Anwendungsfall
Entscheide dich, bevor der Moment vorbei ist
Eine Entscheidung, die erst nach Abschluss der Transaktion getroffen wird, ist lediglich ein Bericht. MariaDB GridGain wendet Ihre Regeln und Modelle auf Echtzeitereignisse an, sodass die Antwort eintrifft, solange das Ergebnis noch beeinflusst werden kann.
Was versteht man unter Echtzeit-Entscheidungsfindung?
Bei der Echtzeit-Entscheidungsfindung werden Geschäftsregeln, Analysen und ML-Modelle auf Live-Ereignisströme angewendet, sodass Antworten noch innerhalb des Transaktionsfensters bereitgestellt werden. MariaDB GridGain vereint den digitalen Integrations-Hub, die Ereignisverarbeitung und die Rechenleistung auf einer einzigen Plattform, sodass Entscheidungen dort getroffen werden, wo sich die Daten befinden.
Funktionen
Anforderungen an die Entscheidungsfindung in Echtzeit
Eine Entscheidung ist nur so gut wie die Daten, auf denen sie basiert. MariaDB GridGain fungiert als digitale Integrationsplattform, die alle relevanten Datenquellen in den Arbeitsspeicher lädt und dort die Logik ausführt.
Streammäßige Verarbeitung bei Eintreffen
Ereignisse von Kafka und anderen Quellen werden sofort nach ihrem Eintreffen verarbeitet, wobei fortlaufende Abfragen die Logik auslösen, sobald sich die Daten ändern, und nicht nach einem festen Zeitplan.
Gemeinsam angeordnete Regeln und Modelle
Geschäftsregeln, Bewertungsverfahren und Modelle des maschinellen Lernens werden auf den Knoten ausgeführt, auf denen die Daten gespeichert sind, wodurch Netzwerk-Roundtrips zu einer separaten Engine entfallen.
Gegenwärtiger und historischer Kontext im Zusammenspiel
Guthaben, Limits, Berechtigungen und bisheriges Nutzungsverhalten werden zusammen mit dem jeweiligen Vorgang gespeichert, sodass jeder Karteneinsatz anhand der jüngsten Aktivitäten bewertet werden kann.
Entscheidungsfindung bei Nachfragespitzen
Verarbeiten Sie Millionen von Ereignissen pro Sekunde in einem „Shared-Nothing“-Cluster und stellen Sie sicher, dass Entscheidungen während des Black Friday, bei Marktschwankungen oder bei Ausfällen innerhalb des erforderlichen Zeitfensters getroffen werden.
Vorbereitung der Funktionen abgeschlossen
Ereignisse werden mit Kontext angereichert, Merkmale extrahiert und Einbettungen auf demselben Cluster generiert, wodurch es nicht mehr erforderlich ist, Daten vor der Bewertung auszulesen und wieder einzulesen.
Die Entscheidungsfindung in Echtzeit stützt sich auf dieselbe zugrunde liegende Infrastruktur, nimmt jedoch je nach Branche unterschiedliche Formen an
Diese vier Muster decken die meisten Kundenszenarien ab.
Betrug und Risiken im Autorisierungsfenster
Prüfen Sie Transaktionen vor der Genehmigung anhand des Verhaltensverlaufs und der Regeln, anstatt den Verlust erst im morgigen Stapel zu entdecken.
Dynamische Preisgestaltung und Angebotserstellung
Berechnen Sie Preise unter Berücksichtigung von Absatzvolumen, Lagerbeständen, Werbeaktionen und Wettbewerbssignalen und verkürzen Sie so die Reaktionszeiten von Sekunden auf Millisekunden.
Nächstbeste Maßnahme und Personalisierung
Wählen Sie Angebote, Upsells oder Inhalte zum Zeitpunkt der Interaktion aus, wobei Sie sich auf das aktuelle Verhalten und die aktuellen Berechtigungen stützen, anstatt auf nächtliche Aktualisierungen.
Einsatzleitung und Reaktion auf Störungen
Passen Sie Routen, Besatzungen, Flotten und Zeitpläne an sich ändernde Bedingungen an, indem Sie Modelle anhand von Echtzeit-Telemetriedaten auswerten, um Gefahren zu vermeiden und den Betrieb aufrechtzuerhalten.
Empfohlene Ressourcen
Los geht’s
Jetzt mit MariaDB loslegen
Eine Echtzeit-Datenbankplattform, auf die Sie sich verlassen können – für alles, was Sie heute betreiben, und für alles, was Sie in Zukunft entwickeln werden.
Häufig gestellte Fragen
Bei der Echtzeit-Entscheidungsfindung werden Geschäftsregeln, Analysen und Modelle des maschinellen Lernens auf Live-Ereignisströme angewendet, sodass Entscheidungen getroffen werden, solange die Transaktion noch läuft, anstatt die Ergebnisse erst im Nachhinein zu melden.
Echtzeitanalysen bedeuten in der Regel aktuelle Dashboards und Abfragen. Die Entscheidungsfindung bestimmt, wie das System reagiert: Genehmigen, Preisgestaltung, Weiterleitung oder Empfehlungen im Rahmen der Transaktion, ohne dass ein Mensch zuvor ein Diagramm lesen muss.
MariaDB GridGain speichert den historischen Kontext, den eine Entscheidung benötigt, zusammen mit aktuellen Ereignissen, um Entscheidungen in Echtzeit zu unterstützen. MariaDB Exa analysiert Trends und große Datenmengen statt einzelner Ereignisse.
Ja. Die Modelle werden auf den Clusterknoten ausgeführt, auf denen die Daten gespeichert sind, sodass die Merkmalsabfrage und die Bewertung ohne Netzwerkzugriff auf eine separate Serving-Ebene erfolgen. Die Ausführung dauert in der Regel einige zehn Millisekunden.
Ereignisse fließen über Kafka, Betriebsdatenbanken, Mainframe-Systeme und APIs ein. Als digitale Integrationsplattform konsolidiert MariaDB GridGain diese in einer einzigen In-Memory-Ebene, sodass das Modell jedes relevante Signal erfasst.
Finanzdienstleistungen und Zahlungsverkehr zur Betrugs- und Risikoerkennung, Einzelhandel für Preisgestaltung und Personalisierung, Telekommunikation für Angebote und Kundenaktionen sowie Transportwesen für die Disposition und die Reaktion auf Störungen.