MRSでは、オープンソースのAPIとの互換性を活かして、高速かつ効率的なデータ処理コンピューティングエンジンを利用できるようにしています。これにより、自動車のステータスデータ、テレメトリーデータ、ユーザー体験データを大量に分析できます。

• 統合されたフルスタックのスケーラブルなデータプラットフォーム

  エンタープライズレベルのクラウドネイティブなビッグデータプラットフォームであるMRSでは、ストレージとコンピューティングを分離して、利便性と柔軟なスケーラビリティの向上を実現。

• ハイブリッドなワークロード向けのマルチエンジンによる処理

  必要に応じて自由に組み合わせられるオープンソースのコンポーネントを利用できるようになっており、リアルタイム/オフラインの複雑なサービスの処理に対応。

• 低コストでハイパフォーマンスを実現

  高スループットかつ低レイテンシーでのリアルタイムのコンピューティングと分析を実現するために、StormでKafkaからリアルタイムのストリームデータを取得することが可能。

MRSは、保険業界のコンプライアンス、セキュリティ、信頼性に関する厳しい要件を満たします。迅速な変化を求められている保険会社向けに素早く従来型のアーキテクチャを再構築して、デプロイすることが可能です。デジタルトランスフォーメーションによって、サービスの変革と進化を容易化および迅速化できます。

• 堅牢なセキュリティ

  業界の規制上の要件を満たし、顧客の機密データを保護。

• 専用のリソース

  専用のMRSクラスターと限定のリソースを提供し、コンピューティングリソースをストレージから分離。

• 柔軟な作成、フルスタック、手軽な運用と保守

  わずか数クリックでユーザーがフルスタックのビッグデータプラットフォームを作成可能。また、エンタープライズクラスのプラットフォーム管理インターフェースを提供して、運用と保守を簡素化。

MRSを使用して物流とサプライチェーンのルートのインテリジェントな管理を実現し、サービスオペレーションの効率を高めて、コストを大幅に低減することができます。

• 高スループットと低レイテンシー

  専用のMRS Kafkaクラスターは高スループット、高可用性、低レイテンシーを実現しており、数百万件のメッセージに対するリアルタイムのアクセスを促進。

• 大規模なデータ分析と高速の前処理

  MRS Sparkで大規模なデータコンピューティングに対応。MRS HBaseで物流データをミリ秒単位で読み込んで更新し、ペタバイト規模の時系列データのクエリと分析を実行することが可能。

• AIでインテリジェンスを強化

  ビッグデータマイニングにAIを使用し、物流組織、マーケティング、オペレーション管理向けの正確でインテリジェントな予測および分析機能を提供。

MRSは、インテリジェントなエレベーター管理のためのオープンなワンストップのビッグデータ処理プラットフォームです。このプラットフォームは、ほぼすべてのシナリオに適応するうえで十分な柔軟性とカスタマイズ性を備えています。

• オープンで柔軟

  特定のニーズを満たすために多種多様なコンピューティング製品とストレージハードウェアを提供し、統合されたオープンなビッグデータプラットフォームの構築を支援。パワフルなコンピューティングエンジン、容量無制限のストレージを備えており、サービスコンポーネントの柔軟な統合を実現。

• ハイパフォーマンスと大容量

  MRS Kafkaでハイパフォーマンスな汎用ネットワーク拡張（C3ne）ECSと連携し、数百万台のエレベーターのデータに対するリアルタイムなアクセスを提供。

• AIによるサポート

  リアルタイムの高速な並行処理と浮動小数点コンピューティング機能を提供するGPUに対応しており、エンコードおよびデコード、ディープラーニング、科学的コンピューティングに便利。

MRS Hadoopによる信頼性が高いハイパフォーマンスなビッグデータストレージと分析により、インテリジェントな水の管理を実現します。

• 統合されたスケーラブルなデータプラットフォーム

  柔軟にスタックできるオープンソースのコンポーネントを備えたエンタープライズレベルのビッグデータプラットフォームを提供し、リアルタイムまたはオフラインの複雑なサービス処理に対応。

• 高スループットと低レイテンシー

  高スループットかつ低レイテンシーでのリアルタイムのコンピューティングと分析を実現するために、StormでKafkaからリアルタイムのストリームデータを取得することが可能。

• さまざまなタイプのデータの統合

  構造化データ、半構造化データ、非構造化データのコンピューティングと処理が可能なほか、従来型のデータウェアハウスのデータを容易に移行し、クロスソースデータの探索と分析を行えるようにすることが可能。

KafkaとFlumeを使用して、ゲームのログデータをリアルタイムで評価できます。その後、Sparkストリーミングでデータをリアルタイムで処理および分析し、分析結果をHBaseやHiveに保存して、迅速なゲーム広告の分析、データのクエリと分析、収益の分析を行うことができます。

• 統合されたスケーラブルなデータプラットフォーム

  柔軟にスタックできるオープンソースのコンポーネントを備えたエンタープライズレベルのビッグデータプラットフォームを提供し、非常に複雑なサービス処理のニーズを充足。

• リアルタイムで高スループット

  MRS KafkaおよびFlumeでリアルタイムのデータを収集し、ハイパフォーマンスな汎用ネットワーク拡張（C3ne）ECSと統合して、大量のデータのリアルタイムアクセスを実現。

MRS KafkaおよびSqoopは、複数のデータ取り込み方法をサポートしており、数百万のメッセージをリアルタイムに簡単に取り込むことができます。

• 統合されたビッグデータプラットフォーム

  柔軟にスタックできるオープンソースのコンポーネントを備えたエンタープライズレベルのビッグデータプラットフォームを提供し、リアルタイムまたはオフラインの複雑なサービス処理に対応。

• 大量のデータの取り込み

  MRS KafkaおよびSqoopで複数のデータ取り込み手法に対応しており、数百万件のメッセージのリアルタイムな取り込みを促進。

• 統合が容易

  SQL APIを使用してマルチディメンションのデータに対してクエリを実行し、容易にデータの探索と分析を行うことが可能。