Sagen Sie uns, wie wir helfen können
Vertrieb & Preise
Speak to a rep about your business needs
Hilfe & Support
See our product support options
Allgemeine Anfragen und Standorte
Kontakt
Control-M + OCI Data Science
Ihr OCI Data Science-Workflow startet, bevor ein Job-Run überhaupt ausgeführt wird – und er kann scheitern, wenn etwas stromaufwärts kaputtgeht. Ein OCI Object Storage Trainingsdatensatz kommt zu spät an. Eine OCI Data Integration-Aufgabe verpasst ihr Verarbeitungsfenster. Control-M orchestriert die gesamte Kette: Eingang der Objektspeicherdaten, OCI Data Integration-Transformation, OCI Data Science-Ausführung und nachgelagerte Lieferung.
Häufige Workflow-Probleme
Klingt das nach deiner Woche?
Das sind keine Randfälle. Sie sind die normalen Betriebsbedingungen für Teams, die OCI-Data-Science-Pipelines über mehrere Tools hinweg ausführen. So geht Control-M mit jedem einzelnen um.
DATENFERTIGKEIT
Dein Objektspeicher-Datensatz ist verspätet. Der Trainingsauftrag ist sowieso geplant.
Control-M macht den OCI-Data-Science-Job von einer erfolgreichen Upstream-Verarbeitung abhängig, anstatt eines isolierten Zeitplans. Der Job beginnt erst, nachdem der erforderliche Datenworkflow abgeschlossen ist, wodurch verhindert wird, dass ein unvollständiger Datensatz ins Modelltraining übergeht.
PIPELINE-AUSFALL
Ihr Pipeline-Lauf ist über Nacht ausgefallen. Die nachgelagerte Verarbeitung wartet noch.
Control-M überwacht den OCI-Data-Science-Lauf, erkennt dessen Abschlussstatus und hält abhängige Arbeit zurück, wenn die Ausführung fehlschlägt. Konfigurierbares Status-Polling und Fehlertoleranz steuern, wie die Ausführung überwacht wird, und verhindern, dass ein gescheiterter ML-Schritt nachgelagert wird.
MODELLEINSATZ
Die Ausbildung endete um 2:00 Uhr morgens. Modelleinsatz benötigt noch eine Übergabe.
Control-M verbindet einen erfolgreichen Upstream-Abschluss direkt mit der nächsten OCI-Data-Science-Aktion, einschließlich der Erstellung eines Modell-Deployment-Endpunkts. Training und Deployment werden zu abhängigen Phasen in einem geplanten Workflow, wodurch der manuelle Trigger zwischen ihnen entfällt.
SLA-RISIKO
Der Job läuft noch. Deine morgendliche Stichstunde rückt näher
Control-M verfolgt die OCI-Data-Science-Aufgabe innerhalb seines gesamten Produktionsworkflows und wendet SLA-Management über abhängige Schritte hinweg an. Teams können sehen, wann Verzögerungen die erforderliche Lieferzeit bedrohen und eingreifen, bevor nachgelagerte Verbraucher ihr Zeitfenster verpassen.
CROSS-TOOL-ABHÄNGIGKEITEN
OCI Data Integration abgeschlossen. Dein Data-Science-Job hat noch nicht begonnen.
Control-M koordiniert OCI-Datenintegration und OCI Data Science im selben Workflow, wobei Abschlussabhängigkeiten statt getrennter Zeitpläne verwendet werden. Der Data-Science-Job beginnt nach Abschluss der erforderlichen ETL-Aufgabe und entfernt Zeitunterschiede zwischen den Diensten.
INTEGRATIONSFAKTEN
Regelungstechnik + OCI Data Science
|
workload.types |
Job läuft · Pipeline läuft · Modellierung von Deployment-Endpunkten · Notebook-Sitzungen |
|
trigger.type |
Zeitplan · Vorgelagerte Jobabschluss · Dateiankunft · Control-M-Abhängigkeit · API-gesteuerte Ausführung |
|
cross_tool.deps |
OCI-Datenintegrationsaufgabe · OCI-Datenfluss ausgeführt · Objektspeicherlieferung · Luftstrom DAG · Dateiübertragung · REST-API-Aufruf |
|
cloud.platforms |
Oracle-Cloud-Infrastruktur · OCI-Datenwissenschaft · OCI-Datenintegration · OCI-Datenfluss · OCI-Objektspeicherung |
|
error_handling |
Status-Abfrage · Fehlertoleranz · Downstream-Kaskadenprävention · Automatisierte Job-Reservierung · SLA-Benachrichtigung |
|
Durchsatz |
Batch-ML-Workloads · parallele Job-Läufe · wiederholbare Pipeline-Läufe · Verteilte Datenverarbeitung |
|
Beobachtbarkeit |
Jobausführungsstatus · Pipeline-Laufstatus · Ergebnisse und Ausgabe · SLA-Verfolgung · Sichtbarkeit von Abhängigkeiten · Ausführungshistorie |
End-to-End-Orchestrierung
Ein Produktionsworkflow. Jedes Tool im Stack.
Control-M orchestriert Workflows über OCI Data Science, OCI Data Integration, OCI Data Flow, Object Storage, Airflow, Dateiübertragungen und Cloud-Services in einem einzigen Job-Flow – mit Abhängigkeitsverfolgung, SLA-Transparenz und automatisierter Wiederherstellung über alle hinweg.
- Cross-Tool-Abhängigkeit: OCI Data Integration → OCI Data Science Job → Modellbereitstellung → Analytics-Übergabe
- Datenbewusste Trigger: Dateiankunft, API-Ereignis, Upstream-Aufgabenabschluss, Pipeline-Abschluss
|
OCI Data Science |
Start Job läuft · Start Pipeline Läufe · Erstelle von Modell-Deployment-Endpunkten · Erstelle und Löschen von Notizbuch-Sitzungen |
|
OCI-Datenintegration |
ETL-Aufgaben ausführen · die Ausführung des Arbeitsbereichs koordinieren · Aufgabenparameter übergeben |
|
OCI-Datenfluss |
Spark-Verarbeitung orchestrieren · Verarbeitungsabhängigkeiten koordinieren · nachgelagerte Ausführung verbinden |
|
OCI-Objektspeicherung |
Koordination der Datenankunft · Gate-Downstream-Ausführung · Verbindung datengetriebener Workflows |
|
Apache-Luftstrom |
DAG-Ausführung koordinieren · Upstream-Abhängigkeiten verwalten · Downstream-Handoffs verbinden |
|
Verwaltete Dateiübertragung |
Sichere Dateibewegung · Lieferabhängigkeiten · Workflow-Koordination |
|
REST-APIs |
API-gesteuerte Ausführung · Serviceübergreifende Übergaben · Workflow-Integration |
Koexistenz des Luftstroms
Control-M ersetzt deine Airflow DAGs nicht. Es verläuft die Schicht darüber.
Der Einwand ist häufig: "Wir sind bereits auf Airflow." Das Problem ist nicht, was Airflow macht – sondern was vor und nach Airflow passiert. Genau hier versagen Pipelines tatsächlich.
Der Luftstrom steuert seinen DAG. Control-M verwaltet alles Umliegende.
LUFTSTROMREGLER
Orchestrierung auf DAG-Ebene innerhalb der Datenpipeline
- DAG-Level-Aufgabenorchestrierung innerhalb von Datenpipelines
- Python-Operatoren, Sensoren und Aufgabenabhängigkeiten
- Ausführungsgraph für Jobs, die in deiner Pipeline laufen
- Verwaltet erneute Versuche innerhalb eines einzigen DAG-Kontexts
Control-M fügt hinzu
Die Koordinationsschicht um deine DAGs herum
- Koordinationsschicht rund um DAGs – löst den Airflow basierend auf upstream-Bedingungen aus: Dateiankünfte, API-Ereignisse, andere Werkzeugabschlüsse
- Verfolgt den SLA-Beitrag jedes DAG über den gesamten End-to-End-Workflow, nicht nur über die eigene Routine
- Verwaltet die Fehlerwiederherstellung, wenn upstream-Abhängigkeiten ausfallen, bevor der Luftstrom überhaupt startet.
- Bestehende DAGs müssen nicht umgeschrieben oder migriert werden
ÜBERWACHEN SIE ML-WORKFLOWS
Überwachen Sie die Ausführung von OCI Data Science in Ihrer gesamten Pipeline
OCI Data Science bietet Transparenz in seine eigenen Jobs und Pipeline-Läufe, aber Produktions-ML hängt von Arbeit außerhalb dieser Grenzen ab. Control-M bringt diese Ausführungsphasen in eine operative Ansicht, sodass Teams die gesamte Pipeline überwachen können:
-
Job- und Pipeline-Status
-
Upstream- und Downstream-Abhängigkeiten
-
Jobergebnisse und Output
-
End-to-End-Ausführungssichtbarkeit
-
Plattformübergreifender Workflow-Status
SLA-SICHERUNG
Halte die OCI Data Science Pipelines im Zeitplan
Ein erfolgreicher OCI-Data-Science-Lauf kann dennoch zu spät für den darauf abhängigen Prozess eintreffen. Control-M verwaltet die Arbeitslast im Hinblick auf End-to-End-Lieferanforderungen, wodurch Abhängigkeitsverzögerungen und SLA-Risiken offengelegt werden, bevor sie die nachgelagerten Abläufe stören:
-
End-to-End-SLA-Tracking
-
Abhängigkeitsbewusste Ausführungssteuerung
-
Prädiktive Verzögerungssichtbarkeit
-
Automatisierte Ausnahmebehandlung
-
Zentralisierte Workflow-Überwachung
Dokumentation
Bring Ordnung in komplexe Arbeitsabläufe
Erfahren Sie, wie Control-M Teams hilft, komplexe Prozesse mit größerer Transparenz, Koordination und Kontrolle zu orchestrieren.
