MapR Technologies

Компания

MapR Technologies
Компания предлагает большое количество доработок для Apache Hadoop с целью упрощения разрешения ряда сложных задач, связанных с анализом больших данных. MapR заверяет, что тем самым она делает Apache Hadoop более управляемым, простым в использовании, доступным и надежным.

Собственники:
Hewlett Packard Enterprise (HPE)

Содержание

Собственники

MapR Technologies — разработчик файловой системы для анализа больших данных.

История

2019: HPE купила MapR

В начале августа 2019 года HPE объявила о приобретении MapR Technologies. Финансовую составляющую сделки компании решили сохранить в секрете.

По условиям соглашения, HPE получит от MapR всю интеллектуальную собственность, связанную с искусственным интеллектом и управлением данными. Также к покупателю перейдёт часть сотрудников MapR, но сколько именно, не уточняется.

HPE купила разработчика файловой системы для анализа больших данных

Несмотря на продажу MapR, действующую клиенты по-прежнему будут получать услуги поддержки и обновления для используемых продуктов.

«
Некоторые из этих заказчиков начали с файловой системы Hadoop HDFS, перешли на потоковую передачу данных и теперь масштабируются на ИИ и машинное обучение. С нашей точки зрения, рынок расширяется, — заявил вице-президент по Big Data и вторичным системам хранения данных в HPE Патрик Осборн (Patrick Osborne).
»

Технологии MapR будут интегрированы с HPE Intelligent Data Platform — набором решений для управления данными. ПО словам Осборна, распределенная файловая система MapR «предоставляет возможность data fabric [термин, описывающий объединение всех данных компаний в рамках одной платформы], которая позволяет людям управлять своей аналитикой как на границе, так и в центре сети», сказал Осборн.

«
У нас не было технологии, которая позволяла бы клиентам делать это, — добавил он.
»

Особый интерес для HPE, по словам Патрика Осборна, представляют решения MapR для постоянного хранения в контейнерах, технологии «озёр данных» и потоковой передачи. Технологии MapR пригодятся в первую очередь для сшивания вместе конвейеров обработки данных в различных локальных и облачных средах, а также для выполнения вычислительных нагрузок в одной среде, считают в HPE.[1]

Примечания


СМ. ТАКЖЕ (2)