Nul
Video: Disse er de bedste business-tech historier fra Microsoft ‘ s Ignite
Microsoft bliver virkelig mener det alvorligt om at give kunderne valgmuligheder. Så meget stod klart i denne uge kombineret Microsoft Antændes og Forestille begivenheder i Orlando og, navnlig, i meddelelser omkring databaser, data-integration, machine learning (ML), og kunstig intelligens (AI).
Flere meddelelser ved at Antænde var helt om valg. På hybrid front, for eksempel, der var den generelle tilgængelighed af Azure Stakken, som gør det muligt for kunderne at sætte en skive af Azure Cloud på lokaler-på valg af hardware-partner stativer. Men det handler om infrastruktur. Mit fokus var på, hvad Microsoft beskrives som at skabe “systemer af intelligens.” Jeg vil fokusere på her på databasen, database migration, data integration, ML, og AI.
SQL Server 2017 Opfylder Linux, Docker
Microsoft meddelte, at SQL Server 2017, den nyeste version af flagskibet database, vil normalt være tilgængelige på oktober 2. Det store gennembrud er, at denne version kører på Linux og Windows (og virksomheden tilbyder nye-kunde incitamenter, herunder rabatter for abonnementer og bundter med RedHat).
En anden ny installation indstilling er inden for Docker Enterprise Edition beholdere for mobilitet på tværs af skyer og on-premises. Ud over overførsel, SQL Server 2017 introducerer fremskridt i adaptive forespørgsel behandling, evnen til at tilføje grupperet kolonne butikker for hurtigere analytiske resultater og støtte til at køre modeller helt i databasen ved hjælp af R og Python.
Analyse: Linux er det foretrukne operativsystem af skyen, og Windows-kun begrænsninger på Microsoft SQL Server, hvis der kom i vejen for vækst. Sammen med den docker mulighed, disse multi-platform og hybrid valg bør fremskynde vedtagelsen.
Azure DB Migration Service Domstole, Oracle, MySQL
Nu i eget preview, Azure Database Migration Service er designet til at hjælpe dig med at migrere på lokaler Microsoft SQL Server, Oracle og MySQL tilfælde, at Azure. Også i begrænset visning, er en, der kommer Azure SQL-Database – Styret Eksempel, en platform-as-a-service løsning med VNET og private IPs støtte.
Analyse: Der er stadig kun “tæt på fuld kompatibilitet” for migration af on-premises Microsoft SQL Server til Azure SQL-Database. De forskelle, der kan være små, men Oracle billethajer sin “samme-DB-ikke-noget-hvor-du-installere” fordel.
Azure Data Fabrik
Denne data-integration og service til Azure, som nu er i public preview, understøtter oprettelse, planlægning og organisering af data-integration rørledninger med mulighed for at løfte og flytte SQL Server Integration Services (SSIS) pakker i skyen. Microsoft siger, at denne snart-til-være-GA-tjeneste vil indeholde rabat for aktive SQL Server licenstagere.
Analyse: jeg vil gerne høre mere om nuancerne i praktisk forskelle mellem Azure, Data Fabrik og SSIS, hvis nogen, af kapaciteter, ledelse, administration og den samlede brugeroplevelse.
Næste Generation Af Azure Machine Learning
ML og AI er, som understøtter “intelligente” systemer til at forudsige, spotte mønstre og undtagelser, udvikle slutninger om hensigt, og komme med anbefalinger. Microsoft sætte ML/AI modellering kapaciteter i skyen for flere år siden med Azure ML/Azure ML Studio. Men som den første generation, som tilbyder strengt var en cloud-service drives af Microsoft på Azure. Den næste generation af Azure ML giver organisationer muligheder gennem tre komponenter annonceret på Antænde og nu er i public preview.
Azure ML Workbench er et cross-platform klient for data tovtrækkeri og styring af eksperimenter. Det kører på Windows og iOS maskiner, og er gearet til udviklere og data forskere, der har brug for at tage det første skridt til at skabe modeller, som er ved at forberede data. Brugere kan udnytte en bred vifte af datakilder, herunder high-skala kilder, og se prøver, statistik og distribution af oplysninger om, at data. Værktøjet kan lære clean-up og normalisering trin, du ønsker at tage et eksempel, og derefter gentage dem på en skala. Disse trin er registreret for data, gennemsigtighed og afstamning. Herfra kan du da bruge den data til din modellering eksperimenter.Azure ML Eksperimenter service er bygget støtte samarbejdsprojekter model udvikling på skalaen. Det bruger Git-depoter, og en kommandolinje-værktøj til at styre model eksperimenter og uddannelse. Det spor den kode, konfigurationer og data, der anvendes i forsøg, samt de modeller, log output, vigtige målinger og historien om, hvordan disse modeller udvikler sig. Dette sikrer gennemsigtighed omkring modeller over tid, hvilket ofte er et krav i regulerede miljøer. At give valg, Eksperimenter service understøtter Python og en række rammer, herunder Tensorflow, Caffe, PyTorch, MXNet og CIFRE samt Microsoft ‘ s egne CNTK og Microsoft Kognitive Værktøjskasse. Der er også masser af indsættelse valg. Docker containere, der anvendes til overførsel til mange miljøer og samtidig opretholde model og data governance, muligheder for at kontrollere og synlighed. Eksperimenter kan køre lokalt eller eksternt, på generelle formål Fos, skala op på Data Videnskab Fos, skala ud på Spark (i Azure HDInsight), og kan endda køre på GPU-accelererede Fos.Azure ML Model Manager service er for implementering og operationalisering, der understøtter hosting, versionering, forvaltning og overvågning. Også her, der er mange flere valgmuligheder, herunder i-database i SQL Server 2017, i VMs, om Spark, i Azure cloud, og hvor som helst du kan køre Docker beholdere.
Analyse: man samler alle disse muligheder giver data for forskere og udviklere endnu mere fleksibilitet omkring, hvor de gør deres eksperimenter, uddannelse af modeller og operationelle scoring. Væsentligt, at der er flere valg på rammer, med Microsoft-ledere siger, at algoritmer ikke noget-brug, hvad der er bedst til den pågældende opgave.
Dokker er det primære middel, model portabilitet, men Microsoft siger, at implementering kan være så simpelt som en enkelt linje kode kan samtidig give Docker superbrugere muligheder for at tune og tweak implementering.
Du kan også medbringe aktiver direkte på lokale maskiner, men du mister trace-evne. Hele idé her er at støtte og bringe synlighed til det hele, fra ende til anden livscyklus på skalaen. Det er et must-have for banker, forsikringsselskaber og en voksende liste over organisationer, som laver intelligent, machine learning og AI modellering på skalaen.
Mit Overordnede Tage på Ignite 2017
Der var så mange flere meddelelser ved at Antænde, der vil gøre en stor indvirkning på kort sigt (som global målestok CosmosDB) og på lang sigt (som Microsoft ‘ s arbejde på quantum computing). Det overordnede tema var valg, med Microsoft tilbyder en imponerende bredt spektrum af cloud, på stedet, og hybrid muligheder for data, forskere, udviklere, data-management og styring fagfolk, og på op til erhvervskunder og kunder Microsofts kunder.
Mange af denne uges meddelelser er stadig i uddrag — og der er huller her og der, men for at være fyldt. Men jeg kom væk imponeret.
Læs mere:
Oracle, der Adskiller dens MySQL Cloud ServiceSAP Machine Learning Planer: En Dybere Dyk Fra Sapphire NowSAS Tager Næste Skridt at Cloud Analytics
0