Comment optimiser le traitement de volumes massifs de données avec l'architecture distribuée de fPcaScore ?

L'action fPcaScore est conçue nativement pour l'architecture SAS Cloud Analytic ServicesMoteur analytique distribué et en mémoire (in-memory) au cœur de SAS Viya. Il assure le traitement des données et l'exécution des modèles avec une très haute performance. (CAS). Elle exploite le parallélisme massif en distribuant le calcul des scores sur l'ensemble des nœuds du clusterEnsemble de nœuds (machines) interconnectés, gérés par Kubernetes, qui collaborent pour exécuter les microservices et le moteur CAS de SAS Viya, assurant haute disponibilité et passage à l'échelle.. Pour maximiser l'efficacité, il est recommandé d'utiliser le paramètre table pour définir les filtres where ou les variablesColonnes d'une table SAS contenant des données spécifiques (numériques ou caractères). Elles possèdent des attributs comme le nom, le type, la longueur, l'étiquette et le format d'affichage. calculées à la volée via computedVars. Cela permet de préparer les données directement en mémoireGemini said
Espace de stockage temporaire (RAM) utilisé par le moteur CAS pour charger et traiter les données à haute vitesse, minimisant les accès disque pour optimiser les performances de SAS Viya. RAM avant que l'algorithme de scoringProcessus d'application d'un modèle prédictif à de nouvelles données pour calculer une probabilité ou un score, permettant ainsi d'automatiser la prise de décision en temps réel sur SAS Viya. ne les traite, minimisant ainsi les transferts de données coûteux entre les disques et les processeurs, et accélérant radicalement le temps de réponse pour des jeux de données se comptant en téraoctets.