tencent cloud

数据湖计算采用存算分离的海量大数据分析架构，基于大数据组件容器化实现快速灵活部署，基于云原生对象存储的方式实现无限拓展，结合数据湖计算先进的云原生弹性模型，充分贴合业务真实使用曲线，真正为您节省成本。数据湖计算以低成本、高弹性的云原生数据湖解决方案，助力企业建立统一数据资产，最大化发挥性能优势，赋能业务应用敏捷创新。

典型场景

企业日志批量查询

企业日志数据通常以json、文本文件等格式进行存储，用户可以将日志数据存储到COS中，直接使用标准SQL快捷地对COS中的海量数据进行批量分析，并将查询结果快速生成数据报表，轻松实现数据可视化，大幅提升工作效率。同时产品只需要几步简单的配置，既可以将云上日志服务的数据导入到数据湖中，快速上手加速分析。

服务价值

• 成本优化：存算分离云原生数据湖架构，按使用量付费，精准控制成本投入
• 强大易用：统一SQL语法，上手使用简单，更快的查询速度

数据湖计算本身作为新型数据架构，本身提供轻量敏捷易用和低成本的闭环大数据分析能力，用户可以借助数据湖提供的统一元数据管理视图，消除数据孤岛。同时也可以组合云上丰富大数据产品的优势，满足各类数据实时、离线分析场景，全方面解决企业各类问题。通过数据的便捷快速流动，可以有机组合不同云上产品的能力和优势，使得数据湖计算得以作为企业最佳数据中台和数据启动场所。

典型场景

• 统一元数据视图

用户在云上可能存在多套元数据视图，数据湖计算内置企业级统一元数据视图，可以集中管理和使用不同数据源的元数据，敏捷快速地构建企业元数据中心，无缝在不同产品和版本之间切换。典型代表同一份元数据，可以在不同产品之间便捷切换使用。

• 一份数据敏捷泛场景分析

在大数据生态中，Presto擅长交互式分析，Spark擅长ETL任务，通过数据湖计算提供的统一语法和轻量化集群能力，可以做到同一份数据无缝在不同引擎间切换，满足各类场景。也可以通过结合Wedata将数据导入导出到其它数十种数据产品和数据源，如云数据库、日志服务等，通过数据的便捷流动，充分发挥不同产品的优势。

服务价值

• 开箱即用：无需多余运维，节省运维成本
• 元数据管理：支持多种数据源，统一元数据管理，打破数据孤岛
• 场景全覆盖：数据分析、应用场景覆盖全面，数据集成、协同、调度、开发、治理全覆盖

数据湖计算帮助客户实现由数据库场景无缝升级到大数据场景，支持对多源异构数据进行联合查询分析，包括对象存储、云数据库、其他数据服务等。用户通过统一的数据视图，使用标准的 SQL 即可快速实现多源数据联邦分析，打通数据孤岛，发挥数据价值。

典型场景

跨业务数据联合查询

企业内部不同部门和业务线通常基于业务体系采用不同的数据架构，业务数据存放在不同的存储系统中，存在数据割裂的情况：如交易型数据存储到关系型数据库、活跃数据存储到Redis、历史记录存储到对象存储。数据湖计算帮助用户实现异构数据打通，用户可以跨多个数据源进行联合分析，助力用户跨业务数据分析更加迅捷。

服务价值

• 开箱即用：无需构建数据传输管道，无需多余运维，节省运维成本
• 安全高效：统一权限管理体系，数据权限精确到列，极致查询速度
• 迅捷使用：无需适配编程语言，轻松实现跨业务分析

数据湖是AI场景的大数据基座，在经典机器学习场景和深度学习场景下服务用户，数据湖计算提供结合各种AI能力及平台，快速支持各种机器学习能力，在多种智能数据湖分析场景下，提供综合性解决方案。数据湖计算将多个行业数据免费开放给用户，无需数据获取、清洗即可直接进入数据分析阶段。产品提供强大的BI能力助力用户通过预测分析快速实现数据洞察。

典型场景

数据科学赋能业务增长

数据湖计算提供原生机器学习能力，融合成熟的机器学习平台，为用户提供完善的智慧分析解决方案，解决用户实际的业务问题，如智能推荐、召回策略等，助力企业实现业务增长。 在机器学习场景下，用户面临数据量大，模型训练慢，算法效果差的问题。数据湖计算提供的机器学习算法模型开箱即用，用户可以快速基于数据构建机器学习模型，轻松预测业务成果。数据湖计算为用户提供BI能力，助力企业实现高效商业智能分析，提供企业运营效率。

服务价值

• 易用性强：无缝对接腾讯云机器学习平台，提供多种模型及API方便使用
• 数据规范：对数据进行统一管理、治理，为数据科学提供标准化数据