GreyCat：面向大规模动态数据的高效假设分析
数据库
2018-03-28 v1
摘要
在过去几年中，数据分析从局限于解释过去事件的描述性时代，转变到了预测技术的出现。然而，现有的预测技术仍然无法有效地探索不同的未来可能性，而在探索假设决策的影响时，这些未来可能性会不断偏离当前状况。因此，实现规范性分析需要设计能够应对底层数据模型的复杂性和多样性的可扩展系统。在本文中，我们通过在一个可扩展的存储系统中结合图和时间序列来应对这一挑战，该系统能够将大量非结构化且持续变化的数据组织成称为多世界图的多维数据模型。我们证明了我们的开源实现 GreyCat 能够高效地分叉并更新由数百万个带时间戳节点组成的数千个并行世界，例如假设分析探索。
引用
@article{arxiv.1803.09627,
title = {GreyCat: Efficient What-If Analytics for Data in Motion at Scale},
author = {Thomas Hartmann and Francois Fouquet and Assaad Moawad and Romain Rouvoy and Yves Le Traon},
journal= {arXiv preprint arXiv:1803.09627},
year = {2018}
}