利用微查询和数据锐化进行大数据探索

微查询和数据锐化™
微查询和数据锐化是专利技术，它们协同工做以容许用户与大数据进行交互。Zoomdata查询引擎根据所请求的聚合值类型和预期查询运行时间等条件调用它们。微查询和数据锐化很是适合按日期分区并在具备多个处理核心的群集上运行的大数据。此功能是可选的，能够在数据源定义级别禁用。

Microqueries分批运行以跨数据库分区对数据进行采样。查询引擎提交一个完整的长时间运行查询，该查询与第一组微查询一块儿运行，进度指示器估计完整查询的进度。完整查询和微查询一直运行，直到完整查询运行完成或用户改变方向（用户改变方向的想法是重要的部分，留在咱们身边以了解缘由）。若是用户更改方向，则会取消长时间运行的查询和微查询，以节省处理和网络资源。

数据锐化分析累积样本数据，并经过websocket链接将估计结果流式传输到浏览器（或其余客户端）。数据锐化的估计值可能会向上或向下波动，直到报告最终查询。然而，随着数据的锐化，每组的相对值一般保持一致。例如，图表中最高的10％完成条形图几乎老是在100％完成时仍然是最高的条形图。即便在数据流传输到仪表板时，您也能够自信地探索数据。

Ad-Hoc Exploration与报告
您能够在观看数据加载时放大，过滤，从新分组，从新排列，更改甚至建立新的指标和属性 - 或采起任何其余操做。为何要这么作？由于大量的数据探索和发现是关于识别不符合预期的异常值或数据。使用Zoomdata等可视化分析应用程序，您能够看到它。当即。使用咱们的专利技术能够很是快速地造成数据，所以您无需等待使人难以忍受的长时间查询才能解决问题，正如他们所说的那样。

将动态，思惟流探索与报告进行对比。报告是回顾性的，报告对他们来讲是最终的，符合表明一天，四分之一，一年，人口，地理位置，产品线的快照以及报告中列出的某些指望和假设（提示：“像素-perfection“是关于报告，而不是数据探索。探索能够像数据容许的那样普遍和深刻。

下推式处理Redux
还记得Zoomdata如何执行下推式处理吗？重要的是，当您进行须要再次访问数据源的更改时，Zoomdata会取消完整的长时间运行查询和微查询，以便为下一个查询序列释放它。可是，取消活动查询并不是易事，许多JDBC和ODBC驱动程序都不支持它。在这些状况下，即便Zoomdata智能数据链接器主要使用JDBC和SQL，它也能够发出本机API调用来完成驱动程序不支持的任务，例如查询取消。它太酷了。