Microsoft Azure Big-Data-Pipeline von Talend

Talend entwickelt neue Konnektoren für Hadoop, Data Warehousing, Data Lakes, NoSQL und Storage zur Operationalisierung von Cloud-Daten-Pipelines.

Firmen zum Thema

Talend Germany GmbH

MIP Ges. für EDV-Beratung und Management-Training mbH

Confluent Germany GmbH

Mit den neuen Konnektoren sei eine schnelle und unternehmensweite Migration von Datenquellen auf Microsoft Azure möglich. Mit ihnen könnten intelligente und skalierbare Cloud-Daten-Pipelines für die Echtzeitanalyse entwickelt werden, erklärt Talend.

Untersuchungen des Marktforschungsunternehmens Gartner zeigen, dass „die IT-Abteilungen vieler (…) Unternehmen zwar jetzt auf Strategien zur Cloud-Implementierung setzen, die Ergebnisse dieses Vorgehens jedoch nicht unbedingt zu einer Steigerung der Wettbewerbsfähigkeit (…) beitragen.“

Multicloud-Zeitalter

Vielmehr hätten zahlreiche Firmen das Ausmaß und die Geschwindigkeit, mit der ihre Plattformen sich im Zeitalter von Multicloud-Technologien verändern, unterschätzt.

Gleiches gelte für die Auswirkungen sowohl auf den IT-Betrieb als auch auf die Fähigkeit der Unternehmen insgesamt, zunehmenden geschäftlichen Anforderungen gerecht zu werden.

Schneller in die Cloud

Laut Talend erlauben die neuen Konnektoren den Kunden das schnelle Integrieren, Analysieren und Streamen von Big Data in die Cloud. Durch die erhöhte Flexibilität würden Innovationen gefördert und Wettbewerbsvorteile erzielt.

Die neuen Konnektoren für Microsoft Azure böten den Kunden neben der bereits in früheren Talend-Versionen vorhandenen Konnektivität für Microsoft Azure HDInsight und BLOB (Binary Large Object) Storage weitere Möglichkeiten.

Neu konnektiert

Dazu gehörten eine vereinfachte Einrichtung von Cloud-Daten-Pipelines für Azure-Entwickler, eine leichte Integration von Streaming- und Verlaufsdaten für kontextbezogene Einblicke sowie eine schnelle Migration lokaler Daten in die Azure-Cloud.

Zusätzlich biete der neue Konnektor eine skalierbare Datenqualität für Big Data mithilfe von Datenabgleich und Machine Learning auf Spark-Basis sowie mehr Produktivität für DevOps beim Sicherheits- und Konfigurationsmanagement für Big-Data-Cluster.

(ID:44788061)