Puede utilizar el servicio Data Replication para integrar y sincronizar datos en varios almacenes de datos. Puede replicar datos entre almacenes de datos homogéneos y heterogéneos.
Vista previa técnica Esta es una vista previa de tecnología y todavía no está soportada para su uso en entornos de producción.
Visión general
Copy link to section
Puede utilizar el servicio Data Replication para entregar, mejorar y reaccionar a los cambios de base de datos en tiempo real. Data Replication le proporciona acceso a los datos actualizados y continuamente disponibles.
Por ejemplo, los datos principales de su organización se pueden almacenar en IBM® Db2 on Cloud y es posible que los usuarios de varios departamentos y ubicaciones tengan que acceder a ellos en tiempo real. Al utilizar Data Replication, puede hacer que estos datos críticos para la empresa estén disponibles para destinos distribuidos como, por ejemplo, Oracle o PostgreSQL.
Iniciación a Data Replication
Copy link to section
Puede añadir Data Replication como un activo en un proyecto. Después de crear un activo de replicación de Data Replication que conecte un almacén de datos de origen y de destino, debe ejecutar un trabajo de replicación que utilice la configuración del activo de replicación en una instancia de servicio Data Replication. Los datos se replican continuamente.
Para obtener información sobre cómo crear un activo de replicación y ejecutar un trabajo de replicación, consulte Ejecución de trabajos de replicación.
Servicio necesario
Data Replication. Debe crear y desplegar una instancia de servicio de Data Replication en Cloud Pak for Data as a Service para replicar los datos. Para obtener más información, consulte Creación y gestión de servicios de IBM Cloud.
Permisos necesarios
Su rol determina qué tareas de réplica de datos puede realizar:
Para crear, ejecutar y detener una réplica, debe tener el rol Editor o Admin en el proyecto. Las réplicas se ejecutan en instancias del servicio de réplica. Debe tener acceso a la instancia del servicio de replicación en la que desea ejecutar el trabajo de replicación. Póngase en contacto con el administrador del clúster para obtener acceso a las instancias de servicio.
Para supervisar una réplica, debe tener acceso de rol de Visor al proyecto como mínimo.
Formato de datos
Data Replication funciona con conexiones a y desde tipos seleccionados de orígenes de datos y formatos. Para obtener más información, consulte Conexiones soportadas de Data Replication.
Credenciales
Data Replication utiliza las credenciales de IBM Cloud para conectarse al servicio.
La imagen siguiente muestra detalles de un activo de Data Replication que se ejecuta en un proyecto entre dos almacenes de datos de origen y destino heterogéneos, incluido un registro de sucesos que captura información sobre el progreso y el estado de la réplica.
Más información
Copy link to section
Puede supervisar las instancias de servicio de Data Replication y los activos de Data Replication asociados a una instancia. Para obtener más información, consulte Supervisión de activos de replicación.
Puede pausar, reanudar o detener la ejecución de su trabajo de replicación en cualquier momento. Para obtener más información, consulte Administración de activos de replicación.
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.