Conceptos relacionados con el almacenamiento de datos

Un almacenamiento de datos es un repositorio central de información que se puede analizar para tomar decisiones mejor informadas. Los datos fluyen hacia un almacenamiento de datos desde sistemas transaccionales, bases de datos relacionales y otros orígenes, normalmente a una cadencia regular. Los analistas empresariales, los ingenieros de datos, los científicos de datos y los responsables de la toma de decisiones obtienen acceso a los datos mediante herramientas de inteligencia empresarial (BI), clientes SQL y otras aplicaciones de análisis.

Los datos y el análisis se han vuelto fundamentales para que las empresas mantengan la competitividad. Las empresas utilizan informes, paneles y herramientas de análisis para extraer información de los datos, monitorear el desempeño de la empresa y respaldar la toma de decisiones. Los almacenamientos de datos son fundamentales para estos informes, paneles y herramientas de análisis. Guardan los datos de manera eficaz para reducir las operaciones de entrada y salida (E/S) de datos y entregar resultados de consultas rápidamente a cientos y miles de usuarios de manera simultánea.

La arquitectura de un almacenamiento de datos está compuesta por capas. El nivel superior es el cliente frontend que presenta los resultados mediante informes, análisis y herramientas de minería de datos. El nivel intermedio contiene el motor de análisis que se utiliza para obtener acceso a los datos y para analizarlos. El nivel inferior de la arquitectura es el servidor de la base de datos, donde los datos se cargan y almacenan. Los datos se almacenan de dos diferentes maneras: 1) los datos a los que se obtiene acceso de forma frecuente se almacenan en almacenamiento muy rápido (como unidades SSD); y, 2) los datos a los que se obtiene acceso de forma poco frecuente se almacenan en un almacenamiento de objetos rentable, como Amazon S3. El almacenamiento de datos se encarga automáticamente de que los datos a los que se obtiene acceso de forma poco frecuente se trasladen al almacenamiento “rápido” a fin de optimizar la velocidad de consulta.

El almacenamiento de datos puede contener varias bases de datos. Dentro de cada base de datos, los datos se organizan en tablas y en columnas. Dentro de cada columna, se puede definir una descripción de los datos, como un número entero, un campo de datos o una cadena. Las tablas se pueden organizar dentro de esquemas, que se pueden concebir como carpetas. Cuando los datos se incorporan, se almacenan en varias tablas descritas por el esquema. Las herramientas de consulta usan el esquema para determinar a qué tablas de datos obtendrán acceso y cuáles de ellas analizarán.

Dentro de los beneficios de un almacenamiento de datos se incluyen los siguientes:

• Toma de decisiones fundamentadas
• Datos consolidados provenientes de muchos orígenes
• Análisis de datos históricos
• Calidad, coherencia y precisión de los datos
• Separación del procesamiento de análisis de las bases de datos transaccionales, lo que mejora el rendimiento de ambos sistemas

Generalmente, las empresas utilizan una combinación de una base de datos, un lago de datos y un almacenamiento de datos para almacenar y analizar los datos. La arquitectura de la casa del lago de Amazon Redshift facilita esa integración.

A medida que el volumen y la variedad de los datos aumenta, resulta conveniente seguir uno o más patrones conocidos para trabajar con los datos en la base de datos, el lago de datos y el almacenamiento de datos:

Un almacenamiento de datos está diseñado especialmente para el análisis de datos, que incluye la lectura de grandes volúmenes de datos para comprender las relaciones y las tendencias entre los datos. Una base de datos se usa para capturar y almacenar datos, como el registro de los detalles de una transacción.

A diferencia de un almacenamiento de datos, un lago de datos es un repositorio centralizado para todos los datos, incluidos los estructurados, los semiestructurados y los no estructurados. Un almacenamiento de datos requiere que los datos se organicen en un formato tabular, para lo que el esquema adquiere relevancia. El formato tabular se necesita para poder utilizar SQL para consultar los datos. Pero no todas las aplicaciones requieren que los datos estén en formatos tabulares. Algunas aplicaciones, como el análisis de big data, la búsqueda de texto completo y el aprendizaje automático pueden acceder a los datos, incluso cuando estos son semiestructurados o no estructurados.

Un data mart es un almacenamiento de datos útil para las necesidades de un equipo o unidad de negocios específico, como finanzas, marketing o ventas. Es de menor tamaño, más especializado y puede incluir resúmenes de datos más útiles para la comunidad de usuarios. Un data mart también puede ser una parte de un almacenamiento de datos.

AWS permite aprovechar los principales beneficios asociados con la informática bajo demanda: el acceso sin problemas a un almacenamiento y una capacidad informática prácticamente ilimitados, la posibilidad de ajustar la escala del sistema en función del crecimiento de los datos recopilados, almacenados y consultados, y pagar solo por los recursos que aprovisiona. AWS ofrece un amplio conjunto de servicios administrados que se integran a la perfección entre sí, de manera que pueda implementar con rapidez una solución de análisis y almacenamiento de datos integral.

La siguiente ilustración muestra los pasos clave de un proceso de análisis integral, que también se conoce como una pila. AWS ofrece una variedad de servicios administrados para cada paso.

• Siga esta guía paso a paso e implemente un almacenamiento de datos de Amazon Redshift »
• Comience con nuestra prueba gratuita de 2 meses »