Software y proveedores de almacenamiento de datos: panorama y descripción general

Almacenes de datos

Un almacén de datos es esencialmente una base de datos que almacena información de otras bases de datos. Su propósito es proporcionar una única fuente de información veraz. Lo que esto significa es que, si bien esas otras bases de datos pueden almacenar múltiples versiones de datos con fines de archivo, el almacén de datos almacenará solo la versión más actualizada y relevante de los datos. Un almacén de datos se utiliza principalmente para actividades de inteligencia empresarial, como análisis e informes.

Por ejemplo, supongamos que somos un minorista en línea y uno de nuestros clientes se llama Jane Doe. En nuestra base de datos de clientes, podemos tener todas las diferentes direcciones de envío y datos de contacto que Jane nos ha proporcionado a lo largo de los años. Pero en nuestro almacén de datos, solo tendremos la dirección de envío actual y los datos de contacto de Jane.

Entonces, por ejemplo, si necesitamos crear un informe de dónde se encuentran actualmente nuestros clientes, en función de su dirección de envío, podemos consultar nuestro almacén de datos, a diferencia de nuestra base de datos de clientes.

Proveedores y soluciones de almacenamiento de datos

Si bien una base de datos es un componente clave de un almacén de datos, no es el único componente. De hecho, un almacén de datos no es un solo producto de software. Es más útil pensar en un almacén de datos como una solución de software que comprende muchos componentes. La siguiente tabla enumera algunas de las principales soluciones de almacenamiento de datos y sus proveedores:

Obtengamos una descripción general de cada una de estas soluciones y el panorama al que sirven:

• Amazon Redshift es parte de la plataforma de computación en la nube de Amazon Web Services (AWS) que ofrece integración directa con otros servicios de AWS, en particular, el almacenamiento de datos en la nube AWS S3.
• Google BigQuery es parte de la plataforma Cloud de Google. Es una solución sin servidor e incluye capacidades de aprendizaje automático integradas.
• Snowflake es una plataforma de datos en la nube que admite datos en columnas y semiestructurados, así como datos de varios proveedores de almacenamiento de datos en la nube.
• IBM Db2 Warehouse es una plataforma de almacenamiento de datos en la nube que proporciona integración con el motor de análisis Apache Spark y la base de datos en memoria Db2 de IBM.
• SAP Business Warehouse está completamente integrado con otros productos de SAP. Están disponibles las versiones local y en la nube de esta solución. Incluye plantillas empresariales prediseñadas para casos de uso habituales.
• Microsoft Azure SQL Data Warehouse es una solución de almacenamiento de datos basada en la nube que proporciona una integración completa con SQL Server de Microsoft.
• Oracle Autonomous Data Warehouse se ejecuta en la plataforma en la nube Exadata de Oracle. Utiliza el mismo software de base de datos Oracle que las instalaciones locales.

Comparación de soluciones de almacenamiento de datos

Ahora que hemos obtenido una descripción general de las principales soluciones, comparémoslas y contrastémoslas, centrándonos en las características que distinguen a cada solución de las demás:

• Amazon Redshift está integrado con el servicio de almacenamiento en la nube AWS S3, lo que convierte a Redshift en una opción ideal para quienes ya utilizan otros servicios de AWS. Para los datos no alojados en S3, Redshift puede integrarse con AWS Glue, una herramienta para cargar datos de otras fuentes en el almacén de datos.
• Google BigQuery es un servicio sin servidor totalmente administrado, lo que significa que la configuración y la administración de recursos del almacén de datos están a cargo de Google. Un elemento clave que distingue a BigQuery de otras soluciones son sus capacidades de aprendizaje automático integradas, BigQuery ML.
• Snowflake ofrece soporte tanto para datos estructurados en formato de columnas, como para datos semiestructurados, como los de formato XML o JSON. Una de las diferencias clave de Snowflake con respecto a otros almacenes de datos es su soporte para datos de múltiples proveedores de almacenamiento en la nube.
• IBM Db2 Warehouse se puede implementar en plataformas en la nube de IBM o AWS, o en las instalaciones. Db2 Warehouse admite el motor de análisis Apache Spark, así como las consultas SQL tradicionales. Otra característica que distingue a la solución de IBM es su integración con el motor de base de datos en memoria de Db2, lo que permite un alto rendimiento.
• SAP Business Warehouse está completamente integrado con otras aplicaciones comerciales de SAP, por ejemplo, la base de datos HANA de SAP y los servicios en la nube. Una de las características clave de SAP Business Warehouse es que ofrece plantillas comerciales prediseñadas para casos de uso comunes de almacenamiento de datos.
• Microsoft Azure SQL Data Warehouse está completamente integrado con la base de datos SQL Server de Microsoft, así como con otros servicios de nube pública de Azure. Su función de enmascaramiento dinámico de datos (DDM) permite ocultar datos confidenciales.
• Oracle Autonomous Data Warehouse es un servicio en la nube que se ejecuta en el hardware Exadata de Oracle, que se ha creado específicamente para proporcionar una integración completa con la base de datos de Oracle. Los usuarios también pueden migrar desde otras plataformas de almacenamiento de datos en la nube y según lo prometido, como Amazon Redshift.

Resumen de la lección

Un almacén de datos es una base de datos que almacena la versión más relevante y actualizada de los datos de otras bases de datos para proporcionar una única fuente de datos verdaderos, que se utiliza principalmente con fines de inteligencia empresarial, como análisis e informes.

Ningún producto de software puede formar un almacén de datos por sí solo, aunque una base de datos es el componente clave de un almacén de datos. Más bien, es más útil pensar en un almacén de datos como una solución de software que comprende varios componentes.

Algunas de las mejores soluciones de almacenamiento de datos incluyen:

• Amazon Redshift
• Google BigQuery
• Copo de nieve
• Almacén de IBM Db2
• SAP Business Warehouse
• Almacén de datos SQL de Microsoft Azure
• Almacén de datos autónomo de Oracle

Comparamos estas soluciones, destacando las características que hacen que cada solución se destaque del resto, como las capacidades de aprendizaje automático integradas de Google BigQuery y las plantillas de negocios predefinidas de SAP Business Warehouse.

Continúa con:

1. Ciencia de la computación

   Software de edición de video: Definición y tipos

   Edición de video La edición de video es el proceso de tomar un clip de...

2. Ciencia de la computación

   ¿Qué es el análisis de sistemas en ingeniería de software?

   Ingeniería de software El mundo en el que vivimos hoy se basa en software y...

3. Jefe de Operaciones

   Software de inteligencia competitiva

   ¿Qué es la inteligencia competitiva? Imagina que tienes un negocio de lociones y quieres encontrar...

4. Ciencia de la computación

   Software de Productividad: Definición y ejemplos

   ¿Qué es el software de productividad? La productividad es una medida de cuán efectivo o...