
Industrials
synvert hat eine Open-Source-Lösung für einen deutschen Automobilhersteller entwickelt, um Daten aus über 10.000 Quellen für jede Anfrage verfügbar zu machen, wobei der Schwerpunkt auf Datenverfügbarkeit, Verständnis der Geschäftsprozesse, technischem Metadatenverständnis und Dezentralisierung liegt.
Ausgangslage
Der Kunde, ein deutscher Automobilhersteller, hatte viele verschiedene Datenquellen aus verschiedenen Abteilungen und Standorten (10.000+).
Die Vision war es, eine Methode zu entwickeln, durch die diese Daten zu jeder Anfrage zur Verfügung gestellt werden könnten, wobei die folgenden Punkte berücksichtigt werden sollten:
- Verfügbarkeit der Daten
- Verständnis der Daten im betriebswirtschaftlichen Kontext
- technisches Metadatenverständnis/-verfügbarkeit
- Dezentralisierung
Das Ziel war es, eine hochwertige Lösung des „Data As a Service“-Konzepts zu schaffen und die nächsten Schritte zur Erreichung der untenstehenden Mission zu definieren.
Die Architektur
Das gesamte Design ist unter Verwendung von Apache-Projekten/Technologien entwickelt worden.
- Monitoring: Elasticsearch, Solr, Zabbix, Nagios, Sensu.
- Datenkatalog: Elasticsearch, Neo4j, OrientDB, MarkLogic.
- Cache: Apache Ignite, Memcached, GemFire, Hazelcast.
- Deployment Management: Kubernetes, Docker, Apache Mesos.
- Datenservices: API, JDBC, RESTful, JBoss, Spring.
- Federation: Oracle Big Data SQL.
- Messaging: Kafka, IBM MQ, RabbitMQ.
- Sicherheit: Hashicorp Vault, Custom made
synvert Vorteile
Der Kunde hat seine Vision verwirklicht, um schnellere, bessere und optimierte Vorhersagen für alle datenbezogenen Produkte zu erhalten.
Der manuelle Aufwand zur Erstellung datenbezogener Produkte wurde laut Schätzungen um 50 % reduziert. Dies wurde dadurch erreicht, dass nützliche Daten durch das Abonnieren von „Data as a Service“ leicht zugänglich gemacht wurden.
Services von synvert
synvert hat eine Lösung mit Open-Source-Software entwickelt, durch die die relevanten Daten bei jeder Anfrage zur Verfügung gestellt werden können, wobei die folgenden Punkte berücksichtigt werden:
- Verfügbarkeit der Daten
- Verständnis der Daten im betriebswirtschaftlichen Kontext
- Technisches Metadatenverständnis/-verfügbarkeit
- Dezentralisierung