Zurück zu die englische Version der Dokumentation
Funktionsunterschiede zwischenCloud Pak for Data Implementierungen
Funktionsunterschiede zwischenCloud Pak for Data Implementierungen
Zwischen Cloud Pak for Data as a Service und Cloud Pak for Data Version 4.0 und Version 3.5 bestehen einige Unterschiede beim Funktionsumfang und bei der Implementierung auf. Cloud Pak for Data as a Service ist ein Set von IBM Cloud-Services. Cloud Pak for Data 4.0 und 3.5 werden als Software angeboten, die Sie selbst installieren und warten müssen. Bei Services, die in beiden Bereitstellungen verfügbar sind, bestehen ebenfalls funktionale Unterschiede zwischen Cloud Pak for Data as a Service und Cloud Pak for Data 4.0 und 3.5.
- Plattformunterschiede
- Allgemeine serviceübergreifende Funktionen
- Watson Studio
- Watson Machine Learning
- Watson Knowledge Catalog
- DataStage
- Watson Query und Data Virtualization
Plattformunterschiede
Cloud Pak for Data as a Service und Cloud Pak for Data 4.0 nutzen eine gemeinsame Codebasis, sie unterscheiden sich jedoch in den folgenden zentralen Aspekten:
| Funktionen | Cloud Pak for Data as a Service | Cloud Pak for Data |
|---|---|---|
| Software, Hardware und Installation | Cloud Pak for Data as a Service wird vollständig von IBM in IBM Cloud verwaltet. Softwareaktualisierungen werden automatisch durchgeführt. Die Skalierung von Rechenressourcen und Speicher erfolgt automatisch. Sie registrieren sich unter https://dataplatform.cloud.ibm.com. | Die Hardware wird von Ihnen bereitgestellt und gewartet. Die Cloud Pak for Data-Software wird von Ihnen installiert, gewartet und aktualisiert. Weitere Informationen finden Sie unter Softwarevoraussetzungen. |
| Speicher | Sie stellen eine IBM Cloud Object Storage-Serviceinstanz zur Verfügung, um Speicher bereitzustellen. Weitere Informationen finden Sie im Abschnitt IBM Cloud Object Storage. | Sie stellen ein Dateispeichersystem in einem Red Hat OpenShift -Cluster bereit. Weitere Informationen finden Sie unter Speichervoranforderungen. |
| Rechenressourcen zum Ausführen von Workloads | Benutzer wählen die geeignete Laufzeit für ihre Jobs aus. Die Nutzung von Rechenressourcen wird nach dem geltenden Tarif für die Laufzeitumgebung und nach der Dauer des Jobs abgerechnet. Siehe Kontoressourcennutzung überwachen. | Sie richten die Anzahl der Red Hat OpenShift-Cluster und -Knoten mit der entsprechenden Anzahl von vCPUs ein. Weitere Informationen finden Sie unter Hardwarevoraussetzungen und Plattform überwachen. |
| Kosten | Sie erwerben jeden Service, den Sie benötigen, unter dem entsprechenden Preisstrukturplan. Bei vielen Services werden die genutzten Rechenressourcen in Rechnung gestellt. Weitere Informationen finden Sie auf der Seite für den jeweiligen Service im IBM Cloud-Katalog oder im Servicekatalog für Cloud Pak for Data as a Service, indem Sie im Navigationsmenü Services > Servicekatalog auswählen. | Sie erwerben eine Lizenz für Cloud Pak for Data und für jeden Service, den Sie benötigen. Weitere Informationen finden Sie in Cloud Pak for Data. |
| Sicherheit, Compliance und Isolation | Datensicherheit, Netzsicherheit, Einhaltung von Sicherheitsstandards und Isolation für Cloud Pak for Data as a Service werden von IBM Cloud verwaltet. Sie können zusätzliche Sicherheits- und Verschlüsselungsoptionen einrichten. Weitere Informationen finden Sie in Sicherheit für Cloud Pak for Data as a Service. | Red Hat OpenShift Container Platform bietet grundlegende Sicherheitsfunktionen. Cloud Pak for Data wird auf die Einhaltung verschiedener Datenschutz- und Konformitätsbestimmungen überprüft und bietet Funktionen, die Sie als Vorbereitung für verschiedene Datenschutz- und Konformitätsbewertungen verwenden können. Sie sind für zusätzliche Sicherheitsfunktionen, Verschlüsselung und Netzisolation verantwortlich. Weitere Informationen finden Sie unter Sicherheitsaspekte. |
| Verfügbare Services | Die meisten Data Fabric-Services sind in beiden Bereitstellungsumgebungen verfügbar. Weitere Informationen finden Sie in Services für Cloud Pak for Data as a Service. |
Enthält viele weitere Services. Siehe Services für Cloud Pak for Data 4.0. |
| Benutzermanagement | Sie fügen Benutzer und Benutzergruppen hinzu und verwalten die zugehörigen Kontorollen und -berechtigungen mit IBM Cloud Identity and Access Management. Weitere Informationen finden Sie unter Benutzer zum Konto hinzufügen. Sie können außerdem SAML-Föderation in IBM Cloud konfigurieren. Siehe IBM Cloud-Dokumentation: Was ist IBM Cloud Identity and Access Management? |
Über das Menü Verwaltung können Sie Benutzer hinzufügen und Benutzergruppen erstellen. Sie können den Service 'Identity and Access Management' oder Ihren vorhandenen SAML-SSO- oder LDAP-Provider verwenden, um Identitäten und Kennwörter zu verwalten. Weitere Informationen finden Sie unter Benutzermanagement. |
Allgemeine serviceübergreifende Funktionen
Die folgenden Funktionen sind in Cloud Pak for Data as a Service, Cloud Pak for Data 3.5 und Cloud Pak for Data 4.0 serviceübergreifend gleich:
- Plattformweite globale Suche nach Assets und Artefakten
- Der Katalog der Plattformassets für die plattformweite gemeinsame Nutzung von Verbindungen
- Plattformweite rollenbasierte Benutzerverwaltung in Arbeitsbereichen mit Collaboration.
- Gemeinsame Infrastruktur für Assets und Arbeitsbereiche
- Servicekatalog zum Hinzufügen von Services
- Rechenressourcennutzung über das Menü Verwaltung anzeigen
In der folgenden Tabelle werden die Funktionsunterschiede für Services zwischen Cloud Pak for Data as a Service und Cloud Pak for Data 3.5 und 4.0 beschrieben.
| Funktion | Cloud Pak for Data as a Service | Cloud Pak for Data |
|---|---|---|
| Aktualisierte Projekterfahrung | Weitere Informationen finden Sie in Neue Projekterfahrung. | Nicht verfügbar. |
| Verbindungen zu fernen Datenquellen | Die meisten unterstützten Datenquellen werden für beide Bereitstellungsumgebungen verwendet (siehe Unterstützte Verbindungen). |
Weitere Informationen finden Sie in Unterstützte Datenquellen. |
| Persönliche oder gemeinsam genutzte Berechtigungsnachweise für Verbindunngen | Für Verbindungen in Projekten und Katalogen können persönliche Berechtigungsnachweise erfordern oder gemeinsam genutzte Berechtigungsnachweise zulassen. Gemeinsam genutzte Berechtigungsnachweise können auf Kontoebene inaktiviert werden. | Plattformverbindungen können persönliche Berechtigungsnachweise erfordern oder gemeinsam genutzte Berechtigungsnachweise zulassen. Gemeinsam genutzte Berechtigungsnachweise können auf Plattformebene inaktiviert werden. |
| Verbindungsberechtigungsnachweise aus geheimen Schlüsseln in einer Vault | Nicht verfügbar. | ✓ |
| Beispielassets und Projekte aus der Galerie | ✓ | Nicht verfügbar. |
| Anforderungen für den Datenzugriff | Nicht verfügbar. | ✓ |
Watson Studio
Die folgenden Watson Studio-Funktionen sind in Cloud Pak for Data as a Service, Cloud Pak for Data 3.5 und Cloud Pak for Data 4.0 faktisch gleich:
- Zusammenarbeit an Projekten
- Projektimport und -export mithilfe einer ZIP-Projektdatei
- Jupyter-Notebooks
- Jobplanung
- Data Refinery
In dieser Tabelle werden die Funktionsunterschiede zwischen dem Watson Studio-Service in Umgebungen mit mehreren Bereitstellungen sowie die Unterschiede zwischen Angebotsplänen dargestellt und es wird angegeben, ob zusätzliche Services erforderlich sind. Weitere Informationen zu Funktionsunterschieden zwischen Angebotsplänen in Cloud Pak for Data as a Service finden Sie unter Watson Studio-Angebotspläne.
| Funktion | Cloud Pak for Data as a Service | Cloud Pak for Data |
|---|---|---|
| Projekt erstellen | Erstellen: - Ein leeres Projekt - Ein Projekt aus einem Beispiel in der Galerie - Ein Projekt aus einer Datei |
Erstellen: - Ein leeres Projekt - Ein Projekt aus einer Datei - Ein Projekt mit Git-Integration |
| Git-Integration | - Notebooks in GitHub veröffentlichen - Notebooks als Gist veröffentlichen |
- Ein Projekts in Git integrieren - Assets mit dem Repository in einem Projekt synchronisieren und die Assets in einem anderen Projekt verwenden |
| Projektterminal für erweiterte Git-Operationen | Nicht verfügbar. | Verfügbar in Projekten mit standardmäßiger Git-Integration |
| JupyterLab | Nicht verfügbar. | Verfügbar in Projekten mit Git-Integration |
| RStudio | Kann nicht in Git integriert werden | Kann in Git integriert werden Erfordert RStudio Server mit R-Service. |
| Python-Scripts | Nicht verfügbar. | Mit Python-Scripts in JupyterLab arbeiten Erfordert Jupyter Notebooks with Python- oder Jupyter Notebooks with R-Service. |
| Programmgesteuerter Zugriff auf Projektassets | Verwenden Sie project-lib für Python und R. |
Verwenden Sie ibm-watson-studio-lib für Python und R (Nachfolger von project-lib) |
| 'In Code einfügen' für Notebooks unter Verwendung des Flight-Service | Nicht verfügbar. | ✓ |
| Notebook-Lebenszyklus verwalten | Nicht verfügbar. | CPDCTL für das Lebenszyklusmanagement von Notebooks verwenden |
| Codepaketassets (Gruppe abhängiger Dateien in einer Ordnerstruktur) | Nicht verfügbar. | CPDCTL zum Erstellen von Codepaketassets in einem Bereitstellungsbereich verwenden |
| Notebooks in Bereiche hochstufen | Nicht verfügbar. | Manuell auf der Seite 'Assets' des Projekts oder programmgesteuert über CPDCTL verfügbar |
| Python mit GPU | Unterstützung nur für einen GPU-Typ verfügbar (Nvidia K80) | Unterstützung für mehrere Nvidia-GPU-Typen verfügbar Erfordert Jupyter Notebooks with Python mit GPU-Service. |
| Angepasste Images erstellen und verwenden | Nicht verfügbar. | Angepasste Images für Python-Umgebungen (mit und ohne GPU), R-Umgebungen, JupyterLab-Umgebungen (mit und ohne GPU), RStudio- und SPSS-Umgebungen erstellen |
| Anaconda Repository | Nicht verfügbar. | Zum Erstellen angepasster Umgebungen und angepasste Images verwenden |
| Hadoop-Integration | Nicht verfügbar. | Modelle erstellen und trainieren und Data Refinery-Abläufe in einem Hadoop-Cluster ausführen. Erfordert den Service 'Execution Engine for Apache Hadoop'. |
| Decision Optimization | ✓ | Erfordert den Service Decision Optimization. |
| SPSS Modeler | ✓ | Setzt den SPSS Modeler-Service voraus. |
| Dashboards | Erfordert den Service Cognos Dashboard Embedded. | Setzt den Service 'Cognos Dashboards' voraus. |
Informationen zu Unterschieden zwischen Watson Studio Desktop und Watson Studio in Cloud Pak for Data as a Service und Cloud Pak for Data finden Sie unter Funktionsunterschiede zwischen Watson Studio-Bereitstellungen.
Watson Machine Learning
Die folgenden Watson Machine Learning-Funktionen sind in Cloud Pak for Data as a Service Cloud Pak for Data 3.5 und Cloud Pak for Data 4.0 faktisch gleich:
- AutoAI-Experimente erstellen und bereitstellen
- Zusammenarbeit in Bereitstellungsbereichen
- Modellbereitstellung
- Funktionsbereitstellung
- REST-APIs von Watson Machine Learning
- Python-Client von Watson Machine Learning
- Batchbereitstellungsjobs erstellen
- Onlinebereitstellungen erstellen
- Bereitstellungen skalieren und aktualisieren
- Angepasste Komponenten definieren und verwenden
- Federated Learning zum Trainieren eines allgemeinen Modells mit separaten und sicheren Datenquellen verwenden
- Bereitstellungen bereichsübergreifend überwachen
In dieser Tabelle werden die Funktionsunterschiede zwischen dem Watson Machine Learning-Service in Umgebungen mit mehreren Bereitstellungen sowie die Unterschiede zwischen Angebotsplänen dargestellt und es wird angegeben, ob zusätzliche Services erforderlich sind. Details zu den Funktionsunterschieden zwischen Angebotsplänen für Cloud Pak for Data as a Service finden Sie unter Watson Machine Learning-Angebotspläne.
| Funktion | Cloud Pak for Data as a Service | Cloud Pak for Data |
|---|---|---|
| Bereitstellung unter Verwendung gängiger Frameworks und Softwarespezifikationen |
Auf neueste unterstützte Versionen prüfen | Unterstützte Versionen variieren je nach Release |
| Verbindung zu Datenbanken für Batchbereitstellungen herstellen | Auf Unterstützung nach Bereitstellungstyp prüfen | Auf Unterstützung nach Bereitstellungstyp und nach Version prüfen |
| Python-Scripts bereitstellen | Verfügbar über Python-Client | Scripts in JupyterLab erstellen und anschließend bereitstellen |
| Shiny-Apps bereitstellen | Nicht verfügbar. | Shiny-Apps erstellen und bereitstellen |
| Virtuelle Bereitstellungen (CoreML) | Apps für iOS erstellen | Veraltet wird entfernt |
| Fairness, Verzerrung oder Drift für Jobs bewerten | Erfordert Watson OpenScale | Erfordert Watson OpenScale |
| Erstellung des Steuerbereichs | Keine Einschränkungen nach Rolle | Durch Berechtigungen steuern, wer Bereiche anzeigen und erstellen kann |
| Modelldetails in einem Modellbestand überwachen | Modelle registrieren, um Datenblätter mit Lebenszyklusdetails anzuzeigen | Nicht verfügbar. |
| Angepasste Images erstellen und verwenden | Nicht verfügbar. | Angepasste Images für Python oder SPSS erstellen |
| KI-Lebenszyklusereignisse automatisieren | End-to-End-Ablauf mithilfe von Watson Studio Pipelines koordinieren (Beta) |
CPDCTL zum Automatisieren von Lebenszyklusereignissen verwenden |
| Projekt- oder Bereichsdatei in nicht leeren Bereich importieren | Nicht verfügbar. | Verfügbar ab 4.0.6 |
| Deep-Learning-Experimente | Veraltet und wird entfernt | Erfordert Watson Machine Learning Accelerator-Service |
| IBM Cloud-Serviceinstanzen bereitstellen und verwalten | Instanzen für Watson Machine Learning oder Watson OpenScale hinzufügen |
Services werden im Cluster vom Administrator bereitgestellt |
{: caption="Funktionsunterschiede zwischen Watson Machine Learning-Bereitstellungen" caption-side="top"}
Watson Knowledge Catalog
Die folgenden Watson Knowledge Catalog-Funktionen sind in Cloud Pak for Data as a Service, Cloud Pak for Data 3.5 und Cloud Pak for Data 4.0 faktisch gleich:
- KI-gestützte Suche und Empfehlungen in Katalogen
- Assets in Katalogen bewerten und prüfen
- Zusammenarbeit in Projekten und Katalogen
- Data Refinery-Tool in Projekten
- Kategorien mit Mitbearbeiterrollen
- Vordefinierte Klassifizierungen
- Vordefinierte Datenklassen
- Governance-Regeln
- Manuelle Profilerstellung für einzelne relationale Datenassets in einem Projekt oder Katalog
- Automatische Profilerstellung für relationale Datenassets, die zu einem regulierten Katalog hinzugefügt wurden
In dieser Tabelle werden die Funktionsunterschiede zwischen dem Watson Knowledge Catalog-Service in Umgebungen mit mehreren Bereitstellungen sowie die Unterschiede zwischen Angebotsplänen dargestellt und es wird angegeben, ob zusätzliche Services erforderlich sind. Weitere Informationen zu Funktionsunterschieden zwischen Angebotsplänen für Cloud Pak for Data as a Service finden Sie unter Watson Knowledge Catalog-Angebotspläne.
| Funktion | Cloud Pak for Data as a Service | Cloud Pak for Data |
|---|---|---|
| Profilerstellung für unstrukturierte Daten | Automatische Profilerstellung für einzelne Assets, die zu einem Projekt oder Katalog hinzugefügt werden. | Nicht verfügbar. |
| Tool für Metadatenimport in Projekten | Unterstützung für eine Untergruppe mit Projekt- und Katalogverbindungen. Weitere Informationen finden Sie unter Verbindungen zum Importieren von Metadaten. | Die meisten unterstützten Verbindungen sind in beiden Bereitstellungsumgebungen gleich. Weitere Informationen finden Sie in Verbindungen zum Importieren von Metadaten für 3.5 und Verbindungen zum Importieren von Metadaten für 4.0. |
| Importieren von Metadaten mit der traditionellen Benutzerschnittstelle | Nicht verfügbar. Verwenden Sie stattdessen den Metadatenimport in Projekten. | Erfordert IBM InfoSphere DataStage, QualityStage Designer und einen Server für Metadatenaustausch. Unterstützt eine andere Gruppe von Verbindungen als der Metadatenimport in Projekten. Weitere Informationen finden Sie in Connectors für Metadatenimport und in Bridges für Metadatenimport. |
| Tool für Metadatenaufbereitung | Erfordert den Professional- oder Enterprise-Plan. Verfügbar in Projekten. |
Nicht verfügbar. Verwenden Sie stattdessen Profilermittlung, Erkennung mit entsprechenden Optionen oder führen Sie die Analyse in Qualitätsprojekten aus. |
| Tool für erweiterte Datenpflege | Nicht verfügbar. Verwenden Sie stattdessen die Tools für Metadatenimport und Metadatenaufbereitung. | Mit Datenerkennungs- und Qualitätsprojekten arbeiten. |
| Automatisierte Begriffszuordnung | Verfügbar im Tool für Metadatenaufbereitung. | Teil von Erkennungsjobs: - In Jobs für Schnellsuche immer enthalten - Bei automatisierter Erkennung optional |
| Datenqualitätsscores | Datenqualitätsscores werden angezeigt in: - Assetprofilen in Projekten und Katalogen - Ergebnissen der Metadatenaufbereitung |
Datenqualitätsscores werden angezeigt in: - Assetprofilen in Analyseprojekten und Katalogen - Ergebnissen der Schnellsuche - Datenqualitätsprojekten |
| Datenqualitätsanalyse | Wird im Tool für Metadatenaufbereitung ausgeführt. | Wird in automatisierten Erkennungsjobs oder in Qualitätsprojekten mit Datenregeln ausgeführt. |
| Angepasste Assettypen und Assetattribute | Erfordert den Professional- oder Enterprise-Plan. Mit Watson Data-APIs erstellen. |
Mit Watson Data-APIs erstellen. |
| Assetaktivitäten | Erfordert einen kostenpflichtigen Plan. Verfügbar in Projekten und Katalogen. |
Verfügbar in Analyseprojekten und Katalogen. |
| Ansicht für Informationsassets | Nicht verfügbar. | Eine separate Ansicht des Standardkatalogs zum Anzeigen weiterer Eigenschaften und Informationen. |
| Betriebsdatenabstammung | Nicht verfügbar. | Verfügbar in der Ansicht für Informationsassets. Wird in Katalogen nicht angezeigt. |
| Beziehungsdiagramme | Nicht verfügbar. | Verfügbar in der Ansicht für Informationsassets Wird in Katalogen nicht angezeigt. |
| Angepasste Klassifikationen | Erfordert den Professional- oder Enterprise-Plan. | ✓ |
| Angepasste Datenklassen | Erfordert den Professional- oder Enterprise-Plan. | ✓ |
| Geschäftsbedingungen | Grenzwerte für manche Pläne. | ✓ |
| Richtlinien | Grenzwerte für manche Pläne. | ✓ |
| Datenschutzregeln | Grenzwerte für manche Pläne. | ✓ |
| Maskierte Datasets in Projekten mit Datenschutz bereitstellen | Erfordert den Enterprise-Plan. | Nicht verfügbar in Version 3.5. |
| Referenzdatasets | Grenzwerte für manche Pläne. | ✓ |
| Angepasste Attribute und Beziehungen für Artefakte, Kategorien | Erfordert den Professional- oder Enterprise-Plan. Mit Watson Data-APIs erstellen. |
Über das Menü Verwaltung oder mit Watson Data-APIs erstellen. |
| Knowledge Accelerators | Erfordert den Enterprise-Plan. Aus Galerie herunterladen. |
Aus der Community herunterladen. |
| Workflow für Governance-Artefakte | Lite- und Standard-Pläne ermöglichen dem Autor, ein Artefakt ohne Überprüfung oder Genehmigung zu veröffentlichen. Enterprise- und Professional-Pläne bieten mehrere Vorlagen mit mehreren Schritten. |
Mehrere Vorlagen mit mehreren Schritten. |
| Angepasste Workflow-Konfigurationen für Governance-Artefakte und -Anforderungen | Nicht verfügbar. | ✓ |
| Assets aus InfoSphere Information Server migrieren | Nicht verfügbar. | ✓ |
DataStage
In der folgenden Tabelle werden die Funktionsunterschiede zwischen DataStage on Cloud Pak for Data as a Service und DataStage on Cloud Pak for Data 4.0.2 oder höher beschrieben.
| Funktion | Cloud Pak for Data as a Service | Cloud Pak for Data 4.0.2 oder höher |
|---|---|---|
| PX-Instanzverwaltung | Sie können Instanzen aus einer Gruppe mit vordefinierten Größen bereitstellen. | Die Cloud Pak for Data-Instanzverwaltung ermöglicht eine flexiblere Bereitstellung von Instanzen. |
| Jobkompilierung |
|
|
| Joblaufzeit | Jede Instanz kann jeweils nur einen Job auf einmal ausführen, um die ordnungsgemäße Isolation zu gewährleisten. |
|
| Assetverwaltung | Für die Dateitypen .xls, .xlsx, .xml und .json werden nur einfache Strukturen unterstützt. | Für die Dateitypen .csv, .txt, .xls, .xlsx, .xml und .json ist vollständige Unterstützung verfügbar. |
| Speicher |
|
|
| Stage 'Java Integration' | Nicht verfügbar. | ✓ |
| JDBC | Nicht verfügbar. | ✓ |
| Excel | Nicht verfügbar. | ✓ |
| AVI | Nicht verfügbar. | ✓ |
| Stage 'External Source' | Nicht verfügbar. | ✓ |
| Stage 'External Target' | Nicht verfügbar. | ✓ |
| Hierarchische Stage |
|
✓ |
| MPP und SMP | S, M, L sind Einzelknoten (SMP-Konfiguration). MPP-S, MPP-M, MPP-L sind mehrere Knoten (MPP-Konfiguration). | Standardmäßig ist nur die MPP-Konfiguration verfügbar. Parallele Workloads werden durch eine logische Partition verwaltet, die mit der Option APT_CONFIG_FILE konfiguriert ist. |
- Fairness von Bereitstellungen bewerten
- Qualität von Bereitstellungen bewerten
- Drift von Bereitstellungen überwachen
- Modellergebnisse in einem Insights-Dashboard anzeigen und vergleichen
- Bereitstellungen des gewünschten Machine Learning-Providers hinzufügen
- Alerts festlegen, die ausgelöst werden, wenn Auswertungen einen angegebenen Schwellenwert unterschreiten
- Bereitstellungen in einer Benutzerschnittstelle oder einem Notebook bewerten{: .blue}
Watson Query und Data Virtualization
In Cloud Pak for Data as a Service wird die Funktion für Datenvirtualisierung vom Watson Query-Service bereitgestellt. In Cloud Pak for Data wird diese Funktion vom Data Virtualization-Service bereitgestellt. Die folgenden Funktionen für Datenvirtualisierung sind in Cloud Pak for Data as a Service und Cloud Pak for Data 4.0 faktisch gleich:
- Verbindung zu unterstützten Datenquellen herstellen
- Daten virtualisieren
- Virtuelle Daten durch Richtlinien und Datenschutzregeln regulieren
- Überwachung und Erkundung des Service
- SQL-Schnittstelle verwenden
- Zwischenspeichern
Die folgenden Funktionen für Datenvirtualisierung sind in der Benutzerschnittstelle anscheinend nicht identisch, bieten jedoch dieselbe Basisfunktionalität:
- Virtuelle Daten in Katalogen veröffentlichen
- Zugriff auf virtuelle Objekte verwalten
- Benutzer und Rollen verwalten
- Service skalieren
In dieser Tabelle werden die Funktionsunterschiede zwischen Watson Query on Cloud Pak for Data as a Service und Data Virtualization on Cloud Pak for Data beschrieben.
| Funktion | Cloud Pak for Data as a Service | Cloud Pak for Data |
|---|---|---|
| Integration mit Watson Knowledge Catalog | Erforderlich | Optionale |
| Gruppenbasierte Berechtigung und Zugriff auf Objektebene für Gruppen | Nicht verfügbar. | ✓ |
| Unterstützung für ferne Connectors | Nicht verfügbar. | ✓ |
| Unterstützung für dateisystembasierte Datenquellen, außer in Cloud Object Storage | Nicht verfügbar. | ✓ |
| Verbindung zu Datenquellen durch JDBC-Verbindungen herstellen (z. B. SAP HANA) | Nicht verfügbar. | ✓ mit vom Benutzer hochgeladenen JDBC-Treibern |
| Statistikdaten in der Benutzerschnittstelle erfassen | Nicht verfügbar. | ✓ |
| Spaltenmaskierung | Nicht verfügbar. | ✓ |
Weitere Informationen
- Produktangebotspläne
- Services für Cloud Pak for Data as a Service
- -Services für Cloud Pak for Data 4.0
- Optionen für Cloud-Bereitstellungsumgebungen für Cloud Pak for Data 4.0
Übergeordnetes Thema: Cloud Pak for Data as a Service