Оглавление:
Видео: IBM Watson IoT Platform (Ноябрь 2024)
Со всеми данными, которые накапливают компании, трудно найти эффективный облачный репозиторий, чтобы не только хранить и управлять всей этой информацией, но и обеспечивать возможности поиска и безопасности. К счастью, поставщики облачных платформ, такие как IBM, которая предлагает сценарии IBM Cloud for Infrastructure-as-a-Service (IaaS) и Platform-as-a-Service (PaaS), активно работают над новыми способами управления данными в многозвенных архитектурах.
Что такое многозвенная архитектура?
Многоуровневая архитектура состоит из данных и кода, хранящихся в нескольких облачных средах в рамках одной архитектуры. Просто представьте приложение, которое использует код и ресурсы в нескольких облаках, таких как Amazon Web Services (AWS), IBM Cloud и Microsoft Azure. Благодаря использованию стандартов взаимодействия, которые все еще находятся в процессе развития, архитектуры с несколькими облаками обеспечивают функциональную совместимость программных служб независимо от того, какие облака эти службы используют в качестве платформы. Это позволяет адаптировать ваши облачные ресурсы, чтобы они более конкретно предназначались для ваших рабочих нагрузок.
Предприятиям малого и среднего бизнеса (SMB) следует подумать о поставщике, который может помочь в управлении инфраструктурой нескольких облачных сервисов и обеспечить их безопасность и организацию в единой консоли. Еще лучше тот, который может комбинировать сторонние облачные сервисы, такие как Microsoft Office 365, с ресурсами, которые вы используете на своих виртуальных серверах в другом облаке. Публичное облако может подходить для одного приложения, а частное облако - для другого. Предприятия малого и среднего бизнеса получат выгоду от экономической эффективности и гибкости, которые обеспечивает многократно архитектура.
Multicloud и IBM
С точки зрения мультиоблака, это был напряженный год для IBM. В мае он запустил IBM Cloud Private for Data, чтобы позволить компаниям извлекать скрытые данные из своих данных по таким дисциплинам, как разработка данных, наука о данных и разработка, а также их приложения и базы данных. Затем, 10 сентября, компания объявила, что IBM Cloud Private for Data будет интегрироваться с Red Hat OpenShift, контейнером с открытым исходным кодом и платформой приложений Kubernetes. Kubernetes - это платформа с открытым исходным кодом для запуска контейнеров на кластерах серверов. Эта интеграция с Red Hat дает компаниям больше возможностей при работе с облачными рабочими нагрузками, чтобы они могли работать локально, в публичных и частных облаках и в среде Open Hat OpenShift с открытым исходным кодом. IBM также расширит свое партнерство с Hortonworks, пионером программного обеспечения для больших данных, для интеграции сервисов в Hortonworks DataPlane с IBM Cloud Private for Data.
Наконец, 13 сентября IBM также объявила, что позволит пользователям запрашивать аналитику по всему предприятию, используя инструмент под названием Queryplex, который представляет собой единую консоль для поиска в облаках. В тот же день IBM провела в Терминале 5 в Нью-Йорке мероприятие, организованное ESPN Hannah Storm, чтобы привлечь внимание клиентов, которые принимают вызов искусственного интеллекта (ИИ). Незадолго до мероприятия PCMag встретился с Робом Томасом, генеральным менеджером IBM Analytics, чтобы узнать, как работает новая функция поиска в облаке, работа IBM с Red Hat и некоторые выигрышные стратегии в области искусственного интеллекта.
Роб Томас (RT): воспринимайте это как консоль для управления данными клиента в любом облаке. Если клиенты используют это, то они могут видеть все данные, которые они имеют в помещении, в архитектуре контейнера частного облака, или они могут видеть данные, которые они имеют в AWS, Microsoft Azure, Google Cloud Platform или IBM Cloud. Это единая консоль для понимания всех ваших данных - где они есть, каталогизации ваших данных и их организации.
PCM: Что такое Queryplex и как SMB могут использовать что-то подобное для поиска в облаках?
RT: Queryplex дает вам возможность действительно писать запросы на языке структурированных запросов (SQL), находить данные в любой точке мира и проводить аналитику. Благодаря возможности широкоформатного SQL вам не нужно перемещать данные. Мы найдем данные там, где они есть, и включим их. Мы можем использовать вычислительную мощность на грани, а затем предоставлять аналитику обратно в одно место. Итак, это две стороны одной медали. Одним из них является консоль для управления всеми вашими данными. Вторая часть рассказывает о том, как вы на самом деле выполняете аналитику данных в любом месте без необходимости перемещения данных, как на шаге 1, потому что перемещение данных является дорогостоящим; это отнимает много времени. Таким образом, мы в основном устранили необходимость перемещения данных, что является супер мощным.
PCM: Каким будет повседневный пример компании, использующей этот тип возможностей запросов?
Р.Т.: Хорошей была бы автомобильная компания, которая занимается телематикой, чтобы проводить профилактическое обслуживание автомобиля или его характеристик. Сегодня подход заключается в том, чтобы подключиться к машине, а затем вернуть данные в центральное место. Это дает вам возможность в режиме реального времени. Итак, то, что было 30 дней назад, теперь 30 секунд. Это сила делать это; это просто полностью меняет природу и процесс аналитики.
PCM: Каковы последствия для безопасности поиска в нескольких облаках? Как вы разрешаете этот тип поиска?
RT: Мы разработали Queryplex как корпоративный продукт, который будет использовать все преимущества организации, основанные на протоколах управления безопасностью и идентификацией Lightweight Directory Access Protocol (LDAP) или политиках управления данными. Позвольте мне привести пример: если политика вашей компании заключается в том, что каждый раз, когда вы выполняете федеративные запросы, которые вы не хотите касаться какой-либо личной информации (PII), тогда мы можем замаскировать эти данные как часть этой возможности, чтобы они не т часть этого. Мы действительно разработали его для интеграции в архитектуру безопасности компании.
PCM: Что нужно сделать компании, чтобы разрешить доступ к различным облакам?
RT: Когда вы работаете в IBM Cloud Private for Data, вы очень быстро устанавливаетесь. С точки зрения подключения к другому облаку, это просто знание IP-адреса. Это довольно просто; Вы можете сделать это. Так что связность не сложная. Я думаю, что компаниям становится все труднее, когда вы все больше продвигаетесь к искусственному интеллекту или сценариям использования данных, вам необходимо создать модель для этого. Вам нужно обучить эту модель, и мы можем помочь вам организовать данные для этого.
PCM: Каковы несколько ключевых стратегий для компаний по внедрению искусственного интеллекта или машинного обучения (ML)?
RT: несколько разных вещей. Я вижу некоторых клиентов, которые основывают Центры передового опыта в области науки о данных (COE). Я думаю, что это может быть хорошим способом придать энергию организации по этой теме и привести ее в движение. Я думаю, что это один хороший подход.
Мы видим других клиентов, которые нанимают руководителя отдела обработки данных (CDO) и поручаем этому человеку вести компанию в этом направлении. Я думаю, что это тоже хорошо.
В-третьих, я вижу, что многие компании полагаются на это, исходя из направления бизнеса, то есть направления бизнеса, чтобы найти вариант использования, а затем это касается технологических инноваций. Я думаю, что любой из них может работать.
Я думаю, что самый большой пробел и то, что я призываю клиентов сделать, это иметь стратегию данных. Частью стратегии обработки данных является знание того, где вы находитесь сегодня. То есть, вы на самом деле просто занимаетесь бизнес-аналитикой (BI) и хранилищем данных, или вы на самом деле занимаетесь аналитикой самообслуживания? Понять, где вы находитесь, а затем понять конечную точку. Если вы получите ясность по этим двум пунктам, тогда вы можете начать эксперименты с помощью COE по науке о данных, CDO или с точки зрения бизнеса, зная, что вы получите определенный уровень повторяемости, что важно.
PCM: Что привело IBM к работе с Red Hat?
RT: Если вернуться к 2000 году, IBM была довольно большим сторонником Linux. Я бы сказал, что Linux вряд ли был бы там, где он есть сегодня без поддержки IBM. Из-за этого у нас всегда был постоянный диалог с Red Hat об инновациях и о том, как мы поддерживаем экосистему. Мы наблюдаем, что Red Hat сделала с OpenShift.
Мы очень верим в контейнеры, и у Kubernetes есть способ помочь клиентам модернизировать приложения и состояния данных. Если вы посмотрите на Red Hat с OpenShift, они создали отличную контейнерную платформу, которая ориентирована на модернизацию. Но у них ничего нет для данных, и трудно модернизировать приложения без одновременной модернизации данных.
То, что мы можем сделать с точки зрения модернизации сервисов данных с помощью IBM Cloud Private for Data, - это запустить это прямо в OpenShift, чтобы те клиенты, которые находятся в процессе модернизации приложений, могли делать то же самое с данными, и они может превратить этот проект в результаты для ИИ.
Hadoop еще не перешел на микросервисную архитектуру, так что это еще одна часть головоломки. Работать с Hortonworks, чтобы помочь модернизировать и создать микросервисы Hadoop, которые могли бы работать вместе с IBM Cloud Private for Data и OpenShift.
PCM: Как компании используют этот тип микросервисной архитектуры?
RT: Я думаю, что все это связано с ИИ и наукой о данных. Что бы вы ни делали с данными, это, как правило, зависит от результатов бизнеса. Вы ищете какое-то преимущество с точки зрения использования аналитики.
Итак, если вы получили много своих данных в Hadoop, если вы не можете использовать их для прогнозной аналитики, ML или науки о данных, то это не очень важно для организации. Вот как я соединяю точки. Hadoop - это микросервис; это намного более сложное, намного более гибкое. Работать с данными проще, и их легче сделать доступными для большой группы специалистов по данным. И это позволяет вам получить больше пользы от реализации Hadoop.
PCM: Что вы видите в будущем, когда дело касается AI и ML?
РТ: Мы собираемся медленно войти в мейнстрим. Год назад обсуждалась тема: «Могу ли я что-нибудь сделать?» Я бы сказал, что это был год усиленных экспериментов. Я думаю, что в следующем году мы начнем массовые эксперименты и, надеюсь, к концу следующего года мы станем точкой, где это станет более распространенным явлением. Люди используют ИИ и модели для автоматизации множества основных бизнес-процессов, для автоматизации принятия решений. Итак, мы явно в этом путешествии. Вы можете увидеть прогресс. Я чувствую, что мы приближаемся к переломному моменту, если хотите, но мы еще не совсем там.
