Argomento tradotto automaticamente È possibile passare alla versione inglese
Fare riferimento alla versione inglese (originale) per visualizzare una versione più accurata e aggiornata di questa documentazione. IBM non è responsabile di eventuali danni o perdite derivanti dall'uso di contenuti tradotti automaticamente (machine translation).
Virtualizzazione dei dati
Ultimo aggiornamento: 21 mar 2025
Virtualizzazione dei dati con Data Virtualization
Utilizza il Data Virtualization per unire facilmente dati provenienti da fonti diverse in un'unica vista unificata, senza modifiche manuali, spostamento di dati o replicazione.
Il servizio di Data Virtualization fa parte del data fabric.
Panoramica
Copy link to section
Con Data Virtualization, è possibile accedere a dati fisici provenienti da più fonti attraverso un unico livello virtuale semantico. Questo livello virtuale significa che i dati possono essere consultati, manipolati e analizzati senza la necessità di conoscerne il formato fisico o la posizione e senza doverli spostare o copiare.
Data Virtualization fa parte del tessuto di dati.
Prerequisiti
Copy link to section
Se si desidera pubblicare i propri dati virtuali in un catalogo gestito, è necessario installare IBM
Knowledge Catalog. Per ulteriori informazioni, consultare IBM Knowledge Catalog su Cloud Pak for Data.
Servizio richiesto
Data Virtualization.
Prima di poter virtualizzare i dati, è necessario creare e distribuire un'istanza di servizio di Data Virtualization in Cloud Pak for Data as a Service. Per ulteriori informazioni, vedere Provisionare un'istanza di servizio per Data Virtualization.
Se si desidera pubblicare i propri dati virtuali in un catalogo gestito, è necessario installare IBM
Knowledge Catalog. Per ulteriori informazioni, vedere Data governance.
Data Virtualization utilizza le credenziali " IBM
Cloud per connettersi al servizio. Per eseguire determinate attività è necessario avere determinati ruoli di Data Virtualization. Per ulteriori informazioni, vedere Connessione e autenticazione al servizio Data Virtualization.
Introduzione
Copy link to section
Per iniziare a utilizzare Data Virtualization, segui questi passaggi di alto livello:
Apri il Data Virtualization assistenza.
Nel menu di navigazione dell' Cloud Pak for Data , selezionare Data > Data virtualization.
Aggiungi le tue fonti di dati a Data Virtualization.
Vai alla pagina Origini dati e seleziona Aggiungi connessione per aggiungere connessioni. Data Virtualization supporta decine di fonti di dati relazionali e non relazionali.
Virtualizza le tabelle dall'origine dati.
Nella pagina Virtualizza, seleziona i tavoli che desideri virtualizzare e poi seleziona Aggiungi al carrello > Visualizza carrello per virtualizzare i tavoli.
Unisci le tabelle per creare una vista unificata.
Nella pagina Dati virtualizzati, selezionare le tabelle che si desidera unire e quindi selezionare Unisci per unire gli oggetti.
Interroga gli oggetti virtuali.
Passa alla pagina Esegui SQL per interrogare i tuoi oggetti virtuali utilizzando l'editor SQL integrato.
Consumare i dati utilizzando altri servizi di Cloud Pak for Data nel data fabric.
Consumare tabelle virtuali in progetti, dashboard, cataloghi di dati e altre applicazioni. Per ulteriori informazioni, vedere Servizi Dashboard.
Guardate il seguente video per una panoramica sulla Data Virtualization.
Questo video fornisce un metodo visivo come alternativa alla documentazione scritta.
Use this interactive map to learn about the relationships between your tasks, the tools you need, the services that provide the tools, and where you use the tools.
Select any task, tool, service, or workspace
You'll learn what you need, how to get it, and where to use it.
Some tools perform the same tasks but have different features and levels of automation.
Jupyter notebook editor
Prepare data
Visualize data
Build models
Deploy assets
Create a notebook in which you run Python, R, or Scala code to prepare, visualize, and analyze data, or build a model.
AutoAI
Build models
Automatically analyze your tabular data and generate candidate model pipelines customized for your predictive modeling problem.
SPSS Modeler
Prepare data
Visualize data
Build models
Create a visual flow that uses modeling algorithms to prepare data and build and train a model, using a guided approach to machine learning that doesn’t require coding.
Decision Optimization
Build models
Visualize data
Deploy assets
Create and manage scenarios to find the best solution to your optimization problem by comparing different combinations of your model, data, and solutions.
Data Refinery
Prepare data
Visualize data
Create a flow of ordered operations to cleanse and shape data. Visualize data to identify problems and discover insights.
Orchestration Pipelines
Prepare data
Build models
Deploy assets
Automate the model lifecycle, including preparing data, training models, and creating deployments.
RStudio
Prepare data
Build models
Deploy assets
Work with R notebooks and scripts in an integrated development environment.
Federated learning
Build models
Create a federated learning experiment to train a common model on a set of remote data sources. Share training results without sharing data.
Deployments
Deploy assets
Monitor models
Deploy and run your data science and AI solutions in a test or production environment.
Catalogs
Catalog data
Governance
Find and share your data and other assets.
Metadata import
Prepare data
Catalog data
Governance
Import asset metadata from a connection into a project or a catalog.
Metadata enrichment
Prepare data
Catalog data
Governance
Enrich imported asset metadata with business context, data profiling, and quality assessment.
Data quality rules
Prepare data
Governance
Measure and monitor the quality of your data.
Masking flow
Prepare data
Create and run masking flows to prepare copies of data assets that are masked by advanced data protection rules.
Governance
Governance
Create your business vocabulary to enrich assets and rules to protect data.
Data lineage
Governance
Track data movement and usage for transparency and determining data accuracy.
AI factsheet
Governance
Monitor models
Track AI models from request to production.
DataStage flow
Prepare data
Create a flow with a set of connectors and stages to transform and integrate data. Provide enriched and tailored information for your enterprise.
Data virtualization
Prepare data
Create a virtual table to segment or combine data from one or more tables.
OpenScale
Monitor models
Measure outcomes from your AI models and help ensure the fairness, explainability, and compliance of all your models.
Data replication
Prepare data
Replicate data to target systems with low latency, transactional integrity and optimized data capture.
Master data
Prepare data
Consolidate data from the disparate sources that fuel your business and establish a single, trusted, 360-degree view of your customers.
Services you can use
Services add features and tools to the platform.
watsonx.ai Studio
Develop powerful AI solutions with an integrated collaborative studio and industry-standard APIs and SDKs. Formerly known as Watson Studio.
watsonx.ai Runtime
Quickly build, run and manage generative AI and machine learning applications with built-in performance and scalability. Formerly known as Watson Machine Learning.
IBM Knowledge Catalog
Discover, profile, catalog, and share trusted data in your organization.
DataStage
Create ETL and data pipeline services for real-time, micro-batch, and batch data orchestration.
Data Virtualization
View, access, manipulate, and analyze your data without moving it.
Watson OpenScale
Monitor your AI models for bias, fairness, and trust with added transparency on how your AI models make decisions.
Data Replication
Provide efficient change data capture and near real-time data delivery with transactional integrity.
Match360 with Watson
Improve trust in AI pipelines by identifying duplicate records and providing reliable data about your customers, suppliers, or partners.
Manta Data Lineage
Increase data pipeline transparency so you can determine data accuracy throughout your models and systems.
Where you'll work
Collaborative workspaces contain tools for specific tasks.
Project
Where you work with data.
> Projects > View all projects
Catalog
Where you find and share assets.
> Catalogs > View all catalogs
Space
Where you deploy and run assets that are ready for testing or production.
> Deployments
Categories
Where you manage governance artifacts.
> Governance > Categories
Data virtualization
Where you virtualize data.
> Data > Data virtualization
Master data
Where you consolidate data into a 360 degree view.
Informazioni sui cookie del presente sitoPer il corretto funzionamento, i nostri siti Web richiedono alcuni cookie (richiesto). Inoltre, con il suo consenso, potrebbero essere utilizzati altri cookie per l'analisi dell'utilizzo del sito, per migliorare l'esperienza utente e per scopi pubblicitari.Per ulteriori informazioni, consultare le Preferenze cookie. Visitando il nostro sito web, accettate il trattamento delle informazioni da parte nostra come descritto nelladichiarazione sulla privacy di IBM.Per consentire una corretta navigazione, le preferenze per i cookie dell'utente verranno condivise sui domini Web IBM qui elencati.