企业选择 InterSystems 的原因
当今的企业需要的不仅仅是可扩展的数据库，他们还需要统一的平台，以提供实时的、AI就绪的洞察力，而无需将零散的服务拼接在一起。 InterSystems 将事务处理和分析处理（HTAP、translytical）、数据集成、多模型支持、服务协调和实时分析整合到一个引擎中，可在企业内部和所有主要云中运行，从而简化了架构和操作。
AWS 提供一套专门的数据库和服务（Aurora、Redshift、DynamoDB、Glue、SageMaker 等），每种数据库和服务都针对特定的工作负载进行了优化。 然而，整合这些服务往往会带来复杂性、数据移动开销和延迟。 相比之下，InterSystems 可在一个平台上提供端到端功能，包括 OLTP、OLAP、AI/ML、数据集成和实时流。
核心能力对比
特性 |
InterSystems |
AWS 数据库服务 |
| 主要用户 | 应用程序开发人员、数据工程师、数据科学家、分析师、集成架构师 | 为不同的服务提供不同的角色（Aurora 用于 OLTP，Redshift 用于分析，Glue 用于 ETL，SageMaker 用于 ML 等）。 |
| 核心工作负载 | 实时混合事务/分析处理 (HTAP)、集成、ML 操作、多模型 | 分布在多个服务中（Aurora 用于 OLTP，Redshift 用于 OLAP 等） |
| 部署灵活性 | 本地部署、混合、多云或公共云 | 仅 AWS 云 |
| 实时输入和分析 | 在运行数据和分析数据方面，本机支持流式摄取和亚秒级分析 | 需要集成独立服务，包括 Kinesis（流媒体）+ Redshift（分析）+ Glue（ETL） |
| 多模态数据支持 | 关系型、文档型、矢量型、面向对象型等——全部在一个引擎中实现 | 不同的引擎：DynamoDB（键值）、DocumentDB（文档）、Aurora（关系型）等。 |
| 数据集成与 ETL | 内置集成引擎、数据结构和跨孤岛互操作性 | Glue 提供 ETL；需要在多个工具之间进行协调 |
| 操作简单 | 只需管理一个平台，减少移动部件，降低运营开销 | 需要管理和协调多个 AWS 服务 |
| 低代码/无代码 | InterSystems 拥有用于集成、协调和分析的可视化工具。 | 最少；大多数服务面向开发人员 |
| AI/ML 支持与部署 | 将任何框架中的模型操作到实时、事件驱动的工作流中 | SageMaker 支持培训和部署；缺乏与实时操作的紧密集成 |
| 安全 & 治理 | 对所有数据源进行统一的、基于策略的访问控制和沿袭 | 按服务管理政策；需要在 IAM、Lake Formation 等部门之间进行协调。 |
| 大规模性能表现 | 在医疗保健、金融、物流等关键任务实时环境中得到验证 | 单项服务性能高；随着服务链的增加，延迟和复杂性也随之增加 |
竞争性和互补性
使用 AWS 的组织通常会发现将 InterSystems IRIS 与 AWS 本地服务相结合的价值：
将 IRIS 用于实时事务和分析工作负载，作为运行核心。
在延迟不那么重要的情况下，使用 Redshift 进行离线历史分析。
将已在 SageMaker 上训练完成的 AI/ML 模型部署到运行于 InterSystems IRIS 上的实时应用中。
使用 InterSystems IRIS 统一、协调和管理来自多个 AWS 服务和外部系统的数据，避免重复。
使用在 AWS 上运行的 InterSystems 应用程序，例如 HealthShare® Health Connect、HealthShare Unified Care Record® 和 InterSystems TrakCare®
将 InterSystems IRIS 与 AWS 原生服务方法相结合，可最大限度地降低复杂性，同时在实时和批处理、操作和分析、云和内部部署环境中释放全部价值。
咨询专家
让我们帮助您设计一个数据平台，为您的企业提供实时的人工智能洞察力。