Зміст:
Відео: Fallback actions | Rasa (Листопад 2024)
З усіма накопиченими даними компаніями, це боротьба за пошук ефективного сховища хмарного сховища, щоб не тільки зберігати та керувати всією цією інформацією, а й забезпечити можливості пошуку та безпеки. На щастя, постачальники хмарних платформ, такі як IBM, який пропонує сценарії IBM Cloud for Infrastructure as-a-a-Service (IaaS) та Platform-as-a-Service (PaaS), активно працюють над новими способами управління даними в багатоголосних архітектурах.
Що таке багатокутна архітектура?
Багатокольорова архітектура складається з даних і коду, що зберігаються в декількох хмарних середовищах в межах однієї архітектури. Просто уявіть програму, яка використовує код та ресурси в декількох хмарах, таких як Amazon Web Services (AWS), IBM Cloud та Microsoft Azure. Використовуючи стандарти інтероперабельності, які все ще розвиваються, багатобарвна архітектура приносить сумісність програмним службам незалежно від того, які хмари ці сервіси використовують як платформу. Це дозволяє вам налаштувати хмарні ресурси, щоб вони конкретніше орієнтувались на ваші навантаження.
Невеликі середні підприємства (SMB) повинні розглядати постачальника, який може допомогти керувати інфраструктурою декількох хмарних сервісів і підтримувати їх захищеними та організованими в одній консолі. Ще кращим є той, який може поєднувати сторонні хмарні сервіси, такі як Microsoft Office 365, з ресурсами, які ви працюєте на власних віртуальних серверах в іншій хмарі. Загальнодоступна хмара може підходити для однієї програми, а приватна - для іншої. Малі та середні підприємства отримають користь від економічної ефективності та спритності, яку надає багатобарвна архітектура.
Multicloud та IBM
З точки зору багатоголосності, для IBM це був напружений рік. У травні він запустив IBM Cloud Private for Data, щоб дозволити компаніям отримувати приховані відомості зі своїх даних у різних дисциплінах, таких як інженерія даних, наука та розробка даних, а також їх додатки та бази даних. Потім, 10 вересня, компанія оголосила, що IBM Cloud Private for Data буде інтегруватися з Red Hat OpenShift, контейнером з відкритим кодом та платформою додатків Kubernetes. Kubernetes - це платформа з відкритим кодом для запуску контейнерів через кластери серверів. Ця інтеграція з Red Hat дає більше можливостей компаніям під час запуску хмарних робочих навантажень, щоб вони могли працювати в локальних, публічних та приватних хмарах та у відкритому середовищі Red Hat OpenShift. IBM також розширить своє партнерство з Hortonworks, піонером програмного забезпечення Big Data, для інтеграції служб у Hortonworks DataPlane з IBM Cloud Private for Data.
Нарешті, 13 вересня IBM також оголосила, що дозволить користувачам запитувати аналітику по всьому підприємству, використовуючи інструмент під назвою Queryplex, який є єдиною консоллю для пошуку через хмари. Того ж дня IBM провів захід у Терміналі 5 в Нью-Йорку, який провів Ханна Шторм від ESPN, щоб ознайомитись із клієнтами, які приймають на себе завдання штучного інтелекту (ШІ). Незадовго до події PCMag наздогнав Роба Томаса, генерального директора IBM Analytics, щоб зрозуміти, як працює нова можливість пошуку хмари, робота IBM з Red Hat та деякі стратегії виграшу в AI.
Роб Томас (RT): Подумайте про це як про консоль, як клієнт керує даними будь-де в будь-якій хмарі. Якщо клієнти використовують це, то вони можуть бачити всі наявні у них дані в архітектурі приватних хмарних контейнерів або вони можуть бачити дані, які вони мають на AWS, Microsoft Azure, Google Cloud Platform або IBM Cloud. Це єдина консоль для розуміння всіх ваших даних - де вони є, каталогізації ваших даних та їх організації.
PCM: Що таке Queryplex і як SMB можуть використовувати щось подібне для пошуку по хмарах?
RT: Queryplex дає вам можливість справді писати запит на структуровану мову запитів (SQL) і знаходити дані в будь-якій точці світу та робити аналітику. Завдяки цій ширококутній можливості SQL вам не потрібно переміщувати дані. Ми знайдемо дані там, де вони є, і включимо їх. Ми можемо використовувати потужність обробки на межі, а потім повернути аналітику на одне місце. Отже, це дві сторони однієї і тієї ж монети. Один - це консоль для управління всіма вашими даними. Другий фрагмент - про те, як ви насправді займаєтесь аналітикою даних, які є де завгодно, не потребуючи переміщення даних як етап 1, оскільки переміщення даних коштує дорого; це забирає багато часу. Отже, ми в основному усунули потребу в русі даних, який є надзвичайно потужним.
PCM: Що може бути щоденним прикладом компанії, яка використовує такий тип запиту?
RT: Хорошим був би автомобільна компанія, яка займається телематикою для того, щоб робити передбачувальне технічне обслуговування на автомобілі або як він працює. Сьогодні підходом було б підключитися до машини та потім повернути дані в центральне місце. Це дає вам можливість у режимі реального часу. Отже, те, що було раніше 30 днів, зараз 30 секунд. Ось сила цього робити; це просто повністю змінює природу та процес аналітики.
PCM: Які наслідки для безпеки для пошуку в декількох хмарах? Як увімкнути дозвіл на пошук типу?
RT: Ми розробили Queryplex як корпоративний продукт, який скористається всіма організаціями, створеними навколо протоколів безпеки та управління ідентифікацією даних про безпеку та управління ідентифікацією або політикою управління даними. Дозвольте навести приклад: якщо ваша політика компанії полягає в тому, що коли ви робите об'єднані запити, не хочете торкатися будь-якої особисті інформації (PII), ми можемо замаскувати ці дані як частину цієї можливості, щоб вони не були ' t її частина. Ми дійсно створили його для інтеграції в архітектуру безпеки компанії.
PCM: Що потрібно зробити компанії, щоб отримати доступ до різних хмар?
RT: Якщо ви перебуваєте в IBM Cloud Private for Data, ви встановлюєтеся дуже швидко. Що стосується підключення до іншої хмари, це просто знати IP-адресу. Це досить просто; ти можеш це зробити. Таким чином, з'єднання не є важким. Де я думаю, що компаніям стає все складніше, це те, що, коли ви більше просуваєтеся до випадків використання ІІ або використання даних для наукових даних, вам потрібно створити для цього модель. Вам потрібно навчити цю модель, і ми можемо допомогти вам впорядкувати дані для цього.
PCM: Які декілька ключових стратегій для компаній щодо впровадження AI або машинного навчання (ML)?
RT: Кілька різних речей. Я бачу деяких клієнтів, які засновують Центри досконалості для наукових даних (COE). Я думаю, що це може бути хорошим способом активізувати організацію в цій темі і рухати справи. Я думаю, що це один хороший підхід.
Ми бачимо інших клієнтів, які наймають головного керівника даних (CDO) і дають цій особі місію керувати компанією в цьому напрямку. Я думаю, що це теж добре.
По-третє, я бачу, що багато компаній, які розраховують на це, походять з напрямків діяльності, тобто під напрямком бізнесу, щоб знайти випадок використання, і тоді це стосується інноваційних технологій. Я думаю, що будь-який з них може працювати.
Я думаю, що найбільший розрив і те, що я заохочую клієнтів, - це стратегія передачі даних. Частина стратегії передачі даних - це знати, де ти сьогодні. Значить, ви справді просто займаєтесь бізнес-аналітикою (BI) та зберіганням даних, чи фактично займаєтесь аналітикою самообслуговування? Зрозумійте, де ви знаходитесь, і тоді зрозумійте кінцеву точку. Якщо ви отримаєте чіткість у цих двох моментах, тоді ви можете розпочати експерименти через науково-технічні дослідження з інформатики, CDO або через бізнес, знаючи, що ви отримаєте рівень повторюваності з тих, що важливо.
PCM: Що змусило IBM працювати з Red Hat?
RT: Якщо повернутися до 2000 року, IBM був досить великим прихильником Linux. Я б заперечував, що Linux без підтримки IBM, ймовірно, не був би там, де він є сьогодні. Через це ми завжди мали постійний діалог з Red Hat щодо інновацій та того, як ми підтримуємо екосистему. Ми спостерігали, що Red Hat зробив з OpenShift.
Ми величезна кількість віруючих у контейнери, і Kubernetes має спосіб допомогти клієнтам модернізувати додатки та стан даних. Якщо подивитися на Red Hat з OpenShift, вони побудували чудову контейнерну платформу, орієнтовану на модернізацію. Але вони не мають нічого для даних, і важко модернізувати програми, не одночасно модернізуючи дані.
Де ми можемо принести те, що ми зробили в частині модернізації служб передачі даних за допомогою Cloud Cloud Private для даних, - це запустити це безпосередньо на OpenShift, тож ті клієнти, які вирушають у модернізацію додатків, можуть робити те ж саме із даними, і вони може перетворити цей проект на результати для ШІ.
Hadoop ще не перемістився до архітектури мікросервісу, тож це інший фрагмент головоломки. Робота з Hortonworks, щоб допомогти модернізувати та створити мікросервіси Hadoop, які могли б працювати разом із IBM Cloud Private for Data та OpenShift.
PCM: Як компанії використовують такий тип архітектури мікросервісів?
RT: Я думаю, що все це повертається до AI та науці даних. Що б ви не робили з даними, як правило, орієнтуються на результат бізнесу. Ви шукаєте певну перевагу з точки зору того, як ви використовуєте аналітику.
Отже, якщо ви отримали багато своїх даних в Hadoop, якщо ви не в змозі використовувати їх для прогнозованої аналітики, ML або наукових даних, це не дуже цінно для організації. Ось так я з'єдную крапки. Hadoop - мікросервіс; це набагато більш компонований, набагато гнучкіший. Працювати з даними простіше, і простіше зробити їх доступними для великої команди з наукових даних. І це дозволяє отримати більше цінності від вашої реалізації Hadoop.
PCM: Куди ви бачите, що йде в майбутньому, що стосується AI та ML?
RT: Ми будемо повільно входити в мейнстрім. Рік тому дискусія була: "Чи можу я щось зробити?" Я б сказав, що це рік розширеного експерименту. Я думаю, що наступного року ми потрапимо до масових експериментів і, сподіваємось, до кінця наступного року ми опинимось у точці, коли це стане більш мейнстрімом. Люди використовують AI та моделі для автоматизації багатьох основних бізнес-процесів, для автоматизації багато прийняття рішень. Отже, ми зрозуміло в цій дорозі. Ви можете бачити прогресію. Я відчуваю, що ми наблизимось до переломної точки, якщо ви хочете, але ми ще не зовсім там.
