Cloud Customer Architecture for Big Data and Analytics Version 0

Data Federation:
Often used in conjunction with data virtualization, but is 
the specific ability to have a single query interface to various different data 
repositories - allowing for a single, more usable, view of the data to business analysts and report 
writers. 
•
Open APIs:
With the ever changing technology landscape there is a continued need to allow for 
multiple types of open APIs access channels to the data lake repository. This capability 
represents that fluid list of technologies and solutions. 
Streaming Computing 
Stream processing systems can ingest and process large volumes of highly dynamic, time-sensitive 
continuous data streams from a variety of inputs, such as sensor-based monitoring devices, messaging 
systems, and financial market feeds. The “store-and-pull” model of traditional data-processing 
environments is not suitable for this class of low-latency or real-time streaming application where data 
needs to be processed on the fly as it arrives. Capabilities include:

---

Copyright © 2017 Cloud Standards Customer Council 
Page 9 
•
Streaming Analytics
: Applying analytic processing and decision making to in-
memory and transient data with minimal latency. 
•
Complex Event Processing (CEP)
: Event processing that combines data from 
multiple sources to identify meaningful events or patterns (such as 
opportunities or threats) and respond to them as quickly as possible. 
•
Data Enrichment:
Combining in-motion data with the historical data from the 
data lake for real-time or near real-time analytics. 
•
Real Time Ingestion
: This capability can be leveraged to ingest and prepare 
structured or unstructured data arriving from source systems in real-time or near-real-time. The 
capability deals with transactional data transmitted via a message hub or enterprise service bus, as 
well as streaming data such as sensor data or video feeds.
Cloud services allow streaming computing to be adapted as data volume and velocity changes. Peaks in 
demand can be accommodated by adding virtual memory, processors and storage. The option to add 
dedicated hardware can also help with specialized processing needs.