利用微查詢和數據銳化進行大數據探索

微查詢和數據銳化™
微查詢和數據銳化是專利技術，它們協同工做以容許用戶與大數據進行交互。Zoomdata查詢引擎根據所請求的聚合值類型和預期查詢運行時間等條件調用它們。微查詢和數據銳化很是適合按日期分區並在具備多個處理核心的羣集上運行的大數據。此功能是可選的，能夠在數據源定義級別禁用。

Microqueries分批運行以跨數據庫分區對數據進行採樣。查詢引擎提交一個完整的長時間運行查詢，該查詢與第一組微查詢一塊兒運行，進度指示器估計完整查詢的進度。完整查詢和微查詢一直運行，直到完整查詢運行完成或用戶改變方向（用戶改變方向的想法是重要的部分，留在咱們身邊以瞭解緣由）。若是用戶更改方向，則會取消長時間運行的查詢和微查詢，以節省處理和網絡資源。

數據銳化分析累積樣本數據，並經過websocket鏈接將估計結果流式傳輸到瀏覽器（或其餘客戶端）。數據銳化的估計值可能會向上或向下波動，直到報告最終查詢。然而，隨着數據的銳化，每組的相對值一般保持一致。例如，圖表中最高的10％完成條形圖幾乎老是在100％完成時仍然是最高的條形圖。即便在數據流傳輸到儀表板時，您也能夠自信地探索數據。

Ad-Hoc Exploration與報告
您能夠在觀看數據加載時放大，過濾，從新分組，從新排列，更改甚至建立新的指標和屬性 - 或採起任何其餘操做。爲何要這麼作？由於大量的數據探索和發現是關於識別不符合預期的異常值或數據。使用Zoomdata等可視化分析應用程序，您能夠看到它。當即。使用咱們的專利技術能夠很是快速地造成數據，所以您無需等待使人難以忍受的長時間查詢才能解決問題，正如他們所說的那樣。

將動態，思惟流探索與報告進行對比。報告是回顧性的，報告對他們來講是最終的，符合表明一天，四分之一，一年，人口，地理位置，產品線的快照以及報告中列出的某些指望和假設（提示：「像素-perfection「是關於報告，而不是數據探索。探索能夠像數據容許的那樣普遍和深刻。

下推式處理Redux
還記得Zoomdata如何執行下推式處理嗎？重要的是，當您進行須要再次訪問數據源的更改時，Zoomdata會取消完整的長時間運行查詢和微查詢，以便爲下一個查詢序列釋放它。可是，取消活動查詢並不是易事，許多JDBC和ODBC驅動程序都不支持它。在這些狀況下，即便Zoomdata智能數據鏈接器主要使用JDBC和SQL，它也能夠發出本機API調用來完成驅動程序不支持的任務，例如查詢取消。它太酷了。