Arquitectura de Plataformas de Datos y Aprendizaje Automático

Capítulo 9. Ampliación de una Plataforma de Datos con Híbridos y de Perímetro

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Hasta ahora en este libro, hemos hablado de cómo planificar, diseñar e implantar una plataforma de datos utilizando las capacidades de una nube pública. Sin embargo, hay muchas situaciones en las que una única nube pública no será suficiente porque es inherente al caso de uso que los datos se originen, procesen o almacenen en alguna otra ubicación, ya sea en las instalaciones, en múltiples hiperescaladores o en dispositivos inteligentes conectados, como teléfonos inteligentes o sensores. En situaciones como éstas, hay un nuevo reto que hay que abordar: ¿cómo proporcionar una visión holística de la plataforma para que los usuarios puedan mezclar y unir eficazmente los datos dispersos en distintos lugares? En este capítulo aprenderás los enfoques, las técnicas y los patrones arquitectónicos que tu organización puede adoptar al tratar con este tipo de arquitecturas distribuidas.

Además, hay otras situaciones en las que necesitas hacer que tus datos funcionen en un entorno parcialmente conectado o en modo desconectado. En este capítulo aprenderás cómo hacer frente a una situación de este tipo aprovechando un nuevo enfoque, llamado computación de perímetro, que puede sacar una parte de los recursos de almacenamiento y computación de la nube y acercarlos al propio sujeto que está generando o ...