Hortonworks Data Platform (HDP) aide les entreprises à obtenir des informations à partir de données structurées et non structurées. Il s'agit d'un framework open source destiné au stockage et au traitement distribués d'ensembles de données volumineux et multi-sources. HDP modernise votre infrastructure informatique et assure la sécurité de vos données — dans le cloud ou sur site — tout en vous permettant de créer de nouvelles sources de revenus, d'améliorer l'expérience client et de maîtriser vos coûts.

HDP offre un déploiement flexible d'applications, des charges de travail de machine learning et de deep learning, un entreposage des données en temps réel, ainsi que des capacités de sécurité et de gouvernance des données. Il s'agit d'une composante clé pour une architecture moderne de données au repos.

La solution HDP possède de nombreux avantages

Tout d'abord une grande Rapidité : délais de déploiement agiles à un moindre coût total de possession. Un service reposant sur des conteneurs de données permet de créer et d'exécuter des applications en quelques minutes. La mise en conteneurs offre la possibilité d'exécuter plusieurs versions d'une même application, permettant ainsi de créer rapidement de nouvelles fonctionnalités et de développer et tester de nouvelles versions sans perturber les anciennes.
HDP prend également en charge des applications tierces dans des conteneurs Docker et des conteneurs YARN natifs. Le codage d'effacement améliore de 50 % l'efficacité du stockage. Cette réplication efficace des données permet de diminuer le coût total de possession.

Plus intelligente : la solution accélère l'exploitation des données pour de meilleures décisions HDP permet de prendre en charge des processeurs graphiques dans des clusters Apache Hadoop, améliorant ainsi la performance des calculs requis dans des cas d'utilisation concernant la science des données et l'intelligence artificielle. Le pooling du processeur graphique permet de partager ses ressources avec un plus grand nombre de charges de travail afin de réduire les coûts. La solution prend également en charge le partitionnement du processeur graphique, qui consacre un processeur graphique à une application, de sorte qu'aucune autre application n'a accès à ce processeur graphique.
HDP inclut une version tech preview avec conteneurs de TensorFlow qui, associée au pooling du processeur graphique, facilite la conception, la réalisation et la formation de modèles de deep learning.

Hybride : le plus court chemin aux informations des différents clouds
Avec HDP, il est possible de déployer des charges de travail du big data dans des environnements hybrides et multi-cloud sans subir de dépendance commerciale qui limiterait à une architecture cloud particulière. Les clients peuvent créer et gérer des clusters big data en toute transparence et dans n'importe quelle configuration cloud. Indépendant de tout fournisseur de services cloud, HDP offre un provisionnement automatique permettant de simplifier les déploiements du big data tout en optimisant l'utilisation des ressources du cloud.

Prise en charge du stockage dans le cloud pour stocker un nombre illimité de données dans leur format natif, notamment :

• Microsoft ADLS
• WASB
• AWS S3
• Google Cloud Storage

Cloudbreak permet de provisionner facilement des clusters dans le cloud en déployant HDP vers le fournisseur de services cloud choisit 

Base de données en temps réel : une seule interface SQL pour toutes les requêtes
HDP offre des performances améliorées en termes de requêtes, permettant de les traiter plus rapidement. Hive LLAP, le moteur Apache Hive le plus rapide, s'exécute dans un environnement multi-tenant sans placer les ressources en concurrence. Cette intégration accélère considérablement les requêtes habituellement utilisées dans des scénarios de Business Intelligence, comme les requêtes de jointure ou d'agrégation. Outre l'optimisation des requêtes, Apache Hive permet également de créer des pools de ressources, pour des allocations de ressources précises.

HDP permet d'effectuer des transactions ACID par défaut, simplifiant ainsi les mises à jour dans les tableaux de Hive et la conformité avec les exigences du RGPD. La base de données en temps réel Hive aligne les performances entre les charges de travail à faible latence et à haut débit afin de traiter un plus grand nombre de données plus rapidement.