สารบัญ:
วีดีโอ: पृथà¥?वी पर सà¥?थित à¤à¤¯à¤¾à¤¨à¤• नरक मंदिर | Amazing H (กันยายน 2024)
ด้วยข้อมูลทั้งหมดที่ บริษัท สะสมมันเป็นการยากที่จะค้นหาที่เก็บข้อมูลบนคลาวด์ที่มีประสิทธิภาพไม่เพียง แต่จะเก็บและจัดการข้อมูลทั้งหมด แต่เพื่อเปิดใช้งานความสามารถในการค้นหาและความปลอดภัยเช่นกัน โชคดีที่ผู้จำหน่ายแพลตฟอร์มคลาวด์เช่น IBM ซึ่งมี IBM Cloud สำหรับโครงสร้างพื้นฐาน -as-a-Service (IaaS) และสถานการณ์จำลองแพลตฟอร์ม -as-a-Service (PaaS) กำลังทำงานอย่างแข็งขันกับวิธีการใหม่ในการจัดการข้อมูลในสถาปัตยกรรมหลายเครือข่าย
สถาปัตยกรรม Multicloud คืออะไร?
สถาปัตยกรรม multicloud ประกอบด้วยข้อมูลและรหัสที่จัดเก็บในสภาพแวดล้อมคลาวด์หลายแห่งภายในสถาปัตยกรรมเดียว เพียงจินตนาการถึงแอปพลิเคชั่นที่ใช้รหัสและทรัพยากรในหลายคลาวด์เช่น Amazon Web Services (AWS), IBM Cloud และ Microsoft Azure ด้วยการใช้มาตรฐานการทำงานร่วมกันที่ยังคงมีการพัฒนาสถาปัตยกรรม Multicloud นำมาซึ่งความสามารถในการทำงานร่วมกันกับบริการซอฟต์แวร์ไม่ว่าบริการเหล่านั้นจะใช้ระบบคลาวด์แบบใดก็ตาม สิ่งนี้ช่วยให้คุณปรับแต่งทรัพยากรคลาวด์ของคุณเพื่อให้พวกเขากำหนดเป้าหมายปริมาณงานของคุณโดยเฉพาะ
ธุรกิจขนาดเล็กถึงขนาดกลาง (SMB) ควรพิจารณาผู้ให้บริการที่สามารถช่วยจัดการโครงสร้างพื้นฐานของบริการคลาวด์หลายบริการและทำให้พวกเขาปลอดภัยและจัดระเบียบในคอนโซลเดียว สิ่งที่ดียิ่งขึ้นคือบริการที่สามารถรวมบริการคลาวด์ของบุคคลที่สามเช่น Microsoft Office 365 เข้ากับทรัพยากรที่คุณใช้บนเซิร์ฟเวอร์เสมือนของคุณเองในคลาวด์อื่น คลาวด์สาธารณะอาจเหมาะสมสำหรับแอพเดียวและคลาวด์ส่วนตัวสำหรับแอปอื่น ธุรกิจขนาดกลางและขนาดย่อมจะได้รับประโยชน์จากความคุ้มค่าและความคล่องตัวที่สถาปัตยกรรมหลายเครือข่ายมอบให้
Multicloud และ IBM
จากจุดยืนหลายจุดนั่นเป็นปีที่ยุ่งสำหรับ IBM ในเดือนพฤษภาคม บริษัท ได้เปิดตัว IBM Cloud Private for Data เพื่อให้ บริษัท สกัดข้อมูลเชิงลึกที่ซ่อนอยู่จากข้อมูลของพวกเขาในสาขาต่าง ๆ เช่นวิศวกรรมข้อมูลวิทยาศาสตร์ข้อมูลและการพัฒนารวมถึงแอพและฐานข้อมูลของพวกเขา จากนั้นในวันที่ 10 กันยายน บริษัท ประกาศว่า IBM Cloud Private for Data จะรวมเข้ากับ Red Hat OpenShift คอนเทนเนอร์โอเพ่นซอร์สและแพลตฟอร์มแอพ Kubernetes Kubernetes เป็นแพลตฟอร์มโอเพ่นซอร์สสำหรับการเรียกใช้คอนเทนเนอร์ข้ามคลัสเตอร์ของเซิร์ฟเวอร์ การรวมเข้ากับ Red Hat นี้มีตัวเลือกเพิ่มเติมให้กับ บริษัท ต่างๆเมื่อใช้งานปริมาณงานบนคลาวด์เพื่อให้สามารถทำงานในสถานที่ในระบบคลาวด์สาธารณะและส่วนตัวและในสภาพแวดล้อม OpenShift Red Hat แบบโอเพนซอร์ส ไอบีเอ็มจะขยายความร่วมมือกับ Hortonworks ซึ่งเป็นผู้บุกเบิกซอฟต์แวร์ Big Data เพื่อรวมบริการต่างๆใน Hortonworks DataPlane กับ IBM Cloud Private for Data
ในที่สุดเมื่อวันที่ 13 กันยายน IBM ยังได้ประกาศว่าจะให้ผู้ใช้ค้นหาการวิเคราะห์ทั่วทั้งองค์กรโดยใช้เครื่องมือที่เรียกว่า Queryplex ซึ่งเป็นคอนโซลเดียวสำหรับการค้นหาข้ามระบบคลาวด์ ในวันเดียวกันนั้นเอง IBM ได้จัดงานที่ Terminal 5 ในนิวยอร์กซิตี้ซึ่งจัดทำโดย Hannah Storm ของ ESPN เพื่อสปอตไลท์ลูกค้าที่กำลังเผชิญกับความท้าทายปัญญาประดิษฐ์ (AI) ไม่นานก่อนที่เหตุการณ์จะเกิดขึ้น PCMag ติดต่อกับ Rob Thomas ผู้จัดการทั่วไปของ IBM Analytics เพื่อรับทราบถึงความสามารถในการค้นหาคลาวด์ใหม่การทำงานของ IBM กับ Red Hat และกลยุทธ์การชนะใน AI
Rob Thomas (RT): คิดว่ามันเป็นคอนโซลสำหรับวิธีที่ลูกค้าจัดการข้อมูลได้ทุกที่บนคลาวด์ใด ๆ หากลูกค้าใช้สิ่งนั้นพวกเขาจะสามารถดูข้อมูลทั้งหมดที่มีในสถานที่ตั้งในสถาปัตยกรรมคอนเทนเนอร์คลาวด์ส่วนตัวหรือสามารถดูข้อมูลที่มีบน AWS, Microsoft Azure, แพลตฟอร์ม Google Cloud หรือ IBM Cloud มันเป็นคอนโซลเดียวสำหรับการทำความเข้าใจข้อมูลทั้งหมดของคุณ - มันอยู่ที่ไหนทำรายการข้อมูลของคุณและจัดการมัน
PCM: Queryplex คืออะไรและ SMB สามารถใช้อะไรเช่นนั้นเพื่อค้นหาข้ามคลาวด์ได้อย่างไร
RT: Queryplex ให้ความสามารถในการเขียนคิวรีภาษาคิวรี (SQL) และค้นหาข้อมูลได้ทุกที่ในโลกและทำการวิเคราะห์ ด้วยความสามารถมุมกว้างของ SQL นี้คุณไม่จำเป็นต้องย้ายข้อมูล เราจะค้นหาข้อมูลไม่ว่าจะอยู่ที่ไหนและเราจะเปิดใช้งาน เราสามารถใช้พลังการประมวลผลบนขอบแล้วให้การวิเคราะห์กลับไปที่เดียว นั่นคือทั้งสองด้านของเหรียญเดียวกัน หนึ่งคือคอนโซลสำหรับการจัดการข้อมูลทั้งหมดของคุณ ส่วนที่สองเป็นเรื่องเกี่ยวกับวิธีการที่คุณทำการวิเคราะห์ข้อมูลที่ใดก็ได้โดยไม่ต้องย้ายข้อมูลเป็นขั้นตอนที่ 1 เนื่องจากการย้ายข้อมูลมีค่าใช้จ่ายสูง มันใช้เวลานาน ดังนั้นโดยทั่วไปเราไม่จำเป็นต้องมีการเคลื่อนย้ายข้อมูลซึ่งทรงพลังมาก
PCM: อะไรคือตัวอย่างแบบวันต่อวันของ บริษัท ที่ใช้ความสามารถในการสืบค้นประเภทนี้
RT: บริษัท ที่ดีจะเป็น บริษัท ยานยนต์ที่กำลังทำการ telematics เพื่อทำการบำรุงรักษาเชิงคาดการณ์ล่วงหน้าเกี่ยวกับรถยนต์หรือประสิทธิภาพการทำงาน วันนี้วิธีการคือการเชื่อมต่อกับรถแล้วนำข้อมูลกลับไปที่ตำแหน่งศูนย์กลาง มันให้ความสามารถแบบเรียลไทม์ ดังนั้นอะไรคือ 30 วันก่อนตอนนี้ 30 วินาที นั่นคือพลังของการทำสิ่งนี้ มันเปลี่ยนลักษณะและกระบวนการวิเคราะห์โดยสิ้นเชิง
PCM: อะไรคือความปลอดภัยของการค้นหาข้ามคลาวด์หลาย ๆ คุณจะเลือกอนุญาตการค้นหาประเภทนั้นได้อย่างไร
RT: เราออกแบบ Queryplex เป็นผลิตภัณฑ์ระดับองค์กรที่จะใช้ประโยชน์จากสิ่งที่องค์กรได้สร้างขึ้นเกี่ยวกับความปลอดภัยของ Lightweight Directory Access Protocol (LDAP) และโปรโตคอลการจัดการข้อมูลผู้ใช้หรือนโยบายการกำกับดูแลข้อมูล ให้ฉันยกตัวอย่างให้คุณ: หากนโยบาย บริษัท ของคุณคือทุกครั้งที่คุณทำแบบสอบถามแบบรวมที่คุณไม่ต้องการสัมผัสข้อมูลที่สามารถระบุตัวบุคคลได้ (PII) จากนั้นเราสามารถปกปิดข้อมูลนั้นเป็นส่วนหนึ่งของความสามารถนี้ ส่วนหนึ่งของมัน เราออกแบบมันเพื่อรวมเข้ากับสถาปัตยกรรมความปลอดภัยของ บริษัท
PCM: บริษัท ต้องทำอะไรเพื่อให้สามารถเข้าถึงคลาวด์ที่แตกต่างกันได้
RT: เมื่อคุณอยู่ใน IBM Cloud Private for Data คุณจะได้รับการติดตั้งอย่างรวดเร็ว ในแง่ของการเชื่อมต่อกับคลาวด์อื่นมันแค่รู้ที่อยู่ IP มันค่อนข้างตรงไปตรงมา คุณสามารถทำได้ ดังนั้นการเชื่อมต่อจึงไม่ยาก ที่ฉันคิดว่ามันยากสำหรับ บริษัท คือเมื่อคุณก้าวไปสู่ AI หรือกรณีการใช้วิทยาศาสตร์ข้อมูลคุณต้องสร้างแบบจำลองสำหรับสิ่งนั้น คุณต้องฝึกรูปแบบนั้นและเราสามารถช่วยคุณจัดระเบียบข้อมูลเพื่อทำเช่นนั้นได้
PCM: กลยุทธ์สำคัญสองประการที่ทำให้ บริษัท ต่างๆใช้ AI หรือการเรียนรู้ของเครื่อง (ML) คืออะไร?
RT: สิ่งที่แตกต่าง ฉันเห็นลูกค้าบางรายที่สร้างศูนย์ข้อมูลความเป็นเลิศ (COE) ฉันคิดว่านั่นอาจเป็นวิธีที่ดีในการเพิ่มพลังให้กับองค์กรในหัวข้อและทำให้สิ่งต่างๆเคลื่อนไหว ฉันคิดว่านั่นเป็นวิธีการหนึ่งที่ดี
เราเห็นลูกค้ารายอื่นที่จ้าง Chief Data Officer (CDO) และมอบภารกิจในการขับเคลื่อน บริษัท ในทิศทางนี้ ฉันคิดว่ามันดีเหมือนกัน
ประการที่สามฉันเห็น บริษัท จำนวนมากที่พึ่งพาสิ่งนี้มาจากสายธุรกิจหมายถึงสายธุรกิจเพื่อค้นหากรณีการใช้งานและนั่นก็เพื่อนวัตกรรมทางเทคโนโลยี ฉันคิดว่าสิ่งเหล่านี้สามารถทำงานได้
ฉันคิดว่าช่องว่างที่ใหญ่ที่สุดและสิ่งที่ฉันสนับสนุนให้ลูกค้าทำคือการมีกลยุทธ์ด้านข้อมูล ส่วนหนึ่งของกลยุทธ์ข้อมูลคือการรู้ว่าคุณอยู่ที่ไหนวันนี้ หมายความว่าคุณแค่ทำข่าวกรองธุรกิจ (BI) และคลังข้อมูลหรือคุณกำลังทำการวิเคราะห์ด้วยตนเองใช่ไหม ทำความเข้าใจว่าคุณอยู่ที่ไหนและเข้าใจจุดสิ้นสุด หากคุณได้รับความชัดเจนในสองประเด็นคุณสามารถเริ่มการทดสอบผ่าน COE ด้านวิทยาศาสตร์ข้อมูล CDO หรือผ่านสายงานธุรกิจโดยรู้ว่าคุณจะได้รับการทำซ้ำในระดับที่สำคัญ
PCM: อะไรทำให้ IBM ทำงานกับ Red Hat
RT: ถ้าคุณกลับไปที่ปี 2000 IBM เป็นผู้สนับสนุนลีนุกซ์ขนาดใหญ่ ฉันขอยืนยันว่า Linux อาจจะไม่เป็นอย่างที่เป็นอยู่ทุกวันนี้หากไม่ได้รับการสนับสนุนจาก IBM ด้วยเหตุนี้เราจึงมีการสนทนาอย่างต่อเนื่องกับ Red Hat เกี่ยวกับนวัตกรรมและวิธีที่เราสนับสนุนระบบนิเวศ เราได้เฝ้าดูสิ่งที่ Red Hat ได้ทำกับ OpenShift
เราเป็นผู้ศรัทธาในตู้คอนเทนเนอร์ขนาดใหญ่และ Kubernetes มีวิธีที่จะช่วยให้ลูกค้าปรับปรุงแอพและสถานะข้อมูลให้ทันสมัยขึ้น ถ้าคุณดู Red Hat ด้วย OpenShift พวกเขาสร้างแพลตฟอร์มคอนเทนเนอร์ที่ยอดเยี่ยมซึ่งเน้นที่ความทันสมัย แต่พวกเขาไม่มีข้อมูลอะไรเลยและมันก็ยากที่จะทำให้แอปทันสมัยโดยไม่ต้องปรับปรุงข้อมูลในเวลาเดียวกัน
ที่เราสามารถนำสิ่งที่เราทำในแง่ของการบริการข้อมูลที่ทันสมัยด้วย IBM Cloud ส่วนตัวสำหรับข้อมูลคือการเรียกใช้ที่ถูกต้องบน OpenShift ดังนั้นลูกค้าที่อยู่ในการเดินทางที่ทันสมัยของแอปพลิเคชันสามารถทำสิ่งเดียวกันกับข้อมูลและพวกเขา สามารถเปลี่ยนโครงการนั้นให้กลายเป็นผลลัพธ์สำหรับ AI
Hadoop ยังไม่ได้ย้ายไปที่สถาปัตยกรรมบริการไมโครดังนั้นนั่นเป็นอีกส่วนหนึ่งของปริศนา ทำงานกับ Hortonworks เพื่อช่วยให้ทันสมัยและสร้าง microservices ของ Hadoop ที่สามารถเล่นได้กับ IBM Cloud Private สำหรับ Data และ OpenShift
PCM: บริษัท ใช้สถาปัตยกรรมไมโครบริการประเภทนั้นได้อย่างไร
RT: ฉันคิดว่ามันทั้งหมดกลับมาที่ AI และวิทยาศาสตร์ข้อมูล โดยทั่วไปสิ่งที่คุณทำกับข้อมูลนั้นจะถูกขับเคลื่อนไปตามผลลัพธ์ทางธุรกิจ คุณกำลังมองหาข้อได้เปรียบในแง่ของวิธีการใช้งานการวิเคราะห์
ดังนั้นหากคุณได้รับข้อมูลจำนวนมากใน Hadoop ถ้าคุณไม่สามารถใช้สำหรับการวิเคราะห์เชิงทำนาย ML หรือวิทยาศาสตร์ข้อมูลได้นั่นก็ไม่ได้มีค่ามากสำหรับองค์กร นั่นคือวิธีที่ฉันเชื่อมต่อจุดต่างๆ Hadoop เป็นบริการไมโคร มันแต่งได้มากขึ้นและยืดหยุ่นได้มากกว่า ทำงานกับข้อมูลได้ง่ายขึ้นและทำให้ทีมวิทยาศาสตร์ข้อมูลขนาดใหญ่สามารถใช้งานได้ง่ายขึ้น และนั่นทำให้คุณได้รับประโยชน์มากขึ้นจากการใช้ Hadoop ของคุณ
PCM: คุณเห็นสิ่งที่จะเกิดขึ้นในอนาคตเท่าที่ AI และ ML?
RT: เราจะค่อยๆเข้าสู่กระแสหลัก ปีที่แล้วการอภิปรายคือ "ฉันจะทำอะไรได้บ้าง" ฉันจะบอกว่านี่เป็นปีของการทดลองที่เพิ่มขึ้น ฉันคิดว่าปีหน้าเราจะทำการทดลองจำนวนมากและหวังว่าภายในสิ้นปีหน้าเราจะถึงจุดที่สิ่งนี้กลายเป็นกระแสหลักมากขึ้น ผู้คนใช้ AI และแบบจำลองเพื่อทำให้กระบวนการทางธุรกิจพื้นฐานเป็นไปโดยอัตโนมัติเพื่อทำการตัดสินใจจำนวนมากโดยอัตโนมัติ ดังนั้นเราชัดเจนในการเดินทางนั้น คุณสามารถเห็นความก้าวหน้า ฉันรู้สึกว่าเราใกล้จุดเปลี่ยนถ้าคุณต้องการ แต่เรายังไม่ถึงจุดนี้
