مستودع بيانات لحظي ومنصّة تعلّم آلي
AIT · التقنية / بنية البيانات
زمن الاستجابة مُقاس قبل/بعد الترحيل، والدقة مقارنةً بخط الأساس للتقارير القديمة.
- العميل
- AIT
- القطاع
- التقنية / بنية البيانات
- نطاق العمل
- ترحيل منصّة بيانات من القديم إلى السحابة مع بثّ لحظي ونماذج تعلّم آلي مخصّصة.
من داخل المشروع
التحدّي
احتاجت AIT إلى بنية تحليلات لحظية قابلة للتوسّع لتحل محل SQL Server القديم ودعم اتخاذ القرار بالتعلّم الآلي.
الحل
رحّلنا قواعد بيانات AIT من SQL Server إلى Google BigQuery باستخدام Kafka Connect للبث اللحظي مع التقاط التغييرات، ونشرنا عنقود Kubernetes للمعالجة القابلة للتوسّع، وبنينا نماذج تعلّم آلي مخصّصة على Vertex AI.
منهجيتنا
رحّلنا AIT من SQL Server إلى Google BigQuery، وبثّينا التغييرات لحظيًا عبر Kafka Connect (التقاط التغييرات)، وشغّلنا معالجة قابلة للتوسّع على Kubernetes، ودرّبنا نماذج مخصّصة على Vertex AI. واتّبع التنفيذ تسلسلًا محكومًا — حصر أعباء SQL Server، وترتيب حالات الاستخدام التصنيعية ومطابقة المخطّطات، وإنشاء تدفّقات Kafka CDC إلى مجموعات بيانات BigQuery مُتحقَّق منها، ونشر خدمات Kubernetes، وبناء واختبار نماذج Vertex AI، ثم إضافة المراقبة وضوابط الوصول والدعم التشغيلي — مع فصل طبقات الاستيعاب والبيانات المنسّقة وخدمات النماذج والاستهلاك التجاري بصلاحيات مستقلّة وتتبّع كامل للأثر من الجداول المصدرية حتى التنبؤات. لتعمل بيانات الآلات والإنتاج والخدمة والتجارة كنظام قرار محكوم واحد بدل تقارير مبعثرة.