Comment évoluer vers les Big Data avec Microsoft SQL Server Parallel Data Warehouse et Hadoop? Il existe aujourd'hui des solutions clé en main basées sur SQL Server répondant à tous vos besoins, sous forme d'architectures de références ou d'Appliance. Ces appliances prêtes à l'emploi vous permettent d'accélérer vos déploiements, réduire vos risques et optimiser votre TCO. Pour faciliter le lien entre le monde des entrepôts de données et celui des Big Data, Polybase propose un accès familier à toutes vos données relationnelles ou non grâce à l’utilisation de commandes T-SQL classiques. Venez découvrir ce qui se cache sous le capot de ces drôles de machines, et les bénéfices que vous pouvez en tirer ! Speakers : Gilbert Breton (Microsoft), Lionel Pénuchot (Microsoft)

2. Donnez votre avis !
Depuis votre smartphone sur :
http://notes.mstechdays.fr
De nombreux lots à gagner toute les heures !!!
Claviers, souris et jeux Microsoft…
Merci de nous aider à améliorer les Techdays !
#mstechdays
Business Intelligence

3. Massivement Parallèle avec
PDW !
Lionel Pénuchot
Gilbert Breton
Business Intelligence

4. L’approche traditionnelle d’un DWH
Data sources
#mstechdays
Business Intelligence

5. L’approche traditionnelle d’un DWH
Data sources
Non-Relational Data
#mstechdays
Business Intelligence

6. Modernisation d’un projet décisionnel

Data sources
#mstechdays
Non-Relational Data
Business Intelligence

7. 
#mstechdays
Business Intelligence

8. #mstechdays
Business Intelligence

9. #mstechdays
Business Intelligence

10. Scale-out données relationnelles
Scale out technologies in SQL Server Parallel Data
Warehouse
#mstechdays
Business Intelligence

11. Scale-out données non relationnelles
Scale out non-relational data in HDInsight (for Azure or
PDW)
#mstechdays
Business Intelligence

12. Financial Risk Management System Use
case
• Basel III implementation on PDWImprovement Scale factor
Improvement
# Contracts x 1 SMP (Extrapolated) 4 Node
10 Node
4 node MPP
10 node MPP vs 4 vs 10
Million• RDBMS> PDW
hour:min
PDW
SMP
nodes
Windows HPC vs SMP
computation farm55 min
8 min 18sec 3 min 30sec
1
6.6x
15.7x
2.4x
02 hr 45 store 50sec aggregate
3 > PDWmin 25 minand 9 min 52sec
6.4x
16.7x
2.6x
32 min
9 hr 9minaggregation daily
1 hr 40min
•
26sec
10 Run the
5.5x
16.9x
3.1x
25
50
#mstechdays
22 hr 52min 4 hr 31min
1day
9 hr 35min
21 hr 45min
1 hr 29min
5.1x
15.4x
3.0x
3 hr 7 min
4.8x
14.7x
3.1x
Business Intelligence

13. SCALE-OUT WITH MPP
TECHNOLOGIES IN PDW
#mstechdays
Business Intelligence

14. #mstechdays
Business Intelligence

15. #mstechdays
Business Intelligence

16. Traitement In-Memory
#mstechdays
Business Intelligence

17. Insight en quasi temps réel
#mstechdays
Business Intelligence

18. Retail industry Use case
• 30 users, 6 TB of data (5 years of history)
• Daily volumes: 50 million rows
• Bank data for customer and fraud analysis
– Weekly analysis of deviance and strange transactions, suspect of money
laundry.
• Retail data for customer purchase analysis on receipt line level
– For example backtracking last 6 months per customer, per product and per
category; resulting in marketing offers such as “you like item A, other who
Item A also purchase item B” etc.
• Now queries cover half a year of data complete in 1.5 minute
on PDW compared to 8 minutes covering a month of data on
traditional DW.
#mstechdays
Business Intelligence

19. IN-MEMORY COLUMNSTORE
FOR
NEXT-GEN PERFORMANCE
#mstechdays
Business Intelligence

20. #mstechdays
Business Intelligence

21. #mstechdays
Business Intelligence

22. Exploration de données non relationnelles
Windows
Azure
#mstechdays
Business Intelligence

23. Intégration avec Polybase
SQL
#mstechdays
PolyBase
Result set
Business Intelligence

24. POLYBASE TO JOIN
RELATIONAL
AND NON-RELATIONAL DATA
#mstechdays
Business Intelligence

25. Différentes options de déploiement
#mstechdays
Business Intelligence

26. Digital is
business