تجزياتي پليٽ فارمن ۾ گھٽ ڪوڊ جي درخواست

پيارا پڙهندڙ، سٺو ڏينهن!

جلدي يا دير سان ڊيٽا گڏ ڪرڻ ۽ تجزيو ڪرڻ لاءِ آئي ٽي پليٽ فارمن جي تعمير جو ڪم ڪنهن به ڪمپني لاءِ پيدا ٿئي ٿو جنهن جو ڪاروبار ذهني طور تي لوڊ ٿيل سروس پهچائڻ واري ماڊل يا ٽيڪنيڪل طور تي پيچيده شين جي تخليق تي ٻڌل آهي. تجزياتي پليٽ فارم ٺاهڻ هڪ پيچيده ۽ وقت کڻڻ وارو ڪم آهي. بهرحال، ڪنهن به ڪم کي آسان بڻائي سگهجي ٿو. هن آرٽيڪل ۾ آئون تجزياتي حل ٺاهڻ ۾ مدد لاءِ گهٽ ڪوڊ ٽولز استعمال ڪرڻ ۾ منهنجو تجربو شيئر ڪرڻ چاهيان ٿو. اهو تجربو Neoflex ڪمپني جي بگ ڊيٽا حل جي هدايت ۾ ڪيترن ئي منصوبن تي عمل ڪرڻ دوران حاصل ڪيو ويو. 2005 کان وٺي، Neoflex جي بگ ڊيٽا حل جي هدايت ڊيٽا گودامن ۽ ڍنڍن جي تعمير جي مسئلن کي حل ڪندي، معلومات جي پروسيسنگ جي رفتار کي بهتر ڪرڻ جي مسئلن کي حل ڪرڻ ۽ ڊيٽا جي معيار جي انتظام لاء طريقيڪار تي ڪم ڪري رهيو آهي.

ڪو به ماڻهو ڪمزور ۽ / يا مضبوط طور تي منظم ڪيل ڊيٽا جي شعوري جمع کان بچڻ جي قابل نه هوندو. شايد جيتوڻيڪ اسان ننڍن ڪاروبار بابت ڳالهائي رهيا آهيون. آخرڪار، جڏهن ڪاروبار کي اسڪيل ڪيو ويندو، هڪ واعدو ڪندڙ ڪاروبار ڪندڙ هڪ وفاداري پروگرام کي ترقي ڪرڻ جي مسئلن سان منهن ڏيڻو پوندو، وڪرو جي نقطي جي اثرائتي جو تجزيو ڪرڻ چاهيندو، ٽارگيٽ ڪيل اشتهارن جي باري ۾ سوچيندو، ۽ گڏوگڏ مصنوعات جي مطالبن کان حيران ٿي ويندو. . پهرين تقريبن تائين، مسئلو حل ٿي سگهي ٿو "گهٽ تي". پر جيئن ڪاروبار وڌندو آهي، هڪ تجزياتي پليٽ فارم تي اچڻ اڃا به ناگزير آهي.

تنهن هوندي، ڪهڙي صورت ۾ ڊيٽا اينالائيٽڪس ڪمن کي "راڪيٽ سائنس" طبقي جي مسئلن ۾ ترقي ڪري سگهي ٿي؟ شايد هن وقت جڏهن اسان واقعي وڏي ڊيٽا بابت ڳالهائي رهيا آهيون.
راڪيٽ سائنس کي آسان بڻائڻ لاءِ، توهان هاٿي جو ٽڪڙو کائي سگهو ٿا.

توهان جون ايپليڪيشنون/سروسز/مائڪرو سروسز جيترو وڌيڪ الڳ ۽ خودمختيار هونديون، اوترو ئي آسان هوندو توهان لاءِ، توهان جي ساٿين ۽ سڄي ڪاروبار لاءِ هاٿي کي هضم ڪرڻ.

تقريبن اسان جا سڀئي گراهڪ هن پوسٽ تي آيا، ڊي اوپس ٽيمن جي انجنيئرنگ جي مشقن جي بنياد تي منظرنامي کي ٻيهر تعمير ڪيو.

پر ان سان گڏ هڪ "الگ، هاٿي" غذا، اسان وٽ هڪ سٺو موقعو آهي "oversaturation" جو IT منظرنامو. هن وقت ان کي روڪڻ، exhaling ۽ پاسي کي ڏسڻ جي قابل آهي گھٽ ڪوڊ انجنيئرنگ پليٽ فارم.

ڪيترائي ڊولپرز خوفزده آھن پنھنجي ڪيريئر ۾ ختم ٿيڻ جي امڪان کان جڏھن سڌو سنئون ڪوڊ لکڻ کان پري ھلندا آھن ”ڊريگنگ“ تير ڏانھن گھٽ ڪوڊ سسٽم جي UI انٽرفيس ۾. پر مشيني اوزارن جي آمد انجنيئرن جي گم ٿيڻ جو سبب نه بڻيو، پر سندن ڪم کي نئين سطح تي آندو!

اچو ته سمجهون ته ڇو.

لاجسٽڪ، ٽيليڪم انڊسٽري، ميڊيا ريسرچ، مالياتي شعبي جي شعبي ۾ ڊيٽا جو تجزيو هميشه هيٺين سوالن سان لاڳاپيل آهي:

• خودڪار تجزيي جي رفتار؛
• بنيادي ڊيٽا جي پيداوار جي وهڪري کي متاثر ڪرڻ کان سواء تجربن کي هلائڻ جي صلاحيت؛
• تيار ڪيل ڊيٽا جي اعتبار؛
• ٽريڪنگ ۽ ورجن تبديل ڪريو؛
• ڊيٽا جو ثبوت، ڊيٽا جو سلسلو، سي ڊي سي؛
• پيداوار جي ماحول ۾ نئين خاصيتن جي تيز ترسيل؛
• ۽ بدنام: ترقي ۽ حمايت جي قيمت.

يعني، انجنيئرن وٽ اعليٰ سطحي ڪمن جو هڪ وڏو تعداد هوندو آهي، جيڪي ڪافي ڪارڪردگيءَ سان مڪمل ڪري سگھجن ٿا، انهن جي شعور کي صاف ڪري گهٽ سطحي ترقياتي ڪمن جي.

ڊولپرز لاءِ نئين سطح تي منتقل ٿيڻ جا شرط ڪاروبار جي ارتقا ۽ ڊجيٽلائيزيشن هئا. ڊولپر جو قدر پڻ تبديل ٿي رهيو آهي: ڊولپرز جي هڪ اهم گهٽتائي آهي جيڪي پاڻ کي ڪاروبار جي تصورن ۾ وسعت ڏئي سگهن ٿا خودڪار ٿي رهيو آهي.

اچو ته گهٽ-سطح ۽ اعلي-سطح پروگرامنگ ٻولين سان هڪ قياس ٺاهي. گھٽ-سطح جي ٻولين کان اعليٰ سطحي ٻولين ڏانھن منتقلي ”هارڊويئر جي ٻوليءَ ۾ سڌي هدايتون“ لکڻ کان ”ماڻھن جي ٻوليءَ ۾ ھدايتون“ ڏانھن منتقلي آھي. اهو آهي، تجريد جي ڪجهه پرت شامل ڪرڻ. انهي صورت ۾، اعلي سطحي پروگرامنگ ٻولين مان گھٽ ڪوڊ پليٽ فارمن جي منتقلي "ماڻهن جي ٻولي ۾ هدايتون" کان "ڪاروبار جي ٻولي ۾ هدايتون" ڏانهن منتقلي آهي. جيڪڏهن اهڙا ڊولپر آهن جيڪي هن حقيقت کان غمگين آهن، ته پوءِ اهي غمگين ٿي ويا آهن، شايد، جاوا اسڪرپٽ جي پيدا ٿيڻ کان وٺي، جيڪو استعمال ڪري ٿو صف ترتيب ڏيڻ جي افعال کي. ۽ اهي افعال، يقينا، ساڳئي اعلي سطحي پروگرامنگ جي ٻين ذريعن ذريعي هود جي تحت سافٽ ويئر تي عمل درآمد آهن.

تنهن ڪري، گهٽ-ڪوڊ صرف تجريد جي هڪ ٻئي سطح جي ظاهر آهي.

استعمال ٿيل تجربو گھٽ ڪوڊ استعمال ڪندي

لو-ڪوڊ جو موضوع ڪافي وسيع آھي، پر ھاڻي مان توھان جي ھڪڙي منصوبي جي مثال کي استعمال ڪندي ”لو-ڪوڊ تصورات“ جي عملي اپليڪشن بابت ڳالھائڻ چاھيان ٿو.

Neoflex جو بگ ڊيٽا حل ڊويزن ڪاروبار جي مالي شعبي ۾ وڌيڪ ماهر ڪري ٿو، ڊيٽا گودام ۽ ڍنڍون تعمير ڪرڻ ۽ مختلف رپورٽنگ کي خودڪار ڪرڻ. هن جڳهه ۾، گهٽ ڪوڊ جو استعمال هڪ ڊگهو معيار بڻجي چڪو آهي. ٻين گھٽ-ڪوڊ اوزارن ۾، اسان ETL عملن کي منظم ڪرڻ لاءِ اوزارن جو ذڪر ڪري سگھون ٿا: انفارميٽيڪا پاور سينٽر، IBM Datastage، Pentaho Data Integration. يا Oracle Apex، جيڪو ڊيٽا تائين رسائي ۽ ايڊٽ ڪرڻ لاءِ انٽرنيٽ جي تيز رفتار ترقي لاءِ ماحول جي طور تي ڪم ڪري ٿو. بهرحال، گهٽ-ڪوڊ ڊولپمينٽ ٽولز جو استعمال هميشه تجارتي ٽيڪنالاجي اسٽيڪ تي انتهائي حدف ٿيل ايپليڪيشنن کي تعمير ڪرڻ شامل نه ڪندو آهي جنهن ۾ وينڊر تي واضح انحصار سان.

گھٽ-ڪوڊ پليٽ فارمن کي استعمال ڪندي، توھان پڻ منظم ڪري سگھوٿا ڊيٽا جي وهڪري جي آرڪيسٽريشن، ٺاھي سگھوٿا ڊيٽا سائنس پليٽ فارمز يا، مثال طور، ڊيٽا جي معيار کي جانچڻ لاءِ ماڊلز.

گھٽ ڪوڊ ڊولپمينٽ اوزار استعمال ڪرڻ ۾ تجربي جي لاڳو ڪيل مثالن مان ھڪڙو آھي Neoflex ۽ Mediascope جي وچ ۾ تعاون، روسي ميڊيا ريسرچ مارڪيٽ ۾ اڳواڻن مان ھڪڙو. هن ڪمپني جي ڪاروباري مقصدن مان هڪ ڊيٽا جي پيداوار آهي جنهن جي بنياد تي اشتهار ڏيندڙ، انٽرنيٽ پليٽ فارم، ٽي وي چينلز، ريڊيو اسٽيشنون، اشتهارن جي ايجنسين ۽ برانڊز اشتهارن جي خريداري بابت فيصلا ڪن ٿا ۽ انهن جي مارڪيٽنگ مواصلات جي منصوبابندي ڪن ٿا.

ميڊيا ريسرچ ڪاروبار جو هڪ ٽيڪنالاجي طور تي ڀريل علائقو آهي. ويڊيو جي ترتيبن کي سڃاڻڻ، ڊوائيسز مان ڊيٽا گڏ ڪرڻ جيڪي ڏسڻ جو تجزيو ڪن ٿا، ويب وسيلن تي سرگرمي کي ماپڻ - اهو سڀ ڪجهه اهو ظاهر ڪري ٿو ته ڪمپني وٽ وڏو آئي ٽي اسٽاف آهي ۽ تجزياتي حل ٺاهڻ ۾ وڏو تجربو آهي. پر معلومات جي مقدار ۾ وڌندڙ واڌ، ان جي ذريعن جو تعداد ۽ قسم آئي ٽي ڊيٽا انڊسٽري کي مسلسل ترقي ڪرڻ تي مجبور ڪري ٿو. اڳ ۾ ئي ڪم ڪندڙ ميڊيا اسڪوپ تجزياتي پليٽ فارم کي اسڪيل ڪرڻ جو آسان حل IT اسٽاف کي وڌائڻ لاءِ ٿي سگهي ٿو. پر هڪ وڌيڪ موثر حل آهي ترقي جي عمل کي تيز ڪرڻ. ھن ھدايت ۾ ھلندڙ قدمن مان ھڪڙو ٿي سگھي ٿو گھٽ ڪوڊ پليٽ فارمن جو استعمال.

وقت تي منصوبي شروع ڪيو، ڪمپني اڳ ۾ ئي هڪ ڪم ڪندڙ پيداوار حل هو. بهرحال، MSSQL ۾ حل جو نفاذ مڪمل طور تي ترقي جي قابل قبول قيمت برقرار رکڻ دوران اسڪيلنگ ڪارڪردگي جي اميدن کي پورو ڪري نه سگهيو.

اسان جي اڳيان اهو ڪم واقعي پرجوش هو - Neoflex ۽ Mediascope کي هڪ سال کان به گهٽ عرصي ۾ هڪ صنعتي حل ٺاهڻو هو، شروعاتي تاريخ جي پهرين چوٿين اندر MVP جي ڇڏڻ جي تابع.

هيڊوپ ٽيڪنالوجي اسٽيڪ کي نئين ڊيٽا پليٽ فارم ٺاهڻ لاءِ بنياد طور چونڊيو ويو هو گهٽ-ڪوڊ ڪمپيوٽنگ جي بنياد تي. HDFS parquet فائلون استعمال ڪندي ڊيٽا اسٽوريج لاء معياري بڻجي چڪو آهي. پليٽ فارم ۾ موجود ڊيٽا تائين رسائي حاصل ڪرڻ لاءِ، Hive استعمال ڪيو ويو، جنهن ۾ سڀ موجود اسٽور فرنٽ ٻاهرين جدولن جي صورت ۾ پيش ڪيا ويا آهن. اسٽوريج ۾ ڊيٽا لوڊ ڪندي ڪافڪا ۽ اپاچي نيفي استعمال ڪندي لاڳو ڪيو ويو.

هن تصور ۾ لوئي-ڪوڊ ٽول استعمال ڪيو ويو هڪ تجزياتي پليٽ فارم جي تعمير ۾ تمام گهڻي محنت واري ڪم کي بهتر ڪرڻ لاءِ - ڊيٽا جي حساب ڪتاب جو ڪم.

گھٽ-ڪوڊ Datagram ٽول کي ڊيٽا ميپنگ لاءِ بنيادي ميکانيزم طور چونڊيو ويو. Neoflex Datagram تبديلين ۽ ڊيٽا جي وهڪري کي ترقي ڪرڻ لاء هڪ اوزار آهي.
هن اوزار کي استعمال ڪندي، توهان بغير بغير لکي سگهو ٿا اسڪالا ڪوڊ دستي طور تي. اسڪالا ڪوڊ خودڪار طريقي سان ٺاهيل آهي ماڊل ڊرائيون آرڪيٽيڪچر جي طريقي سان استعمال ڪندي.

هن طريقي جو هڪ واضح فائدو ترقي جي عمل کي تيز ڪرڻ آهي. بهرحال، رفتار جي اضافي ۾، هيٺيان فائدا پڻ آهن:

• ذريعن / وصول ڪندڙن جي مواد ۽ ساخت کي ڏسڻ؛
• انفرادي شعبن (نسب) ڏانهن ڊيٽا جي وهڪري جي شين جي اصليت کي ڇڪڻ؛
• وچولي نتيجن کي ڏسڻ سان تبديلين جي جزوي عمل؛
• سورس ڪوڊ جو جائزو وٺڻ ۽ عمل ڪرڻ کان اڳ ان کي ترتيب ڏيڻ؛
• تبديلين جي خودڪار تصديق؛
• خودڪار ڊيٽا ڊائون لوڊ 1 ۾ 1.

تبديليون پيدا ڪرڻ لاءِ گھٽ ڪوڊ حلن ۾ داخل ٿيڻ ۾ رڪاوٽ تمام گھٽ آھي: ڊولپر کي SQL ڄاڻڻ جي ضرورت آھي ۽ ETL اوزارن سان ڪم ڪرڻ جو تجربو آھي. اهو ذڪر ڪرڻ جي قابل آهي ته ڪوڊ تي مبني ٽرانسفارميشن جنريٽر لفظ جي وسيع معني ۾ ETL اوزار نه آهن. گھٽ-ڪوڊ جا اوزار شايد انھن جو پنھنجو ڪوڊ لڳائڻ وارو ماحول نه ھجي. اهو آهي، ٺاهيل ڪوڊ ماحول ۾ عمل ڪيو ويندو جيڪو ڪلستر تي موجود هو جيتوڻيڪ گهٽ-ڪوڊ حل کي نصب ڪرڻ کان اڳ. ۽ اهو شايد هڪ ٻيو پلس آهي گهٽ ڪوڊ ڪرما لاءِ. جيئن ته، هڪ گهٽ-ڪوڊ ٽيم سان متوازي ۾، هڪ "ڪلاسڪ" ٽيم ڪم ڪري سگهي ٿي جيڪا ڪارڪردگي کي لاڳو ڪري ٿي، مثال طور، خالص اسڪالا ڪوڊ ۾. پيداوار ۾ ٻنهي ٽيمن مان سڌارا آڻڻ سادو ۽ بيحد هوندو.

اهو شايد قابل ذڪر آهي ته گهٽ-ڪوڊ کان علاوه، ڪو به ڪوڊ حل ناهي. ۽ انهن جي بنياد تي، اهي مختلف شيون آهن. گھٽ ڪوڊ ڊولپر کي اجازت ڏئي ٿو ته ٺاهيل ڪوڊ سان وڌيڪ مداخلت ڪري. Datagram جي صورت ۾، پيدا ٿيل اسڪالا ڪوڊ کي ڏسڻ ۽ ايڊٽ ڪرڻ ممڪن آهي؛ ڪو به ڪوڊ اهڙو موقعو نه ڏئي سگھي. اهو فرق نه رڳو حل جي لچڪ جي لحاظ کان، پر ڊيٽا انجنيئرن جي ڪم ۾ آرام ۽ حوصلا افزائي جي لحاظ کان تمام اهم آهي.

حل فن تعمير

اچو ته اهو معلوم ڪرڻ جي ڪوشش ڪريون ته ڪيئن هڪ گهٽ-ڪوڊ ٽول مدد ڪري ٿي مسئلو حل ڪرڻ جي رفتار کي بهتر ڪرڻ واري ڊيٽا جي حساب ڪتاب جي ڪارڪردگي کي. پهرين، اچو ته سسٽم جي فنڪشنل فن تعمير کي ڏسو. هن معاملي ۾ هڪ مثال ميڊيا جي تحقيق لاء ڊيٽا پيداوار ماڊل آهي.

اسان جي معاملي ۾ ڊيٽا جا ذريعا ڏاڍا متفاوت ۽ متنوع آهن:

• پيپل ميٽرز (ٽي وي ميٽرز) سافٽ ويئر ۽ هارڊويئر ڊيوائسز آهن جيڪي ٽيليويزن پينل جي جوابدارن کان صارف جي رويي کي پڙهندا آهن - ڪير، ڪڏهن ۽ ڪهڙو ٽي وي چينل ڏٺو ويو گهر ۾ جيڪو مطالعي ۾ حصو وٺي رهيو آهي. مهيا ڪيل معلومات ميڊيا پيڪيج ۽ ميڊيا پراڊڪٽ سان ڳنڍيل براڊ ڪاسٽ ڏسڻ جي وقفن جو هڪ وهڪرو آهي. ڊيٽا ڍنڍ ۾ لوڊ ڪرڻ جي مرحلي تي ڊيٽا کي ڊيموگرافڪ خاصيتن، جيوسٽريٽيفڪيشن، ٽائيم زون ۽ ٻين معلومات سان گڏ ڪري سگهجي ٿو جيڪو هڪ خاص ميڊيا جي پيداوار جي ٽيليويزن ڏسڻ جو تجزيو ڪرڻ لاء ضروري آهي. ڪيل ماپون استعمال ڪري سگھجن ٿيون تجزيو ڪرڻ يا اشتهاري مهم جي منصوبابندي ڪرڻ لاءِ، سامعين جي سرگرمي ۽ ترجيحن جو جائزو وٺڻ، ۽ نشريات نيٽ ورڪ کي گڏ ڪرڻ؛
• ڊيٽا مانيٽرنگ سسٽم مان اچي سگھي ٿو ٽيليويزن جي نشريات کي اسٽريمنگ لاءِ ۽ انٽرنيٽ تي وڊيو وسيلن جي مواد کي ڏسڻ کي ماپڻ؛
• ويب ماحول ۾ ماپڻ جا اوزار، بشمول سائيٽ سينٽرڪ ۽ يوزر سينٽرڪ ميٽر. ڊيٽا فراهم ڪندڙ ڊيٽا ڍنڍ لاءِ ٿي سگهي ٿو ريسرچ بار برائوزر ايڊ-آن ۽ هڪ موبائل ايپليڪيشن هڪ بلٽ ان وي پي اين سان.
• ڊيٽا انهن سائيٽن مان پڻ اچي سگهي ٿي جيڪي آن لائن سوالن کي ڀرڻ جي نتيجن کي گڏ ڪن ٿيون ۽ ڪمپني جي سروي ۾ ٽيليفون انٽرويو جا نتيجا؛
• ڊيٽا ڍنڍ جي اضافي افزودگي پارٽنر ڪمپنين جي لاگن مان معلومات ڊائون لوڊ ڪندي ٿي سگهي ٿي.

ان تي عملدرآمد جيئن ته سورس سسٽم مان لوڊ ٿي رهيو آهي خام ڊيٽا جي بنيادي اسٽيجنگ ۾ مختلف طريقن سان ترتيب ڏئي سگهجي ٿو. جيڪڏهن انهن مقصدن لاءِ گهٽ-ڪوڊ استعمال ڪيو وڃي، ميٽاڊيٽا جي بنياد تي لوڊشيڊنگ اسڪرپٽس جي خودڪار نسل ممڪن آهي. انهي صورت ۾، ميپنگ کي ٽارگيٽ ڪرڻ لاء ترقي يافته ذريعن جي سطح تي وڃڻ جي ڪا ضرورت ناهي. خودڪار لوڊشيڊنگ کي لاڳو ڪرڻ لاء، اسان کي ماخذ سان ڪنيڪشن قائم ڪرڻ جي ضرورت آهي، ۽ پوء لوڊ ڪرڻ واري انٽرفيس ۾ ادارن جي فهرست کي لوڊ ڪيو وڃي. HDFS ۾ ڊاريڪٽري جو ڍانچو پاڻمرادو ٺاھيو ويندو ۽ ماخذ سسٽم تي ڊيٽا اسٽوريج جي جوڙجڪ سان ملندو.

بهرحال، هن پروجيڪٽ جي حوالي سان، اسان هن فيچر کي استعمال نه ڪرڻ جو فيصلو ڪيو گهٽ-ڪوڊ پليٽ فارم جي حقيقت جي ڪري ته ميڊيا اسڪوپ ڪمپني اڳ ۾ ئي آزاديء سان ڪم شروع ڪري چڪو آهي هڪ جهڙي خدمت پيدا ڪرڻ تي Nifi + Kafka ميلاپ استعمال ڪندي.

اهو فوري طور تي اشارو ڪرڻ جي قابل آهي ته اهي اوزار مٽائي نه سگھندا آهن، بلڪه مڪمل طور تي. Nifi ۽ Kafka ٻئي سڌي (Nifi -> Kafka) ۽ ريورس (Kafka -> Nifi) ڪنيڪشن ۾ ڪم ڪرڻ جي قابل آهن. ميڊيا ريسرچ پليٽ فارم لاء، بنڈل جو پهريون نسخو استعمال ڪيو ويو.

اسان جي صورت ۾، NayFi کي پروسيس ڪرڻ جي ضرورت آهي مختلف قسمن جي ڊيٽا کي ماخذ سسٽم مان ۽ انهن کي ڪافڪا بروکر ڏانهن موڪليو. انهي حالت ۾، پيغام موڪليا ويا هئا هڪ مخصوص ڪافڪا موضوع تي PublishKafka Nifi پروسيسرز استعمال ڪندي. انهن پائپ لائنن جي آرڪيسٽريشن ۽ سار سنڀال هڪ بصري انٽرفيس ۾ ڪيو ويندو آهي. Nifi ٽول ۽ Nifi + Kafka ميلاپ جي استعمال کي ترقي لاءِ گهٽ ڪوڊ وارو طريقو به چئي سگهجي ٿو، جنهن کي بگ ڊيٽا ٽيڪنالاجيز ۾ داخل ٿيڻ ۾ گهٽ رڪاوٽ آهي ۽ ايپليڪيشن ڊولپمينٽ جي عمل کي تيز ڪري ٿي.

منصوبي تي عمل درآمد ۾ ايندڙ اسٽيج تفصيلي ڊيٽا کي هڪ واحد سيمينٽڪ پرت فارميٽ ۾ آڻڻ هو. جيڪڏهن ڪنهن اداري ۾ تاريخي خاصيتون آهن، حساب ڪتاب ۾ ورهاڱي جي حوالي سان ڪيو ويندو آهي. جيڪڏهن ادارو تاريخي نه آهي، ته پوء اهو اختياري طور تي ممڪن آهي ته يا ته اعتراض جي سموري مواد کي ٻيهر ڳڻڻ، يا مڪمل طور تي هن اعتراض کي ٻيهر ڳڻڻ کان انڪار ڪيو (تبديلين جي گهٽتائي جي ڪري). هن اسٽيج تي، سڀني ادارن لاء چابيون ٺاهيا ويا آهن. چابيون Hbase ڊائريڪٽرن ۾ ذخيرو ٿيل آهن جيڪي ماسٽر آبجیکٹ سان ملن ٿيون، جن ۾ تجزياتي پليٽ فارم جي ڪنجين ۽ سرچ سسٽم جي ڪنجين جي وچ ۾ خط و ڪتابت شامل آهي. ايٽمي ادارن جو استحڪام تجزياتي ڊيٽا جي ابتدائي حساب ڪتاب جي نتيجن سان گڏ افزودگي سان گڏ آهي. ڊيٽا جي حساب لاء فريم ورڪ Spark هو. بيان ڪيل ڪارڪردگي هڪ واحد سيمينٽڪس ۾ ڊيٽا آڻڻ لاءِ پڻ لاڳو ڪئي وئي ميپنگ جي بنياد تي گھٽ-ڪوڊ ڊيٽاگرام ٽول.

ٽارگيٽ فن تعمير جي ضرورت آهي SQL رسائي ڪاروباري صارفين لاءِ ڊيٽا تائين. Hive هن اختيار لاء استعمال ڪيو ويو. شيون خودڪار طور تي Hive ۾ رجسٽر ٿي وينديون آھن جڏھن توھان چالو ڪندا آھيو "رجسٽر Hive ٽيبل" اختيار کي گھٽ-ڪوڊ ٽول ۾.

حساب ڪتاب جي وهڪري جو ڪنٽرول

Datagram ڪم فلو فلو ڊيزائن ٺاهڻ لاءِ هڪ انٽرفيس آهي. اوزي شيڊولر استعمال ڪندي نقشن کي شروع ڪري سگھجي ٿو. اسٽريم ڊولپر انٽرفيس ۾، اهو ممڪن آهي ته متوازي، ترتيب وار، يا عمل تي منحصر ڊيٽا جي تبديلين لاءِ اسڪيمون ٺاهڻ. شيل اسڪرپٽ ۽ جاوا پروگرامن لاءِ سپورٽ آهي. اهو پڻ ممڪن آهي Apache Livy سرور استعمال ڪرڻ. Apache Livy استعمال ڪيو ويندو آهي ايپليڪيشنن کي هلائڻ لاءِ سڌو سنئون ترقياتي ماحول مان.

جيڪڏهن ڪمپني وٽ اڳ ۾ ئي پنهنجو پروسيس آرڪيسٽرٽر آهي، اهو ممڪن آهي REST API استعمال ڪرڻ لاءِ ميپنگ کي موجوده وهڪري ۾ شامل ڪرڻ لاءِ. مثال طور، اسان کي اسڪالا ۾ نقشي سازي کي PLSQL ۽ Kotlin ۾ لکيل آرڪيسٽرن ۾ شامل ڪرڻ جو ڪافي ڪامياب تجربو هو. گهٽ-ڪوڊ ٽول جي REST API ۾ آپريشن شامل آهن جيئن ته ميپنگ ڊيزائن جي بنياد تي هڪ قابل عمل سال پيدا ڪرڻ، ميپنگ کي ڪال ڪرڻ، ميپنگ جي هڪ تسلسل کي ڪال ڪرڻ، ۽ يقيناً، ميپنگ کي هلائڻ لاءِ URL ڏانهن پيرا ميٽر پاس ڪرڻ.

Oozie سان گڏ، اهو ممڪن آهي ته هڪ حساب ڪتاب جي وهڪري کي ترتيب ڏيڻ Airflow استعمال ڪندي. شايد مان اوزي ۽ ايئر فلو جي مقابلي ۾ گهڻو وقت نه رهندس، پر صرف ايترو چوندس ته ميڊيا ريسرچ پروجيڪٽ تي ڪم جي حوالي سان، چونڊ ايئر فلو جي حق ۾ ٿي وئي. مکيه دلائل هن ڀيري هڪ وڌيڪ سرگرم ڪميونٽي هئا پيداوار کي ترقي ڪندي ۽ هڪ وڌيڪ ترقي يافته انٽرفيس + API.

ايئر فلو پڻ سٺو آهي ڇو ته اهو استعمال ڪري ٿو محبوب پٿون حساب جي عمل کي بيان ڪرڻ لاء. ۽ عام طور تي، اهڙا ڪيترائي اوپن سورس ورڪ فلو مئنيجمينٽ پليٽ فارم نه آهن. عمل جي عمل کي شروع ڪرڻ ۽ نگراني ڪرڻ (گنٽ چارٽ سميت) صرف پوائنٽ شامل ڪري ٿو ايئر فلو جي ڪرما ڏانهن.

لو-ڪوڊ حل ميپنگ شروع ڪرڻ لاءِ ترتيب واري فائيل فارميٽ اسپارڪ-جمع ٿي ويو آھي. اهو ٻن سببن لاء ٿيو. پهريون، اسپارڪ-جمع توهان کي اجازت ڏئي ٿو سڌو سنئون هڪ جار فائل ڪنسول مان. ٻيو، ان ۾ ڪم جي فلو کي ترتيب ڏيڻ لاءِ تمام ضروري معلومات شامل ٿي سگھي ٿي (جيڪو ڊيگ ٺاھيندڙ اسڪرپٽ لکڻ کي آسان بڻائي ٿو).
اسان جي ڪيس ۾ ايئر فلو ڪم فلو جو سڀ کان عام عنصر SparkSubmitOperator هو.

SparkSubmitOperator توهان کي جار هلائڻ جي اجازت ڏئي ٿو - پيڪيج ٿيل ڊيٽاگرام ميپنگس انهن لاءِ اڳ ۾ ٺاهيل انپٽ پيٽرولن سان.

اهو قابل ذڪر آهي ته هر ايئر فلو ڪم هڪ الڳ سلسلي ۾ هلندو آهي ۽ ٻين ڪمن بابت ڪجهه به نه ڄاڻندو آهي. تنهن ڪري، ڪمن جي وچ ۾ رابطي کي ڪنٽرول آپريٽرز استعمال ڪندي ڪيو ويندو آهي، جهڙوڪ DummyOperator يا BranchPythonOperator.

گڏ ڪيو ويو، ڊيٽاگرام لو-ڪوڊ حل جو استعمال ڪنفگريشن فائلن جي عالمگيريت سان گڏ (ڊيگ ٺاهڻ) ڊيٽا جي لوڊشيڊنگ جي وهڪري کي ترقي ڪرڻ جي عمل جي هڪ اهم رفتار ۽ سادگي جو سبب بڻيو.

ڏيکاريو حساب

شايد تجزياتي ڊيٽا جي پيداوار ۾ سڀ کان وڌيڪ ذهني طور تي لوڊ ٿيل اسٽيج عمارت جي نمائش جو قدم آهي. ھڪڙي تحقيقي ڪمپني جي ڊيٽا جي حساب جي وهڪري جي سلسلي ۾، ھن مرحلي ۾، ڊيٽا ھڪڙي ريفرنس براڊڪاسٽ ڏانھن گھٽجي ويندي آھي، وقت جي زونن لاءِ اڪائونٽ ۾ سڌارا آڻڻ ۽ براڊ ڪاسٽ گرڊ سان ڳنڍيل آھي. اهو پڻ ممڪن آهي ته مقامي نشرياتي نيٽ ورڪ (مقامي خبرون ۽ اشتهارن) لاء ترتيب ڏيڻ. ٻين شين جي وچ ۾، هي قدم ميڊيا جي شين جي مسلسل ڏسڻ جي وقفي کي ٽوڙي ٿو، ڏسڻ جي وقفن جي تجزيو جي بنياد تي. فوري طور تي، ڏسڻ جا قدر "وزن" آهن انهن جي اهميت بابت معلومات جي بنياد تي (هڪ اصلاحي عنصر جي حساب سان).

شوڪيز تيار ڪرڻ ۾ هڪ الڳ قدم ڊيٽا جي تصديق آهي. تصديق جي الگورتھم ۾ شامل آھي ڪيترن ئي رياضياتي سائنس جي ماڊلز جو استعمال. جڏهن ته، گهٽ-ڪوڊ پليٽ فارم جو استعمال توهان کي هڪ پيچيده الگورٿم کي ٽوڙڻ جي اجازت ڏئي ٿو ڪيترن ئي جدا جدا بصري پڙهڻ جي قابل نقشن ۾. نقشن مان هر هڪ هڪ تنگ ڪم انجام ڏئي ٿو. نتيجي طور، وچولي ڊيبگنگ، لاگنگ ۽ ڊيٽا جي تياري جي مرحلن کي ڏسڻ ممڪن آهي.

اهو فيصلو ڪيو ويو ته تصديق جي الگورتھم کي هيٺين ذيلي مرحلن ۾ ڌار ڪيو وڃي:

• 60 ڏينهن تائين علائقي ۾ سڀني نيٽ ورڪن کي ڏسڻ سان گڏ هڪ علائقي ۾ ٽي وي نيٽ ورڪ ڏسڻ جي انحصار جي تعمير.
• شاگردن جي بقايا جي حساب سان (حقيقي قدرن جا انحراف جيڪي رجعت واري ماڊل پاران اڳڪٿي ڪيل آهن) سڀني ريگريشن پوائنٽس ۽ حساب ڪيل ڏينهن لاءِ.
• غير معمولي علائقي-نيٽ ورڪ جوڙن جو هڪ انتخاب، جتي آبادي جي ڏينهن جو شاگردن جي بيلنس معمول کان وڌيڪ آهي (آپريشن سيٽنگن پاران بيان ڪيل).
• غير معمولي علائقي-ٽي وي نيٽ ورڪ جوڙن لاءِ درست ڪيل شاگردن جي رهائش جو ٻيهر ڳڻپ، هر هڪ جوابدار لاءِ جنهن علائقي ۾ نيٽ ورڪ ڏٺو، هن جوابدار جي مدد جو تعين ڪرڻ (شاگرد ٿيل بقايا ۾ تبديلي جي رقم) جڏهن هن جوابدار کي نموني مان ڏسڻ کي خارج ڪيو وڃي .
• اميدوارن کي ڳولھيو جن جي خارج ٿيڻ سان شاگردي واري بيلنس کي واپسي جي ڏينھن کي معمول تي آڻيندو.

مٿي ڏنل مثال هن مفروضي جي تصديق ڪري ٿو ته هڪ ڊيٽا انجنيئر اڳ ۾ ئي هن جي ذهن تي تمام گهڻو آهي ... ۽، جيڪڏهن اهو واقعي هڪ "انجنيئر" آهي ۽ "ڪوڊر" نه آهي، ته پوء گهٽ ڪوڊ اوزار استعمال ڪندي پروفيشنل تباهي جو خوف هو. آخرڪار پوئتي هٽڻ گهرجي.

ٻيو ڇا ڪري سگھي ٿو گھٽ ڪوڊ؟

اسڪالا ۾ دستي طور ڪوڊ لکڻ جي ضرورت کان سواءِ بيچ ۽ اسٽريم ڊيٽا پروسيسنگ لاءِ گھٽ ڪوڊ ٽول جي ايپليڪيشن جو دائرو اتي ختم نٿو ٿئي.

ڊيٽاليڪ جي ترقي ۾ گهٽ ڪوڊ جو استعمال اڳ ۾ ئي اسان لاء هڪ معيار بڻجي چڪو آهي. اسان شايد اهو چئي سگهون ٿا ته حل جي بنياد تي Hadoop اسٽيڪ RDBMS جي بنياد تي کلاسک DWHs جي ترقي جي رستي تي عمل ڪريو. Hadoop اسٽيڪ تي گھٽ ڪوڊ جا اوزار ٻئي ڊيٽا پروسيسنگ ڪمن کي حل ڪري سگھن ٿا ۽ حتمي BI انٽرفيس جي تعمير جو ڪم. ان کان علاوه، اهو ياد رکڻ گهرجي ته BI جو مطلب نه رڳو ڊيٽا جي نمائندگي ڪري سگهي ٿو، پر ڪاروباري صارفين طرفان انهن جي ترميم پڻ. اسان اڪثر ڪري هي ڪارڪردگي استعمال ڪندا آهيون جڏهن مالي شعبي لاءِ تجزياتي پليٽ فارم ٺاهي رهيا آهيون.

ٻين شين جي وچ ۾، گهٽ-ڪوڊ استعمال ڪندي ۽ خاص طور تي، Datagram، اهو ممڪن آهي ته ڊيٽا جي وهڪري جي شين جي اصليت کي ٽريڪ ڪرڻ جو مسئلو حل ڪرڻ لاء ايٽمي سان انفرادي شعبن (نسب). هن کي ڪرڻ لاء، گهٽ ڪوڊ وارو اوزار اپاچي ائٽلس ۽ ڪلوڊرا نيويگيٽر سان انٽرفيس کي لاڳو ڪري ٿو. لازمي طور تي، ڊولپر کي ائٽلس ڊڪشنري ۾ شين جو هڪ سيٽ رجسٽر ڪرڻ جي ضرورت آهي ۽ ميپنگ ٺاهڻ وقت رجسٽرڊ شين جو حوالو ڏيڻ جي ضرورت آهي. ڊيٽا جي اصليت کي ٽريڪ ڪرڻ يا اعتراض جي انحصار جو تجزيو ڪرڻ جو ميکانيزم تمام گهڻو وقت بچائيندو آهي جڏهن اهو ضروري آهي ته حساب ڪتاب جي الگورتھم کي بهتر ڪرڻ لاءِ. مثال طور، جڏهن مالي بيان تيار ڪري رهيا آهيو، هي خاصيت توهان کي اجازت ڏئي ٿي وڌيڪ آرام سان قانون سازي جي تبديلين جي دور ۾. سڀ کان پوء، اسان هڪ تفصيلي پرت جي شين جي حوالي سان بين-فارم انحصار کي بهتر سمجهي سگهون ٿا، گهٽ اسان کي "اوچتو" خرابين کي منهن ڏيڻ ۽ ٻيهر ڪم جو تعداد گهٽائي ڇڏيندو.

ڊيٽا معيار ۽ گھٽ ڪوڊ

ميڊياسڪوپ پروجيڪٽ تي گهٽ-ڪوڊ ٽول پاران لاڳو ڪيل ٻيو ڪم ڊيٽا جي معيار جي درجي جو ڪم هو. ريسرچ ڪمپني پروجيڪٽ لاءِ ڊيٽا جي تصديق واري پائپ لائن تي عمل ڪرڻ جي هڪ خاص خصوصيت مکيه ڊيٽا جي حساب ڪتاب جي وهڪري جي ڪارڪردگي ۽ رفتار تي اثر جي کوٽ هئي. آزاد ڊيٽا جي تصديق جي وهڪري کي ترتيب ڏيڻ جي قابل ٿيڻ لاء، اڳ ۾ ئي واقف Apache Airflow استعمال ڪيو ويو. جيئن ته ڊيٽا جي پيداوار جو هر قدم تيار هو، DQ پائپ لائن جو هڪ الڳ حصو متوازي طور تي شروع ڪيو ويو.

تجزياتي پليٽ فارم ۾ ان جي شروعات کان وٺي ڊيٽا جي معيار جي نگراني ڪرڻ لاء اهو سٺو عمل سمجهيو ويندو آهي. ميٽاڊيٽا بابت معلومات حاصل ڪرڻ سان، اسان بنيادي شرطن جي تعميل جي جانچ ڪري سگھون ٿا ان وقت کان جڏهن معلومات بنيادي پرت ۾ داخل ٿئي ٿي - نه ته null، رڪاوٽون، پرڏيهي ڪنجيون. هي ڪارڪردگي Datagram ۾ ڊيٽا جي معيار جي خاندان جي خودڪار ٺاهيل نقشن جي بنياد تي لاڳو ڪئي وئي آهي. هن معاملي ۾ ڪوڊ نسل پڻ ماڊل ميٽاداٽا تي ٻڌل آهي. ميڊياسڪوپ پروجيڪٽ تي، انٽرفيس انٽرفيس آرڪيٽيڪٽ پراڊڪٽ جي ميٽا ڊيٽا سان ڪيو ويو.

انٽرپرائز آرڪيٽيڪٽ سان گھٽ-ڪوڊ ٽول کي جوڙيندي، ھيٺيون چيڪ پاڻمرادو ٺاھيا ويا:

• فيلڊ ۾ موجود "نال" قدرن جي موجودگي جي جانچ ڪندي "نالي" تبديل ڪندڙ سان؛
• پرائمري چيڪ جي نقلن جي موجودگي جي جانچ ڪندي؛
• هڪ اداري جي غير ملڪي چيڪ چيڪ ڪرڻ؛
• فيلڊ جي سيٽ جي بنياد تي اسٽرنگ جي انفراديت کي جانچڻ.

ڊيٽا جي دستيابي ۽ اعتبار جي وڌيڪ پيچيده چيڪن لاءِ، اسڪالا ايڪسپريشن سان هڪ ميپنگ ٺاهي وئي، جيڪا زپيلين جي تجزيه نگارن پاران تيار ڪيل هڪ خارجي اسپارڪ SQL چيڪ ڪوڊ ان پٽ طور وٺي ٿي.

يقينا، چيڪن جي خودڪار نسل کي لازمي طور تي حاصل ڪيو وڃي. بيان ڪيل پروجيڪٽ جي فريم ورڪ جي اندر، هن کان اڳ ۾ هيٺيان قدم کنيا ويا:

• DQ Zeppelin نوٽ بڪ ۾ لاڳو؛
• DQ نقشي ۾ ٺهيل؛
• DQ الڳ وڏي ميپنگ جي صورت ۾، جنهن ۾ هڪ الڳ اداري لاءِ چيڪن جو مڪمل سيٽ شامل آهي؛
• يونيورسل parameterized DQ ميپنگ جيڪي ميٽا ڊيٽا ۽ ڪاروباري چيڪن بابت معلومات کي ان پٽ طور قبول ڪن ٿا.

ٿي سگهي ٿو ته هڪ پيراميٽرائزڊ چيڪ سروس ٺاهڻ جو بنيادي فائدو اهو آهي ته وقت ۾ گهٽتائي جيڪا ڪارڪردگي کي پيداوار واري ماحول تائين پهچائڻ ۾ لڳندي آهي. نيون معيار جي چيڪن کي ترقي ۽ جانچ واري ماحول ذريعي اڻ سڌي طرح ڪوڊ پهچائڻ جي کلاسک نموني کي نظرانداز ڪري سگھي ٿو:

• سڀ ميٽا ڊيٽا چيڪ خودڪار طور تي ٺاهيا ويندا آهن جڏهن ماڊل EA ۾ تبديل ٿيل آهي؛
• ڊيٽا جي دستيابي جي چڪاس (وقت ۾ ڪنهن به ڊيٽا جي موجودگي جو تعين ڪرڻ) هڪ ڊائريڪٽري جي بنياد تي ٺاهي سگهجي ٿو جيڪا شين جي حوالي سان ڊيٽا جي ايندڙ ٽڪرا جي ظاهر ٿيڻ جي متوقع وقت کي محفوظ ڪري ٿي؛
• ڪاروباري ڊيٽا جي تصديق جا چيڪ تجزيه نگارن پاران زپيلين نوٽ بڪ ۾ ٺاهيا ويا آهن. اتان کان اهي سڌو سنئون موڪليا ويا آهن DQ ماڊل ٽيوننگ جدولن جي پيداوار واري ماحول ۾.

پيداوار لاءِ سڌي طرح اسڪرپٽ موڪلڻ جا ڪو به خطرا نه آهن. جيتوڻيڪ نحو جي غلطي سان، وڌ ۾ وڌ جيڪو خطرو آهي اسان کي هڪ چيڪ انجام ڏيڻ ۾ ناڪامي آهي، ڇاڪاڻ ته ڊيٽا جي حساب جي وهڪري ۽ معيار چيڪ لانچ جي وهڪري هڪ ٻئي کان جدا ٿي ويا آهن.

جوهر ۾، DQ سروس مستقل طور تي پيداوار جي ماحول ۾ هلائي رهي آهي ۽ ان جي ڪم کي شروع ڪرڻ لاء تيار آهي جڏهن ڊيٽا جو ايندڙ ٽڪرو ظاهر ٿئي ٿو.

سوچيم ته هڪ ٿڪل جي

گھٽ ڪوڊ استعمال ڪرڻ جو فائدو پڌرو آھي. ڊولپرز کي شروع کان ايپليڪيشن کي ترقي ڪرڻ جي ضرورت ناهي. ۽ هڪ پروگرامر اضافي ڪمن کان آزاد ٿي نتيجا تيز ڪري ٿو. رفتار، موڙ ۾، اصلاح جي مسئلن کي حل ڪرڻ لاء اضافي وقت کي آزاد ڪري ٿو. تنهن ڪري، هن معاملي ۾، توهان هڪ بهتر ۽ تيز حل تي ڀروسو ڪري سگهو ٿا.

يقينن، گهٽ ڪوڊ هڪ علاج نه آهي، ۽ جادو پنهنجو پاڻ تي نه ٿيندو:

• گھٽ ڪوڊ انڊسٽري "مضبوط ٿيڻ" واري مرحلي مان گذري رهي آهي، ۽ اڃا تائين ڪو به يونيفارم صنعتي معيار نه آهي؛
• ڪيترائي گهٽ ڪوڊ حل مفت نه آهن، ۽ انهن کي خريد ڪرڻ هڪ شعوري قدم هجڻ گهرجي، جيڪو انهن کي استعمال ڪرڻ جي مالي فائدن ۾ مڪمل اعتماد سان ڪيو وڃي؛
• ڪيترائي گھٽ ڪوڊ حل هميشه GIT/SVN سان سٺو ڪم نٿا ڪن. يا اهي استعمال ڪرڻ ۾ مشڪل آهن جيڪڏهن ٺاهيل ڪوڊ لڪيل آهي؛
• جڏهن فن تعمير کي وڌايو وڃي، اهو ضروري ٿي سگهي ٿو ته گهٽ-ڪوڊ حل کي بهتر ڪرڻ - جنهن جي نتيجي ۾، گهٽ-ڪوڊ حل جي سپلائر تي "منسلڪ ۽ انحصار" جو اثر پيدا ٿئي.
• سيڪيورٽي جي هڪ مناسب سطح ممڪن آهي، پر اهو تمام محنت وارو آهي ۽ گهٽ ڪوڊ سسٽم انجڻ ۾ لاڳو ڪرڻ ڏکيو آهي. گھٽ-ڪوڊ پليٽ فارمن کي نه رڳو انھن جي استعمال مان فائدو حاصل ڪرڻ جي اصول تي چونڊيو وڃي. جڏهن چونڊيو وڃي، اهو سوال پڇڻ جي قابل آهي ته ڪارڪردگي جي دستيابي جي دستيابي ڪنٽرول ۽ وفد / سڃاڻپ جي ڊيٽا کي وڌائڻ لاء تنظيم جي سڄي IT منظرنامي جي سطح تائين.

بهرحال، جيڪڏهن چونڊيل سسٽم جون سڀئي خاميون توهان کي معلوم آهن، ۽ ان جي استعمال جا فائدا، ان جي باوجود، غالب اڪثريت ۾ آهن، پوء بغير ڪنهن خوف جي ننڍڙي ڪوڊ ڏانهن وڃو. ان کان علاوه، ان جي منتقلي ناگزير آهي - جيئن ڪنهن به ارتقاء ناگزير آهي.

جيڪڏهن هڪ ڊولپر گهٽ-ڪوڊ پليٽ فارم تي پنهنجو ڪم تيزيءَ سان ڪري ٿو ٻن ڊولپرز کان سواءِ گهٽ-ڪوڊ جي، ته پوءِ اها ڪمپنيءَ کي هر لحاظ کان سر شروعات ڏئي ٿي. گھٽ ڪوڊ حلن ۾ داخل ٿيڻ جي حد "روايتي" ٽيڪنالاجيز جي ڀيٽ ۾ گھٽ آھي، ۽ اھو عملدار جي گھٽتائي جي مسئلي تي ھڪڙو مثبت اثر آھي. جڏهن گهٽ-ڪوڊ اوزار استعمال ڪندي، اهو ممڪن آهي ته ڪارڪردگي ٽيمن جي وچ ۾ رابطي کي تيز ڪرڻ ۽ ڊيٽا سائنس جي تحقيق جي چونڊيل رستي جي درستي بابت تيز فيصلا ڪرڻ. گھٽ-سطح پليٽ فارم هڪ تنظيم جي ڊجيٽل تبديلي کي هلائي سگھي ٿو ڇو ته پيدا ڪيل حل غير ٽيڪنيڪل ماهرن (خاص طور تي ڪاروباري صارفين) پاران سمجهي سگهجي ٿو.

جيڪڏهن توهان وٽ تنگ ڊيڊ لائنون، لوڊ ٿيل ڪاروباري منطق، ٽيڪنالاجي ماهر جي کوٽ آهي، ۽ توهان کي مارڪيٽ ۾ پنهنجو وقت تيز ڪرڻ جي ضرورت آهي، ته پوءِ گهٽ ڪوڊ توهان جي ضرورتن کي پورو ڪرڻ جو هڪ طريقو آهي.

روايتي ترقياتي اوزارن جي اهميت کان ڪو به انڪار نه آهي، پر ڪيترن ئي ڪيسن ۾، گهٽ ڪوڊ حل استعمال ڪرڻ حل ٿيڻ واري ڪم جي ڪارڪردگي کي وڌائڻ جو بهترين طريقو آهي.

جو ذريعو: www.habr.com