NetApp收购Data Mechanics,将加速Spot发展并优化云端数据分析和机器学习工作负载

本文主要是介绍NetApp收购Data Mechanics,将加速Spot发展并优化云端数据分析和机器学习工作负载,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

加州森尼韦尔--(美国商业资讯)--以云为主导、以数据为中心的跨国软件公司NetApp® (NASDAQ: NTAP)今天宣布,该公司已收购Data Mechanics。Data Mechanics是一家大数据处理和云分析托管平台提供商,在法国巴黎设有办事处,致力于帮助企业在Kubernetes中运行用于大规模数据处理和机器学习的开源统一分析引擎Apache Spark。该交易的财务细节没有披露。

在本地和云端企业数据和应用呈爆炸式增长之际,利用数据分析和机器学习来提高运营效率、降低成本并实现手动流程的自动化,从而使工程师能够专注于更具战略性的任务,是所有企业的重中之重,也是企业发展战略所需。

NetApp高级副总裁兼公共云服务事业部总经理Anthony Lye表示:“相比以前,现在越来越多的客户正在采取云优先和云原生战略,这将使他们能够在面对前所未有的数据增长时变得更灵活且适应能力更强。将Data Mechanics添加到我们现有的解决方案中,将能助力各行各业的组织以更简单、更经济高效的方式,充分利用Apache Spark和Kubernetes来推进其数据和云计划。”

本次对Data Mechanics的收购,距离上次NetApp收购Spot(现称Spot by NetApp)不到一年时间。Spot是一家领先的CloudOps提供商,致力于自动化和优化在公共云环境中运行的工作负载。Data Mechanics的团队和IP将与Spot by NetApp的团队和产品组合进行整合,以加速NetApp最近宣布的Spot Wave解决方案的开发,该解决方案旨在简化、优化并自动化在公共云中运行的Spark工作负载。

Spot by NetApp副总裁兼总经理Amiram Shachar表示:“尽管将分析和应用工作负载迁移到云端有很多好处,但管理分析技术和云基础设施可能需要大量的资源和时间,并可能影响员工的工作效率和投资回报。我们热忱欢迎Data Mechanics加入Spot by NetApp。接下来,我们将进一步助力企业将数据分析运用到具体工作当中,并从云基础设施投资中获得更多价值。”

更多资源

  • 阅读博客:https://spot.io/blog/accelerating-wave-big-data/
  • 了解关于Data Mechanics的更多信息:https://www.datamechanics.co/
  • 了解关于Spot by NetApp的更多信息:https://spot.io/

关于NetApp

NetApp是一家以云为主导、以数据为中心的跨国软件企业,在日益加速的数字化转型时代,倾力帮助企业利用数据保持领先优势。无论企业是在云端执行开发,将应用程序迁移到云端,还是在内部自行打造类云体验,NetApp都能提供适用的系统、软件和云服务,助力企业从数据中心到云端以最优化的方式运行应用程序。此外,NetApp还提供跨不同环境运行的解决方案,帮助企业构建自己的数据网络结构,随时随地安全地为合适的人员提供正确的数据、服务和应用程序。欢迎访问www.netapp.com了解更多信息,或者在Twitter、LinkedIn、Facebook和Instagram上关注该公司。

NETAPP、NETAPP标志和www.netapp.com/TM上所列之标识均为NetApp, Inc.的商标。

1995年美国私人证券诉讼改革法案》安全港声明

本新闻稿包含《1995年私人证券诉讼改革法案》规定的前瞻性陈述。这些陈述包括但不限于本交易的预期利益、NetApp对未来策略的陈述及其对客户的影响等。实际结果,包括有关NetApp业务前景的实际结果,可能由于多种因素而有很大不同,这些因素包括但不限于:NetApp成功整合所收购人员和资产的能力;客户、员工和合作伙伴对本收购的反应;本交易给客户和合作伙伴带来的实际利益;保留关键人员的能力;以及NetApp实现更广泛的战略和运营目标的能力。我们不时地向美国证券交易委员会提交的报告和文件,包括我们最近提交的10-Q和10-K表格中的“风险因素”部分,描述了这些以及其他同样重要的因素。我们没有义务由于新信息、未来事件或其他原因而更新本新闻稿中所含的信息。

这篇关于NetApp收购Data Mechanics,将加速Spot发展并优化云端数据分析和机器学习工作负载的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/554083

相关文章

Python使用国内镜像加速pip安装的方法讲解

《Python使用国内镜像加速pip安装的方法讲解》在Python开发中,pip是一个非常重要的工具,用于安装和管理Python的第三方库,然而,在国内使用pip安装依赖时,往往会因为网络问题而导致速... 目录一、pip 工具简介1. 什么是 pip?2. 什么是 -i 参数?二、国内镜像源的选择三、如何

Spring Cloud LoadBalancer 负载均衡详解

《SpringCloudLoadBalancer负载均衡详解》本文介绍了如何在SpringCloud中使用SpringCloudLoadBalancer实现客户端负载均衡,并详细讲解了轮询策略和... 目录1. 在 idea 上运行多个服务2. 问题引入3. 负载均衡4. Spring Cloud Load

Java深度学习库DJL实现Python的NumPy方式

《Java深度学习库DJL实现Python的NumPy方式》本文介绍了DJL库的背景和基本功能,包括NDArray的创建、数学运算、数据获取和设置等,同时,还展示了如何使用NDArray进行数据预处理... 目录1 NDArray 的背景介绍1.1 架构2 JavaDJL使用2.1 安装DJL2.2 基本操

Deepseek使用指南与提问优化策略方式

《Deepseek使用指南与提问优化策略方式》本文介绍了DeepSeek语义搜索引擎的核心功能、集成方法及优化提问策略,通过自然语言处理和机器学习提供精准搜索结果,适用于智能客服、知识库检索等领域... 目录序言1. DeepSeek 概述2. DeepSeek 的集成与使用2.1 DeepSeek API

Tomcat高效部署与性能优化方式

《Tomcat高效部署与性能优化方式》本文介绍了如何高效部署Tomcat并进行性能优化,以确保Web应用的稳定运行和高效响应,高效部署包括环境准备、安装Tomcat、配置Tomcat、部署应用和启动T... 目录Tomcat高效部署与性能优化一、引言二、Tomcat高效部署三、Tomcat性能优化总结Tom

解读Redis秒杀优化方案(阻塞队列+基于Stream流的消息队列)

《解读Redis秒杀优化方案(阻塞队列+基于Stream流的消息队列)》该文章介绍了使用Redis的阻塞队列和Stream流的消息队列来优化秒杀系统的方案,通过将秒杀流程拆分为两条流水线,使用Redi... 目录Redis秒杀优化方案(阻塞队列+Stream流的消息队列)什么是消息队列?消费者组的工作方式每

Oracle查询优化之高效实现仅查询前10条记录的方法与实践

《Oracle查询优化之高效实现仅查询前10条记录的方法与实践》:本文主要介绍Oracle查询优化之高效实现仅查询前10条记录的相关资料,包括使用ROWNUM、ROW_NUMBER()函数、FET... 目录1. 使用 ROWNUM 查询2. 使用 ROW_NUMBER() 函数3. 使用 FETCH FI

C#使用HttpClient进行Post请求出现超时问题的解决及优化

《C#使用HttpClient进行Post请求出现超时问题的解决及优化》最近我的控制台程序发现有时候总是出现请求超时等问题,通常好几分钟最多只有3-4个请求,在使用apipost发现并发10个5分钟也... 目录优化结论单例HttpClient连接池耗尽和并发并发异步最终优化后优化结论我直接上优化结论吧,

Java内存泄漏问题的排查、优化与最佳实践

《Java内存泄漏问题的排查、优化与最佳实践》在Java开发中,内存泄漏是一个常见且令人头疼的问题,内存泄漏指的是程序在运行过程中,已经不再使用的对象没有被及时释放,从而导致内存占用不断增加,最终... 目录引言1. 什么是内存泄漏?常见的内存泄漏情况2. 如何排查 Java 中的内存泄漏?2.1 使用 J

MySQL不使用子查询的原因及优化案例

《MySQL不使用子查询的原因及优化案例》对于mysql,不推荐使用子查询,效率太差,执行子查询时,MYSQL需要创建临时表,查询完毕后再删除这些临时表,所以,子查询的速度会受到一定的影响,本文给大家... 目录不推荐使用子查询和JOIN的原因解决方案优化案例案例1:查询所有有库存的商品信息案例2:使用EX