시계열9 다양한 DB를 사용할 필요 없이, SingleStore 하나면 됩니다. 데이터 인프라의 복잡성이 우리 업계에서 만연되어 있습니다. 최신 응용프로그램은 여러 개의 특수 목적 데이터 베이스를 기반으로 구축되고 있으며 제품 및 조직의 수명 기간 동안 더 많이 추가되고 있습니다. GitHub를 통해 다음과 같은 웹 애플리케이션에 대한 데이터베이스 조합을 확인할 수 있습니다. MySQL, MariaDB 또는 PostgreSQL과 같은 콘텐츠 저장 및 검색을 위한 기존 관계형 데이터베이스. 때로는 MongoDB 또는 Cassandra와 같은 NoSQL 데이터베이스(하지만, 실제로 그렇게 해서는 안됨). Redis, Memcached와 같은 콘텐츠 캐싱 또는 고속 백그라운드 작업 대기열의 상태 추적을 위한 인메모리 키-값 데이터베이스 Elastic 또는 시계열 데이터베이스와 같이 .. 2021. 8. 31. ML 플랫폼 "MindsDB"에서 SingleStore 데이터베이스를 통한 실시간 머신 러닝 SingleStore와 MindsDB는 최근 SingleStore 데이터베이스 내에서 머신러닝 혁신 추진과 머신러닝 기능을 제공하는 파트너십을 발표했습니다. SingleStore는 실시간 추론(Inference)을 지원하는 것 외에도 머신러닝을 위한 학습 성능을 향상시키는 다양한 기능들을 제공합니다. MindsDB Business Development 부사장 Erik Bovee가 게시한 이 블로그에는 이러한 흥미로운 통합에 대한 개요가 나와 있습니다. 이전 게시물에서는 데이터 계층의 머신러닝, 스트림 데이터에 대한 머신러닝 및 대량의 다변수 시계열 과 같은 어려운 머신러닝 문제 해결에 대해 살펴본 적이 있으며, SingleStore 데이터베이스는 이전에 살펴본 활용 사례의 모든 영역에서 머신러닝을 강.. 2021. 6. 29. Business wire - SingleStore & AWS 의 협업확장소식 샌프란시스코 2020년 7월 15일자 운영분석과 클라우드 네이티브 RDBMS인 SingleStore는 AWS와의 협업을 확대했으며, 워크로드 마이그레이션 프로그램(WMP)에 AWS ISV(independent software vendor)로 조인했다. 이 프로그램에 조인함으로써 APN(AWS Partners Network)의 기술과 컨설팅 파트너로서 마이그레이션 프로세스에 참여하게 되며, SingleStore는 고객들로 하여금 운영분석을 위한 클라우드로의 이전을 가속화하게 될 것이다. 금융서비스, 제조 그리고 통신공간에서의 비즈니스는 계속적으로 검증되고 혁신적인 파트너들을 찾고 있는데 그 것은 바로 클라우드의 확장성과 편의성으로 시간을 줄여 인사이트를 찾는 그것이다. -바로 더 빠른 의사결정- 모든 조직.. 2020. 8. 5. [사례 연구, True Digital Group] COVID-19 감염자 증가 속도를 늦추기 위해 SingleStore 사용 True Digital Group은 접촉자 추적 조사 앱에 SingleStore를 사용하여, 태국에서 COVID-19의 확산을 막고 있습니다. (보도 자료 참고) 이 앱은 프론트엔드에서 React와 Web Workers를 사용하며, SingleStore 파이프라인과 시계열 함수로 이벤트를 빠르게 수집 처리하고, 지리공간(geospatial) 함수는 지도에 데이터를 실시간으로 표시하는데 사용이 됩니다. 이 앱의 첫번째 버전은 2주 만에 만들어졌습니다. 세계적 이동 제재(Global Lockdown) 대유행(팬데믹, pandemic)하는 COVID-19 질병의 확산을 막는 것이 우리의 공동 우선 순위였습니다. 여행, 쇼핑, 친목회와 같은 불필요한 행동들을 피함으로써, 우리는 우리 자신을 안전하게 지키고,.. 2020. 5. 15. SingleStore DB 7.0에서 강화된 시계열 데이터 활용 기능 SingleStore는 데이터를 수집하고, 업데이트하고, 집계 쿼리와 동시에 쿼리하는 실시간 분석에 매우 적합니다. 실시간 분석 활용 사례는 종종 각 개별 이벤트에 타임스탬프가 있는 이벤트 데이터를 기반으로 합니다. 이러한 일련의 이벤트를 시계열로 해석하는 것은 일반적입니다. 7.0 릴리스 이전의 SingleStore에서도 시계열 데이터 관리에 적합한 많은 기능을 다음과 같이 제공했습니다 [Han19]. ● 표준 SQL 인터페이스를 사용하여 트랜잭션 및 분석 워크로드를 지원하는 스케일 아웃, 비공유 아키텍처(Shared Nothing) ● 스케일 아웃과 결합된 컴파일 및 벡터화를 통한 빠른 쿼리 실행 ● 분산 병렬 처리를 지원하는 내장 파이프라인 기능을 통해 데이터를 매우 빠르게 로드하는 기능 ● 비 차.. 2019. 12. 24. [사례 연구, Dzone] 시계열, 실시간 및 그 이상을 위한 SingleStore 먼저, 이 게시물은 Eric Hanson이 개발자 웹 사이트인 DZone에 게시한 시계열 데이터에 대한 Webinar 내용이 정리되었습니다. SingleStore의 Eric Hanson은 수십 년의 경험이 있는 수석 데이터 전문가입니다. Eric은 과거 기존 데이터베이스의 한계를 확장 가능한 SQL로 어떻게 해결할 수 있는지에 대한 설계 관점을 제공합니다. 또한, SingleStore에서 ANSI SQL 트랜잭션에 영향을 주지 않으면서 시계열 및 빅데이터 분석 워크로드를 처리하는 방법을 보여줍니다. 링크를 통해 DZone에 게시된 Webinar를 보실 수 있습니다. 시계열 데이터는 기업이 보유한 데이터와 향후 얻을 수 있는 데이터에서 더 많은 가치를 얻고자 함에 따라 점점 더 많은 관심을 끌고 있습.. 2019. 12. 6. Webinar: 시계열 데이터에 적합한 데이터베이스 선택 이 Webinar에서 SingleStore 제품 마케팅 관리자 Mike Boyarski는 시계열 데이터의 인기 증가에 대해 설명하고 라이브 Q&A를 포함하여 시계열 데이터베이스에 가장 적합한 옵션에 대해 설명합니다. Webinar를 보고 여기에서 슬라이드를 다운로드할 수 있습니다. SingleStore에서는 시계열 데이터와 시계열 데이터베이스 선택 및 O'Reilly 시계열 전자책 다운로드에 대한 블로그 게시물에 많은 관심을 보였습니다. 또한 DZone의 시계열 데이터베이스 아키텍처에 대한 Webinar가 있습니다. 이와 대조적으로 이 Webinar는 시계열 데이터베이스에서 원하는 것과 SingleStore에 적합한 방법을 설명하는 데 특히 유용합니다. 이 블로그 게시물을 읽고 Webinar를 보십시오... 2019. 8. 12. IOT(FDC)등의 초당 수억건의 시계열 데이터 적재 및 처리 성능 극대화 서론 산업 현장의 생산성 향상을 위해 인공지능, ML, IoT(Internet of Things) 등 다양한 기술이 융합된 자율화된 공장을 통해 위해 설비의 고장이나 이상을 예측하고 생산성 향상을 위해 스마트 팩토리 도입 추진이 가속되고 있습니다. 하지만 반도체와 같은 제조 현장에서 비정상적 이벤트 감지를 통해 수율증대, 예지 정비 등의 생산 효율성과 안전성 등을 높이기 위한 ML/딥러닝 모델 적용을 하는데 있어 생산 현장에서 발생되는 센서 데이터의 양이 폭발적으로 증가하고 있어 이를 실시간으로 모델에 제공하고 이를 분석하는데 많은 기업들이 한계에 봉착하여 많은 고민과 다양한 시도를 하고 있는 것이 현실입니다. 이에 SingleStore를 통해 실시간으로 데이터를 적재하고 적재된 데이터를 실시간으로 분석.. 2019. 8. 6. [사례 연구, Forrester] SingleStore를 사용하여 수백만 달러의 디지털 전환 기회 창출 디지털 변환의 새로운 물결이 진행되고 있으며 이 새로운 물결은 데이터의 양과 복잡성이 기하 급수적으로 증가함에 따라 강화되 디지털 변환의 새로운 물결이 진행되고 있으며 이 새로운 물결은 데이터의 양과 복잡성이 기하 급수적으로 증가함에 따라 강화되었습니다. 데이터를 가치있게 만들기 위해서는 가치를 창출할 수 있도록 수집, 저장, 분석 및 운영되어야합니다. Forrester는 TEI (Total Economic Impact) 분석을 통해 조직이 SingleStore로 전환할 때 가능한 절감 및 기회를 보여주었습니다. Forrester는 4 명의 SingleStore 고객을 대상으로 사례 연구를 실시했습니다. 이러한 고객은 조직에서 다음과 같은 데이터를 효과적으로 사용하지 못하게 하는 많은 데이터 인프라 문제.. 2019. 8. 6. 이전 1 다음
