El mundo de los datos ha cambiado en los últimos años. Conceptos como la computación en la nube, el internet de las cosas, la analítica avanzada, el análisis en tiempo real, etc. plantean retos de negocio, pero, sobre todo, tecnológicos.

Replantearnos la manera en la que procesamos los datos para satisfacer las nuevas necesidades de análisis para tipos de datos más grandes, más rápidos y más variables es un ejercicio necesario en 2018.

Las arquitecturas Lambda son una respuesta a estas nuevas necesidades, aunque no la única. Éstas arquitecturas plantean 3 bloques o capas diferentes:

  • Capa batch: Almacena y procesa datos masivos para incluirlos en nuestros análisis históricos o como “alimento” para modelos predictivos o de analítica avanzada.
  • Capa veloz (speed layer): Ingiere y procesa datos en tiempo cuasi-real para análisis operacional.
  • Capa de servicio: Unifica y presenta la información de las capas anteriores, permitiendo a los usuarios interpretar la información combinada, dando una visión total de la realidad del negocio.

Las arquitecturas Lambda también presentan retos, como la interconexión de las diferentes piezas necesarias para construirla, la necesidad de análisis a medio camino entre las capas “batch” y “speed” para completar la visión de negocio, el mantenimiento de lógica de negocio distribuida entre capas, etc.

En esta sesión repasaremos conceptos básicos, opciones de implementación y una demo completa donde implementaremos una arquitectura Lambda básica con elementos Azure como Azure Stream Analytics, Databricks, Power BI, Azure SQL Database, Analysis Services o Event Hubs.

A continuación, puedes ver la presentación de la charla ‘Arquitecturas lambda en Azure’ del SolidQ Summit 2018:

0 Shares:
Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

You May Also Like
Leer más

Web Scraping de páginas dinámicas con Selenium, Python y Beautifulsoup

El Web Scraping es una técnica de obtención de datos de páginas web. Existen variedad de usos; algunos de los más extendidos pueden ser el de motores de búsqueda para analizar webs y clasificarlas, o portales de compras que chequean los precios de la competencia para poder tomar decisiones basadas en esa información. Te explicamos como llevarlo a la práctica con Selenium, Python y Beautifulsoup en Azure Data.
Leer más

Lidiando con Power BI y los límites de Google Analytics

A la hora de realizar informes tirando consultas contra el API de Google Analytics nos encontramos que normalmente, ya sea por prisa o por límites presupuestarios, se hacen informes adhoc en Power BI en modo import, evitando una arquitectura de ETL más canónica, que implicaría por ejemplo, llevar los datos a tablas en SQL Server y realizar cargas incrementales para tener un repositorio centralizado de información. Esta arquitectura podría ser o en la nube o en hardware on-premise. Detallamos algunos problemas comunes al trabajar con Power BI y Google Analytics y algunas soluciones.