高性能数据挖掘：在 InfoSphere Balanced Warehouse 中使用 SAS PMML 模型的并行计分性能

核心提示：谈到预测分析和商业智能 (BI) 时，拥有大信息仓库的组织通常面临这样一个选择：直接在数据库环境中创建和实现数据挖掘模型，高性能数据挖掘：在 InfoSphere Balanced Warehouse 中使用 SAS PMML 模型的并行计分性能，还是在单独的分析环境中创建它们，比如数据挖掘工作台，评估跨广泛硬件配置和

谈到预测分析和商业智能 (BI) 时，拥有大信息仓库的组织通常面临这样一个选择：直接在数据库环境中创建和实现数据挖掘模型，还是在单独的分析环境中创建它们，比如数据挖掘工作台。

通过并行机制和降低总体软件许可成本来改善计分性能，在数据库环境中部署挖掘模型有时可以更快地产生业务成果。此外，通过将高成本数据挖掘软件限制于小开发环境，然后将数据挖掘模型迁移到大规模生产环境，可以在软件许可方面实现显著的节省。另一方面，一些组织需要在分析环境中开发和部署数据挖掘模型，投入大量资源并体验其挖掘模型和流程。

对于许多组织来说，最好的选择可能是允许在分析环境中开发数据挖掘模型，然后将其部署到针对高速、高容量计分流程优化过的数据库环境中。此方法的实现归功于 Predictive Model Markup Language (PMML)，它定义了一种表达数据挖掘模型的格式。使用 PMML 创建的数据挖掘模型可以方便地导入到数据库，以便于数据库环境中的计分流程可以使用它们。

IBM InfoSphere Balanced Warehouse (IBW) 是一个出色平台，可以帮助组织部署外部创建的 PMML 数据挖掘模型，以便创建高速、高容量的 BI 和预测分析环境。为了演示 IBW 的功能，IBM 执行了一项计分性能研究，其目标如下：

展示 PMML 数据挖掘模型可以成功地在高速、高容量的 IBW 环境中实现计分。

评估跨广泛硬件配置和数据量的 IBW 环境中的计分伸缩性能。

开发配置 IBW 数据挖掘环境的最佳实践建议。

设置测试环境

研究分为四个步骤：

准备服务器环境。