком является то, что он находится в памяти, все это находится в памяти, поэтому он очень интенсивно использует память, и данные не агрегируются, пока вы не запросите их. Итак, но, сказав все это, мы начинаем видеть гораздо более табличное.
Эрик Кавана: Это интересно. Это также может быть связано с тем, что эта отрасль немного сглаживается, и я имею в виду, что мы получаем гораздо больше людей, которые взаимодействуют с данными и используют различные инструменты, и, конечно, когда вы говорите о Microsoft, я думаю, это, безусловно, тот случай, когда у вас много, много пользователей для малого и среднего бизнеса, и даже некоторые крупные организации, которые копаются в материалах, получают доступ к инструментам, выполняют запросы, и они, возможно, не так хорошо знакомы с весь процесс и технологии, связанные с созданием кубов, на ваш взгляд, верно? Потому что на это нужно подумать, и это также дорого, верно? Это требует времени, энергии, чтобы построить эти кубы, если вы не используете некоторые из новейших технологий. Например, мы поговорили с такими компаниями, как Snowflake, например, они делают довольно интересные вещи, но я думаю, что у вас гораздо больше людей, использующих эти материалы, и они, вероятно, придерживаются того, что вы только что описали, - это табличный формат. В отличие от формально построенных кубов, верно?
Стэн Гейгер: Да, я имею в виду, я полагаю, Excel - когда это было, Power Pivot, я полагаю, - это на самом деле таблица, если вы посмотрите на это; это способ построения табличных моделей. И затем следующая итерация состояла в том, что я могу рассказать вам о своих табличных моделях, которые я создаю, и развернуть их на SQL Server, чтобы я мог поделиться ими со всеми остальными. Так что это почти естественное расширение Excel.
Эрик Кавана: Да, это хороший момент. То, что мы видели за последние, я бы сказал, пять-семь лет, является просто огромным расширением использования этих технологий, верно? И Microsoft, честно говоря, была пионером в этом, действительно демократизируя данные о мощности с помощью сервисов анализа и Power Pivot, верно? Я имею в виду, что это изменило правила игры для индустрии, верно?
Стэн Гейгер: Да, нет, ты совершенно прав. Я имею в виду, у меня есть слайд, когда я делаю более длинную презентацию, которая показывает переход перехода от семантической модели, которая была OLAP, к табличной. И я думаю, что у меня есть цитата из Microsoft; они хотят, чтобы данные были в руках пользователей, а не просто за стеной в ИТ-магазине, они хотят, чтобы больше данных было в руках людей, которые их потребляют.
Эрик Кавана: И это возвращает нас к тому первому очень простому слайду, который я показал, который был основным процессом принятия решений для любой организации, и теперь - и я думаю, что это здорово - у нас появляется все больше и больше людей. из всей иерархии организации, обращающей внимание на то, что происходит, перенося их историю в таблицу, и вы делаете это с данными, это основная мысль, я имею в виду, вы можете использовать другие средства, но если вы подкрепите свою историю данными, у вас будут гораздо более сильные аргументы, чем у тех, кто этого не делает, верно?
Стэн Гейгер: Точно, да. Мол, да, это совершенно верно. Я имею в виду, вот почему теперь, когда-то это было «Эй, мне нужен этот отчет», поэтому теперь мне нужно пройти запрос отчета, я должен был пройти здесь и получить свой отчет, и теперь я могу сидеть там, прямо за моим столом и действительно просто, у меня есть доступ к сгенерированным данным, принимать свои бизнес-решения.
Эрик Кавана: Это верно. Вы знаете, я вернулся с конференции только на прошлой неделе, и там был истеричный комментарий от парня, который управляет довольно большой BI-средой для магазина Target, он ссылался на аналитику самообслуживания и BI самообслуживания, и, очевидно, это большая проблема в эти дни. Я уверен, что это то, что стимулирует большую активность для того, что вы, ребята, делаете в IDERA, потому что, когда вы хотите развернуть самообслуживание, прежде всего вам лучше иметь здоровую среду BI, верно? Если вы хотите, чтобы все виды людей задавали всевозможные вопросы всевозможными способами, вам нужно иметь что-то подобное этому инструменту, чтобы понять, кто и какие вопросы задает. И забавную цитату, которую я здесь приведу только для того, чтобы пнуть, как вы сказали: «Есть тонкая грань между самообслуживанием BI и самому F».
Стэн Гейгер: Да.
Эрик Кавана: Я думал, что это истерика. Но видите ли вы, что тенденция самообслуживания действительно способствует пониманию того, что вы делаете с технологией?
Стэн Гейгер: Да, потому что, как вы сказали, если вы собираетесь разрешить BI самообслуживания, то у вас, вероятно, возникнут некоторые проблемы с производительностью из-за всего лишь: A) количества доступа, количества людей, идущих на данные, а также B) количество плохо сформированных запросов и способов доступа к ним, которые у вас есть. Итак, вы действительно, очень важно, чтобы вы следили за окружающей средой, чтобы вы могли порадовать всех, кто пытается использовать данные, верно?
Эрик Кавана: Да, я думаю, что это правильно. Это благословение и проклятие: хорошо, что люди пытаются использовать материал, но опять же, к вашему мнению, если у вас нет подходящего инструмента в то время, вы станете несчастным туристом, потому что катиться Самообслуживание без такого инструмента, как мне кажется, просто требует кучу неприятностей.
Стэн Гейгер: Да, я имею в виду, это похоже на то, как я создавал хранилища данных, это как если бы вы не правильно поняли свои таблицы измерений и фактов, то вы отказались от них для специальных отчетов, возможно, вы захотите ползти под камень.
Эрик Кавана: Это круто. Да, это хорошо, опять же, это хорошая новость, что люди используют этот материал, но я думаю, я должен верить, что самообслуживание будет стимулировать большую активность для того, что вы делаете, потому что вы говорите о разгоне увеличьте величину напряжения и величину давления в этих системах на порядки. Не только на один или на два порядка, и именно в этот момент вы действительно хотите иметь некоторую видимость и хотите видеть, кто что делает, где, когда, как и почему. Задайте эти вопросы, а затем примите некоторые решения о том, как вы можете отслеживать и изменять среду, а также менять политику получения доступа к чему-либо, верно?
Стэн Гейгер: Точно. И вы также знаете, зная, что, увидев, что использование также позволяет вам войти туда, и потенциал, как я уже упоминал об объекте в кубе, я могу сделать, чтобы улучшить это, настолько, насколько я строю и проектирую вещи. Поэтому крайне важно не только взглянуть на производительность вещей, но и на то, чтобы увидеть, как ваша схема и ваш дизайн работают на этом уровне, чтобы иметь возможность настроить его. И это будет становиться все больше и больше, так как такие вещи, как Power BI, теперь важны для Microsoft, поэтому теперь я могу создавать свои собственные панели мониторинга, виджеты и тому подобное, и мне не нужно быть разработчиком BI.
Эрик Кавана: Это верно. Да, это хорошая вещь, она распространяется повсюду, но вам понадобится какой-то способ управления этой средой, или вы получите несчастных пользователей. Это приводит к несчастному управлению, которое приводит к увольнению людей. Есть довольно четкий эффект домино, когда вещи начинают падать, но это замечательные вещи.
Так что я немного разжевал последние пять минут здесь. Робин, у тебя были вопросы?
Робин Блур: Честно говоря, я думаю, это очень увлекательно. Это заставляет меня задуматься о том, что у нас были очень ограниченные среды, и самообслуживание фактически меняет мир, и многое из этого происходит на самом деле, потому что в среду поступило намного больше данных, чем раньше. Единственный вопрос, потому что у нас не так много времени, но единственный вопрос, который мне было бы интересно задать, - это когда вы объясняете, как это … потому что я думал, что это была очень хорошая демонстрация - то, как BI мониторинг работает. Мне было интересно, что на самом деле делают люди, у которых нет такого рода вещей? Поскольку это должно быть очень сложно, есть ряд вещей, в которых вы что-то измените, первопричина - это хорошо, вы не всегда можете добраться до первопричины, но вы можете добраться до первопричины с некоторыми вещами на что вы смотрите, что когда вы сказали, что многие люди покупают инструмент, просто чтобы узнать, кто чем управляет, и что мой разум крутится, потому что вы как будто не знаете, кто чем управляет, тогда вещи вышли из-под контроля. Итак, как выглядит среда, когда она выходит из-под контроля?
Стэн Гейгер: Я имею в виду, что вы можете сами получить всю эту информацию, которая есть у нас в инструменте, но вам придется написать кучу собственных сценариев, и потому что все эти данные есть, просто вы должны знать, где получить, что требует уровня знаний, верно? Таким образом, в среде, где у вас нет такого уровня знаний, в основном, что вы получаете, эй, это вверх или вниз? Я действительно не знаю, работает ли он эффективно или нет, но он работает, верно? А потом я начинаю получать телефонные звонки или люди говорят: «Эй, мой отчет не находится в моем почтовом ящике, что происходит?» Или «Я только что отправил этот отчет через службы отчетов», или они могут делать запрос здесь в службах анализа., но это заняло полчаса, и раньше это занимало всего 30 секунд, что происходит? Что ж, теперь вы должны сделать пожарную тренировку и попытаться понять это, и без инструмента это становится очень трудным.
Робин Блур: Хорошо, верно, это было то, что становилось для меня все более очевидным, когда вы демонстрировали каждое из измерений того, что вы на самом деле получили здесь. Другое дело, это как на очень, очень примитивном уровне, если у вас нет предупреждений, которые сообщают вам, что что-то идет не так, то это просто дорого - вы попадаете в дорогую ситуацию, пытаясь вылечить то, что произошло, потому что вы не узнайте, пока вещи не начнут падать плохо, верно?
Стэн Гейгер: Точно, ты не знаешь, чего не знаешь.
Эрик Кавана: Вы получили это. Ну, привет, ребята, мы прожгли час и изменим здесь. Огромное спасибо нашему Робину Блуру и, конечно, нашему другу Стэну Гейгеру из IDERA Software. Они будут в Enterprise Data World, на самом деле, если кто-то из вас пойдет туда, ваш действительно будет там, в Атланте. Наш хороший друг Тони Шоу отлично справляется с этой конференцией уже четыре года, и эй, что старое, то снова новое. Это все горячие вещи. Надеюсь, мы увидимся там, если нет, зайдите к нам на следующей неделе, у нас есть куча других веб-трансляций.
Всегда любопытно выслушать ваши мысли, отправить электронное письмо, которое мне подходит, если у вас есть какие-либо вопросы или предложения, или другие технологии, которые вы хотели бы узнать в Hot Technologies. И с этим, вы собираетесь проститься с вами, ребята. Еще раз спасибо за присоединение к нам, мы поговорим с вами в следующий раз. Береги себя. Пока-пока.
