DESARROLLADOR

Cómo los desarrolladores de Big Data pueden usar herramientas de automatización para identificar aplicaciones de misión crítica

Los desarrolladores de big data están bajo presión para trazar la línea entre las aplicaciones comerciales críticas e inútiles. Descubra cómo las herramientas de automatización pueden ayudar a los desarrolladores de aplicaciones a superar estos desafíos.

Un importante fabricante de medicamentos utiliza análisis avanzados Según un artículo de McKinsey & Company de 2014, la producción de vacunas se puede aumentar significativamente sin incurrir en gastos de capital adicionales. Mediante el uso de análisis estadísticos, el equipo del proyecto farmacéutico realizó ajustes específicos en nueve de los parámetros de proceso de mayor impacto en el proceso de fabricación, realizó cambios en el proceso y aumentó el rendimiento de la vacuna en más del 50 %, ahorrando entre 5 y 5 millones de dólares al año. .

Estos son los resultados de big data y análisis que la gerencia de C-suite espera ver, ahora que el período de luna de miel de la experimentación de big data ha terminado y las empresas están implementando aplicaciones de big data en producción.

«A medida que las empresas ponen en producción sus aplicaciones de big data, descubren que los sistemas de big data siguen muchas de las mismas reglas que los sistemas de datos transaccionales establecidos», dijo Ash Munshi. datos de pimiento, un proveedor de conjunto de herramientas de rendimiento de big data. «Los sistemas de big data deben ser confiables y escalables para adaptarse a un gran número de usuarios simultáneos del sistema. Estos sistemas también deben funcionar bien. Puede haber una línea muy fina entre los sistemas que son críticos para el negocio o inútiles para el negocio y cómo funciona el sistema determina si cruzar la línea».

LEER  Sabías que... | República Tecnológica

Hay muchas formas de determinar el rendimiento de un sistema, pero tres áreas clave en las que se destacan los problemas de rendimiento de big data son:

  1. La velocidad a la que se desarrollan e implementan nuevas aplicaciones;
  2. qué tan bien el sistema realiza estas nuevas aplicaciones; y
  3. Si el sistema opera de la manera más rentable posible.

«Para lograr estos objetivos, se deben considerar todos los aspectos de la cadena de desarrollo de aplicaciones», dijo Munshi. «Ya sea utilizando un analizador de clústeres para evaluar cómo se capturan y procesan los datos, herramientas para monitorear la utilización de recursos para garantizar que el procesamiento se realice en condiciones óptimas del sistema o para ayudar a los desarrolladores a usar herramientas de depuración para depurar su código e instrumentación. Las áreas del software requieren un cadena de desarrollo con políticas formales, como un trabajo aleatorio de baja prioridad que no se inyecta en un flujo de trabajo que retrasa el procesamiento de misión crítica».

VER: La verdad sobre los MooC y los campamentos de entrenamiento: su mayor beneficio no es crear más programadores (descarga de Tecnopedia)

LinkedIn es una asociación de Pepperdata para ayudar a los desarrolladores de big data a crear aplicaciones de misión crítica. Las dos empresas tomaron el proyecto Dr. Elephant de LinkedIn y lo integraron con el conjunto de herramientas de análisis de Pepperdata, Application Analyzer.

«Lo que hace el Dr. Elephant es proporcionar recomendaciones de rendimiento que los desarrolladores de aplicaciones de big data pueden consultar al desarrollar software», dijo Munshi. «Les dice lo que está pasando en el clúster de procesamiento de big data que están usando y luego les da una lista de recomendaciones de ajuste de rendimiento».

La adición de herramientas de autoservicio para desarrolladores de aplicaciones como esta llega en el momento justo. Cuando trabaja con aplicaciones que abarcan muchos servidores, unidades de almacenamiento y redes diferentes, puede ser difícil desarrollar aplicaciones y anticipar todos los cuellos de botella potenciales del sistema, como es el caso de los grandes datos.

«Gran parte de esta verificación cruzada se puede omitir cuando los plazos de los desarrolladores son ajustados», dijo Munshi. «Ahí es donde las herramientas de automatización pueden desempeñar un papel importante. Brindan a los desarrolladores de aplicaciones de big data una mejor comprensión de lo que está sucediendo».

LEER  Los 10 principales desafíos de implementación de DevOps

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Botón volver arriba