Поглед върху индустрията: ibm за многослойно търсене и ai стратегия

С всички данни, които компаниите натрупват, е борба да се намери ефективно хранилище за облачно съхранение, което не само да държи и управлява цялата тази информация, но и да активира възможностите за търсене и сигурност. За щастие, доставчиците на облачни платформи като IBM, който предлага IBM Cloud за инфраструктура като услуга (IaaS) и сценарии за платформа (PaaS), работят активно върху нови начини за управление на данни в многослойни архитектури.

Какво е многослойна архитектура?

Многолистната архитектура се състои от данни и код, съхранявани в множество облачни среди в рамките на една архитектура. Просто си представете приложение, което използва код и ресурси в множество облаци, като Amazon Web Services (AWS), IBM Cloud и Microsoft Azure. Използвайки стандартите за оперативна съвместимост, които все още се развиват, многослойните архитектури осигуряват оперативна съвместимост на софтуерните услуги, без значение какви облаци тези услуги използват като платформа. Това ви позволява да персонализирате облачните си ресурси, така че те да са насочени по-конкретно към натоварването ви.

Малките и средни предприятия (SMBs) трябва да обмислят доставчик, който може да помогне за управление на инфраструктурата на множество облачни услуги и да ги поддържа сигурни и организирани в една конзола. Още по-добре е тази, която може да комбинира облачни услуги на трети страни, като Microsoft Office 365, с ресурси, които имате на собствените ви виртуални сървъри в друг облак. Публичният облак може да е подходящ за едно приложение, а частният облак за друго. Малките и средни предприятия ще се възползват от икономическата ефективност и гъвкавостта, която предлага многоликата архитектура.

Multicloud и IBM

От многослойна гледна точка това беше натоварена година за IBM. През май тя стартира IBM Cloud Private for Data, за да позволи на компаниите да извличат скрити впечатления от своите данни в различни дисциплини като инженеринг на данни, наука за данни и разработка, както и техните приложения и бази данни. След това, на 10 септември, компанията обяви, че IBM Cloud Private for Data ще се интегрира с Red Hat OpenShift, контейнера с отворен код и платформата за приложение Kubernetes. Kubernetes е платформа с отворен код за работа с контейнери в клъстери от сървъри. Тази интеграция с Red Hat дава повече възможности на компаниите, когато работят натоварени от облак работни натоварвания, така че да могат да работят в локални, публични и частни облаци и в средата на Red Hat OpenShift с отворен код. IBM ще разшири и партньорството си с Hortonworks, пионер на софтуера за големи данни, за интегриране на услуги в Hortonworks DataPlane с IBM Cloud Private for Data.

Накрая, на 13 септември, IBM също обяви, че ще позволи на потребителите да правят заявки за анализи в предприятието, като използват инструмент, наречен Queryplex, който е единна конзола за търсене през облаци. Същия ден IBM проведе събитие в Терминал 5 в Ню Йорк, чийто домакин беше Хана Буря на ESPN, за да прожектира клиентите, които поемат предизвикателството за изкуствен интелект (AI). Малко преди събитието PCMag настигна Роб Томас, генерален мениджър на IBM Analytics, за да разбере как работи новата възможност за търсене в облак, работата на IBM с Red Hat и някои печеливши стратегии в AI.

PCMag (PCM): Как IBM Cloud Private for Data ви позволява да виждате всичките си данни?

Роб Томас (RT): Помислете за това като за конзолата за това как клиентът управлява данни навсякъде през всеки облак. Ако клиентите използват това, тогава те могат да виждат всички данни, които имат в помещението, в частна облачна архитектура на контейнери или могат да видят данните, които имат в AWS, Microsoft Azure, Google Cloud Platform или IBM Cloud. Това е единна конзола за разбиране на всичките ви данни - къде се намират, каталогизиране на вашите данни и организиране на тях.

PCM: Какво е Queryplex и как SMBs могат да използват нещо подобно за търсене в облаци?

RT: Queryplex ви дава възможност наистина да напишете заявка за структуриран език за заявки (SQL) и да намерите данни навсякъде по света и да правите анализи. С тази широкоъгълна SQL възможност не е нужно да премествате данните. Ще намерим данните където и да са и ще ги активираме. Можем да използваме процесорната мощност на ръба и след това да предоставим аналитика на едно място. Това са две страни на една и съща монета. Единият е конзола за управление на всичките ви данни. Второто парче е за това как всъщност правите анализи на данни, които са навсякъде, без да се налага да премествате данните като стъпка 1, защото преместването на данните е скъпо; отнема време. И така, ние елиминирахме необходимостта от движение на данни, което е супер мощно.

PCM: Какъв би бил ежедневен пример за компания, използваща този тип възможности за заявки?

RT: Добър би бил автомобилната компания, която прави телематика, за да прави прогнозна поддръжка на автомобил или как се представя. Днес подходът би бил да се свържете с колата и след това да върнете данни на централно място. Дава ви възможност в реално време. И така, това, което беше преди 30 дни, сега е 30 секунди. Това е силата на това; просто тотално променя естеството и процеса на анализиране.

PCM: Какви са последиците за сигурността при търсене в множество облаци? Как да се включите, за да разрешите този тип търсене?

RT: Ние проектирахме Queryplex като корпоративен продукт, който ще се възползва от всичко, което организацията е установила около протоколите за сигурност и управление на идентичността на Lightweight Directory Access Protocol (LDAP) и политиките за управление на личните данни. Позволете ми да ви дам пример: Ако фирмената ви политика е, че винаги, когато правите федерални заявки, които не искате да докосвате лична информация (PII), тогава бихме могли да маскираме тези данни като част от тази способност, така че да не е „ t част от него. Наистина го проектирахме, за да се интегрира в архитектурата на сигурността на една компания.

PCM: Какво трябва да направи една компания, за да позволи достъп до различни облаци?

RT: Когато сте в IBM Cloud Private for Data, вие се инсталирате много бързо. По отношение на свързването с различен облак, това е просто познаване на IP адреса. Това е доста ясно; можеш да го направиш. Така че парчето за свързаност не е трудно. Когато мисля, че за компаниите става все по-трудно, е, че когато напредвате повече към случаите на използване на ИИ или данни от типа научни данни, трябва да изградите модел за това. Трябва да обучите този модел и ние сме в състояние да ви помогнем да организирате данните, за да го направите.

PCM: Какви са няколко ключови стратегии за компаниите да прилагат AI или машинно обучение (ML)?

RT: Няколко различни неща. Виждам някои клиенти, които създават Центрове за върхови научни данни (COE). Мисля, че това може да бъде добър начин да се зареди енергийно организацията по темата и да се движат нещата. Мисля, че това е един добър подход.

Виждаме други клиенти, които наемат главен служител по данни (CDO) и дават на този човек мисията да управлява компанията в тази посока. Мисля, че и това е добре.

Трето, виждам много компании, които разчитат на това, че идват от бизнеса, което означава, че бизнесът ще намери случая и това е за технологичните иновации. Мисля, че всеки от тях може да работи.

Мисля, че най-голямата празнина и това, което насърчавам клиентите да направят, е да имат стратегия за данни. Част от стратегията за данни е да знаете къде се намирате днес. Значение, наистина ли правите бизнес интелигентност (BI) и съхранение на данни или всъщност правите анализи за самообслужване? Разберете къде се намирате и тогава разберете крайната точка. Ако получите яснота по тези две точки, тогава можете да започнете експерименти чрез COE на науката за данни, CDO или чрез бизнес, като знаете, че ще получите ниво на повторяемост от тези, което е важно.

PCM: Какво доведе IBM да работи с Red Hat?

RT: Ако се върнете към 2000 г., IBM беше доста огромен привърженик на Linux. Бих твърдял, че Linux вероятно няма да бъде там, където е днес, без подкрепата на IBM. Поради това винаги сме поддържали непрекъснат диалог с Red Hat относно иновациите и как поддържаме екосистемата. Наблюдавахме какво прави Red Hat с OpenShift.

Ние сме огромни вярващи в контейнерите и Kubernetes има начин да помогне на клиентите да модернизират приложения и състояния на данни. Ако погледнете Red Hat с OpenShift, те изградиха страхотна контейнерна платформа, фокусирана върху модернизацията. Но те нямат нищо за данни и е трудно да се модернизират приложения, без да се модернизират данните в същото време.

Където можем да донесем това, което направихме по отношение на модернизирането на услугите за данни с IBM Cloud Private for Data, е да стартираме това право в OpenShift, така че тези клиенти, които са на път за модернизация на приложения, могат да направят същото с данните може да превърне този проект в резултати за AI.

Hadoop все още не се е преместил в архитектура на микросервиз, така че това е другото парче от пъзела. Работа с Hortonworks, за да помогне за модернизирането и създаването на микросервиси на Hadoop, които могат да играят заедно с IBM Cloud Private for Data и OpenShift.

PCM: Как компаниите използват този тип архитектура на микросервизи?

RT: Мисля, че всичко се връща към AI и науката за данните. Каквото и да правите с данни, обикновено се движите около бизнес резултат. Търсите някакво предимство по отношение на това как използвате аналитиката.

Така че, ако имате много ваши данни в Hadoop, ако не сте в състояние да го използвате за прогнозна анализа, ML или наука за данни, то това не е много ценно за организацията. Така свързвам точките. Hadoop е микросервиз; той е много по-компостируем, много по-гъвкав. По-лесно е да се работи с данните и е по-лесно да се предоставят на разположение на голям екип за научни данни. И това ви позволява да получите повече стойност от вашата Hadoop внедряване.

PCM: Къде виждате нещата да вървят в бъдеще, що се отнася до AI и ML?

RT: Бавно ще влезем в основния поток. Преди година дискусията беше: "Мога ли да направя нещо?" Бих казал, че това е годината на засилените експерименти. Мисля, че следващата година ще започнем масови експерименти и да се надяваме, че до края на следващата година сме в момент, в който това става по-мейнстрийм. Хората използват AI и модели, за да автоматизират много основни бизнес процеси, за да автоматизират много решения. Така че, явно сме на това пътуване. Можете да видите прогресията. Имам чувството, че се приближаваме до върха, ако щете, но все още не сме съвсем там.