Peak Advanced Search Engine

Versuchsdaten im Big Data Cluster auswerten

Die Peak Advanced Search Engine bietet Ihnen die Möglichkeit, umfangreiche Versuchsdaten-
bestände in einem auf HDFS/YARN basierten Big Data Cluster anhand komplexer Kriterien auszuwerten.

Überblick
Merkmale

Im Rahmen der Peak Advanced Search Engine stellen wir Ihnen spezielle Konnektoren
(= Input Formate) für unterschiedliche Messdatenformate (z.B. ASAM ODS, MDF3, MDF4, ISOMME, etc.) zur Verfügung.

Datenanalysten können die Konnektoren in Apache Spark Anwendungen einbinden, um die Messdaten „aufzuschließen“ und komplexen Analysen zu unterziehen. Die In-Memory-Technologie von Apache Spark sorgt dafür, dass die Verarbeitung der Daten besonders schnell erfolgt. Ein entsprechend großes Cluster aus physikalischen oder virtuellen Servern vorausgesetzt, lassen sich Messdaten im Petabyte-Bereich problemlos verarbeiten. Wie HDFS/YARN skaliert auch das Spark-Cluster mit seiner Größe linear in seiner Leistungsfähigkeit.

Unsere vordefinierten Abfragealgorithmen lassen sich über ein definiertes Interface per Java und Python in bestehende Anwendungen (z.B. openMDM®) einbinden. Alternativ stellen wir Ihnen ein webbasiertes User Interface zur Verfügung.

Die Bereitstellung der Messdaten im HDFS/YARN Cluster erfolgt entweder durch Extraktion und Transformation bestehender Datenbestände oder online durch den Peak ODS Server.

Die Komponenten der Peak Advanced Search Engine ermöglichen es Ihnen, schnelle Ergebnisse bei der Umsetzung von anspruchsvollen Messdatenanalysen in einem Big Data Cluster zu erzielen. Die Implementierung zieht sich nicht unnötig durch die aufwendige Anbindung unterschiedlicher Messdatenformate in die Länge. Sie können sich sofort darauf konzentrieren, den größtmöglichen Mehrwert aus Ihrem Messdatenpool zu ziehen.

Gerne informieren wir Sie im Detail darüber, wie Sie mit der Peak Advanced Search Engine Ihre Versuchsdaten in einem Big Data Cluster anhand von komplexen Kriterien auswerten können.

  • Input Formate für ASAM ODS, MDF3, MDF4 und ISOMME (weitere auf Anfrage) zur Erzeugung von RDDs (= Resilient Distributed Dataset) in Spark-Anwendungen
  • Extraktion von Messdaten aus vorhanden Anwendungen und Transformation in das Big Data Cluster
  • Vordefinierte Abfragealgorithmen für die Auswertung der Messdaten nach komplexen Kriterien
  • Performante Auswertung von Messdaten im Petabyte-Bereich durch In-Memory Technologie und parallele Verarbeitung auf mehreren Knoten im Big Data Cluster
  • Schnelle Ergebnisse bei der Umsetzung von Big Data Anwendungen in der Erprobung
Sidr

So kommen Sie mit uns in Kontakt:

Rufen Sie uns für ein unverbindliches
Beratungsgespräch an
+49 911 800 927-0


oder nutzen Sie unseren Rückruf-Service:

Bitte geben Sie Ihre Daten an!
Vielen Dank
Wir haben Ihre Rückrufbitte erhalten!