Gå til hovedindhold

Datageneratorer

Åbne, modulære datageneratorer, der forespørger, søger, beriger og behandler dine strukturerede og ustrukturerede data til AI.

Big data AI maskinlæring neuralt netværksflow kompleks informationsvidenskab innovation teknologi dataanalyse visualisering

Fra rå data til forbrugsbaserede dataprodukter

Datageneratorer samler dataforberedelse og adgang på Dell S3-objektstorage for at indlæse og transformere data og levere forbrugsbare, AI-parate dataprodukter.

Hent data →

Strukturerede, semistrukturerede og ustrukturerede data på tværs af databaser, datasøer, objektlagre, dokumenter, logfiler og datastrømme.

Indlæs →

Udgiv streaming- og batchdata i realtid til højtydende S3-storage.

Transformér →

Søg efter, forespørg på, rens og berig data med analyse-, søgnings- og behandlingsgeneratorer.

Levér 

Giv brugsklare dataprodukter til business intelligence, datavidenskab, maskinlæring og generativ AI.

Skræddersyede motorer til søgning, analyse og behandling

I modsætning til egne generatorer, der begrænser fleksibiliteten, er datageneratorer bygget med åbne, banebrydende værktøjer til at håndtere kompleksiteten af moderne data, integreret direkte for dataingeniører og arkitekter.

Åben, sammensluttet og bygget på pålidelig storage

Tre valgmuligheder adskiller datageneratorer fra egne, låste analysestakke.

Åben – den bedste af sin slags

Datageneratorer er bygget på åbne, banebrydende værktøjer som f.eks. Starburst, Elastic og Apache Spark og åbne tabelformater. Undgå fastlåsning af egne datageneratorer, og integrer de værktøjer, du allerede har tillid til.

Forespørg, hvor data befinder sig

Sammensluttet adgang giver dig mulighed for at søge og analysere strukturerede og ustrukturerede data på tværs af cloud, lokale placeringer, databaser, datasøer, objektlagre og NoSQL uden først at flytte eller duplikere data til en separat platform.

Betroet virksomhedsstorage

Datageneratorer kører på Dell S3-kompatibel storage som f.eks. ObjectScale og PowerScale, der leverer AI-kravene til ydeevne, pålidelighed og sikkerhed med op til 76 % lavere samlede omkostninger end offentlig cloud-objektstorage.

Start din AI-rejse

Start din AI-rejse

Spørgsmål

Datageneratorer udgør databehandlingslaget i Dells AI-dataplatform med NVIDIA, et sæt åbne, modulære generatorer til søgning, analyse og databehandling i stor skala. Generatorerne forespørger, søger, beriger og transformerer strukturerede, semistrukturerede, og ustrukturerede virksomhedsdata, så dataene er klar til analyse, business intelligence og AI-workloads som f.eks. hentningsforstærket generering (RAG) og agentisk hentning. Anvend kun de maskiner, du har brug for, og kør på din eksisterende Dell-storage uden at flytte data til en egen platform.
Dataanalysegeneratoren, der drives af Starburst, er et sammensluttet forespørgsels- og analysegenerator, der giver dig mulighed for at analysere data på tværs af mange kilder, f.eks. datasøer, lagre, objektlagre og databaser, uden først at kopiere data til én placering. Generatoren bruger åbne tabelformater som f.eks. Apache Iceberg og kører SQL-analyser direkte, hvor dine data befinder sig, så teams får hurtigere indsigt med mindre dataduplikering og lavere analyseomkostninger.
Ja. Dataanalysegeneratoren samler forespørgsler på tværs af distribuerede kilder, så du kan analysere data på stedet frem for at opbygge skrøbelige ETL-pipelines (udpak, transformer, indlæs) for at flytte data til et centralt lager. Dette reducerer kopieringer, reducerer omkostninger til storage og pipeline og forkorter tid til indsigt, samtidig med at data holdes under eksisterende styring og adgangskontrol.
Datasøgemaskinen, der er bygget på Elasticsearch og accelereret af NVIDIA cuVS, genererer integreringer og bygger vektorindekser, så virksomhedsdata kan hentes semantitisk til Rag og agentisk AI. GPU-acceleration leverer op til 12 gange hurtigere overførselshastighed for vektorindeksering, hvilket sikrer, at indekserne holdes opdaterede, efterhånden som data ændres, så hentning forbliver hurtig, relevant og baseret på den aktuelle virksomhedskontekst.
Ja. Datageneratorerne er designet til strukturerede, semistrukturerede og ustrukturerede data, herunder dokumenter, billeder, video, logfiler, poster og andet virksomhedsindhold. Søgninger kombinerer søgeord, semantisk og hybrid hentning på tværs af disse datatyper, så brugere og AI-programmer kan finde de rigtige oplysninger, uanset hvor dataene befinder sig, eller hvad disse data kræver.
Databehandlingsgeneratoren, der er baseret på Apache Spark, håndterer indsamling, rensning, transformation og berigelse af store datamængder. Generatoren forbereder rå virksomhedsdata (batch eller streaming) til rene, strukturerede, AI-parate datasæt. Teams kan anvende GPU-acceleration for at fremskynde dataforberedelsen forud for træning, indeksering og inferens, så pipelines holder trit med skiftende data.
Datageneratorer kører på et valideret fundament som f.eks. data Analytics Engine Appliance (DDAE660) sammen med Dell Storage, PowerScale til skaleringsfil og objectscale til S3-objekt og NVIDIA-acceleration. Start med en enkel datagenerator til et bestemt problem, og udvid på tværs af søgning, analyser og behandling, efterhånden som dine workloads vokser, uden at skulle redesigne.
Ved at undersøge, hvor data befinder sig, reducerer datageneratorerne redundante kopier og ETL-omkostninger, og åbne tabelformater omgår problemet med egne låste maskiner. Kombineret med omkostningseffektiv Dell-storage kan kunderne sænke omkostningerne til analyser og objektstorage betydeligt, samtidig med at forespørgselskapaciteten forbedres, så de får mere indsigt for pengene i stedet for at skalere omkostningerne lineært med data.
Datageneratorer udgør søgnings-, analyse- og behandlingslaget i Dells AI-dataplatform med NVIDIA. De arbejder sammen med Dell Data Orchestration Engine (som automatiserer end-to-end-pipelinen) og Dell Storage til AI (det AI-parate storagefundament). Sammen håndterer de virksomhedsdata fra indlæsning til AI-resultat. Da platformen er modulær, kan du starte med datageneratorer alene og tilføje de andre lag, når det er nødvendigt.