El Toro + Starburst: Hiệu năng truy vấn ở quy mô lớn

Khi tôi làm CTO tại El Toro, đội dữ liệu của công ty đụng phải bức tường mà mọi tổ chức nặng về dữ liệu cuối cùng đều gặp: các truy vấn vốn vẫn ổn đang trở nên chậm, và dữ liệu thì ngày càng lớn. Starburst đã ghi lại những gì chúng tôi làm trong một nghiên cứu điển hình khách hàng — "Tối ưu hiệu năng truy vấn để cung cấp năng lượng cho phân tích data lake."

Quy mô

Vào bất kỳ ngày nào, các thuật toán học máy của El Toro đều tiêu hóa hơn 350 tỷ điểm dữ liệu. Đó không phải con số tôi nói qua loa — đó là thực tế hằng ngày của một nền tảng nhắm mục tiêu IP khớp địa chỉ vật lý và địa chỉ IP ở quy mô lớn. Động cơ phân tích phải chạy các truy vấn nhanh, trực tiếp, tương tác trên một data lake khổng lồ, và phải làm điều đó cho phân tích tức thời, chứ không chỉ các báo cáo đóng sẵn.

Kết quả

Nghiên cứu điển hình ghi lại những gì chúng tôi đạt được với Starburst Enterprise: cải thiện 300% hiệu năng truy vấn và tiết kiệm 5 triệu USD, hỗ trợ hàng nghìn chiến dịch được khởi chạy mỗi ngày. Câu trích dẫn họ lấy từ tôi nói thẳng: "Những nhu cầu chúng tôi đang vật lộn chính là lý do chúng tôi chọn Trino, và Starburst là bước tiếp theo rất tự nhiên đối với chúng tôi với tư cách một công ty Enterprise — nó khiến việc truy cập dữ liệu dễ hơn, tốt hơn, được hỗ trợ nhiều hơn, ổn định hơn, và phát triển hơn mà không cần phải dồn nguồn lực vào."

Nghiên cứu điển hình đầy đủ có trên trang Starburst. Đó là cái nhìn hay về điều xảy ra khi bạn ngừng vật lộn với hạ tầng dữ liệu của mình và để nó mở rộng cùng bạn.

Nghĩ rằng lập luận này phù hợp với sự kiện của bạn? Hãy kể cho tôi về khán phòng — lịch trình có chọn lọc.