W poprzednim wpisie wspominaliśmy krótko o rozwiązaniu „Grail – data lakehouse”, stanowiącym odpowiedź firmy Dynatrace na wyzwania w zakresie danych takie jak: ich szybki przyrost, budowanie logiki danych, automatyzacja procesu gromadzenia, analizy i bezpieczeństwa danych czy zapewnienie BIZDEVSECOPS w modelu „as a code”. W poniższym wpisie przybliżymy temat nieco dokładniej.
Grail to baza danych Dynatrace zaprojektowana specjalnie dla danych obserwowalności. Działa jako jedno ujednolicone rozwiązanie do przechowywania danych, logów, metryk, śladów, zdarzeń i nie tylko. Wszystkie dane przechowywane w Grail są ze sobą połączone w ramach modelu czasu rzeczywistego, który odzwierciedla topologię i zależności w monitorowanym środowisku.
Grail zasadniczo ulepsza techniczny rdzeń platformy Dynatrace Software Intelligence Platform. W przypadku architektur multicloud i cloud-native ilość danych i złożoność środowisk aplikacji oraz zależności między ich komponentami gwałtownie rosną. Firmy potrzebują skutecznego sposobu przechowywania danych we właściwym kontekście i wyszukiwania ich w celu uzyskiwania natychmiastowych wglądów i automatyzacji procesów.
Grail został stworzony z myślą o jednym podstawowym celu: udostępnieniu wszystkich danych — a tym samym ich wartości — w celu udzielania precyzyjnych odpowiedzi w czasie rzeczywistym. Ten cel nie ogranicza się do działań związanych z obserwowalnością. Grail obsługuje dane dotyczące bezpieczeństwa, a także dane analizy biznesowej. Mając to na uwadze, Grail musi osiągnąć trzy główne cele przy minimalnym wpływie na koszty:
- Radzenie sobie i zarządzanie ogromną ilością danych — zarówno podczas pozyskiwania, jak i analiz;
- Praca z różnymi i niezależnymi typami danych;
- Umieszczanie danych w kontekście i wzbogacanie ich o metadane topologii.
Powyższe zasady mają wpływ na jego architekturę. Grail to narzędzie, które łączy zalety hurtowni danych z zaletami data lakehouse. Hurtownia danych jest specjalnie budowana i optymalizowana pod kątem konkretnych przypadków użycia, zapewniając cenny wgląd w ustrukturyzowane dane i zdolna do obsługi dużych rozmiarów danych. Natomiast data lakehouse mogą obsługiwać różne typy danych nieustrukturyzowanych i częściowo ustrukturyzowanych w nieznanym zakresie, wprowadzając w ten sposób otwartość i elastyczność.
Aby umożliwić powstanie tej architektury i zbudowanie data lakehouse, Dynatrace oddzielił pamięć masową od analiz i obliczeń. To oddzielenie zapewnia otwartość danych i formatów przechowywania, jednocześnie zachowując dane w kontekście. Ponadto tworzy bogatą warstwę analityczną opartą na przyczynowej, sztucznej inteligencji Dynatrace, Davis® AI. Dodatkowo tworzy nowy silnik zapytań DQL, który oferuje wgląd w dane z niezrównaną szybkością.
W rezultacie Graal został stworzony z trzech różnych elementów konstrukcyjnych, z których każdy spełnia specjalne zadanie:
- Pozyskiwanie i przetwarzanie: Wysoka wydajność, zautomatyzowane gromadzenie i przetwarzanie danych.
- Przechowywanie: rozwiązanie pamięci masowej stworzone specjalnie z myślą o obserwowalności i bezpieczeństwie danych.
- Analiza: przeszukiwanie petabajtów danych w czasie rzeczywistym celem wydobycia z nich prawdziwej wartości.
Więcej o każdym z powyższych aspektów znajdziesz na blogu Dynatrace >> tutaj
