我们很高兴地宣布,Forrester Research 在《Forrester Wave™:2023 年第一季度分析数据管理报告》中将 Google 评为领导者。我们相信,这证明了 Google 在开放数据生态系统、统一数据云产品和内置智能等方面的愿景和提供持续产品创新的良好记录。
企业都希望在竞争和经济压力下保持领先地位,想要利用当今可用的海量数据来做出明智的决策、提高业务流程效率并推动创新。然而,随着数据、工作负载和用户的数量和类型呈指数级增长,充分发挥数据的潜力变得异常复杂,但对于客户的成功仍然至关重要。我们认真对待这一挑战,并很荣幸获得 Forrester Wave 的认可。
在这份报告中,Forrester 根据预定义的标准对 14 家数据管理分析(DMA) 提供商做出了评估,对他们当前的产品和战略进行了评价。除了被评为领导者之外,Google 还在 11 个不同的评估标准中获得了最高分,包括路线图执行、性能、可扩展性、数据安全性与可视化。
“Google 提供了一个完全托管的无服务器 [用于分析的数据管理] 解决方案,可以使用标准 SQL 扩展到数百 PB。”
Forrester Wave™:2023 年第一季度分析数据管理报告
英国电信、沃达丰、家乐福以及全球数以万计的其他客户已与 Google Cloud 合作,通过统一、开放和智能的数据生态系统推动创新。
统一数据管理
Google 提供了一个统一的数据平台,使企业能够管理数据生命周期的每个阶段——从为应用程序运行操作数据库到管理跨数据仓库和数据湖的分析工作负载,再到数据驱动的决策,以及 AI/ML。我们构建平台的方式是独一无二的,使客户能够将他们的数据、人员和工作负载整合在一起。我们的数据库建立在高度可扩展的分布式存储上,具有全面分类的资源和 Google 自有的高性能全球网络。这种结合使我们能够在我们的数据云产品中提供紧密集成的数据云服务,包括 Cloud Spanner、 Cloud Bigtable、 AlloyDB for PostgreSQL、 BigQuery、 Dataproc 和 Dataflow。
我们在过去的一年中推出了多项功能,进一步加强了这些整合,使客户能够更轻松地加速创新:
统一的交易和分析平台。通过变化流,客户可以跟踪对 Spanner 和 Bigtable 数据库的写入、更新和删除,并将它们复制到例如 BigQuery、Pub/Sub 和 Cloud Storage 这样的下游系统中。 Datastream for BigQuery 现已正式发布,它可以轻松地将数据从操作数据库源(例如 AlloyDB、PostgreSQL、MySQL 和 Oracle)直接复制到 BigQuery,从而使您可以轻松地设置 ELT(提取、加载、转换)管道,以实现低延迟数据复制,从而实现实时洞察。
统一所有类型的数据。BigLake 使客户可以在任何位置处理任何类型的数据。这使我们能够提供对象表,这是一种为非结构化数据提供结构化接口的新表类型。对象表使客户能够在图像、音频和文档上本地运行分析和 ML,从而改变全球数据团队的游戏规则,他们现在可以在一个统一的环境中使用所有数据进行无限制的创新。
统一的工作负载。我们为需要 SQL 以外的编程的工作负载引入了新的开发人员扩展。通过 BigQuery 为 Apache Spark 提供的存储程序,客户可以直接在 BigQuery 中运行 Spark 程序,统一转换和摄取,并使 Spark 程序能够作为一组 SQL 语句中的一个步骤运行。这种统一提高了工作效率并带来了成本和计费上的优势,因为客户只需为 Spark 作业的持续时间和消耗的资源付费。
为了帮助客户进一步管理数据云成本,我们发布了具有三个定价层级(标准版、企业版和企业 Plus 版)的 BigQuery 版本供您选择,并能够根据您的个人工作负载需求进行混合搭配以获得合适的性价比。
BigQuery 版本有两项创新。 首先,计算容量自动缩放实时增加精细的计算资源以满足您的工作负载需求,并确保您只为您使用的计算容量付费。 其次,物理字节计费定价使您只需为数据存储高度压缩后的数据付费。 通过压缩存储定价,您可以降低存储成本,同时增加数据占用空间。
开放的数据生态系统
Google Cloud 提供行业领先的开源和开放式 API 集成,在确保可移植性、灵活性的同时降低供应商锁定的风险。我们看到 PayPal、HSBC、Vodafone、Walmart 和其他数百家客户越来越多地利用我们的迁移服务套件来推动他们的数据云转型之旅。例如,BigQuery Migration Service 已帮助数百家客户将超过 900 万条代码语句从传统数据仓库自动转换为 BigQuery,而全面的数据库迁移计划通过适当的专业知识、评估和财务支持加速了向云的迁移过程。 客户还可以利用我们的托管服务,这些服务与最流行的开源引擎(例如 PostgreSQL、MySQL 和 Redis)完全兼容。
我们不会止步于此。我们还提供 BigQuery Omni,它可以深入洞察其他云环境中的数据,同时为分析、治理和安全性提供单一管理平台。
我们继续专注于使 Google Cloud 成为最开放的数据云,可以释放数据的全部潜力并消除数字化转型的障碍。该领域最近推出的一些产品使您能够:
使您的 PostgreSQL 环境现代化。我们发布了 AlloyDB Omni 的技术预览版,这是一个可下载的 AlloyDB 版本,旨在于本地、边缘、跨云甚至开发人员笔记本电脑上运行。作为数据库迁移计划的一部分,我们还宣布了一个新的数据库迁移评估 (DMA) 工具。这个新工具可以提供易于理解的报告以体现迁移到我们的一个 PostgreSQL 数据库(无论是 AlloyDB 还是 Cloud SQL)所需的工作量。
构建一个开放格式的数据湖。为了支持数据的开放性,我们宣布了 BigLake 的正式发布,以帮助您通过统一数据湖和数据仓库来打破数据孤岛。BigLake 创新地增加了对 Apache Iceberg 的支持,它 正在成为数据湖开源表格式的标准。很快,我们将增加对 Delta Lake 和 Hudi 等格式的支持。
对您的数据进行分析。为了帮助您分析无论处于何处的数据,我们推出了 BigQuery Omni。 最近,我们增加了跨云传输和跨云大型查询结果等功能,这将使跨云环境的数据组合和分析变得更加容易。
与此同时,我们大大扩展了我们的数据云合作伙伴生态系统,并正在增加针对许多新领域的合作伙伴投资。如今,超过 900 家软件合作伙伴正在使用 Google 的数据云构建他们的产品,超过 50 家数据平台合作伙伴通过我们的 Google Cloud Ready - BigQuery 计划提供经过验证的集成。像 Starburst 这样的合作伙伴正在加深与 BigQuery 和 Dataplex 的集成,从而使客户可以对其数据进行分析,无论数据位于何处,包括数据湖、多云和混合云源。
内置智能功能
在 Google,AI 是我们的 DNA。 二十年来,我们利用 AI 的力量来组织全球信息,并使其为世界各地的人们和企业创造价值。从使用 ML 增强我们的搜索算法的性能,到利用无监督学习加强 YouTube 上的内容推荐,我们一直在利用 AI 来解决市场上一些最棘手的挑战。
BigQuery ML 使数据分析师能够通过现有的 SQL 工具和技能使用 ML,其使用量在 2022 年增长了 200% 以上。自 BigQuery ML 在 2019 年正式发布以来,客户已经运行了数亿次预测和训练查询。
我们不断带来 AI 技术的最新进展,使我们的数据云服务更加智能。 以下是最近的几个例子:
BigQuery 推理引擎。我们发布了 BigQuery ML 推理引擎,它不仅可以让您直接在 BigQuery 中使用流行的模型格式运行预测,还可以使用远程托管模型和 Google 最先进的预训练模型。
数据库系统优化。Cloud SQL recommender 和 AlloyDB autopilot 等功能使数据库管理员和 DevOps 团队可以更轻松地管理大型数据库的性能和成本。
数据库和 AI 集成。除了将 AI/ML 融入我们的产品之外,我们还将 Spanner、AlloyDB 和 BigQuery 与 Vertex AI 紧密集成,以简化用户的 ML 体验。通过这些集成,AlloyDB 和 Spanner 用户现在可以使用 SQL 直接在数据库事务中启用模型推理。
简化 ML 操作。使用 BigQuery ML 在 BigQuery 中创建的模型已在 Vertex AI 模型注册表中立即可见。然后,您可以将这些模型直接部署到 Vertex AI 端点以进行实时服务,使用 Vertex AI 管道来监控和训练模型,并通过 BigQuery ML 和 Vertex AI 集成查看您的预测的详细解释。
当然,我们在为世界上一些要求最苛刻的工作负载构建的基础设施上提供所有这些服务。事实证明,Google Cloud 数据库和分析解决方案可以大规模运行。例如,Spanner 每秒持续处理 20 亿个请求,BigQuery 客户每秒分析超过 100 TB 的数据。
我们期待在您的数字化转型之旅中继续创新并与您合作,并很荣幸成为 2023 年 Forrester Wave™:分析数据管理的领导者。
点击此处,查看 Forrester Wave™:2023 年第一季度分析数据管理报告。
文章信息
相关推荐
