Data Platform - Entrepôt avec lac de données

Vous pouvez collecter et analyser efficacement les données d'événement et les données de diffusion en continu à partir de l'Internet des objets (IdO) et de sources de médias sociaux, mais comment les mettre en corrélation avec le large éventail de ressources de données d'entreprise pour tirer parti de votre investissement et obtenir les informations dont vous avez besoin?

Tirez parti d'un entrepôt avec lac de données en nuage qui combine les capacités d'un lac de données et d'un entrepôt de données pour traiter une vaste gamme de données d'entreprise et de diffusion en continu pour l'analyse commerciale et l'apprentissage automatique.

Cette architecture de référence positionne la solution technologique dans le contexte global de l'entreprise, où les intentions stratégiques stimulent la création de résultats stratégiques mesurables. Ces résultats génèrent de nouvelles intentions stratégiques, offrant ainsi des améliorations commerciales continues et axées sur les données.

Description de l'illustration data-driven-business-context.png

Un lac de données permet à une entreprise de stocker toutes ses données dans un environnement élastique et rentable tout en offrant les services de traitement, de persistance et d'analyse nécessaires pour découvrir de nouvelles perspectives d'affaires. Un lac de données stocke et organise des données structurées et non structurées et fournit des méthodes pour organiser de grands volumes de données très diverses provenant de plusieurs sources.

Avec un entrepôt de données, vous effectuez la transformation et le nettoyage des données avant de les valider. Avec un lac de données, vous ingérez rapidement des données et vous les préparez à la volée, à mesure que les utilisateurs y accèdent. Un lac de données prend en charge les rapports opérationnels et la surveillance de l'entreprise qui nécessitent un accès immédiat aux données et des analyses flexibles pour comprendre ce qui se passe dans l'entreprise pendant qu'il se produit.

Architecture fonctionnelle

Vous pouvez combiner les capacités d'un lac de données et d'un entrepôt de données pour fournir une plate-forme d'entrepôt avec lac de données moderne qui traite la diffusion en continu et d'autres types de données à partir d'un large éventail de ressources d'entreprise, afin de tirer parti des données pour l'analyse d'affaires, l'apprentissage automatique, les services de données et les produits de données.

Une architecture d'entrepôt avec lac de données combine les capacités du lac de données et de l'entrepôt de données pour augmenter l'efficacité opérationnelle et offrir des capacités améliorées qui permettent :

• Utilisation transparente des données et des informations sans avoir à les répliquer dans le lac de données et l'entrepôt de données
• Prise en charge de différents types de données dans une architecture multimodèle et polyglotte améliorée
• Ingestion transparente des données à partir de n'importe quel consommateur à l'aide de mécanismes d'ingestion en temps réel, de diffusion en continu, de traitement par lots, d'interface de programmation d'application (API) et de traitement en masse
• Extraction de l'intelligence continue à partir des données à l'aide des services d'intelligence artificielle, d'intelligence artificielle générative et d'apprentissage automatique
• Possibilité d'infuser et de servir de l'intelligence à tout consommateur de données à l'aide de l'API, de l'interface utilisateur, de la diffusion en continu et de mécanismes d'intégration
• Gouvernance et sécurité détaillée des données qui tire parti d'un modèle de sécurité zéro confiance
• Possibilité de découpler complètement les ressources de stockage et de calcul et de ne consommer que les ressources nécessaires à tout moment
• La possibilité de tirer parti de plusieurs moteurs de calcul, y compris des moteurs à source ouverte, pour traiter les mêmes données pour différents cas d'utilisation afin d'obtenir un maximum de réaffectation, de liquidité et d'utilisation des données
• Possibilité de stocker des données à l'aide de différents formats de fichier et de table ouverts dans le lac de données
• La possibilité de tirer parti des services natifs d'Oracle Cloud Infrastructure (OCI) gérés par Oracle et qui réduisent les frais généraux opérationnels
• Meilleure économie de nuage avec ajustement automatique qui ajuste l'infrastructure des ressources en nuage en fonction de la demande réelle
• Modularité pour que l'utilisation du service soit axée sur le cas d'utilisation
• Interopérabilité avec tout système ou nuage respectant les normes ouvertes
• Prise en charge d'un ensemble diversifié de cas d'utilisation, y compris la diffusion en continu, l'analyse, la science des données et l'apprentissage automatique
• Prise en charge de différentes approches architecturales, d'un entrepôt avec lac de données centralisé à un maillage de données décentralisé

Le diagramme suivant illustre l'architecture fonctionnelle.

Description de l'illustration lakehouse-functional.png

entrepôt avec lac de données-fonctionnel-oracle-1.zip#GUID-43E61AD0-9E20-4DC0-BFB2-EFF8365A6694

L'architecture se concentre sur les divisions logiques suivantes :

• Connexion, ingestion et transformation

  Permet de se connecter à des sources de données, d'ingérer et d'affiner leurs données pour les utiliser dans chacune des couches de données de l'architecture.

• Conserver, organiser, créer

  Facilite l'accès et la navigation des données pour afficher la vue d'affaires courante. Pour les technologies relationnelles, les données peuvent être structurées logiquement ou physiquement sous des formes relationnelles, longitudinales, dimensionnelles ou OLAP simples. Pour les données non relationnelles, cette couche contient un ou plusieurs groupes de données, provenant soit d'un processus analytique, soit des données optimisées pour une tâche analytique spécifique.

• Analyser, apprendre, prédire

  Résume la vue d'affaires logique des données pour les consommateurs. Cette abstraction facilite les approches agiles au développement, à la migration vers l'architecture cible et à la fourniture d'une seule couche de production de rapports à partir de plusieurs sources fédérées.

L'architecture comporte les composants fonctionnels suivants :

• Ingestion par lots

  L'ingestion par lots est utile pour les données qui ne peuvent pas être ingérées en temps réel ou qui sont trop coûteuses à adapter en cas d'ingestion en temps réel. Il est également important de transformer les données en informations fiables et fiables qui peuvent être organisées et conservées pour une consommation régulière. Vous pouvez utiliser les services suivants ensemble ou indépendamment pour obtenir un flux de travail d'intégration et de transformation des données très flexible et efficace.

  • Oracle Cloud Infrastructure Data Integration est un service sans serveur entièrement géré pour la conception et l'exécution de pipelines de données. Il permet l'extraction, la transformation et le chargement transparents de données dans des cibles OCI telles que lacs avec intelligence artificielle autonome et le stockage d'objets OCI. Les utilisateurs peuvent créer des flux d'intégration au moyen d'une interface intuitive et sans code qui permet de mettre à l'échelle automatiquement les environnements d'exécution. Il prend en charge l'ETC avec le traitement basé sur Spark et ELT à l'aide de SQL Pushdown pour la performance et l'efficacité. Le service offre également des outils de préparation des données et protège contre la dérive de schéma avec un traitement basé sur des règles.

  • Oracle Data Integrator offre une intégration complète des données, des chargements par lots à haut volume et à haute performance aux processus d'intégration orientés événement, en passant par les services de données orientés SOA. Une approche de conception déclarative assure un développement et une maintenance plus rapides et plus simples, et fournit une approche unique pour extraire la transformation de charge (ELT) qui aide à garantir le plus haut niveau de performance possible pour les processus de transformation et de validation des données. Les transformations de données d'Oracle utilisent une interface Web pour simplifier la configuration et l'exécution des ELT et pour aider les utilisateurs à créer et à programmer des données et des flux de travail à l'aide d'une approche de conception déclarative.

  • Les transformations de données Oracle permettent d'utiliser ELT pour certaines technologies prises en charge, ce qui simplifie la configuration et l'exécution des pipelines de données à l'aide d'une interface utilisateur Web qui permet aux utilisateurs de créer et de programmer des flux de données et des flux de travail de manière déclarative. Les transformations de données d'Oracle sont disponibles en tant qu'environnement entièrement géré dans Oracle Autonomous AI Lakehouse pour charger et transformer les données de plusieurs sources de données en une instance Oracle Autonomous AI Lakehouse.

  Selon le cas d'utilisation, ces composants peuvent être utilisés indépendamment ou ensemble pour obtenir une intégration et une transformation des données très flexibles et performantes.

• Ingestion basée sur une API

  L'ingestion basée sur des API permet aux applications et aux systèmes de pousser des données d'événements à l'aide d'API ou de webhooks.

  • Oracle Integration est un environnement préconfiguré entièrement géré qui vous permet d'intégrer des applications en nuage et sur place, d'automatiser les processus d'affaires et de développer des applications visuelles. Il utilise un serveur de fichiers conforme à SFTP pour stocker et extraire des fichiers et vous permet d'échanger des documents avec des partenaires commerciaux d'affaires à l'aide d'un portefeuille de centaines d'adaptateurs et de recettes pour vous connecter à des applications Oracle et tierces.

  • Le service Passerelle d'API pour Oracle Cloud Infrastructure API Gateway vous permet de publier des API avec des points d'extrémité privés accessibles à partir de votre réseau et que vous pouvez exposer au réseau Internet public si nécessaire. Les points d'extrémité prennent en charge la validation, la transformation des demandes et des réponses, la CORS, l'authentification et l'autorisation, ainsi que la limitation des demandes pour les API.

    Le service Passerelle d'API OCI permet l'observabilité de l'API pour surveiller l'utilisation et garantir les contrats de niveau de service. Les plans d'utilisation peuvent également être utilisés pour surveiller et gérer les consommateurs et les clients des API et pour configurer différents niveaux d'accès aux API pour différents clients. Les plans d'utilisation sont une fonction clé pour la prise en charge de la monétisation des données.

    Les plans d'utilisation prennent en charge la monétisation des données en créant des plans d'utilisation hiérarchisés pour gérer les consommateurs et les clients des API et suivre leur utilisation des données.

  • Oracle Cloud Infrastructure Functions est une plate-forme de fonctions-service (FaaS) entièrement gérée, multilocataire, hautement évolutive et sur demande. Il est propulsé par le moteur open source Fn Project. Le service Fonctions pour OCI vous permet de déployer votre code et de l'appeler directement ou de le déclencher en réponse à des événements. Le service Service des fonctions pour OCI utilise des conteneurs Docker hébergés dans Oracle Cloud Infrastructure Registry.

  • Oracle REST Data Services (ORDS) est une application Java qui permet à tout développeur possédant des compétences SQL et de base de données de développer des API REST pour Oracle Database. Tout développeur d'application peut utiliser ces API à partir de n'importe quel environnement de langage, sans installer et tenir à jour les pilotes client de la même manière qu'ils accèdent à d'autres services externes au moyen de REST, la technologie d'API la plus utilisée.

    ORDS est déployé en tant que fonction entièrement gérée dans Oracle Autonomous AI Lakehouse et peut être utilisé pour exposer les informations d'entrepôt avec lac de données à l'aide d'API aux consommateurs de données.

• Ingestion en temps réel

  Oracle Cloud Infrastructure GoldenGate est un service entièrement géré qui permet l'ingestion de données à partir de sources résidant sur place ou dans n'importe quel nuage. Il tire parti de la technologie CDC GoldenGate pour une saisie et une livraison de données non intrusives et efficaces vers Oracle Autonomous AI Lakehouse, Oracle Cloud Infrastructure Object Storage ou Oracle Cloud Infrastructure Streaming en temps réel et à grande échelle afin de rendre les informations pertinentes disponibles aux consommateurs aussi rapidement que possible.

• Transfert en masse

  Le transfert en masse vous permet de déplacer des volumes de données volumineux par lots à l'aide de différentes méthodes. Pour les entrepôts avec lac de données à grande échelle, nous recommandons les services Oracle Cloud Infrastructure FastConnect et de transfert de données.

  • Oracle Cloud Infrastructure FastConnect crée une connexion privée dédiée entre votre centre de données et OCI. FastConnect fournit des options de bande passante supérieure et permet une utilisation du réseau plus fiable que les connexions basées sur Internet.

  • L'interface de ligne de commande (CLI) d'Oracle Cloud Infrastructure vous permet d'exécuter et d'automatiser le transfert de données depuis les installations sur place vers OCI en tirant parti du circuit privé Oracle Cloud Infrastructure FastConnect. Les trousses SDK pour OCI vous permettent d'écrire du code pour copier ou synchroniser des données et des fichiers sur place ou à partir d'autres nuages dans Oracle Cloud Infrastructure Object Storage, en tirant parti d'une variété de langages de programmation tels que Python, Java ou Go pour n'en nommer que quelques-uns. Les API REST vous permettent d'interfacer avec et de contrôler les services OCI, tels que le déplacement des données dans le stockage d'objets à l'aide de l'API du service de stockage d'objets.
  • Le service de transfert de données pour Oracle Cloud Infrastructure est un service de migration de données hors ligne qui vous permet de déplacer, en toute sécurité, des jeux de données de plusieurs pétaoctets de votre centre de données vers le service Oracle Cloud Infrastructure Object Storage ou le service de stockage d'archives. Il n'est pas toujours possible d'utiliser l'Internet public pour déplacer des données vers le nuage en raison des coûts de réseau élevés, d'une connectivité réseau pas toujours fiable, de longs délais de transfert ou de problèmes de sécurité. Le service de transfert de données permet de surmonter ces obstacles et peut considérablement réduire le temps nécessaire à la migration des données vers le nuage. Le transfert de données est disponible sur disque ou sur boîtier. Le choix de l'un sur l'autre dépend principalement de la quantité de données, le boîtier de transfert de données prenant en charge des jeux de données plus volumineux pour chaque boîtier.
• Ingestion en continu

  L'ingestion du service de flux est prise en charge à l'aide de services OCI natifs qui permettent l'ingestion en temps réel de jeux de données à grande échelle à partir d'un large éventail de producteurs de données. L'ingestion du service de flux persiste et synchronise les données dans le stockage d'objets, qui est au cœur de l'entrepôt avec lac de données. La synchronisation des données avec le stockage d'objets vous permet de conserver des données historiques qui peuvent être organisées et transformées pour extraire des informations précieuses.

  • Le service de flux d'Oracle Cloud Infrastructure fournit un stockage entièrement géré, évolutif et durable pour l'ingestion de flux de données en continu à volume élevé que vous consommez et traitez en temps réel. Le service de flux peut être utilisé pour la messagerie, les journaux d'application à volume élevé, la télémétrie opérationnelle, les données de flux sur les clics Web, et d'autres cas d'utilisation de modèle de messagerie de type publication-abonnement où les données sont produites et traitées en continu et séquentiellement. Les données sont synchronisées avec le service Oracle Cloud Infrastructure Object Storage et peuvent être organisées et transformées davantage pour extraire des informations précieuses.

  • Oracle Cloud Infrastructure Queue est un service sans serveur entièrement géré qui aide à découpler les systèmes et à activer les opérations asynchrones. Ce service traite de grands volumes de données transactionnelles qui nécessitent un traitement indépendant des messages sans aucune perte ni duplication.

  • Le centre de connecteurs de service Oracle Cloud Infrastructure est une plate-forme de bus de messages en nuage qui offre un seul écran pour décrire, exécuter et surveiller le déplacement des données entre les services dans Oracle Cloud Infrastructure. Pour cette architecture de référence particulière, elle sera utilisée pour déplacer des données d'Oracle Cloud Infrastructure Streaming ou de la file d'attente OCI vers Oracle Cloud Infrastructure Object Storage afin de conserver les données brutes et préparées dans la couche de persistance de l'entrepôt avec lac de données.

• Traitement de diffusion en continu

  Le traitement du service de flux enrichit les données en continu, détecte les modèles d'événement et crée un autre jeu de flux qui sont persistants dans l'entrepôt avec lac de données.

  • L'analyse de flux d'Oracle Cloud Infrastructure GoldenGate est un service entièrement géré et évolutif qui traite et analyse des informations à grande échelle en temps réel à l'aide de modèles de corrélation sophistiqués, d'enrichissement de données et d'apprentissage automatique. Les utilisateurs peuvent explorer des données en temps réel à l'aide de graphiques, de cartes et de visualisations en direct. Les utilisateurs peuvent créer des pipelines de diffusion en continu sans codage manuel à l'aide d'outils graphiques.

  • Oracle Cloud Infrastructure Data Flow est un service de mégadonnées entièrement géré qui vous permet d'exécuter des applications de diffusion en continu Apache Spark et Spark sans avoir à déployer ou à gérer l'infrastructure. Il vous permet d'offrir des mégadonnées et des applications d'intelligence artificielle plus rapidement, car vous pouvez vous concentrer sur vos applications sans avoir à gérer les opérations. Les applications de flux de données sont des modèles réutilisables qui se composent d'une application Spark et de ses dépendances, de paramètres par défaut et d'une spécification de ressource d'exécution par défaut.

• Écosystème open source

  Vous pouvez utiliser l'écosystème Open Source :

  • Pour le traitement par lots et de flux en tirant parti de plusieurs moteurs à source ouverte populaires tels que Hadoop, Spark, Flink ou Trino
  • Avec Oracle Cloud Infrastructure Streaming à la fois en tant que producteur et en tant que consommateur
  • Avec le service Oracle Cloud Infrastructure Object Storage où il peut à la fois conserver les données et consommer les données

  Vous pouvez utiliser Oracle Cloud Infrastructure Object Storage comme lac de données pour conserver les jeux de données que vous voulez partager entre les différents services Oracle Cloud Infrastructure à des moments différents.

  Le service de mégadonnées provisionne, sur demande, des grappes Hadoop, Spark ou Flink entièrement configurées, sécurisées, hautement disponibles et dédiées. Adaptez la grappe à vos charges de travail de mégadonnées et d'analyse à l'aide d'un éventail de formes de calcul Oracle Cloud Infrastructure, qui prennent tout en charge, des petites grappes de test et de développement aux grandes grappes de production. Ajustez rapidement la demande de l'entreprise et optimisez les coûts en tirant parti des configurations d'ajustement automatique, que ce soit en fonction des mesures ou dans les délais. Tirez parti des profils de grappe pour créer des grappes optimales pour une charge de travail ou une technologie spécifique.
• traitement par lots;

  Le traitement par lots transforme les jeux de données à grande échelle stockés sur l'entrepôt avec lac de données. Le traitement par lots tire parti des services natifs d'Oracle Cloud Infrastructure qui s'intègrent de façon transparente à Oracle Cloud Infrastructure Object Storage et vous permet de créer des données organisées pour des cas d'utilisation tels que l'agrégation et l'enrichissement des données, l'ingestion d'entrepôt de données et l'utilisation évolutive des données d'apprentissage automatique et d'intelligence artificielle.

  • Le service Oracle Cloud Infrastructure Data Integration, décrit ci-dessus, est un service en nuage natif, sans serveur et entièrement géré qui extrait, charge, transforme, nettoie et remodèle les données d'une variété de sources de données en services Oracle Cloud Infrastructure cibles, tels qu'entrepôt avec lac de données autonome de l'IA et Oracle Cloud Infrastructure Object Storage.

  • Oracle Cloud Infrastructure Data Flow est un service de mégadonnées entièrement géré qui vous permet d'exécuter des applications de diffusion en continu Apache Spark et Spark sans avoir à déployer ou à gérer l'infrastructure. Il vous permet d'offrir des mégadonnées et des applications d'intelligence artificielle plus rapidement, car vous pouvez vous concentrer sur vos applications sans avoir à gérer les opérations. Les applications de flux de données sont des modèles réutilisables qui se composent d'une application Spark et de ses dépendances, de paramètres par défaut et d'une spécification de ressource d'exécution par défaut.

  • Les transformations de données Oracle permettent d'extraire, de charger et de transformer des données (ELT) pour certaines technologies prises en charge, ce qui simplifie la configuration et l'exécution des pipelines de données à l'aide d'une interface utilisateur Web qui permet aux utilisateurs de créer et de programmer des flux de données et des flux de travail de manière déclarative. Les transformations de données d'Oracle sont disponibles en tant qu'environnement entièrement géré dans Oracle Autonomous AI Lakehouse pour charger et transformer les données de plusieurs sources de données en une instance Oracle Autonomous AI Lakehouse.

    Selon le cas d'utilisation, ces composants peuvent être utilisés indépendamment ou ensemble pour obtenir un traitement des données très flexible et performant.

• Portion

  Oracle Autonomous AI Lakehouse est un service de base de données entièrement géré, autosécurisé et autoréparable optimisé pour les charges de travail d'entreposage de données. Il n'est pas nécessaire de configurer ou de gérer du matériel ni d'installer des logiciels. OCI gère la création, la sauvegarde, l'application de correctifs, la mise à niveau et le réglage de la base de données.

  Une fois le provisionnement effectué, vous pouvez augmenter le nombre de coeurs d'UC ou la capacité de stockage de la base de données à tout moment, sans aucune incidence sur la disponibilité ou la performance.

  Oracle Autonomous AI Lakehouse peut également virtualiser les données qui résident dans le stockage d'objets en tant que tables partitionnées externes et hybrides afin que vous puissiez joindre et consommer des données dérivées d'autres sources avec les données de l'entrepôt. Vous pouvez également déplacer des données historiques de l'entrepôt vers le stockage d'objets et les consommer de manière transparente à l'aide de tables partitionnées hybrides.

  Oracle Autonomous AI Lakehouse peut utiliser les métadonnées collectées précédemment stockées dans le catalogue de données pour créer des tables externes et synchroniser automatiquement les mises à jour de métadonnées dans le catalogue de données avec la définition des tables externes afin de maintenir la cohérence, de simplifier la gestion et de réduire les efforts.

  Les vecteurs sont pris en charge dans Autonomous Database, car il s'agit d'une base de données multi-modèles prenant en charge plusieurs types de données, à savoir relationnelle, JSON, spatiale et graphique. Le type de données des vecteurs permet de charger et de stocker les intégrations vectorielles, ainsi que de créer des index vectoriels qui peuvent ensuite être utilisés pour les applications de génération augmentée de récupération (RAG), le tout dans une seule instance en nuage Autonomous AI Lakehouse. Cette capacité multi-modèle permet l'analyse à l'aide de tous les types de données pouvant être joints en une seule interrogation, réduisant ainsi la complexité et le risque d'avoir des bases de données en silo spécialisées par type de données, tout en assurant une sécurité, une fiabilité, une évolutivité et une facilité d'analyse de toutes les données accrues.

  Sélectionnez AI, une fonction Autonomous AI Database, qui permet d'interroger des données à l'aide du langage naturel, à l'aide des LLM pour convertir le texte d'entrée de l'utilisateur dans Oracle SQL. Sélectionnez AI pour traiter l'invite en langage naturel, ajouter les métadonnées à l'invite, puis générer et exécuter une interrogation SQL.

  Le partage de données, une fonction de base de données autonome d'IA, permet de fournir et de consommer des données et des métadonnées en toute sécurité, à partir d'autres parties qui utilisent la base de données autonome d'IA ou une technologie conforme à Delta-Sharing. Le partage de données facilite l'utilisation transparente des données des fournisseurs de partage, en tant que vues abstraites des tables partagées sous-jacentes. En outre, les partages en direct, qui permettent aux destinataires de consommer des données en direct et nouvelles, peuvent être utilisés lorsque le fournisseur et le destinataire utilisent une base de données autonome sur l'IA.

  Les vues analytiques, une fonction Autonomous AI Database, fournissent un moyen rapide et efficace de créer des interrogations analytiques des données stockées dans des tables et des vues de base de données existantes. Les vues analytiques organisent les données à l'aide d'un modèle dimensionnel. Ils vous permettent d'ajouter facilement des agrégations et des calculs aux jeux de données et de présenter des données dans des vues qui peuvent être interrogées à l'aide d'un énoncé SQL relativement simple. Cette fonction vous permet de modéliser sémantiquement un schéma en étoile ou en flocon de neige directement dans Oracle Autonomous AI Lakehouse, à l'aide de données stockées à l'interne et à l'externe, et permet la consommation du modèle à l'aide de SQL et de tout consommateur de données conforme à SQL.

  De plus, Autonomous Data Lake Accelerator, un composant d'Autonomous AI Database, peut consommer des données de stockage d'objets de façon transparente, ajuster le traitement pour fournir des interrogations rapides, ajuster automatiquement l'instance de calcul de base de données au besoin et réduire l'incidence sur la charge de travail de la base de données en isolant les interrogations de stockage d'objets de l'instance de calcul de base de données.

• Stockage en nuage

  Oracle Cloud Infrastructure Object Storage est une plate-forme de stockage haute performance sur Internet qui assure la durabilité des données de manière fiable et rentable. Oracle Cloud Infrastructure Object Storage peut stocker une quantité illimitée de données non structurées de tout type de contenu, y compris des données d'analyse. Vous pouvez stocker des données, ou les extraire en toute sécurité, directement à partir d'Internet ou de la plate-forme en nuage. Les interfaces de gestion multiples vous permettent de commencer facilement à petite échelle et de l'adapter de façon transparente, sans subir de dégradation des performances ou de la fiabilité du service.

  Oracle Cloud Infrastructure Object Storage peut également être utilisé comme couche de stockage à froid pour l'entrepôt de données en stockant des données utilisées rarement, puis en les joignant de façon transparente aux données les plus récentes à l'aide de tables hybrides dans Oracle Autonomous AI Lakehouse.

  Le contrôle d'accès granulaire au niveau de l'objet peut être mis en oeuvre à l'aide de politiques IAM pour les objets, ce qui augmente la sécurité des données pour les accès directs au lac de données.

• Visualiser et apprendre

  Oracle Analytics Cloud est un service en nuage public extensible et sécurisé qui fournit un jeu complet de fonctions d'analyse collaborative pour vous, votre groupe de travail et votre entreprise. Il prend en charge les scientifiques de données citoyens, la formation avancée des analystes d'affaires et l'exécution des modèles d'apprentissage automatique. Les modèles d'apprentissage automatique peuvent être exécutés sur le service d'analyse ou directement sur Oracle Autonomous AI Lakehouse en tant que modèles intégrés à OML pour les prédictions par lots à grande échelle qui tirent parti de la puissance de traitement, de l'extensibilité et de l'élasticité de l'entrepôt et des services d'intelligence artificielle d'OCI, tels que la vision pour Oracle Cloud Infrastructure.

  Avec Oracle Analytics Cloud, vous bénéficiez également de fonctionnalités de gestion du service flexibles qui incluent une configuration rapide, une mise à l'échelle et des correctifs faciles, ainsi qu'une gestion du cycle de vie automatisée.

• Apprendre et prédire

  • Le service Science des données fournit une infrastructure, des technologies à code source libre, des bibliothèques, des ensembles et des outils de science des données permettant aux équipes de science des données de créer, d'entraîner et de gérer des modèles d'apprentissage automatique dans Oracle Cloud Infrastructure. L'espace de travail collaboratif et basé sur des projets offre une expérience utilisateur cohérente de bout en bout et prend en charge le cycle de vie des modèles prédictifs.

    La fonction Tâches du service Science des données permet aux experts en science des données de définir et d'exécuter des tâches d'apprentissage automatique pouvant être répétées sur une infrastructure entièrement gérée.

    La fonction de déploiement de modèle du service Science des données permet aux experts en science des données de déployer des modèles entraînés en tant que points d'extrémité HTTP entièrement gérés qui peuvent fournir des prédictions en temps réel, fournissant des informations aux processus et aux applications, et permettant à l'entreprise de réagir aux événements pertinents lorsqu'ils se produisent.

  • Oracle Machine Learning fournit de puissantes capacités d'apprentissage automatique étroitement intégrées dans Autonomous AI Database, avec la prise en charge de Python et d'AutoML. Il prend en charge les modèles à l'aide d'algorithmes à source ouverte et évolutifs dans la base de données qui réduisent la préparation et le mouvement des données. AutoML aide les spécialistes des données à accélérer le temps nécessaire pour rentabiliser les initiatives d'apprentissage automatique de l'entreprise en utilisant la sélection automatique des algorithmes, l'échantillonnage adaptatif des données, la sélection automatique des fonctions et la mise au point automatique des modèles. Avec les services Oracle Machine Learning disponibles dans Oracle Autonomous AI Lakehouse, vous pouvez non seulement gérer les modèles, mais vous pouvez également les déployer en tant que points d'extrémité REST afin de démocratiser les prédictions en temps réel au sein de l'entreprise en permettant aux entreprises de réagir aux événements pertinents dès qu'ils surviennent, plutôt qu'après coup.

• Services d'IA et d'IA générative

  Les services d'intelligence artificielle pour Oracle Cloud Infrastructure fournissent un jeu de services d'intelligence artificielle prêts à l'emploi qui peuvent être utilisés pour prendre en charge un éventail de cas d'utilisation, de l'analyse de texte à la maintenance prédictive. Ces services ont des modèles prédéfinis et finement réglés que vous pouvez intégrer dans des pipelines de données, des analyses et des applications à l'aide d'API.

  • Oracle Cloud Infrastructure Language effectue des analyses de texte sophistiquées et des traductions à grande échelle. Avec des modèles préentraînés et personnalisés, les développeurs peuvent traiter du texte non structuré et extraire des informations sans avoir recours à une expertise en science des données. Effectuer une analyse de sentiment, une extraction de phrases clés, une classification de texte, une reconnaissance d'entités nommées et détecter les données d'identification personnelle dans le texte. Personnalisez les modèles pour les tâches propres au domaine et traduisez facilement du texte dans différentes langues. Oracle Cloud Infrastructure Language prend également en charge la traduction des documents et les tâches asynchrones pour un traitement efficace des charges de travail volumineuses.

  • Oracle Cloud Infrastructure Speech exploite la puissance de la langue parlée en vous permettant de convertir facilement des fichiers multimédias contenant de la parole humaine en transcriptions de texte très précises. Le service Séance OCI peut être utilisé pour transcrire les appels du service à la clientèle, automatiser le sous-titrage et générer des métadonnées pour les ressources multimédias afin de créer une archive entièrement interrogeable. Le service de reconnaissance de la parole pour OCI prend en charge les tâches de transcription par lots et en direct.

  • Oracle Cloud Infrastructure Vision est un service d'intelligence artificielle permettant d'effectuer des analyses d'images à grande échelle en fonction de l'apprentissage profond. Le service Vision OCI effectue des tâches de reconnaissance d'images et d'analyse vidéo telles que la classification des images, la détection des objets et des visages et l'extraction de texte. Vous pouvez tirer parti des modèles préentraînés ou créer facilement des modèles de vision personnalisés pour des scénarios propres à l'industrie et aux clients. OCI Vision est un service en nuage natif multilocataire entièrement géré qui aide à toutes les tâches de vision par ordinateur courantes. Grâce aux modèles prédéfinis prêts à l'emploi, les développeurs peuvent facilement intégrer la reconnaissance d'image et la reconnaissance de texte dans leurs applications sans avoir recours à l'apprentissage automatique.

  • Le service de compréhension de documents pour Oracle Cloud Infrastructure effectue des tâches de classification de documents et d'analyse de documents telles que l'extraction de texte, de valeurs de clé et de tables. OCI Document Understanding est un service en nuage natif multilocataire entièrement géré qui aide à toutes les tâches d'analyse de document courantes.
  • Oracle Cloud Infrastructure Generative AI est un jeu entièrement géré qui fournit un jeu de grands modèles de langage (LLM) de pointe personnalisables couvrant un large éventail de cas d'utilisation, notamment le clavardage, la génération de texte, la récapitulation et la création de plongements de texte. Utilisez le terrain de jeu pour essayer les modèles préentraînés prêts à l'emploi ou créez et hébergez vos propres modèles personnalisés réglés avec précision à l'aide de vos données dans des grappes dédiées à l'IA.
• Enrichissement des données

  L'enrichissement des données peut améliorer les données utilisées pour entraîner les modèles d'apprentissage automatique afin d'obtenir des résultats de prédiction meilleurs et plus précis.

  L'étiquetage de données Oracle Cloud Infrastructure vous permet de créer et de parcourir des jeux de données, de voir des enregistrements de données (texte ou images) et d'appliquer des étiquettes aux fins de création de modèles d'intelligence artificielle ou d'apprentissage automatique. Le service fournit également des interfaces utilisateur interactives conçues pour faciliter le processus d'étiquetage. Une fois les enregistrements étiquetés, le jeu de données peut être exporté en tant que JSON délimité par des lignes pour être utilisé dans le développement de modèles d'intelligence artificielle ou d'apprentissage automatique.
• Rechercher

  Les fonctionnalités de recherche peuvent être utilisées comme fonction complémentaire pour exposer les données aux utilisateurs finaux qui ont besoin de données d'analyse opérationnelle préindexées et qui sont donc servies avec une faible latence.

  Oracle Cloud Infrastructure Search with OpenSearch est un moteur de recherche en texte intégral, distribué, entièrement géré et sans maintenance. OpenSearch vous permet de stocker, de rechercher et d'analyser rapidement d'importants volumes de données avec des temps de réponse rapides. Le service prend en charge les API OpenSearch à code source libre et la visualisation de données OpenSearch Dashboards.
• Analyse de flux en continu

  Le service d'analyse de flux fournit des tableaux de bord qui fournissent une analyse en temps réel des données diffusées contextualisées en fonction des données organisées et des données principales stockées dans l'entrepôt avec lac de données, afin de détecter les modèles d'intérêts qu'il peut ensuite servir aux utilisateurs, aux applications et autres.

  Oracle Cloud Infrastructure GoldenGate Stream Analytics traite et analyse des informations à grande échelle en temps réel à l'aide de modèles de corrélation sophistiqués, d'enrichissement des données et d'apprentissage automatique. Les utilisateurs peuvent explorer des données en temps réel au moyen de graphiques, de cartes, de visualisations et de pipelines de diffusion en continu graphiquement, sans codage manuel. Ces pipelines s'exécutent dans un service entièrement géré et extensible pour répondre à des cas d'utilisation critiques d'entreprises modernes en temps réel.

• Renverser l'ETC/la réécriture

  L'extraction, transformation et chargement inversés, parfois appelée réécriture, permet l'activation des données dans les systèmes et les périphériques opérationnels, ce qui permet d'infuser l'intelligence dérivée des données, directement dans les applications et les périphériques utilisés pour prendre en charge les processus métier.

  Les données sont transmises aux consommateurs à l'aide de plusieurs mécanismes, à savoir l'utilisation de flux et de files d'attente qui prennent en charge un grand nombre de consommateurs tirant simultanément des informations qui sont en temps quasi réel et qui sont dissociées de la système d'analyse en continu afin d'augmenter la résilience et l'évolutivité, en utilisant l'intégration d'applications ou de données pour pousser des données à l'aide d'adaptateurs prédéfinis ou en utilisant des fonctions sans serveur pour appeler pratiquement n'importe quel point d'extrémité d'application ou d'appareil.

  • Le service de flux d'Oracle Cloud Infrastructure fournit un stockage entièrement géré, évolutif et durable pour l'ingestion des flux de données en continu à volume élevé que vous consommez et traitez en temps réel. Le service de flux peut être utilisé pour la messagerie, les journaux d'application à volume élevé, la télémétrie opérationnelle, les données de flux sur les clics Web, et d'autres cas d'utilisation de modèle de messagerie de type publication-abonnement où les données sont produites et traitées en continu et séquentiellement.

  • Oracle Cloud Infrastructure Queue est un service sans serveur entièrement géré qui permet de découpler les systèmes et d'autoriser les opérations asynchrones. Ce service traite de grands volumes de données transactionnelles qui nécessitent un traitement indépendant des messages sans aucune perte ni duplication.

  • Oracle Integration est un environnement entièrement géré et préconfiguré qui permet d'intégrer des applications en nuage et sur place, d'automatiser les processus d'affaires, de développer des applications visuelles, d'utiliser un serveur de fichiers conforme à SFTP pour stocker et extraire des fichiers et d'échanger des documents d'affaires avec un partenaire commercial B2B à l'aide d'un portefeuille de centaines d'adaptateurs et de recettes pour se connecter à des applications Oracle et de tierce partie.

  • Les transformations de données Oracle permettent d'utiliser ELT pour certaines technologies prises en charge, ce qui simplifie la configuration et l'exécution des pipelines de données à l'aide d'une interface utilisateur Web qui permet aux utilisateurs de créer et de programmer des flux de données et des flux de travail de manière déclarative. Les transformations de données d'Oracle sont disponibles en tant qu'environnement entièrement géré dans Oracle Autonomous AI Lakehouse pour charger et transformer les données de plusieurs sources de données en une instance Oracle Autonomous AI Lakehouse.

  • Oracle Cloud Infrastructure Functions est une plate-forme de fonctions-service entièrement gérée, multilocataire, hautement évolutive et sur demande. Elle s'appuie sur Oracle Cloud Infrastructure de niveau entreprise et utilise le moteur à source ouverte Fn Project.

• API

  La couche d'API vous permet d'infuser l'intelligence dérivée du service de science des données et d'Oracle Machine Learning dans des applications, des processus d'affaires et des éléments pour influencer et améliorer leur fonctionnement et leur fonction. La couche d'API fournit une consommation sécurisée des modèles déployés par le service Science des données pour les points d'extrémité REST d'Oracle Machine Learning et la possibilité de régir le système afin de garantir la disponibilité des environnements d'exécution. Vous pouvez également utiliser des fonctions pour exécuter une logique supplémentaire au besoin.

  • Le service de passerelle d'API pour Oracle Cloud Infrastructure vous permet de publier des API avec des points d'extrémité privés qui sont accessibles depuis votre réseau, et que vous pouvez exposer avec des adresses IP publiques si vous souhaitez qu'elles acceptent le trafic Internet. Les points d'extrémité prennent en charge la validation, la transformation des demandes et des réponses, la CORS, l'authentification et l'autorisation, ainsi que la limitation des demandes pour les API. Il permet l'observabilité des API pour surveiller l'utilisation et garantir les contrats de niveau de service. Les plans d'utilisation peuvent également être utilisés pour surveiller et gérer les consommateurs des API et les clients d'API qui accèdent aux API et pour configurer différents niveaux d'accès pour différents clients afin de suivre l'utilisation des données consommées à l'aide des API. Les plans d'utilisation sont une fonction clé pour la prise en charge de la monétisation des données.

  • Oracle Cloud Infrastructure Functions est une plate-forme de fonctions-service entièrement gérée, multilocataire, hautement évolutive et sur demande. Elle s'appuie sur Oracle Cloud Infrastructure de niveau entreprise et utilise le moteur à source ouverte Fn Project.

  • Oracle REST Data Services (ORDS) est une application Java qui permet aux développeurs ayant des compétences en SQL et en base de données de développer des API REST pour Oracle Database. Tout développeur d'application peut utiliser ces API à partir de n'importe quel environnement de langage, sans installer et tenir à jour les pilotes client, de la même manière qu'ils accèdent à d'autres services externes au moyen de REST, la technologie d'API la plus utilisée. ORDS est déployé en tant que fonction entièrement gérée dans Oracle Autonomous AI Lakehouse et peut être utilisé pour exposer les informations d'entrepôt avec lac de données à l'aide d'API aux consommateurs de données.

• Gouvernance des données

  Oracle Cloud Infrastructure Data Catalog fournit une visibilité sur l'emplacement des ressources techniques, telles que les métadonnées et les attributs respectifs, et permet de tenir à jour un glossaire d'entreprise mappé à ces métadonnées techniques. Le catalogue de données peut également servir des métadonnées à Oracle Autonomous AI Lakehouse pour faciliter la création de tables externes dans l'entrepôt de données.

• Sécurité des données

  La sécurité des données est cruciale pour explorer et utiliser les données des entrepôts avec lac de données dans leur pleine mesure. En tirant parti d'un modèle de sécurité zéro confiance avec des capacités de défense en profondeur et de contrôle d'accès basé sur les rôles, et en assurant la conformité avec la réglementation la plus stricte, la sécurité des données fournit des contrôles de sécurité préventifs, de détection et correctifs pour s'assurer que l'exfiltration et les violations de données sont évitées.

  • Oracle Data Safe est un service Oracle Cloud entièrement intégré axé sur la sécurité des données. Il fournit un jeu complet et intégré de fonctions permettant de protéger les données sensibles et réglementaires dans les bases de données Oracle Cloud, telles qu'Oracle Autonomous AI Lakehouse. Ces fonctions incluent l'évaluation de la sécurité, l'évaluation des utilisateurs, la détection de données, le masquage de données et la vérification des activités.

  • Oracle Cloud Infrastructure Audit fournit une visibilité sur les activités liées aux ressources et aux locations Oracle Cloud Infrastructure (OCI). Vous pouvez utiliser les événements du journal de vérification pour vérifier la sécurité afin de suivre l'utilisation des ressources OCI et leurs modifications, ainsi que pour assurer la conformité aux normes et réglementations.

  • Le service de journalisation pour Oracle Cloud Infrastructure fournit une interface unique très évolutive et entièrement gérée pour tous les journaux de la location, y compris les journaux de vérification. Utilisez le service de journalisation OCI pour accéder aux journaux à partir de toutes les ressources OCI afin de pouvoir les activer, les gérer et effectuer des recherches.

  • Oracle Cloud Infrastructure Vault est un service de gestion du chiffrement qui stocke et gère les clés de chiffrement et les clés secrètes permettant d'accéder en toute sécurité aux ressources. Permet d'utiliser des clés gérées par le client pour le chiffrement d'Oracle Autonomous AI Lakehouse et du lac de données pour une protection accrue des données au repos. Active les clés secrètes pour stocker en toute sécurité les services et les données d'identification d'utilisateur afin d'améliorer votre sécurité et de vous assurer que les données d'identification ne sont pas compromises et utilisées de manière inappropriée.

Architecture physique

L'architecture physique de cet entrepôt avec lac de données prend en charge les éléments suivants :

• Les données sont ingérées en toute sécurité à l'aide de micro lots, de flux, d'API et de fichiers provenant de sources de données relationnelles et non relationnelles
• Les données sont traitées à l'aide d'une combinaison d'Oracle Cloud Infrastructure Data Integration et d'Oracle Cloud Infrastructure Data Flow
• Les données sont stockées dans Oracle Autonomous AI Lakehouse et Oracle Cloud Infrastructure Object Storage et organisées en fonction de leur qualité et de leur valeur
• Oracle Autonomous AI Lakehouse dessert les services de données d'entrepôt et de lac de données de manière sécurisée aux consommateurs.
• Oracle Analytics Cloud transmet les données aux utilisateurs professionnels à l'aide de visualisations
• Oracle Analytics Cloud est exposé à l'aide d'Oracle Cloud Infrastructure Load Balancer sécurisé par le service de pare-feu d'application Web pour Oracle Cloud Infrastructure Web Application Firewall (WAF) pour fournir un accès à l'aide d'Internet
• Oracle Cloud Infrastructure Data Science est utilisé pour créer, entraîner et déployer des modèles d'apprentissage automatique
• Le service Passerelle d'API pour Oracle Cloud Infrastructure API Gateway est utilisé pour régir les déploiements de modèle d'apprentissage automatique du service Science des données
• Oracle Cloud Infrastructure Data Catalog collecte les métadonnées à partir d'Oracle Autonomous AI Lakehouse et du stockage d'objets
• Oracle Data Safe évalue les risques pour les données, met en œuvre et surveille les contrôles de sécurité, évalue la sécurité des utilisateurs, surveille l'activité des utilisateurs et répond aux exigences de conformité en matière de sécurité des données
• Oracle Cloud Infrastructure Bastion est utilisé par les administrateurs pour gérer les ressources en nuage privées

Le diagramme suivant illustre cette architecture de référence.

Description de l'illustration lakehouse-architecture.png

entrepôt avec lac de données-architecture-oracle-1.zip#GUID-EE46F831-C10F-432F-A664-D78609670EB6

La conception de l'architecture physique :

• Tire parti de 2 réseaux en nuage virtuels, l'un pour le concentrateur et l'autre pour la charge de travail elle-même
• La connectivité sur place exploite à la fois Oracle Cloud Infrastructure FastConnect et un RPV site à site pour la redondance
• Tout le trafic entrant à partir des locaux et d'Internet est d'abord acheminé vers le VCN central, puis vers le VCN de charge de travail
• Toutes les données sont sécurisées en transit et au repos
• Les services sont déployés avec des points d'extrémité privés pour renforcer la sécurité
• Le VCN est séparé en plusieurs sous-réseaux privés pour renforcer la sécurité
• Les données de lac sont réparties en plusieurs seaux dans le stockage d'objets à l'aide d'une architecture de médaillon

Les améliorations potentielles de la conception qui ne sont pas décrites dans ce déploiement pour des raisons de simplicité comprennent :

• Tirer parti d'une zone d'atterrissage complète conforme aux normes CIS
• Tirer parti d'un pare-feu de réseau pour améliorer la sécurité globale en inspectant tout le trafic et en appliquant des politiques

Recommandations

Utilisez les recommandations suivantes comme point de départ pour traiter les données en continu et un large éventail de ressources de données d'entreprise pour l'analyse commerciale et l'apprentissage automatique.

Vos exigences peuvent différer de l'architecture décrite ici.

• Oracle Autonomous AI Lakehouse

  Cette architecture utilise Oracle Autonomous AI Lakehouse sur une infrastructure partagée.

  • Activez l'ajustement automatique pour affecter aux charges de travail de base de données jusqu'à trois fois la puissance de traitement.
  • Envisagez d'utiliser Oracle Autonomous AI Lakehouse sur une infrastructure dédiée si vous voulez la capacité de base de données en libre-service dans un environnement de base de données en nuage privé s'exécutant sur le nuage public.
  • Envisagez d'utiliser la fonction de tables partitionnées hybrides d'entrepôt avec lac de données autonome avec intelligence artificielle pour déplacer des partitions de données vers Oracle Cloud Infrastructure Object Storage et les servir aux utilisateurs et aux applications de manière transparente. Nous vous recommandons d'utiliser cette fonction pour les données qui ne sont pas souvent consommées et pour lesquelles vous n'avez pas besoin des mêmes performances que pour les données stockées dans un entrepôt avec lac de données autonome avec intelligence artificielle.
  • Envisagez d'utiliser la fonction de tables externes pour consommer les données stockées dans le service Oracle Cloud Infrastructure Object Storage en temps réel sans avoir à les répliquer dans un entrepôt avec lac de données autonome sur l'IA. Cette fonction joint, de façon transparente et transparente, des jeux de données organisés en dehors de l'entrepôt avec lac de données autonome d'IA, quel que soit le format (parquet, avro, orc, json, csv, etc.), avec des données résidant dans l'entrepôt avec lac de données autonome d'IA.
  • Envisagez d'utiliser la fonction de base de données en mémoire pour améliorer considérablement les performances des analyses en temps réel et des charges de travail mixtes. Chargez les données d'entrepôt avec lac de données en mémoire qui doivent être servies avec une faible latence et qui résident dans des tables internes, hybrides partitionnées ou externes de l'entrepôt avec lac de données autonome d'IA.
  • Envisagez d'utiliser l'accélérateur Autonomous AI Lakehouse lors de la consommation des données de stockage d'objets pour offrir une expérience améliorée et plus rapide aux utilisateurs qui consomment et joignent des données entre l'entrepôt de données et le lac de données.
  • Envisagez de stocker des intégrations vectorielles dans un entrepôt avec lac de données autonome d'IA en parallèle d'autres types de données, tels que des données relationnelles ou des données JSON, pour simplifier l'ingénierie et l'analyse des données sur toutes les données, et mettre au sol efficacement les agents RAG en utilisant toutes les données.
  • Envisagez d'utiliser Select AI comme accélérateur pour créer des instructions SQL simples et complexes pouvant être utilisées dans l'ingénierie des données, l'intelligence d'affaires, le développement d'applications ou toute tâche nécessitant la création d'instructions SQL.
  • Envisagez d'utiliser Select AI avec des applications à faible code pour simplifier davantage la couche applicative.
  • Envisagez d'utiliser des vues analytiques pour modéliser sémantiquement le schéma sous-jacent en étoile ou en flocon de neige directement dans Autonomous AI Lakehouse afin que les données granulaires soient automatiquement agrégées sans qu'il soit nécessaire de les préagréger, le modèle sémantique est consommé en utilisant SQL de manière cohérente avec tout client conforme à SQL, y compris Oracle Analytics Cloud, pour s'assurer que les faits et les ICR sont servi de manière uniforme, quel que soit le client, et toutes les données peuvent être utilisées sur le modèle sémantique, qu'il soit stocké dans un entrepôt avec lac de données autonome d'IA ou dans le stockage d'objets OCI, ce qui en fait une couche de modélisation sémantique parfaite pour une architecture d'entrepôt avec lac de données où les faits et les dimensions peuvent traverser à la fois l'entrepôt de données et le lac.
  • Envisagez d'utiliser des clés gérées par le client qui tirent parti du service Chambre forte OCI si un contrôle complet des clés de chiffrement Entrepôt avec lac de données autonome sur l'IA est nécessaire en raison des politiques de l'entreprise ou de la réglementation.
  • Envisagez d'utiliser Database Vault dans un entrepôt avec lac de données autonome d'IA pour empêcher les utilisateurs privilégiés non autorisés d'accéder aux données sensibles et empêcher ainsi l'exfiltration et les violations de données.
  • Envisagez d'utiliser Oracle Autonomous Data Guard pour prendre en charge un plan de continuité des activités en configurant et en conservant les données répliquées sur une instance de secours, soit sur la même région, soit sur une autre région.
  • Envisagez d'utiliser le masquage dynamique des données avec la protection par occultation de données pour servir les données masquées aux utilisateurs en fonction de leur rôle et garantir ainsi un accès approprié aux données sans duplication et masquage statique des données.
  • Envisagez d'utiliser des clones Autonomous AI Lakehouse pour créer rapidement d'autres environnements transitoires ou non transitoires. Utilisez des clones actualisables si l'environnement cible doit disposer de données à jour. Utilisez Oracle Data Safe pour masquer de manière statique les données sensibles dans les clones pour une sécurité accrue.
  • Envisagez d'utiliser le partage de données comme moyen simple et sécurisé de consommer et de fournir des données, soit avec d'autres instances Autonomous AI Database, soit avec toute technologie conforme à Delta Sharing.
  • Envisagez d'utiliser le partage de données en direct entre les instances de base de données Autonomous AI Database pour consommer et fournir des données en temps réel.
  • Envisagez d'utiliser le partage de données avec versions pour partager des données avec les consommateurs. Cela évite le coût de l'interrogation des données, car les données sont traitées par les consommateurs et non par le fournisseur.
  • Envisagez d'utiliser des URL de demande préauthentifiée pour un accès aux données en lecture seule dans le temps dans un entrepôt avec lac de données de l'IA autonome afin de permettre le partage de données non sensibles pour les cas d'utilisation où le consommateur ne prend pas en charge Delta Sharing.
• Stockage d'objets/lac de données

  Cette architecture utilise le service de stockage d'objets d'Oracle Cloud Infrastructure Object Storage, un stockage en nuage hautement évolutif et durable, comme stockage de lac.

  • Envisagez d'organiser votre lac sur différents jeux de compartiments en tirant parti d'une architecture de médaillon (bronze, argent, or) ou d'une autre logique de partitionnement pour séparer les données en fonction de leur qualité et de leur enrichissement, appliquer une sécurité détaillée aux consommateurs lisant les données et appliquer différentes politiques de gestion du cycle de vie aux différents niveaux.
  • Envisagez d'utiliser différents niveaux de stockage d'objets et différentes politiques de cycle de vie pour optimiser les coûts de stockage des données de lac à grande échelle.
  • Envisagez d'utiliser des clés gérées par le client qui tirent parti du service de chambre forte si un contrôle complet des clés de chiffrement du service Stockage d'objets pour OCI est nécessaire en raison des politiques de la société ou de la réglementation.
  • Envisagez d'utiliser la réplication du service Stockage d'objets pour OCI pour prendre en charge un plan de continuité des activités en configurant la réplication de seau dans une autre région. Comme le service Stockage d'objets pour OCI est hautement durable et tient à jour plusieurs copies du même objet dans une seule région pour récupération sur la même réplication de seau de région n'est pas nécessaire.
  • Envisagez d'utiliser des politiques Oracle Cloud Infrastructure Identity and Access Management (IAM) pour les objets, en utilisant des noms ou des modèles d'objet, ce qui augmente la sécurité des données pour les accès directs au lac de données.
  • Envisagez d'utiliser des points d'extrémité privés dans le stockage d'objets OCI pour garantir un accès sécurisé et privé au lac de données à partir du VCN de la plate-forme de données.
  • Envisagez d'utiliser des sources de réseau et des politiques IAM pour les référencer afin de gérer les adresses IP autorisées à accéder aux seaux et aux objets du lac de données.
  • Envisagez d'utiliser OCIFS, un utilitaire basé sur python, pour monter des seaux de stockage d'objets OCI en tant que systèmes de fichiers, ce qui permet la prise en charge des applications qui ne fonctionnent qu'avec NFS et qui doivent charger des fichiers dans le stockage d'objets.
• Oracle Machine Learning et Oracle Cloud Infrastructure Data Science

  Cette architecture tire parti d'Oracle Machine Learning et d'Oracle Cloud Infrastructure Data Science pour exécuter et fournir des prédictions en temps réel aux personnes et aux applications.

  • Envisagez d'utiliser AutoML dans Oracle Cloud Infrastructure Data Science ou Oracle Machine Learning pour accélérer le développement de modèles d'apprentissage automatique.
  • Envisagez d'utiliser Open Neural Networks Exchange (ONNX) pour l'interopérabilité. Les modèles ONNX de 3e partie peuvent être déployés dans OML et exposés en tant que point d'extrémité REST ou dans le service de science des données et exposés en tant que point d'extrémité HTTP.
  • Envisagez d'enregistrer le modèle dans le service de science des données en tant qu'ONNX et de l'importer dans l'analyse de flux de GoldenGate pour OCI s'il est nécessaire d'exécuter une notation et une prédiction dans un pipeline de données en temps réel pour avoir des prédictions plus opportunes qui peuvent générer des résultats d'affaires en temps réel.
  • Envisagez d'utiliser les environnements Conda du service Science des données pour une meilleure gestion et un meilleur emballage des dépendances Python dans les sessions de carnet Jupyter.
  • Envisagez d'utiliser les actions rapides d'IA d'Oracle Cloud Infrastructure Data Science pour déployer, évaluer et ajuster les modèles de base dans le service de science des données. Travailler avec des LLM à code source libre organisés disponibles dans l'explorateur de modèle ou pour utiliser votre propre modèle.
  • Envisagez d'utiliser les opérateurs d'IA à faible code du service Science des données, disponibles dans l'ensemble Accelerated Data Science Python, pour effectuer rapidement et efficacement des prévisions, la détection d'anomalies ou pour créer des fonctionnalités de recommandation.
  • Envisagez d'utiliser Oracle Cloud Infrastructure Data Flow dans l'environnement Jupyter du service Science des données pour effectuer l'analyse exploratoire des données, le profilage des données et la préparation des données à grande échelle en tirant parti du traitement de l'évolutivité horizontale de Spark.
  • Envisagez d'utiliser Oracle Cloud Infrastructure Data Labeling pour étiqueter des données telles que des images, du texte ou des documents et de les utiliser pour entraîner des modèles d'apprentissage automatique basés sur le service de science des données ou Oracle Cloud Infrastructure AI Services et ainsi améliorer la précision des prédictions.
  • Envisagez de déployer une passerelle d'API OCI pour sécuriser et régir la consommation du modèle déployé si des prédictions en temps réel sont consommées par des partenaires et des entités externes.
• Oracle Cloud Infrastructure Data Integration

  Cette architecture utilise Oracle Cloud Infrastructure Data Integration pour prendre en charge le développement déclaratif et sans code ou avec extraction, transformation et chargement à faible code et de pipeline de données.

  • Tirez parti d'Oracle Cloud Infrastructure Data Integration pour coordonner et programmer les exécutions de l'application Oracle Cloud Infrastructure Data Flow et être en mesure d'associer et de mettre en correspondance des processus d'extraction, de transformation et de chargement déclaratifs avec une logique de code Spark personnalisée. Utilisez les fonctions d'Oracle Cloud Infrastructure Data Integration pour étendre davantage les capacités des pipelines de données.
  • Envisagez d'utiliser la poussée vers le bas SQL pour les transformations comportant un entrepôt avec lac de données autonome sur intelligence artificielle comme cible afin d'utiliser une approche ELT plus efficace, plus performante et plus sécurisée que l'extraction, le chargement et le chargement.
  • Envisagez de permettre au service d'intégration de données pour OCI de gérer la dérive de schéma des sources de données afin d'avoir des pipelines de données plus résilients et à l'épreuve du temps qui soutiendront les modifications de schéma des sources de données.
• Service de flux de données pour Oracle Cloud Infrastructure

  Cette architecture utilise Oracle Cloud Infrastructure Data Flow pour prendre en charge le traitement en continu Spark et Spark à grande échelle sans avoir besoin d'avoir et de gérer des grappes permanentes.

  • Envisagez d'utiliser Oracle Cloud Infrastructure Data Catalog comme magasin de métadonnées Hive pour Oracle Cloud Infrastructure Data Flow afin de stocker et d'extraire, en toute sécurité, les définitions de schéma pour les objets dans des ressources de données non structurées et semi-structurées telles que Oracle Cloud Infrastructure Object Storage.
  • Envisagez d'utiliser Delta Lake dans le service de flux de données si les transactions ACID et l'unification de la diffusion en continu et du traitement par lots sont nécessaires pour les données de lac.
• Service de mégadonnées

  Cette architecture tire parti du service de mégadonnées pour Oracle Cloud Infrastructure pour déployer des grappes hautement disponibles et évolutives de diverses technologies à source ouverte telles que Spark, Hadoop, Trino ou Flink qui peuvent traiter les données par lots et en continu. Le service de mégadonnées conserve les données dans HDFS, conserve et lit les données du stockage d'objets OCI et peut échanger des jeux de données avec d'autres services Oracle Cloud Infrastructure tels que le service de flux de données et Oracle Autonomous AI Lakehouse.

  • Envisagez d'utiliser l'ajustement automatique pour l'ajustement automatique horizontal ou vertical des noeuds de travail en fonction des mesures ou du calendrier afin d'optimiser continuellement les coûts en fonction de la demande en ressources.
  • Envisagez d'utiliser le connecteur HDFS OCI pour le stockage d'objets OCI pour lire et écrire des données vers et depuis le stockage d'objets OCI et ainsi fournir un mécanisme pour produire/consommer des données partagées avec d'autres services OCI sans avoir à les répliquer et les dupliquer.
  • Envisagez d'utiliser Delta Lake sur OCI BDS si les transactions ACID et l'unification de la diffusion en continu et du traitement par lots sont nécessaires pour les données de lac.
  • Si vous devez utiliser d'autres logiciels à code source libre, envisagez d'utiliser Oracle Cloud Infrastructure Registry, des instances de conteneur ou Oracle Cloud Infrastructure Kubernetes Engine pour déployer tout logiciel à code source libre pouvant être conteneurisé.
• Diffusion en continu d'Oracle Cloud Infrastructure

  Cette architecture tire parti d'Oracle Cloud Infrastructure Streaming pour consommer les données de diffusion en continu à partir de sources ainsi que pour fournir les données de diffusion en continu aux consommateurs.

  Envisagez d'utiliser le centre de connecteurs de service Oracle Cloud Infrastructure pour déplacer des données du service de diffusion en continu pour OCI et de les conserver dans le service de stockage d'objets pour OCI pour prendre en charge une analyse plus approfondie des données historiques.

• Oracle Analytics Cloud

  Cette architecture tire parti d'Oracle Analytics Cloud (OAC) pour fournir des analyses augmentées aux utilisateurs finaux.

  Envisagez de tirer parti de l'intégration prédéfinie qu'OAC possède avec Oracle Cloud Infrastructure AI Services (Modèles de langue et de vision) et OML (tous les modèles) pour intégrer l'intelligence dans les flux de données et les visualisations que les utilisateurs finaux consomment et démocratiser ainsi la consommation d'intelligence artificielle et d'apprentissage automatique.

• Services d'intelligence artificielle pour Oracle Cloud Infrastructure

  Cette architecture peut tirer parti d'Oracle Cloud Infrastructure AI Services, selon les cas d'utilisation déployés.

  Envisagez d'utiliser le service Étiquetage de données OCI pour étiqueter les données d'entraînement qui seront utilisées pour ajuster et obtenir des prédictions plus précises pour Oracle Cloud Infrastructure AI Services, telles que OCI Vision, OCI Document Understanding et .

• Services Oracle Cloud Infrastructure Generative AI

  Cette architecture peut tirer parti des services Oracle Cloud Infrastructure Generative AI, selon les cas d'utilisation déployés.

  • Envisagez d'utiliser le terrain de jeu et les API sur demande qui utilisent des LLM préentraînés pour traiter la génération de texte, la conversation, l'extraction de données, la récapitulation, la classification, le transfert de style ou la similarité sémantique, et d'intégrer rapidement l'IA générative dans vos pipelines et processus.
  • Envisagez d'utiliser des grappes d'IA dédiées pour adapter et ajuster efficacement les LLM fondamentaux à vos données, assurant un isolement et une sécurité des données complets.
  • Envisagez de partager l'hébergement de grappes dédiées à l'IA au sein de différentes équipes à l'échelle de l'organisation pour une meilleure rentabilité. Une seule grappe peut être utilisée pour héberger plusieurs modèles personnalisés, le tout avec des points d'extrémité indépendants et sécurisé au moyen de politiques IAM dédiées.
• Passerelle d'API OCI

  Cette architecture tire parti du service de passerelle d'API OCI pour exposer en toute sécurité les services de données et l'inférence en temps réel aux consommateurs de données.

  • Envisagez d'utiliser Oracle Cloud Infrastructure Functions pour ajouter la logique d'exécution éventuellement nécessaire pour prendre en charge un traitement d'API spécifique hors de la portée des couches de traitement des données et d'accès et d'interprétation.
  • Envisagez d'utiliser des plans d'utilisation pour gérer l'accès des abonnés aux API, pour surveiller et gérer la consommation des API, configurer différents niveaux d'accès pour différents consommateurs et prendre en charge la monétisation des données en suivant les mesures d'utilisation qui peuvent être fournies à un système de facturation externe.
• Service de catalogue de données pour Oracle Cloud Infrastructure

  Pour avoir une vue complète et holistique de bout en bout des données stockées et circulant sur la plate-forme, envisagez de collecter non seulement les magasins de données prenant en charge la couche de persistance des données, mais également les magasins de données sources. Le mappage de ces métadonnées techniques collectées au glossaire d'affaires et leur enrichissement avec des propriétés personnalisées vous permettent de mapper des concepts d'affaires et de documenter et de régir les définitions de sécurité et d'accès.

  • Pour faciliter la création de tables externes Oracle Autonomous AI Lakehouse qui virtualisent les données stockées dans le service de stockage d'objets pour OCI, utilisez les métadonnées collectées précédemment par le catalogue de données. Cela simplifie la création de tables externes, assure la cohérence des métadonnées entre les magasins de données et est moins sensible aux erreurs humaines.
  • Envisagez d'utiliser le suivi du lignage pour Oracle Cloud Infrastructure Data Integration et Oracle Cloud Infrastructure Data Flow afin d'avoir une visibilité sur la façon dont les données ont été ingérées, transformées et stockées. Pour une couverture accrue, utilisez une ingestion basée sur une API pour tirer parti du cadre ouvert OpenLineage pour suivre le lignage pour toutes les sources et tous les systèmes.
• Service de transfert de données pour Oracle Cloud Infrastructure

  Il n'est pas possible d'utiliser le service de transfert de données pour Oracle Cloud Infrastructure lorsque vous chargez des données à l'aide d'une connexion à l'Internet public. Nous vous recommandons d'envisager d'utiliser le transfert de données si le chargement des données sur le réseau Internet public prend plus de 1 à 2 semaines.

• Sécurité des données et vérification

  Augmenter la sécurité en tirant parti des capacités d'audit et d'alerte permettra d'empêcher l'exfiltration des données et de pouvoir effectuer des analyses médico-légales en cas de violation de données.

  • Envisagez d'utiliser Oracle Data Safe pour vérifier l'activité dans l'entrepôt de données et envisagez d'utiliser Oracle Cloud Infrastructure Audit pour vérifier le trafic vers les données du lac.
  • Envisagez d'utiliser Oracle Data Safe pour la découverte de données sensibles dans un entrepôt avec lac de données autonome d'IA et de les masquer statiquement lors de la création de clones entrepôt avec lac de données autonome d'IA pour les environnements hors production, évitant ainsi les risques de sécurité.
  • Envisagez d'utiliser le pare-feu SQL d'Oracle Data Safe avec entrepôt avec lac de données autonome d'IA pour améliorer la sécurité des données, en vous protégeant contre les risques tels que les attaques par injection SQL ou les comptes compromis.
• Déploiement et automatisation

  Cette architecture physique est déployée à l'aide de l'automatisation de l'infrastructure-code (IaC) pour créer les ressources nécessaires au déploiement d'un entrepôt avec lac de données

  Oracle Cloud Infrastructure Resource Manager vous permet de créer des piles Terraform de ressources en nuage déployables, de partager et de gérer des configurations d'infrastructure et d'énoncer des fichiers sur plusieurs équipes et plates-formes. Envisagez d'utiliser Oracle Cloud Infrastructure Resource Manager pour créer des piles de déploiement pour la création d'environnement hors production, d'intégrer de nouvelles équipes qui ont besoin de services supplémentaires et de normaliser et d'intégrer des politiques IAM et des garde-corps de sécurité cohérents qui respectent les politiques définies de sécurité et de gouvernance de l'organisation.

• Continuité des activités

  Cette architecture décrit un déploiement dans une seule région et peut être étendue à deux régions pour prendre en charge la reprise après sinistre et permettre un plan de continuité des activités.

• Oracle Cloud Infrastructure Full Stack Disaster Recovery est un service d'orchestration et de gestion de la récupération après sinistre qui fournit des fonctions complètes de récupération après sinistre pour toutes les couches d'une pile d'applications, notamment l'infrastructure, l'intergiciel, la base de données et les applications.

  Envisagez d'utiliser OCI Full Stack Disaster Recovery pour configurer des plans de permutation et de basculement pour l'entrepôt avec lac de données afin d'automatiser les tâches de récupération après sinistre et de réduire les étapes manuelles en cas de transition planifiée ou non planifiée vers la région de secours.

• Optimisation des coûts

  Envisagez d'utiliser le suivi des coûts et de l'utilisation d'Oracle Cloud Infrastructure, ainsi que les fonctions d'optimisation des coûts pour soutenir vos opérations financières en continu.

  • Envisagez d'utiliser des rapports de coût et d'utilisation pour obtenir et suivre l'utilisation des ressources en nuage et les coûts respectifs. Exploiter les rapports de coût CSV FOCUS conformes aux normes de l'industrie qui sont produits pour une intégration aux solutions d'opérations financières de 3e partie.
  • Envisagez d'utiliser l'analyse des coûts pour suivre les coûts engagés par différentes équipes, projets et environnements.
  • Envisagez d'utiliser des marqueurs de suivi des coûts pour marquer des ressources en nuage pour des équipes, des projets ou des environnements spécifiques.
  • Envisagez d'utiliser des budgets pour définir des limites temporaires de dépenses et de définir des alertes pour vous informer lorsque vous pourriez dépasser votre budget pour le projet, l'équipe ou les dépenses globales.
• Interopérabilité

  Cette architecture s'appuie sur de nombreuses normes de l'industrie pour interagir avec le paysage hétérogène informatique plus large de toute organisation afin qu'elle puisse consommer et servir toutes les données à toute application, système ou personne.

  L'architecture prend en charge les formats de fichier ouverts tels que Parquet ou Avro, de sorte que les données peuvent être stockées dans le format le plus approprié pour chaque cas d'utilisation. En outre, il prend en charge les formats de table ouverts tels qu'Iceberg et Delta Lake pour assurer l'interopérabilité entre les technologies Oracle et les autres technologies de 3e partie.
  • Envisagez d'utiliser la prise en charge d'Oracle Autonomous AI Lakehouse Iceberg pour lire que les tables Iceberg ont persisté sur le lac de données et les servir aux consommateurs. Les tables Iceberg peuvent être servies en tant que tables externes ou chargées dans un entrepôt avec lac de données autonome sur l'IA.
  • Envisagez d'utiliser la prise en charge du format universel Delta Lake du service de flux de données pour lire, traiter et conserver les données dans le lac de données. L'utilisation de Delta Lake lors de la génération de métadonnées pour d'autres formats de table ouverts tels qu'Iceberg et Hudi permet à différents moteurs de traitement de lire les mêmes données.
• Approche organisationnelle

  Cette architecture est flexible et peut prendre en charge différents types d'approches organisationnelles allant d'une approche centralisée à une approche complètement décentralisée et peut donc être adoptée et utilisée par toute organisation qui souhaite extraire de la valeur de ses données.

  Cette architecture tire parti des contrôles détaillés pour l'authentification et l'autorisation avec le service Gestion des identités et des accès d'OCI (IAM).

  Envisagez d'utiliser IAM pour séparer les différents secteurs d'activité et les équipes à l'aide de l'entrepôt avec lac de données afin de décentraliser la propriété de la création de produits de données et d'appliquer la séparation des domaines de données si votre organisation souhaite adopter une approche organisationnelle décentralisée.

  OCI offre l'automatisation et l'infrastructure-code comme fonctionnalités clés pour un déploiement d'architecture réussi, en tirant parti des cadres tels que Terraform et Ansible.

  Si votre organisation adopte une approche décentralisée et met en œuvre des domaines de données sous cette approche, envisagez d'utiliser des modèles Terraform prédéfinis et le gestionnaire de ressources OCI pour intégrer rapidement et de manière cohérente les domaines de données dans la plate-forme de données.

Points à considérer

Lors de la collecte, du traitement et de la gestion des données d'application à des fins d'analyse et d'apprentissage automatique, envisagez les options de mise en oeuvre suivantes.

Assistance	Recommandations	Autres options	Explication
Raffinerie de données	Service d'intégration de données pour Oracle Cloud Infrastructure GoldenGate pour Oracle Cloud Infrastructure	Oracle Data Integrator Les transformations de données d'Oracle Autonomous Database	Oracle Cloud Infrastructure Data Integration fournit une plate-forme d'extraction, de chargement et de chargement (ETL) en nuage native, sans serveur et entièrement gérée, évolutive et rentable. Oracle Cloud Infrastructure GoldenGate fournit une plate-forme de réplication de données native, sans serveur, entièrement gérée, non intrusive, évolutive, rentable et pouvant être déployée dans des environnements hybrides.
Persistance des données	Oracle Autonomous AI Lakehouse Service de stockage d'objets pour Oracle Cloud Infrastructure	Service Oracle Exadata Database	Oracle Autonomous AI Lakehouse est une base de données entièrement autonome et facile à utiliser qui s'adapte de manière élastique, fournit des performances rapides en matière d'interrogations et ne nécessite aucune administration. Il offre également un accès direct aux données des tables partitionnées externes ou hybrides du stockage d'objets. Le service Oracle Cloud Infrastructure Object Storage stocke un nombre illimité de données dans un format brut.
Traitement des données	Service d'intégration de données pour Oracle Cloud Infrastructure Service de flux de données pour Oracle Cloud Infrastructure Service de mégadonnées pour Oracle Cloud Infrastructure	Outils de tierce partie	Oracle Cloud Infrastructure Data Integration fournit une plate-forme d'extraction, de chargement et de chargement (ETL) en nuage native, sans serveur et entièrement gérée, évolutive et rentable. Le service de flux de données pour Oracle Cloud Infrastructure Data Flow fournit un environnement Spark sans serveur pour traiter les données à grande échelle avec un modèle de paiement à l'utilisation extrêmement élastique. Le service de mégadonnées pour Oracle Cloud Infrastructure fournit un environnement Hadoop de niveau entreprise, sécurisé de bout en bout, haute performance, facile à gérer et à mettre à niveau.
Accès et interprétation	Oracle Analytics Cloud Service de science des données pour Oracle Cloud Infrastructure Oracle Machine Learning Services d'intelligence artificielle pour Oracle Cloud Infrastructure	Outils de tierce partie	Oracle Analytics Cloud est entièrement géré et étroitement intégré aux données organisées dans l'entrepôt avec lac de données autonome sur l'IA. Oracle Cloud Infrastructure Data Science est une plate-forme en libre service entièrement gérée permettant aux équipes d'experts en science des données de créer, d'entraîner et de gérer des modèles d'apprentissage automatique dans Oracle Cloud Infrastructure. Data ScienceData Science provides infrastructure and data science tools such as AutoML and model deployment capabilities. Oracle Machine Learning est une plateforme en libre-service entièrement gérée pour la science des données disponible sur Oracle Autonomous AI Lakehouse qui tire parti de la puissance de traitement de l'entrepôt pour créer, entraîner, tester et déployer des modèles d'apprentissage automatique à grande échelle sans avoir à déplacer les données en dehors de l'entrepôt. Les services d'intelligence artificielle pour Oracle Cloud Infrastructure sont un ensemble de services qui fournissent des modèles prédéfinis spécialement conçus et entraînés pour effectuer des tâches telles que l'inférence d'anomalies potentielles ou la détection de sentiments.

Déployez

Le code Terraform pour cette architecture de référence est disponible dans GitHub. Vous pouvez extraire le code dans Oracle Cloud Infrastructure Resource Manager en un seul clic, créer la pile et la déployer. Vous pouvez également télécharger le code de GitHub sur votre ordinateur, personnaliser le code et déployer l'architecture à l'aide de l'interface de ligne de commande Terraform.

• Déployer à l'aide d'Oracle Cloud Infrastructure Resource Manager :
  1. Cliquez sur

     Si vous n'êtes pas déjà connecté, entrez les données d'identification de la location et de l'utilisateur.

  2. Vérifiez et acceptez les conditions générales.
  3. Sélectionnez la région dans laquelle déployer la pile.
  4. Suivez les invites et les instructions à l'écran pour créer la pile.
  5. Après avoir créé la pile, cliquez sur Actions Terraform, puis sélectionnez Planifier.
  6. Attendez que la tâche soit terminée et vérifiez le plan.

     Pour apporter des modifications, retournez à la page Détails de la pile, cliquez sur Modifier la pile et apportez les modifications requises. Exécutez ensuite de nouveau l'action Planifier.

  7. Si aucune autre modification n'est nécessaire, retournez à la page Détails de la pile, cliquez sur Actions Terraform et sélectionnez Appliquer.
• Déployer à l'aide de l'interface de ligne de commande Terraform :
  1. Allez à GitHub.
  2. Clonez ou téléchargez le référentiel sur votre ordinateur local.
  3. Suivez les instructions décrites dans le document README.

Informations complémentaires

En savoir plus sur les caractéristiques de cette architecture et sur les architectures connexes.

• Plateforme de données d'Oracle

• En savoir plus sur la conception de lacs de données dans Oracle Cloud

• Plate-forme de données - Fédération de données

• Sécuriser vos charges de travail à l'aide du service de pare-feu de réseau pour Oracle Cloud Infrastructure

• Déployer une zone d'atterrissage sécurisée qui respecte la norme CIS OCI Foundations Benchmark

• Cadre structuré pour Oracle Cloud Infrastructure

• Documentation sur Oracle Cloud Infrastructure

• Estimateur de coûts d'Oracle Cloud

Remerciements

• Author: José Cruz
• Contributors: Larry Fumagalli, Ionel Panaitescu, Mike Blackmore, Robert Lies

Journal des modifications

Ce journal répertorie les modifications importantes :

Octobre 28, 2024

L'étendue fonctionnelle de l'architecture a été mise à jour pour inclure des produits et des offres fonctionnelles étendus, notamment : Ajout du partage de données en tant que source de données et consommateur de données. Ajout de l'ingestion basée sur une API. Ajout d'offres étendues pour l'IA (langue, parole, vision, compréhension de documents) et les services d'IA générative. Ajout d'un processus ETL/Writeback inversé pour fournir des informations dérivées des données directement aux applications et aux périphériques. Des mises à jour correspondantes ont été apportées aux sections Recommandations et considérations. De nombreuses mises à jour relatives aux produits ont été effectuées tout au long du texte.

Juin 21, 2023

Ajout d'instructions pour déployer l'architecture à l'aide du service Oracle Cloud Infrastructure Resource Manager. Lien GitHub mis à jour. Diagrammes d'architecture mis à jour.