ڈیٹا پلیٹ فارمز کے بارے میں سوچتے وقت تمام دستیاب خدمات اور تعمیراتی اختیارات پر غور کرنا تھوڑا مشکل ہو سکتا ہے۔
ایک انٹرپرائز ڈیٹا پلیٹ فارم اکثر ڈیٹا گوداموں، ڈیٹا ماڈلز، ڈیٹا لیکس اور رپورٹس پر مشتمل ہوتا ہے، ہر ایک کا ایک مخصوص مقصد اور مطلوبہ مہارتوں کا سیٹ ہوتا ہے۔ اس کے برعکس، ڈیٹا لیک ہاؤس کے نام سے ایک نیا ڈیزائن گزشتہ چند سالوں کے دوران سامنے آیا ہے۔
ڈیٹا لیکس اور ڈیٹا گودام ڈیٹا مینجمنٹ کی استعداد کو ایک انقلابی ڈیٹا اسٹوریج آرکیٹیکچر میں جوڑا گیا ہے جسے "ڈیٹا لیک ہاؤس" کہا جاتا ہے۔
ہم اس پوسٹ میں ڈیٹا لیک ہاؤس کا گہرائی سے جائزہ لیں گے، بشمول اس کے اجزاء، خصوصیات، فن تعمیر اور دیگر پہلوؤں کا۔
ڈیٹا لیک ہاؤس کیا ہے؟
جیسا کہ نام سے ظاہر ہوتا ہے، ڈیٹا لیک ہاؤس ایک نئی قسم کا ڈیٹا فن تعمیر ہے جو ایک ڈیٹا لیک کو ڈیٹا گودام کے ساتھ جوڑتا ہے تاکہ ہر ایک کی خامیوں کو الگ الگ حل کیا جا سکے۔
خلاصہ یہ ہے کہ، جھیل کا نظام سستا ذخیرہ استعمال کرتا ہے تاکہ ڈیٹا کی بڑی مقدار کو ان کی اصل شکلوں میں برقرار رکھا جا سکے، جیسا کہ ڈیٹا لیکس کی طرح۔ سٹور کے اوپر میٹا ڈیٹا پرت کو شامل کرنے سے ڈیٹا کا ڈھانچہ بھی ملتا ہے اور ڈیٹا مینجمنٹ ٹولز کو بااختیار بناتا ہے جیسا کہ ڈیٹا گوداموں میں پایا جاتا ہے۔
یہ منظم، نیم ساختہ، اور غیر ساختہ ڈیٹا کی بہت بڑی مقدار کو ذخیرہ کرتا ہے جو انہیں مختلف کاروباری ایپلی کیشنز، سسٹمز، اور گیجٹس سے حاصل ہوتا ہے جو ان کی پوری تنظیم میں استعمال ہوتے ہیں۔
زیادہ تر وقت، ڈیٹا لیکس فائل ایپلی کیشن پروگرامنگ انٹرفیس (API) کے ساتھ کم لاگت والے اسٹوریج انفراسٹرکچر کا استعمال کرتے ہیں تاکہ ڈیٹا کو کھلے، عام فائل فارمیٹس میں اسٹور کیا جاسکے۔
اس سے متعدد ٹیموں کے لیے ایک ہی نظام کے ذریعے کمپنی کے تمام ڈیٹا تک رسائی ممکن ہو جاتی ہے، جیسے کہ ڈیٹا سائنس، مشین لرننگ، اور کاروباری ذہانت۔
خصوصیات
- کم لاگت اسٹوریج۔ ڈیٹا لیک ہاؤس کو سستے آبجیکٹ اسٹوریج میں ڈیٹا اسٹور کرنے کے قابل ہونا چاہیے، جیسے گوگل کلاؤڈ اسٹوریج، Azure Blob Storage، Amazon Simple Storage Service، یا مقامی طور پر ORC یا Parquet کا استعمال کرتے ہوئے۔
- ڈیٹا کی اصلاح کی صلاحیت: ڈیٹا لے آؤٹ کی اصلاح، کیشنگ، اور اشاریہ سازی اس کی چند مثالیں ہیں کہ کس طرح ڈیٹا لیک ہاؤس کو ڈیٹا کی اصل شکل کو برقرار رکھتے ہوئے ڈیٹا کو بہتر بنانے کے قابل ہونا چاہیے۔
- ٹرانزیکشنل میٹا ڈیٹا کی ایک پرت: ضروری کم لاگت اسٹوریج کے اوپر، یہ ڈیٹا گودام کی کارکردگی کے لیے ڈیٹا مینجمنٹ کی اہم صلاحیتوں کو قابل بناتا ہے۔
- اعلانیہ ڈیٹا فریم API کے لیے سپورٹ: AI ٹولز کی اکثریت خام آبجیکٹ اسٹور ڈیٹا کو بازیافت کرنے کے لیے ڈیٹا فریمز کا استعمال کر سکتی ہے۔ Declarative DataFrame API کے لیے سپورٹ مخصوص ڈیٹا سائنس یا AI ٹاسک کے جواب میں ڈیٹا کی پریزنٹیشن اور ساخت کو متحرک طور پر بہتر بنانے کی صلاحیت کو بڑھاتا ہے۔
- ACID ٹرانزیکشنز کے لیے سپورٹ: مخفف ACID، جس کا مطلب ہے جوہری، مستقل مزاجی، تنہائی، اور پائیداری، لین دین کی تعریف کرنے اور ڈیٹا کی مستقل مزاجی اور انحصار کو یقینی بنانے میں ایک اہم جز ہے۔ اس طرح کے لین دین پہلے صرف ڈیٹا گوداموں میں ممکن تھے، لیکن لیک ہاؤس ان کو ڈیٹا لیکس کے ساتھ استعمال کرنے کا آپشن پیش کرتا ہے۔ اس کے ساتھ ساتھ. متعدد ڈیٹا پائپ لائنز کے ساتھ جن میں سمورتی ڈیٹا پڑھنا اور لکھنا شامل ہے، اس سے بعد کے ڈیٹا کے کم معیار کا مسئلہ حل ہو جاتا ہے۔
ڈیٹا لیک ہاؤس کے عناصر
ڈیٹا لیک ہاؤس کے فن تعمیر کو اعلی سطح پر دو اہم درجوں میں تقسیم کیا گیا ہے۔ اسٹوریج پرت کے ڈیٹا کی مقدار کو لیک ہاؤس پلیٹ فارم (یعنی ڈیٹا لیک) کے ذریعے کنٹرول کیا جاتا ہے۔
ڈیٹا کو ڈیٹا گودام میں لوڈ کرنے یا اسے ملکیتی فارمیٹ میں تبدیل کرنے کی ضرورت کے بغیر، پروسیسنگ لیئر اس کے بعد براہ راست ٹولز کی ایک رینج کا استعمال کرتے ہوئے سٹوریج پرت میں ڈیٹا سے استفسار کر سکتی ہے۔
پھر، BI ایپس، نیز AI اور ML ٹیکنالوجیز، ڈیٹا استعمال کر سکتی ہیں۔ ڈیٹا لیک کی معاشیات اس ڈیزائن کے ذریعے فراہم کی جاتی ہے، لیکن چونکہ کوئی بھی پروسیسنگ انجن اس ڈیٹا کو پڑھ سکتا ہے، اس لیے کاروباری اداروں کو یہ آزادی حاصل ہے کہ وہ تیار کردہ ڈیٹا کو مختلف سسٹمز کے ذریعے تجزیہ کے لیے قابل رسائی بنائیں۔ پروسیسنگ اور تجزیہ کے لیے اس طریقہ کو استعمال کرکے پروسیسر کی کارکردگی اور لاگت دونوں کو بہتر بنایا جا سکتا ہے۔
ڈیٹا بیس کے لین دین کے لیے اس کی حمایت کی وجہ سے جو درج ذیل ACID (ایٹمی، مستقل مزاجی، تنہائی، اور پائیداری) کے معیار پر عمل پیرا ہے، یہ فن تعمیر بہت سی جماعتوں کو سسٹم کے اندر بیک وقت ڈیٹا تک رسائی اور لکھنے کے قابل بناتا ہے:
- ایٹمیٹی اس حقیقت سے مراد ہے کہ یا تو مکمل لین دین یا اس میں سے کوئی بھی، لین دین مکمل کرنے کے دوران کامیاب نہیں ہوتا ہے۔ کسی عمل میں خلل پڑنے کی صورت میں، یہ ڈیٹا کے نقصان یا بدعنوانی سے بچنے میں مدد کرتا ہے۔
- مستقل مزاجی اس بات کی ضمانت دیتا ہے کہ لین دین پیشین گوئی کے قابل، مستقل انداز میں ہوتا ہے۔ یہ یقینی بنا کر ڈیٹا کی سالمیت کو برقرار رکھتا ہے کہ ہر ڈیٹا پہلے سے طے شدہ اصولوں کے مطابق جائز ہے۔
- تنہائی اس بات کو یقینی بناتا ہے کہ جب تک یہ مکمل نہیں ہو جاتا، نظام کے اندر کسی دوسرے لین دین سے کوئی لین دین متاثر نہیں ہو سکتا۔ یہ متعدد جماعتوں کو ایک دوسرے کے ساتھ مداخلت کیے بغیر ایک ہی نظام سے بیک وقت پڑھنے اور لکھنے کی اجازت دیتا ہے۔
- استحکام اس بات کی ضمانت دیتا ہے کہ لین دین کے مکمل ہونے کے بعد بھی سسٹم میں ڈیٹا میں تبدیلیاں جاری رہتی ہیں، یہاں تک کہ سسٹم کی خرابی کی صورت میں بھی۔ لین دین کے ذریعے کی جانے والی کوئی بھی تبدیلی ہمیشہ کے لیے فائل میں رکھی جاتی ہے۔
ڈیٹا لیک ہاؤس آرکیٹیکچر
ڈیٹابرکس (ان کے ڈیلٹا لیک کے تصور کے اختراع اور ڈیزائنر) اور AWS ڈیٹا لیک ہاؤس کے تصور کے دو اہم وکیل ہیں۔ اس طرح ہم جھیل ہاؤسز کی تعمیراتی ترتیب کو بیان کرنے کے لیے ان کے علم اور بصیرت پر انحصار کریں گے۔
ڈیٹا لیک ہاؤس سسٹم میں عام طور پر پانچ پرتیں ہوں گی۔
- ادخال کی پرت
- اسٹوریج کی پرت
- میٹا ڈیٹا پرت
- API پرت
- کھپت کی پرت
ادخال کی پرت
سسٹم کی پہلی پرت مختلف ذرائع سے ڈیٹا اکٹھا کرنے اور اسے سٹوریج پرت کو بھیجنے کا ذمہ دار ہے۔ یہ پرت متعدد اندرونی اور بیرونی ذرائع سے مربوط ہونے کے لیے کئی پروٹوکول استعمال کر سکتی ہے، بشمول بیچ اور اسٹریمنگ ڈیٹا پروسیسنگ کی صلاحیتوں کو یکجا کرنا، جیسے
- NoSQL ڈیٹا بیس،
- فائل شیئرز
- CRM ایپلی کیشنز،
- ویب سائٹس،
- IoT سینسر،
- سوشل میڈیا،
- سافٹ ویئر بطور سروس (ساس) ایپلی کیشنز، اور
- متعلقہ ڈیٹا بیس کے انتظام کے نظام، وغیرہ
اس مقام پر، ڈیٹا سٹریمنگ کے لیے اپاچی کافکا اور RDBMSs اور NoSQL ڈیٹا بیس سے ڈیٹا درآمد کرنے کے لیے Amazon Data Migration Service (Amazon DMS) جیسے اجزاء استعمال کیے جا سکتے ہیں۔
اسٹوریج کی پرت
جھیل ہاؤس آرکیٹیکچر کا مقصد مختلف قسم کے ڈیٹا کو سستے آبجیکٹ اسٹورز، جیسے کہ AWS S3 میں بطور آبجیکٹ کے ذخیرہ کرنے کے قابل بنانا ہے۔ اوپن فائل فارمیٹس کا استعمال کرتے ہوئے، کلائنٹ ٹولز پھر ان اشیاء کو براہ راست اسٹور سے پڑھ سکتے ہیں۔
اس سے بہت سے APIs اور استعمال کی پرت کے اجزاء کے لیے ایک ہی ڈیٹا تک رسائی اور استعمال کرنا ممکن ہو جاتا ہے۔ میٹا ڈیٹا پرت سٹرکچرڈ اور نیم سٹرکچرڈ ڈیٹاسیٹس کے لیے اسکیموں کو اسٹور کرتی ہے تاکہ اجزاء ڈیٹا کو پڑھتے ہی ان پر لاگو کر سکیں۔
ہڈوپ ڈسٹری بیوٹڈ فائل سسٹم (HDFS) پلیٹ فارم، مثال کے طور پر، کلاؤڈ ریپوزٹری سروسز کی تعمیر کے لیے استعمال کیا جا سکتا ہے جو کمپیوٹنگ اور سٹوریج آن پریمیسس کو تقسیم کرتی ہے۔ لیک ہاؤس مثالی طور پر ان خدمات کے لیے موزوں ہے۔
میٹا ڈیٹا پرت
میٹا ڈیٹا لیئر ڈیٹا لیک ہاؤس کا بنیادی جزو ہے جو اس ڈیزائن کو ممتاز کرتا ہے۔ یہ ایک واحد کیٹلاگ ہے جو جھیل میں محفوظ تمام اشیاء کے لیے میٹا ڈیٹا (دیگر ڈیٹا کے ٹکڑوں کے بارے میں معلومات) پیش کرتا ہے اور صارفین کو انتظامیہ کی صلاحیتوں کو استعمال کرنے کی اجازت دیتا ہے جیسے:
- ACID ٹرانزیکشنز کی بدولت بیک وقت ہونے والے لین دین کے ذریعے ڈیٹا بیس کا ایک مستقل ورژن دیکھا جاتا ہے۔
- کلاؤڈ آبجیکٹ اسٹور فائلوں کو محفوظ کرنے کے لیے کیشنگ؛
- استفسار کی کارروائی کو تیز کرنے کے لیے اشاریہ سازی کا استعمال کرتے ہوئے ڈیٹا ڈھانچے کے اشاریہ جات کو شامل کرنا؛
- ڈیٹا آبجیکٹ کو ڈپلیکیٹ کرنے کے لیے صفر کاپی کلوننگ کا استعمال؛ اور
- ڈیٹا کے کچھ ورژن وغیرہ کو ذخیرہ کرنے کے لیے ڈیٹا ورژننگ کا استعمال کریں۔
مزید برآں، میٹا ڈیٹا لیئر سکیما مینجمنٹ کے نفاذ، DW سکیما ٹوپولاجیز جیسے سٹار/سنو فلیک سکیموں کا استعمال، اور ڈیٹا گورننس کی فراہمی اور ڈیٹا لیک پر براہ راست آڈیٹنگ کی صلاحیت کو قابل بناتا ہے، جس سے پوری ڈیٹا پائپ لائن کی سالمیت میں اضافہ ہوتا ہے۔
اسکیما کے ارتقاء اور نفاذ کی خصوصیات اسکیما مینجمنٹ میں شامل ہیں۔ کسی بھی تحریر کو مسترد کرتے ہوئے جو ٹیبل کے اسکیما پر پورا نہیں اترتے، اسکیما انفورسمنٹ صارفین کو ڈیٹا کی سالمیت اور معیار کو برقرار رکھنے کے قابل بناتا ہے۔
سکیما ارتقاء ٹیبل کے موجودہ سکیما کو تبدیل کرنے والے ڈیٹا کو ایڈجسٹ کرنے کے لیے تبدیل کرنے کی اجازت دیتا ہے۔ ڈیٹا لیک کے اوپر ایک واحد انتظامیہ انٹرفیس کی وجہ سے، رسائی کنٹرول اور آڈیٹنگ کے امکانات بھی موجود ہیں۔
API پرت
فن تعمیر کی ایک اور اہم پرت اب موجود ہے، جس میں متعدد APIs کی میزبانی کی گئی ہے جسے تمام اختتامی صارف زیادہ تیزی سے کام انجام دینے اور مزید نفیس اعدادوشمار حاصل کرنے کے لیے استعمال کر سکتے ہیں۔
میٹا ڈیٹا APIs کا استعمال کسی دی گئی ایپلیکیشن کے لیے درکار ڈیٹا آئٹمز کی شناخت اور ان تک رسائی آسان بناتا ہے۔
مشین لرننگ لائبریریوں کے لحاظ سے، ان میں سے کچھ، جیسے TensorFlow اور Spark MLlib، Parquet جیسے اوپن فائل فارمیٹس کو پڑھ سکتے ہیں اور میٹا ڈیٹا لیئر تک براہ راست رسائی حاصل کر سکتے ہیں۔
اسی وقت، DataFrame APIs اصلاح کے زیادہ مواقع پیش کرتے ہیں، پروگرامرز کو منتشر ڈیٹا کو منظم اور تبدیل کرنے کے قابل بناتے ہیں۔
کھپت کی پرت
پاور BI، ٹیبلاؤ، اور دیگر ٹولز اور ایپس کو استعمال کی پرت کے تحت میزبانی کی جاتی ہے۔ جھیل ہاؤس ڈیزائن کے ساتھ، تمام میٹا ڈیٹا اور تمام ڈیٹا جو جھیل میں رکھا جاتا ہے کلائنٹ ایپس کے لیے قابل رسائی ہے۔
جھیل ہاؤس کو کمپنی کے اندر تمام صارفین ہر قسم کے کام کرنے کے لیے استعمال کر سکتے ہیں۔ تجزیاتی آپریشنزبشمول بزنس انٹیلی جنس ڈیش بورڈز بنانا اور ایس کیو ایل کے سوالات اور مشین لرننگ ٹاسک چلانا۔
ڈیٹا لیک ہاؤس کے فوائد
تنظیمیں اپنے موجودہ ڈیٹا پلیٹ فارم کو متحد کرنے اور ڈیٹا مینجمنٹ کے اپنے پورے عمل کو بہتر بنانے کے لیے ڈیٹا لیک ہاؤس بنا سکتی ہیں۔ مختلف ذرائع سے منسلک سائلو رکاوٹوں کو ختم کرکے، ڈیٹا لیک ہاؤس الگ الگ حل کی ضرورت کو بدل سکتا ہے۔
کیوریٹڈ ڈیٹا کے ذرائع کے مقابلے میں، یہ انضمام ایک نمایاں طور پر زیادہ مؤثر طریقہ کار پیدا کرتا ہے۔ اس کے کئی فوائد ہیں:
- کم انتظامیہ: خام ڈیٹا سے ڈیٹا نکالنے اور اسے ڈیٹا گودام میں استعمال کے لیے تیار کرنے کے بجائے، ڈیٹا لیک ہاؤس اس سے منسلک کسی بھی ذرائع کو ان کا ڈیٹا دستیاب اور استعمال کے لیے منظم کرنے کی اجازت دیتا ہے۔
- لاگت کی تاثیر میں اضافہ: ڈیٹا لیک ہاؤسز عصری انفراسٹرکچر کا استعمال کرتے ہوئے بنائے جاتے ہیں جو کمپیوٹیشن اور اسٹوریج کو تقسیم کرتے ہیں، جس سے کمپیوٹیشن پاور میں اضافہ کیے بغیر اسٹوریج کو بڑھانا آسان ہو جاتا ہے۔ صرف سستے ڈیٹا سٹوریج کے استعمال کے نتیجے میں اسکیل ایبلٹی ہوتی ہے جو کہ لاگت سے موثر ہے۔
- بہتر ڈیٹا گورننس: ڈیٹا لیک ہاؤسز معیاری کھلے فن تعمیر کے ساتھ بنائے گئے ہیں، جو سیکیورٹی، میٹرکس، رول پر مبنی رسائی، اور دیگر اہم انتظامی اجزاء پر زیادہ کنٹرول کی اجازت دیتے ہیں۔ وسائل اور ڈیٹا کے ذرائع کو یکجا کرکے، وہ حکمرانی کو آسان اور بہتر بناتے ہیں۔
- آسان معیارات: چونکہ 1980 کی دہائی میں کنکشن انتہائی محدود تھا، جب ڈیٹا گودام پہلی بار تیار کیے گئے تھے، مقامی سکیما کے معیارات اکثر کاروباروں، یہاں تک کہ محکموں کے اندر بھی تیار کیے جاتے تھے۔ ڈیٹا لیک ہاؤس اس حقیقت کا استعمال کرتے ہیں کہ اب بہت سے قسم کے ڈیٹا میں اسکیما کے لیے کھلے معیارات ہیں اور طریقہ کار کو ہموار کرنے کے لیے اوور لیپنگ یکساں اسکیما کے ساتھ متعدد ڈیٹا ذرائع کو شامل کر کے۔
ڈیٹا لیک ہاؤس کے نقصانات
ڈیٹا لیک ہاؤسز کے ارد گرد تمام ہوپلا کے باوجود، یہ ذہن میں رکھنا ضروری ہے کہ خیال اب بھی بہت نیا ہے۔ اس نئے ڈیزائن کو مکمل کرنے سے پہلے نقصانات کا وزن ضرور کریں۔
- یک سنگی ڈھانچہ: ایک جھیل ہاؤس کا سب پر مشتمل ڈیزائن بہت سے فوائد پیش کرتا ہے، لیکن اس سے کچھ مسائل بھی پیدا ہوتے ہیں۔ یک سنگی فن تعمیر اکثر تمام صارفین کے لیے ناقص سروس کا باعث بنتا ہے اور اسے برقرار رکھنا سخت اور مشکل ہو سکتا ہے۔ عام طور پر، آرکیٹیکٹس اور ڈیزائنرز زیادہ ماڈیولر فن تعمیر کو پسند کرتے ہیں جسے وہ استعمال کے مختلف معاملات کے لیے اپنی مرضی کے مطابق بنا سکتے ہیں۔
- ٹیکنالوجی ابھی تک نہیں ہے: حتمی مقصد میں مشین لرننگ اور مصنوعی ذہانت کی نمایاں مقدار شامل ہے۔ اس سے پہلے کہ جھیل ہاؤسز تصور کے مطابق کارکردگی کا مظاہرہ کریں، ان ٹیکنالوجیز کو مزید ترقی کرنی چاہیے۔
- موجودہ ڈھانچے کے مقابلے میں کوئی قابل ذکر ترقی نہیں ہے۔: اس بارے میں اب بھی کافی شکوک و شبہات موجود ہیں کہ جھیل ہاؤسز حقیقت میں کتنی زیادہ قیمت میں حصہ ڈالیں گے۔ کچھ ناقدین کا دعویٰ ہے کہ مناسب خودکار آلات کے ساتھ جھیل گودام کا ڈیزائن موازنہ کارکردگی حاصل کر سکتا ہے۔
ڈیٹا لیک ہاؤس کے چیلنجز
ڈیٹا لیک ہاؤس تکنیک کو اپنانا مشکل ہوسکتا ہے۔ اس کے اجزاء کے ٹکڑوں کی پیچیدگی کی وجہ سے، ڈیٹا لیک ہاؤس کو ایک ہمہ جہت مثالی ڈھانچہ یا "ہر چیز کے لیے ایک پلیٹ فارم" کے طور پر دیکھنا غلط ہے۔
مزید برآں، ڈیٹا لیکس کے بڑھتے ہوئے اختیار کی وجہ سے، کاروباری اداروں کو اپنے موجودہ ڈیٹا گوداموں کو ان کے پاس منتقل کرنا پڑے گا، صرف کامیابی کے وعدے پر بھروسہ کرتے ہوئے کوئی واضح معاشی فائدہ نہیں ہوگا۔
اگر منتقلی کے پورے عمل میں تاخیر کا کوئی مسئلہ یا بندش ہے، تو یہ مہنگا، وقت طلب، اور شاید غیر محفوظ ہو سکتا ہے۔
کاروباری صارفین کو انتہائی مخصوص ٹیکنالوجیز کو اپنانا چاہیے، بعض دکانداروں کے مطابق جو ڈیٹا لیک ہاؤسز کے طور پر واضح طور پر یا واضح طور پر مارکیٹ کے حل فراہم کرتے ہیں۔ یہ مسائل میں اضافہ کرتے ہوئے، سسٹم کے مرکز میں ڈیٹا لیک سے منسلک دوسرے ٹولز کے ساتھ ہمیشہ کام نہیں کرسکتے ہیں۔
مزید برآں، کاروبار کے لیے اہم کام کے بوجھ کو چلاتے ہوئے 24/7 تجزیات فراہم کرنا مشکل ہو سکتا ہے، جس میں لاگت سے موثر اسکیل ایبلٹی کے ساتھ انفراسٹرکچر کی ضرورت ہوتی ہے۔
نتیجہ
حالیہ برسوں میں ڈیٹا سینٹرز کی تازہ ترین قسم ڈیٹا لیک ہاؤس ہے۔. یہ مختلف شعبوں کو مربوط کرتا ہے، جیسے کہ انفارمیشن ٹیکنالوجی، اوپن سورس سافٹ ویئر، کلاؤڈ کمپیوٹنگ، اور تقسیم شدہ اسٹوریج پروٹوکول۔
یہ کاروباری اداروں کو کسی بھی مقام سے تمام قسم کے ڈیٹا کو مرکزی طور پر ذخیرہ کرنے کے قابل بناتا ہے، انتظام اور تجزیہ کو آسان بناتا ہے۔ ڈیٹا لیک ہاؤس ایک بہت ہی دلچسپ تصور ہے۔
کسی بھی فرم کو ایک اہم مسابقتی برتری حاصل ہو گی اگر اسے ایک ایسے آل ان ون ڈیٹا پلیٹ فارم تک رسائی حاصل ہو جو ڈیٹا گودام کی طرح تیز اور موثر تھا جبکہ ڈیٹا لیک کی طرح لچکدار بھی ہو۔
یہ خیال اب بھی ترقی کر رہا ہے اور نسبتاً نیا ہے۔ نتیجے کے طور پر، اس بات کا تعین کرنے میں کچھ وقت لگ سکتا ہے کہ آیا کچھ وسیع ہو سکتا ہے یا نہیں۔
ہم سب کو اس سمت کے بارے میں متجسس ہونا چاہئے کہ لیک ہاؤس فن تعمیر کس طرف جا رہا ہے۔
جواب دیجئے