当前位置: 首页 > news >正文

跬智信息全新推出云原生数据底座玄武,助力国产化数据服务再次升级

2月28日,跬智信息(Kyligence)宣布全新推出国产化云原生数据底座开源项目玄武(XUANWU),以助力企业加速数据平台上云,并实现国产化升级。玄武(XUANWU)是在容器化技术上形成的新一代云原生大数据底座,旨在提供一套整体的、标准化的解决方案,使企业快速、高效应用数据存储、计算、数仓建模和元数据治理服务,从而在云原生环境下构建和管理高可靠、高性能、可扩展和安全的数据基础设施。同时,该项目正式组建开源社区,并将基于国际开源社区的规则进行经营。

跬智信息(Kyligence)由首个来自中国的 Apache 顶级开源项目 Apache Kylin 核心团队成立,是领先的大数据分析和指标平台供应商,拥有自主可控的核心技术和知识产权,已成功助力多家国有银行、保险、制造等企业实现数据平台上云和国产化升级。玄武(XUANWU)基于跬智信息(Kyligence) 在数据和云原生技术领域的丰富实践与积累,以简化云原生数据栈架构复杂度。该项目以 Spark 为统一的计算引擎,以湖仓为统一的存储核心,全面兼容国产化软硬件体系。相比原生 Spark,其性能可提升数倍,并节约近 40% 的 IT 成本。

玄武(XUANWU)包含低代码开发平台白泽(Byzer)、向量化执行引擎 Gluten、资源和服务管理控制台 XUANWU Manager 三大模块,具备以下能力与优势:

Kyligence 云原生数据底座玄武(XUANWU)功能架构图

  • 快速安装,一行命令完成 Kubernetes 上的安装,30 分钟开始体验云原生的数据能力

  • 一键运行 TPC-H 基准测试,云原生的 SparkSQL 相比 Hadoop 提速约 20%

  • 一键体验弹性伸缩,快速响应业务变化,精准应对潮汐峰谷

  • 在低代码平台上体验 AI 机器学习,满足从数据准备、模型训练、到模型发布的全链路需求

目前该项目已在多家金融企业场景中投入使用。以某金融机构为例,其数据平台 IT 部门希望提升数仓平台对资源的利用率,缩短数据加工时间和查询时间,从而较为轻松地应对流量峰谷,且实现对国产化软硬件的兼容。Hadoop HDFS、MapReduce 和 YARN 与容器技术、对象存储结合并不存在优势,经过金融生产场景的初步测评,云原生架构的玄武(XUANWU)已表现出明显的效果和价值:

  • 整体 IT 资源利用率提升 20-50%,主要受益于底层的统一计算和存储,资源能在企业更大范围内灵活调配

  • 整体计算性能提升约 20%,主要受益于存算分离架构,计算任务更有弹性的分布在更多计算节点并高速完成

  • 系统运维成本大幅降低,主要受益于近乎无限的扩容能力和多系统融合的统一底座优势

  • 国产化、自主可控的技术实现

跬智信息(Kyligence)联合创始人兼 CTO 李扬表示:“越来越多的用户愿意接受把较为传统的 Hadoop 数据栈升级到以云原生技术为主的技术栈,跬智信息(Kyligence)将继续利用自身在大数据领域积累的多方面技术优势为行业和基础软件国产化建设的发展做出积极贡献!”

Kyligence 云原生数据底座玄武(XUANWU)已于今日正式发布,欢迎访问 https://github.com/kyligence-xuanwu/document 进行体验!同时,您也可以扫描下方群二维码,加入玄武(XUANWU)社区详细交流。

玄武(XUANWU)社区交流群

关于 Kyligence

跬智信息(Kyligence)由 Apache Kylin 创始团队于 2016 年创办,是领先的大数据分析和指标平台供应商,提供企业级 OLAP(多维分析)平台产品 Kyligence Enterprise 和一站式指标平台 Kyligence Zen,为用户提供企业级的经营分析能力、决策支持系统及各种基于数据驱动的行业解决方案。

Kyligence 已服务中国、美国、欧洲及亚太的多个银行、证券、保险、制造、零售、医疗等行业客户,包括建设银行、招商银行、平安银行、浦发银行、北京银行、宁波银行、太平洋保险、中国银联、上汽、长安汽车、百胜中国、星巴克、安踏、李宁、阿斯利康、UBS、MetLife 等全球知名企业,并和微软、亚马逊云科技、华为、安永、德勤等达成全球合作伙伴关系。Kyligence 获得来自红点、宽带资本、顺为资本、斯道资本、Coatue、浦银国际、中金资本、歌斐资产、国方资本等机构多次投资。

http://www.lryc.cn/news/23438.html

相关文章:

  • 【离线数仓-9-数据仓库开发DWS层设计要点-DWS层汇总表以及数据装载】
  • 我的十年编程路 序
  • xs 180
  • 时间序列分析 | BiLSTM双向长短期记忆神经网络时间序列预测(Matlab完整程序)
  • 0101基础-认证授权-springsecurity
  • 一文简单了解THD布局要求
  • [C++]多态
  • 中国版ChatGPT高潮即将到来,解密ChatGPT底层网络架构
  • PingCAP 唐刘:一个咨询顾问对 TiDB Chat2Query Demo 提出的脑洞
  • 力扣-销售分析III
  • U-Boot 之七 详解 Driver Model 架构、配置、命令、初始化流程
  • 大数据算法重点
  • 【Eclipse】The import xxxx cannot be resolved 问题解决
  • LinkWeChat系统Docker版部署注意事项
  • 【高数】不定积分之有理函数的积分
  • Java——数组
  • 产品分析|虎扑APP
  • 有限差分法-二维泊松方程及其Matlab程序实现
  • 【设计模式】6.代理模式
  • SRC挖掘之Access验证校验的漏洞挖掘
  • GG-21 100V 5A逆功率继电器
  • MyBatis中#{}和${}的区别
  • ElementUi的使用
  • termux手机端安装mysql(MariaDB)
  • Python枚举类定义和使用(详解版)
  • 京东HBase异地多活调研
  • 【LeetCode】剑指 Offer 18. 删除链表的节点(题目一) p119 -- Java Version
  • SpringMVC异步请求
  • 这七个100%提高Python代码性能的技巧,一定要知道
  • 计算机网络笔记、面试八股(五)—— 浏览器输入URL