Posting ini ditulis bersama dengan Girish Kumar Chidananda dari redBus.
merahBus adalah salah satu pengadopsi awal AWS di India, dan sebagian besar layanan dan aplikasinya dihosting di AWS Cloud. AWS memberi redBus fleksibilitas untuk menskalakan infrastruktur mereka dengan cepat sambil mempertahankan biaya yang sangat rendah. AWS memiliki rangkaian layanan komprehensif untuk memenuhi sebagian besar kebutuhan mereka, termasuk menyediakan dukungan pelanggan yang dapat dijamin oleh redBus.
Dalam postingan ini, kami membagikan arsitektur platform data redBus, dan bagaimana berbagai komponen terhubung untuk membentuk jalan raya data mereka. Kami juga membahas tantangan yang dihadapi redBus dalam membuat dasbor untuk kasus penggunaan intelijen bisnis (BI) real-time mereka, dan cara mereka menggunakannya Amazon QuickSight, layanan analitik bisnis bertenaga cloud yang cepat, mudah digunakan, dan memudahkan semua karyawan di dalam redBus untuk membangun visualisasi dan melakukan analisis ad hoc untuk mendapatkan wawasan bisnis dari data mereka, kapan saja, dan di perangkat apa saja.
Tentang redBus
merahBus adalah platform tiket bus online terbesar di dunia yang dibangun di India dan melayani lebih dari 36 juta pelanggan yang puas di seluruh dunia. Bersama dengan vertikal tiket busnya, redBus juga menjalankan layanan tiket kereta api yang disebut rel merah dan layanan penyewaan bus dan mobil menelepon ryde. Ini adalah bagian dari grup GO-MMT, yang merupakan perusahaan perjalanan online terkemuka di India, dengan portofolio merek yang luas yang mencakup merek perjalanan online terkemuka lainnya seperti MakeMyTrip dan Goibibo.
jalan raya data redBus 1.0
redBus sangat bergantung pada pengambilan keputusan berdasarkan data di setiap tingkat, mulai dari pelacakan perjalanan wisatawan, memperkirakan permintaan selama lalu lintas tinggi, mengidentifikasi dan mengatasi hambatan dalam proses pendaftaran operator bus mereka, dan banyak lagi. Saat bisnis redBus mulai berkembang dalam hal jumlah kota dan negara tempat mereka beroperasi serta jumlah operator bus dan pelancong yang menggunakan layanan ini di setiap kota, jumlah data yang masuk juga meningkat. Kebutuhan untuk mengakses dan menganalisis data di satu tempat mengharuskan mereka untuk membangun platform data sendiri, seperti terlihat pada diagram berikut.
Pada bagian berikut, kita melihat setiap komponen secara lebih rinci.
Sumber penyerapan data
Dengan platform data 1.0, data diserap dari berbagai sumber:
- Waktu sebenarnya – Data real-time mengalir dari aplikasi seluler redBus, layanan mikro backend, dan saat penumpang, operator bus, atau aplikasi melakukan operasi apa pun seperti memesan tiket bus, mencari inventaris bus, mengunggah dokumen KYC, dan lainnya
- Modus batch – Pekerjaan terjadwal mengambil data dari beberapa penyimpanan data persisten seperti Layanan Database Relasional Amazon (Amazon RDS), tempat data OLTP dari semua aplikasinya disimpan, Apache Cassandra clusters, tempat penyimpanan inventaris bus dari berbagai operator, Arango DB, tempat grafik identitas pengguna disimpan, dan lainnya
Katalog data
Data real-time diserap ke dalam kluster Apache Nifi yang dikelola sendiri, platform data sumber terbuka yang digunakan untuk membersihkan, menganalisis, dan membuat katalog data dengan kemampuan perutean sebelum mengirim data ke tujuannya.
Penyimpanan dan analitik
redBus menggunakan layanan berikut untuk kebutuhan penyimpanan dan analitiknya:
- Layanan Penyimpanan Sederhana Amazon (Amazon S3), layanan penyimpanan objek yang menjadi dasar bagi data lake mereka karena skalabilitasnya yang hampir tak terbatas dan daya tahan yang lebih tinggi. Data real-time mengalir dari Apache Druid dan data dari penyimpanan data mengalir secara berkala berdasarkan jadwal.
- Apache Druid, penyimpanan data bergaya OLAP (aliran data melalui pemuat data Kafka Druid), yang menghitung fakta dan metrik terhadap berbagai dimensi selama proses pemuatan data.
- Pergeseran Merah Amazon, layanan gudang data cloud yang membantu Anda menganalisis data berukuran exabyte dan menjalankan kueri analitik yang kompleks. redBus menggunakan Amazon Redshift untuk menyimpan data yang diproses dari Amazon S3 dan data gabungan dari Apache Druid.
Permintaan dan visualisasi
Untuk membuat redBus sedapat mungkin digerakkan oleh data, mereka memastikan bahwa data dapat diakses oleh teknisi SRE, teknisi data, dan analis bisnis mereka melalui lapisan visualisasi. Lapisan ini menampilkan dasbor yang disajikan menggunakan Apache SuperSet, aplikasi visualisasi data sumber terbuka, dan Amazon Athena, layanan kueri interaktif untuk menganalisis data di Amazon S3 menggunakan SQL standar untuk persyaratan kueri ad hoc.
Tantangan
Awalnya, redBus menangani data yang diserap dengan kecepatan 10 juta kejadian per hari. Seiring waktu, ketika bisnisnya mulai berkembang, begitu pula volume data (dari gigabyte hingga terabyte hingga petabyte), konsumsi data per hari (dari 10 juta hingga 320 juta peristiwa), dan kebutuhan dasbor intelijen bisnisnya. Segera setelah itu, mereka mulai menghadapi tantangan dengan kemampuan BI Superset yang dikelola sendiri, dan kompleksitas operasional yang meningkat.
Kemampuan BI terbatas
redBus mengalami batasan BI berikut:
- Ketidakmampuan untuk membuat visualisasi dari berbagai sumber data – Superset tidak mengizinkan pembuatan visualisasi dari beberapa tabel dalam lapisan eksplorasi datanya. teknisi data redBus harus menggabungkan tabel terlebih dahulu di tingkat sumber data itu sendiri. Untuk membuat tampilan 360 derajat bagi pemangku kepentingan bisnis redBus, para insinyur data merasa tidak nyaman untuk memelihara beberapa tabel yang mendukung lapisan visualisasi.
- Tidak ada filter global untuk visual di dasbor – Filter global atau utama di seluruh visual di dasbor tidak didukung di Superset. Misalnya, pertimbangkan ada visual seperti Penjualan Menang berdasarkan Wilayah, Pendapatan YTD yang Direalisasikan berdasarkan Wilayah, Saluran Penjualan berdasarkan Wilayah, dan lainnya di dasbor, dan filter Wilayah ditambahkan ke dasbor dengan nilai seperti EMEA, APAC, dan AS. Wilayah filter hanya akan berlaku untuk salah satu visual, bukan seluruh dasbor. Namun, pengguna dasbor mengharapkan pemfilteran di seluruh dasbor.
- Bukan alat yang ramah pengguna bisnis – Superset sangat berpusat pada pengembang dalam hal penyesuaian. Misalnya, jika analis bisnis redBus harus menyesuaikan penyegaran berwaktu yang secara otomatis mengkueri ulang setiap irisan di dasbor sesuai dengan nilai yang telah ditentukan sebelumnya, maka analis harus memperbarui bidang metadata JSON dasbor. Oleh karena itu, memiliki pengetahuan tentang JSON dan sintaksnya wajib untuk melakukan penyesuaian apa pun pada visual atau dasbor.
Peningkatan biaya operasional
Meskipun Superset adalah open source, yang berarti tidak ada biaya lisensi, itu juga berarti ada lebih banyak upaya dalam memelihara semua komponen yang diperlukan agar berfungsi sebagai alat BI tingkat perusahaan. redBus telah menyebarkan dan memelihara server web (Nginx) yang digawangi oleh sebuah Penyeimbang Beban Aplikasi untuk melakukan penyeimbangan beban; server basis data metadata (MySQL) tempat Superset menyimpan informasi internalnya seperti pengguna, irisan, dan definisi dasbor; antrean tugas asinkron (Celery) untuk mendukung kueri yang berjalan lama; perantara pesan (RabbitMQ); dan server caching terdistribusi (Redis) untuk menyimpan hasil, memetakan data, dan lainnya Cloud komputasi elastis Amazon (Amazon EC2) instans. Diagram berikut mengilustrasikan arsitektur ini.
Tim DevOps redBus harus melakukan pekerjaan berat dalam menyediakan infrastruktur, mengambil cadangan, menskalakan komponen secara manual sesuai kebutuhan, memutakhirkan komponen satu per satu, dan banyak lagi. Itu juga membutuhkan pengembang web Python untuk membuat perubahan konfigurasi sehingga semua komponen bekerja bersama dengan mulus. Semua operasi manual ini meningkatkan total biaya kepemilikan redBus.
Perjalanan menuju QuickSight
redBus mulai menjelajahi solusi BI terutama seputar beberapa persyaratan dasbornya:
- Dasbor BI untuk pemangku kepentingan dan analis bisnis, tempat data bersumber melalui Amazon S3 dan Amazon Redshift.
- Dasbor pemantauan kinerja aplikasi (APM) waktu nyata untuk membantu insinyur dan pengembang SRE mereka mengidentifikasi akar penyebab masalah dalam penerapan layanan mikro mereka sehingga mereka dapat memperbaiki masalah sebelum memengaruhi pengalaman pelanggan mereka. Dalam hal ini, data bersumber melalui Druid.
QuickSight sesuai dengan sebagian besar persyaratan dasbor BI redBus, dan dalam waktu singkat tim platform data mereka memulai dengan proof of concept (POC) untuk beberapa dasbor rumit mereka. Di akhir POC, yang berlangsung selama sebulan, tim membagikan temuan mereka.
Pertama, QuickSight kaya akan kemampuan BI, termasuk yang berikut:
- Ini adalah solusi BI swalayan dengan fitur drag-and-drop yang dapat membantu analis redBus menggunakannya dengan nyaman tanpa upaya pengkodean apa pun.
- Visualisasi dari berbagai sumber data dalam satu dasbor dapat membantu pemangku kepentingan bisnis redBus mendapatkan tampilan 360 derajat tentang penjualan, prakiraan, dan wawasan dalam satu panel kaca.
- Filter bertingkat di seluruh visual dan di seluruh lembar di dasbor adalah fitur yang sangat dibutuhkan untuk persyaratan BI redBus.
- QuickSight menawarkan visual seperti Excel—tabel dengan kalkulasi, tabel pivot dengan pengelompokan sel, dan gaya yang menarik bagi pemirsa.
- Mesin Penghitung Dalam Memori (SPICE) Super Cepat, Paralel, di QuickSight dapat membantu redBus menskalakan ke ratusan ribu pengguna, yang semuanya dapat secara bersamaan melakukan analisis interaktif cepat di berbagai sumber data AWS.
- Wawasan ML siap pakai dan perkiraan tanpa biaya tambahan akan memungkinkan tim ilmu data redBus untuk fokus pada model ML selain perkiraan penjualan dan model serupa.
- Keamanan tingkat baris (RLS) bawaan dapat memungkinkan redBus memberikan akses yang difilter untuk pemirsanya. Misalnya, redBus memiliki banyak analis bisnis yang mengelola berbagai negara. Dengan RLS, setiap analis bisnis hanya melihat data yang terkait dengan negara yang ditugaskan dalam satu dasbor.
- redBus menggunakan OneLogin sebagai penyedia identitasnya, yang mendukung Security Assertion Markup Language 2.0 (SAML 2.0). Dengan bantuan federasi identitas dan dukungan sistem masuk tunggal dari QuickSight, redBus dapat memberikan alur orientasi sederhana untuk pengguna QuickSight mereka.
- QuickSight menawarkan peringatan bawaan dan kemampuan pemberitahuan email.
Kedua, QuickSight adalah penawaran layanan BI tanpa server yang dikelola sepenuhnya, cloud-native, dari AWS, dengan fitur-fitur berikut:
- teknisi redBus tidak perlu berfokus pada penyediaan, penskalaan, dan pemeliharaan solusi BI yang berat pada instans EC2.
- QuickSight menawarkan integrasi asli dengan layanan AWS seperti Amazon Redshift, Amazon S3, dan Athena, serta kerangka kerja populer lainnya seperti Presto, Snowflake, Teradata, dan lainnya. QuickSight terhubung ke sebagian besar sumber data yang sudah dimiliki redBus kecuali Apache Druid, karena integrasi asli dengan Druid tidak tersedia mulai Desember 2022. Untuk daftar lengkap sumber data yang didukung, lihat Sumber data yang didukung.
Hasilnya
Mempertimbangkan semua fitur yang kaya dan total biaya kepemilikan yang lebih rendah, redBus memilih QuickSight untuk persyaratan dasbor BI mereka. Dengan QuickSight, teknisi data redBus telah membangun sejumlah dasbor dalam waktu singkat untuk memberikan wawasan dari data berukuran petabyte kepada pemangku kepentingan dan analis bisnis. Jalan raya data redBus berevolusi untuk menghadirkan kecerdasan bisnis ke audiens yang lebih luas di organisasi mereka, dengan kinerja yang lebih baik dan nilai waktu yang lebih cepat. Pada November 2022, ini menggabungkan QuickSight untuk pengguna bisnis dan Superset untuk dasbor APM waktu nyata (pada saat penulisan, QuickSight tidak menawarkan konektor asli ke Druid), seperti yang ditunjukkan pada diagram berikut.
Dasbor deteksi anomali penjualan
Meskipun ada banyak dasbor yang digunakan redBus untuk produksi, deteksi anomali penjualan adalah salah satu dasbor menarik yang dibangun redBus. Ini menggunakan model peramalan penjualan milik redBus, yang pada gilirannya bersumber dari data penjualan historis dari tabel Amazon Redshift dan data penjualan real-time dari tabel Druid, seperti yang ditunjukkan pada gambar berikut.
Secara berkala, pekerjaan terjadwal memberi makan model perkiraan redBus dengan data penjualan historis dan waktu nyata, lalu data yang diperkirakan didorong ke tabel Amazon Redshift. Dasbor deteksi anomali penjualan di QuickSight dilayani oleh tabel Amazon Redshift yang dihasilkan.
Berikut adalah salah satu visual dari sales anomaly detection dashboard. Itu dibangun menggunakan bagan garis yang mewakili penjualan aktual per jam, prediksi penjualan, dan ambang peringatan untuk deret waktu untuk kelompok bisnis tertentu di redBus.
Dalam visual ini, setiap bilah mewakili jumlah anomali penjualan yang dipicu pada titik tertentu dalam deret waktu.
Analis redBus dapat menelusuri lebih lanjut detail penjualan dan anomali pada level menit, seperti yang ditunjukkan pada diagram berikut. Fitur menelusuri ini keluar dari kotak dengan QuickSight.
Untuk detail selengkapnya tentang menambahkan perincian ke visual dasbor QuickSight, lihat Menambahkan perincian ke data visual di Amazon QuickSight.
Terlepas dari visualnya, ini telah menjadi salah satu dasbor favorit pemirsa di redBus karena fitur-fitur penting berikut ini:
- Karena pemfilteran di seluruh visual adalah fitur bawaan di QuickSight, filter berbasis stempel waktu ditambahkan ke dasbor. Ini membantu dalam memfilter banyak visual di dasbor dalam satu klik.
- Tindakan URL yang dikonfigurasi pada visual membantu pemirsa menavigasi ke aplikasi internal yang sensitif konteks.
- Lansiran email yang dikonfigurasi pada KPI dan visual Pengukur membantu pemirsa mendapatkan pemberitahuan tepat waktu.
Langkah berikutnya
Selain membuat dasbor baru untuk kebutuhan dasbor BI mereka, redBus mengambil langkah-langkah berikut ini:
- Menjelajahi Analitik Tertanam QuickSight untuk beberapa persyaratan aplikasi mereka guna mempercepat waktu untuk mendapatkan wawasan bagi pengguna dengan visual data dalam konteks, dasbor interaktif, dan lainnya secara langsung di dalam aplikasi
- Menjelajahi QuickSight Q, yang dapat memungkinkan pemangku kepentingan bisnis mereka untuk mengajukan pertanyaan dalam bahasa alami dan menerima jawaban akurat dengan visualisasi relevan yang dapat membantu mereka mendapatkan wawasan dari data
- Membangun solusi dasbor terpadu menggunakan QuickSight yang mencakup semua sumber data mereka saat integrasi tersedia
Kesimpulan
Dalam postingan ini, kami menunjukkan kepada Anda bagaimana redBus membangun platform datanya menggunakan berbagai layanan AWS dan kerangka kerja Apache, tantangan yang dialami platform tersebut (terutama dalam persyaratan dan tantangan dasbor BI mereka saat penskalaan), dan bagaimana mereka menggunakan QuickSight dan menurunkan total biaya kepemilikan.
Untuk mengetahui lebih lanjut tentang teknik di redBus, lihat posting blog menengah. Untuk mempelajari lebih lanjut tentang apa yang terjadi di QuickSight atau jika Anda memiliki pertanyaan, hubungi Komunitas QuickSight, yang sangat aktif dan menawarkan beberapa sumber daya.
Tentang Penulis
Girish Kumar Chidananda bekerja sebagai Manajer Teknis Senior – Rekayasa Data di redBus, di mana dia telah membangun berbagai aplikasi dan komponen rekayasa data untuk redBus selama 5 tahun terakhir. Sebelum memulai perjalanannya di industri TI, dia bekerja sebagai insinyur sistem Mekanikal dan Kontrol di berbagai organisasi, dan dia memegang gelar MS di bidang Rekayasa Daya Fluida dari University of Bath.
Kayalvizhi Kandasamy bekerja sama dengan perusahaan digital-native untuk mendukung inovasi mereka. Sebagai Arsitek Solusi Senior (APAC) di Amazon Web Services, dia menggunakan pengalamannya untuk membantu orang mewujudkan ide mereka, berfokus terutama pada arsitektur layanan mikro dan solusi cloud-native menggunakan layanan AWS. Di luar pekerjaan, dia suka bermain catur dan merupakan pemain catur dengan peringkat FIDE. Dia juga melatih putrinya seni bermain catur, dan mempersiapkan mereka untuk berbagai turnamen catur.
- Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
- Platoblockchain. Intelijen Metaverse Web3. Pengetahuan Diperkuat. Akses Di Sini.
- Sumber: https://aws.amazon.com/blogs/big-data/a-dive-into-redbuss-data-platform-and-how-they-used-amazon-quicksight-to-accelerate-business-insights/
- $ 10 juta
- 1
- 10
- 100
- 2022
- 360-gelar
- a
- Tentang Kami
- mempercepat
- mengakses
- dapat diakses
- Menurut
- tepat
- di seluruh
- tindakan
- aktif
- Ad
- menambahkan
- Tambahan
- menangani
- pengadopsi
- mempengaruhi
- Setelah
- terhadap
- Waspada
- Semua
- sudah
- Amazon
- Amazon EC2
- Amazon QuickSight
- Amazon RDS
- Amazon Web Services
- jumlah
- analisis
- analis
- Analis
- Analytical
- analisis
- menganalisa
- dan
- deteksi anomali
- jawaban
- APAC
- Apache
- Aplikasi
- aplikasi
- Mendaftar
- aplikasi
- arsitektur
- sekitar
- Seni
- ditugaskan
- menarik
- para penonton
- penulis
- secara otomatis
- tersedia
- AWS
- Backend
- backup
- bar
- berdasarkan
- karena
- menjadi
- sebelum
- makhluk
- Lebih baik
- Blog
- Kotak
- merek
- merek
- membawa
- makelar
- membangun
- Bangunan
- dibangun di
- built-in
- bis
- bisnis
- intelijen bisnis
- bernama
- kemampuan
- mobil
- kasus
- kasus
- katalog
- Menyebabkan
- tantangan
- Perubahan
- Grafik
- charting
- memeriksa
- Catur
- memilih
- kota
- Kota
- awan
- Pengkodean
- Kelompok
- menggabungkan
- Perusahaan
- perusahaan
- lengkap
- kompleks
- kompleksitas
- komponen
- komponen
- luas
- menghitung
- konsep
- terhubung
- menghubungkan
- Mempertimbangkan
- kontrol
- Biaya
- Biaya
- bisa
- negara
- negara
- sepasang
- penutup
- membuat
- membuat
- pelanggan
- Customer Support
- pelanggan
- kustomisasi
- menyesuaikan
- dasbor
- data
- Danau Data
- Platform Data
- ilmu data
- visualisasi data
- data warehouse
- Data-driven
- Basis Data
- hari
- Desember
- keputusan
- Derajat
- Permintaan
- dikerahkan
- penyebaran
- tujuan
- rinci
- rincian
- Deteksi
- Pengembang
- pengembang
- alat
- DevOps
- MELAKUKAN
- berbeda
- ukuran
- langsung
- membahas
- didistribusikan
- dokumen
- Tidak
- melakukan
- Dont
- turun
- Druid
- daya tahan
- selama
- setiap
- mudah digunakan
- usaha
- upaya
- tertanam
- EMEA
- karyawan
- aktif
- Mesin
- insinyur
- Teknik
- Insinyur
- kelas perusahaan
- Seluruh
- terutama
- Eter (ETH)
- peristiwa
- berkembang
- contoh
- Kecuali
- diharapkan
- pengalaman
- eksplorasi
- Menjelajahi
- luas
- sangat
- dihadapi
- menghadapi
- FAST
- lebih cepat
- Favorit
- Fitur
- Fitur
- Federasi
- bidang
- Angka
- menyaring
- penyaringan
- filter
- cocok
- Memperbaiki
- keluwesan
- aliran
- Mengalir
- Fokus
- berfokus
- berikut
- bentuk
- Prinsip Dasar
- kerangka
- ramah
- dari
- Di depan
- sepenuhnya
- fungsi
- lebih lanjut
- Mendapatkan
- mendapatkan
- Memberikan
- kaca
- Aksi
- memberikan
- grafik
- Kelompok
- Pertumbuhan
- senang
- memiliki
- berat
- membantu
- membantu
- High
- lebih tinggi
- sangat
- Jalan raya
- historis
- memegang
- host
- Seterpercayaapakah Olymp Trade? Kesimpulan
- Namun
- HTML
- HTTPS
- Ratusan
- ide-ide
- mengenali
- mengidentifikasi
- identitas
- in
- termasuk
- Termasuk
- masuk
- Pada meningkat
- India
- Secara individual
- industri
- informasi
- Infrastruktur
- Innovation
- wawasan
- integrasi
- integrasi
- Intelijen
- interaktif
- menarik
- intern
- inventaris
- isu
- masalah
- IT
- Industri IT
- Diri
- Jobs
- bergabung
- perjalanan
- json
- kafka
- pemeliharaan
- Tahu
- pengetahuan
- KYC
- danau
- bahasa
- terbesar
- Terakhir
- lapisan
- terkemuka
- BELAJAR
- Tingkat
- Perizinan
- Hidup
- pengangkatan
- keterbatasan
- baris
- Daftar
- memuat
- pemuat
- pemuatan
- melihat
- Rendah
- memelihara
- membuat
- MEMBUAT
- Membuat
- mengelola
- berhasil
- manajer
- wajib
- panduan
- manual
- banyak
- cara
- mekanis
- pesan
- Metadata
- Metrik
- microservices
- juta
- menit
- ML
- mobil
- ponsel-apps
- model
- model
- pemantauan
- lebih
- paling
- MS
- beberapa
- MySQL
- asli
- Alam
- Bahasa Alami
- Arahkan
- Perlu
- dibutuhkan
- kebutuhan
- New
- berikutnya
- nginx
- penting
- pemberitahuan
- pemberitahuan
- November
- jumlah
- obyek
- Penyimpanan Objek
- menawarkan
- menawarkan
- Penawaran
- Onboarding
- ONE
- secara online
- Buka
- open source
- dioperasikan
- operasi
- operasional
- Operasi
- operator
- operator
- urutan
- organisasi
- organisasi
- Lainnya
- di luar
- sendiri
- kepemilikan
- pane
- Paralel
- bagian
- tertentu
- Konsultan Ahli
- melakukan
- prestasi
- pipa saluran
- Poros
- Tempat
- Platform
- plato
- Kecerdasan Data Plato
- Data Plato
- pemain
- bermain
- PoC
- Titik
- Populer
- portofolio
- mungkin
- Pos
- kekuasaan
- diprediksi
- Mempersiapkan
- terutama
- primer
- Sebelumnya
- proses
- Produksi
- menonjol
- bukti
- bukti konsep
- hak milik
- memberikan
- disediakan
- pemberi
- menyediakan
- menyediakan
- terdorong
- Ular sanca
- Pertanyaan
- Rel
- cepat
- Penilaian
- mencapai
- real-time
- data waktu nyata
- menyadari
- menerima
- wilayah
- reguler
- terkait
- relevan
- mewakili
- merupakan
- wajib
- Persyaratan
- Sumber
- Hasil
- pendapatan
- Kaya
- akar
- Run
- penjualan
- Skalabilitas
- Skala
- skala
- dijadwalkan
- Pekerjaan terjadwal
- Ilmu
- mulus
- mencari
- bagian
- keamanan
- melihat
- Swalayan
- mengirim
- senior
- Seri
- Tanpa Server
- layanan
- Layanan
- porsi
- beberapa
- Share
- berbagi
- ditunjukkan
- mirip
- Sederhana
- serentak
- tunggal
- Iris
- So
- larutan
- Solusi
- Segera
- sumber
- sumber
- bumbu
- SQL
- stakeholder
- standar
- mulai
- Mulai
- Tangga
- penyimpanan
- menyimpan
- tersimpan
- toko
- rangkaian
- mendukung
- Didukung
- pendukung
- Mendukung
- sintaksis
- sistem
- tabel
- pengambilan
- tugas
- tim
- istilah
- Grafik
- Dunia
- mereka
- karena itu
- ribuan
- ambang
- Melalui
- tiket
- tiket
- waktu
- Seri waktu
- Waktunya
- untuk
- bersama
- alat
- Total
- turnamen
- terhadap
- Pelacakan
- lalu lintas
- perjalanan
- wisatawan
- wisatawan
- dipicu
- MENGHIDUPKAN
- terpadu
- universitas
- tak terbatas
- Memperbarui
- Mengunggah
- us
- menggunakan
- Pengguna
- Pengguna
- nilai
- Nilai - Nilai
- variasi
- berbagai
- melalui
- View
- pemirsa
- sebenarnya
- visualisasi
- volume
- Gudang
- jaringan
- web server
- layanan web
- Apa
- Apa itu
- yang
- sementara
- SIAPA
- lebar
- lebih luas
- akan
- Wins
- dalam
- tanpa
- Kerja
- bekerja sama
- bekerja
- bekerja
- dunia
- dunia
- akan
- penulisan
- tahun
- zephyrnet.dll