Découvrir les concepts clés du Lakehouse Manager
Au cœur de vos initiatives axées sur les données, le Lakehouse Manager s'impose comme le hub central de tous vos actifs de données
Objectif
Au cœur de vos initiatives axées sur les données, le Lakehouse Manager s'impose comme le hub central de tous vos actifs de données. Avec le Lakehouse Manager, vous êtes prêt à accélérer votre progression axée sur les données, en évitant les tâches ardues de nettoyage et de gestion de l'infrastructure de données, pour vous concentrer plutôt sur ce qui compte vraiment, libérer tout le potentiel de vos données.
Le composant Lakehouse Manager comporte 8 sous-menus, correspondant à ses principales fonctionnalités :
-
Overview donnant des informations sur les différents actifs de données (comme leur répartition, les problèmes qui leur sont liés, les tags associés, l'utilisation du stockage, l'analyse d'exécution)
-
Datasets pour regrouper et gérer logiquement les Tables facilement.
-
Tables pour créer des tables à partir de sources et les organiser dans des bases de données
-
Attributes pour visualiser les attributs à travers votre data lake / data warehouse et leur lignage dans le Projet
-
Buckets pour vous permettre de stocker des objets non structurés (des images par exemple)
-
Explorer pour inspecter vos données directement avec des requêtes visuelles ou SQL.
-
Policy Tags pour vous aider avec un contrôle d'accès aux données avancé et granulaire (Advanced Data Access Control)
-
Jobs pour donner à tous les utilisateurs une vue d'ensemble de toutes les tâches et de leur statut
Le Lakehouse Manager va plus loin dans la modélisation des données en proposant la création de data lakes et de data warehouses sous l'onglet tables. Gérez toutes vos tables d'ingestion et vos tables primaires, et concevez des « data marts » puissants, c'est-à-dire les agrégations conçues pour répondre à des besoins spécifiques de visualisation de données ou d'IA. Le Lakehouse Manager permet en outre un travail collaboratif (avec sauvegarde automatique) en permettant à plusieurs utilisateurs de travailler ensemble sur le même ensemble de tables sous des vues distinctes qui peuvent être spécifiques à un Projet ou à un service. Les tables sont composées d'attributs qui peuvent être traités, interrogés ou utilisés comme features de ML.
Buckets est le sous-composant suivant, qui apporte de la flexibilité en vous permettant de stocker toute donnée non structurée dans un espace de stockage d'objets compatible S31.
Datasets vous permet de regrouper et de gérer logiquement les Tables facilement.
Policy Tags a été développé pour aider l'utilisateur à définir des « policy tags » sur tables, attributes, and datasets pour un contrôle d'accès aux données avancé et granulaire (Advanced Data Access Control).
Enfin, via l'onglet Jobs, vous pourrez consulter le résumé des performances de vos tâches. Il vous fournit des informations rapides comme le statut des tâches, les tâches exécutées au fil du temps, le temps d'exécution des tâches, ainsi que les tâches en cours d'exécution, les tâches en file d'attente et les tâches passées exécutées.
Aller plus loin
Si vous avez besoin d'une formation ou d'une assistance technique pour la mise en oeuvre de nos solutions, contactez votre commercial ou cliquez sur ce lien pour obtenir un devis et demander une analyse personnalisée de votre projet à nos experts de l’équipe Professional Services.
Posez vos questions, faites-nous part de vos commentaires et interagissez directement avec l’équipe qui développe la Data Platform sur le canal Discord dédié.
Si vous avez besoin d'une assistance concernant vos services OVHcloud, créez une demande depuis notre centre d'aide.
Rejoignez notre communauté d'utilisateurs.
1 : S3 est une marque déposée appartenant à Amazon Technologies, Inc. Les services de OVHcloud ne sont pas sponsorisés, approuvés, ou affiliés de quelque manière que ce soit.