Cloudera lanza su Altus Data Engineering para Azure, el cloud de Microsoft

Cloudera, la plataforma de machine learning y analítica de datos optimizada para la nube, ha anunciado el lanzamiento de Cloudera Altus Data Engineering para el cloud de Microsoft: Azure. Cloudera Altus es una Plataforma como Servicio (PaaS, por sus siglas en inglés), que se adapta a cada entorno empresarial y que sirve de base para que los ingenieros de datos que quieren acelerar las operaciones con datos e impulsar la creación de aplicaciones de análisis más sofisticadas. Altus en Azure es una experiencia sencilla, unificada y preparada para las empresas que ofrece al usuario final la mejor elección en infraestructuras cloud.

Esta es solo una de muchas colaboraciones entre Cloudera y Microsoft. Gracias a su trabajo conjunto, los analistas pueden utilizar datos de sensores mediante IoT Hub, incluir datos procesados por Cloudera en Microsoft SQL Server vía Polybase e incluso visualizar resultados con Microsoft Power BI para Impala. Con esta integración con Microsoft, Cloudera ofrece herramientas de machine learning para empresas y permite hacer análisis escalados y predictivos de forma eficiente.

Cloudera Altus Data Engineering para Azure simplifica el desarrollo de operaciones con fuentes de datos, y pone el foco en flujos de trabajo, mientras evita la gestión de la infraestructura y operaciones que pueden ser largas y tediosas. Además, los clientes pueden alojar sus datos en Azure Data Lake Store (ADLS), la nube de almacenamiento de híper escalado para análisis de datos. De este modo, la infraestructura Azure permite al usuario final hacer consultas de datos por sí mismo. Al separar computación y almacenamiento, ADLS permite escalar fuentes de datos de forma independiente, según necesite de cada cliente. Al estar respaldado por Cloudera, Altus reduce el riesgo asociado a las migraciones entre diferentes proveedores de almacenamiento en la nube. En resumen, ofrece a los usuarios herramientas con las que están familiarizados, almacenamiento compartido y gestión de metadatos a través de canales de datos.

Según KPMG, la adopción de PaaS es el sector que tendrá un mayor crecimiento entre las plataformas cloud, pasando de una adopción del 32% en 2017 al 56% en 2020. Además, la adopción cloud se ha generalizado ya que acelera cómo las empresas trasladan a la nube  sus operaciones intensivas con datos. La nube es uno de los entornos de mayor crecimiento para los clientes de Cloudera, y esta alianza ofrece a los negocios una solución probada de ingeniería de datos para Azure.

Charles Zedlewski, director de Gestión de Productos de Cloudera, ha indicado que “Cloudera hace sencillo, práctico y rentable el desarrollo de análisis de datos en proveedores Cloud, como Microsoft Azure, aprovechando la elasticidad de la nube, el bajo coste del almacenamiento y opciones de computación, así como un rápido aprovisionamiento”. Además, ha añadido que “estamos enfocados a ofrecer servicios que inter operen con todas nuestras soluciones para ofrecer una experiencia superior en la nube”.

Mike Pickett, director de New Business y Partner Ecosystems de Talend, ha indicado que “el alcance y ritmo al que los clientes evolucionan su tecnología cambia en la era multi-cloud, lo que genera un fuerte impacto en las operaciones IT y en las nuevas formas de adaptarse a las necesidades de los negocios”. Además, ha afirmado que están “comprometidos a ayudar a los clientes a trazar una estrategia multi-cloud de éxito, y satisfechos de asociarnos con Cloudera para reforzarnos como mejor opción de proveedores de cloud, de cara a nuestros clientes, quienes buscan crear un flujo que de soporte a sofisticadas aplicaciones basadas en datos”.

“Como líder en Gestión de Datos Cloud para Empresas, la compañía Informatica continúa invirtiendo en ayudar a las empresas a desplegar de forma sencilla bases de datos en la nube. Informática ofrece un conjunto de productos para la gestión de datos, certificada para funcionar con Microsoft Azure”. Así se ha expresado Ronen Schawartz, SVP y GM de Cloud, Big Data e Integración de Datos, que añadió que “como socio estratégico de desarrollo de Cloudera Altus, buscamos continuar trabajando junto a Cloudera para dar soporte a entornos de datos en Microsoft Azure”.

“Cada vez más empresas eligen Microsoft Azure para sus trabajos de procesamiento de datos a gran escala. Cloudera Altus traerá una experiencia de uso sencilla y orientada al cliente con Azure, respaldado por la probada distribución para empresas de Cloudera”. Así lo ha indicado Corey Sanders, director de Computación de Microsoft Azure, quien ha querido añadir que “Azure es la única nube pública que ofrece Azure Data Lake Storage, diseñado para el Big Data a escala cloud. Junto a Cloudera Altus, ayudamos a los clientes a construir, implementar y compartir soluciones de análisis”.

Las características y beneficios de Altus Data Engineering para Azure incluyen:

• Orientación a flujos de trabajo. Altus está enfocado en construir canales de datos, en lugar de administrar clústers o infraestructuras, de forma que los usuarios pueden fácilmente solicitar, clonar y solucionar problemas con el mínimo esfuerzo, gracias a la infraestructura subyacente.
• Sin silos de datos. Altus permite a los ingenieros procesar datos leidos y escritos directamente con ADLS. Estos datos están disponibles inmediatamente  para usar por otra computadora de Cloudera sin necesidad de replicar los datos, ETL o sin que haga falta cambiar el formato de los archivos. Además, elimina los sobrecostes de almacenar los mismos datos varias veces. Con ello, los usuarios pueden ser más eficientes incorporando la ingeniería de datos al data science, BI y aplicaciones DB en tiempo real.
• La integración con herramientas de terceros ofrece capacidades mejoradas, sin riesgos de incompatibilidades.
• Los flujos de análisis incorporados Altus permiten monitorizar y la solución de problemas para canales de datos con trabajos de análisis, que permiten a los usuarios solucionar fácilmente trabajos fallidos. Además, el análisis de datos de Altus puede marcar las desviaciones de rendimiento y ajustarlo. Con ello, los clientes obtienen un análisis de datos de mayor credibilidad y menor coste.