Nul
Selv om jeg ned i Orlando, Florida for en SQL Server-Live! og Visual Studio Live! konferencer, Microsoft er ved at lægge på sin årlige Connect(); udvikler begivenhed, op i Manhattan, hvor jeg normalt bruger det meste af min tid. Og selvom jeg mangler live-begivenhed i sig selv, Microsoft var venlig nok til at korte min på en masse af data-relaterede meddelelser, virksomheden gør på Connect() i dag. Jeg dækker dem i detaljer her.
Brick by Brick
Den ledende post er en reel biggie: Microsoft er at få Apache Gnist religion, at indføre en ny cloud-tjeneste i uddrag, kaldet Azure Databricks. Dette er bemærkelsesværdigt, for en række årsager. For det første, tjenesten blev udviklet i fællesskab af Microsoft og Databricks (det selskab, hvis stifterne er Gnist er meget skabere), for at levere denne Gnist-baserede Big Data analytics service som en første-parts Azure tilbyder, og ikke blot en partner service på Azure Marketplace. For det andet, at den service fungerer uafhængigt af Databricks’ egen cloud-tjeneste for Gnist og Azure HDInsight, Microsofts egen Big Data som en Service platform, hvor Spark også kører.
Læs også: Gnist kommer til Azure HDInsight
Azure Databricks har ikke desto mindre været designet form jorden op til at drage fordel af, og være fuldt optimeret til forskellige Azure-tjenester, herunder blob storage, Data Sø Butik, virtuelle netværk, Azure Active Directory og Azure Container Service. Mens Azure Databricks, som HDInsight, er stadig baseret på oprettelsen af en dedikeret klynge, med antallet og typen af noder (servere), som bestemmes af kunden, er det ikke desto mindre har indbygget auto-skalering og auto-opsigelse, til at vokse klynge, som er nødvendige og lukke det ned, når det ikke længere er nødvendigt.
Som de fleste Spark miljøer, Azure Databricks har et browser-baseret notebook-facilitet som primær brugergrænseflade. Men det Azurblå Databricks gennemførelsen giver notebooks, der skal redigeres af flere brugere samtidigt, til at rumme collaborative data science og data teknik. Microsoft Azure Databricks notebooks giver også en integreret debugging erfaring og omfatter en række af prøven notebooks til at støtte brugere i at oprette forbindelse til fælles datakilder og udførelse af machine learning opgaver i Python eller R. Azure Databricks er også integreret med Power BI, Azure SQL-Database og Azure, Data Warehouse, samt Kosmos DB – Gnisten-stik, som er ved at blive frigivet til general availability (GA).
Kosmisk tænkning
Og vi taler om Kosmos DB (Azure er globalt distribuerede NoSQL-database-tjeneste, der begyndte kommerciel liv som DocumentDB), der er nyheder der for, også at tage en cue fra en Apache Software Foundation open source-projekt. Microsoft annoncerer Apache Cassandra som en Service, drevet af Azure Kosmos DB. Nu, i tillæg til Kosmos’ understøttes SQL, Gremlin, og MongoDB Api ‘ er, Apache Kassandra-udviklere vil være i stand til at tage deres programmer, uanset om de er skrevet for Apache Cassandra eller DataStax Virksomheden, og køre kode på Kosmos DB. Microsoft gør dette på opfyldelse af sit løfte om at gøre Kosmos DB en ægte multi-mode database, der understøtter Cassandra ‘ s brede kolonne butik NoSQL tilgang i tillæg til MongoDB dokument butik paradigme, Gremlin er en grafdatabase konstruktioner og Azure Table Storage-key-value store tilgang.
Læs også: Microsoft Azure lancerer Kosmos DB, et supersæt af sin DocumentDB service
Læs også: Inde i Microsofts Kosmos DB
Kassandra-API for Kosmos DB er i public preview. I mellemtiden, Azure Table API ‘ er bliver frigivet til at GA, og Microsoft annoncerer, at Gremlin API vil GA i næste måned. Og mens MongoDB API er blevet GA for lang tid, nyt unikt indeks og sammenlægning ramme pipeline support bliver tilføjet til det, i preview-form.
Brugere af nogen af de Api ‘er, få adgang til alle fem af Kosmos DB’ s database konsekvens modeller, herunder stærke og eventuel konsekvens, samt tre sammenhæng niveauer i mellem disse to yderpunkter. Og Microsoft annoncerer tilgængeligheden af den stærke sammenhæng niveau for multi-region databaser, der spænder over single-regionen omfang som konsekvens, at modellen arbejdede tidligere. På den anden side, er Microsoft upping sin service level agreement (SLA) til “fem nines” (99.999%) tilgængelighed for multi-region læser. SLA havde været “fire nines” (99.99%) indtil nu; Sla ‘ er for gennemløb, konsistens og ventetid forbliver uændret.
Der er en masse ting, right? Godt, der er stadig mere, meget af det, der tager sigte på Microsoft ‘ s mere traditionelle .NET og SQL Server-udviklere.
Virksomheden Devs få AI
Første off, nye cross-platform værktøj, i form af SQL Operationer Studio, bliver udgivet i uddrag. Yderligere cross-platform database etos, Microsoft har sluttet sig til Maria DB Foundation og annoncerer at en ny Azure Database for MariaDB service vil være kommende, til at tilslutte sig den eksisterende Azure Database til MySQL og Azure Database for PostgreSQL preview-tjenester. MariaDB, ved den måde, er en fork af MySQL, som er skabt i kølvandet på Oracle ‘ s 2010 køb af Sun Microsystems, som gav det ejerskab af MySQL AB og forvaltning af MySQL-database.
Læs også: Microsoft cloud til SQL Server: lad os få en åben (kilde) forholdet
Microsoft er også tilføje en implementering af SQL Server på stedet har det nu opfordrer Machine Learning (ML) Tjenester til cloud-baseret version af produktet, Azure SQL-Database. I SQL Server 2016, funktionen blev kaldet R-Tjenester, og denne første udgivelse til Azure SQL DB vil også i virkeligheden støtte integrationen af R sproget ind i T-SQL scripts og stored procedures. Python-sproget integration, som blev føjet til SQL Server 2017, vil komme på et senere tidspunkt.
Læs også: Anmeldelse: SQL Server 2017 tilføjer Python, graf behandling og kører på Linux
Læs også: Microsoft ‘ s R-Strategi
Uanset hvilket sprog der anvendes, hver af disse implementeringer letter oprettelse og uddannelse af machine learning-modeller – samt scoring data mod dem for at gøre forudsigelser – databasen, uden at kræve nogen data at være i tvivl og streames ud i et andet miljø. ML-Tjenester i SQL Server 2017 også tilføjet en funktion, der hedder “native ” scoring”, som tillader data at blive scoret mod modeller direkte fra T-SQL (ved hjælp af den nye FORUDSIGE kommando), der kræver nul-kode skrevet i R eller Python. Det er en nice feature, og det er inkluderet i Azure SQL-Database Machine Learning-Tjenester også.
Denne forestilling om at bringe machine learning-tjenester til udviklere er yderligere forstærket med indførelsen af Visual Studio Tools for AI (kunstig intelligens), med tie-ins til at køre modeller i Microsofts IoT (Internet of things) Kant. Se en separat post, som ZDNet ‘ s Mary Jo Foley, for detaljeret dækning af begge disse elementer.
Analytics firehose
I betragtning af at Microsoft har gjort AI og underliggende data analytics teknologier til en af sine største company-wide indsatser, ingen af disse meddelelser er overraskende. Uanset kombinationen af relationel, ikke-relationelle, BI, Big Data og Machine Learning/AI kapaciteter – og værktøjsholder – leveret af dagens Microsoft data og udvikler platforme, der er enestående i omfang og hurtig levering. Der er en masse udviklere data ingeniører og data forskere til at holde styr på her, men den belønning, at Microsoft i relevansen af sin platform vil sandsynligvis garanterer de forstyrrelser.
Dette indlæg er blevet opdateret den 15 November, 2017 på 1:06pm ET til at korrigere den oprindelige erklæring om, at Cassandra API for Kosmos DB blev frigivet til privat eksempel. Det har faktisk været frigivet til offentlig visning.
Relaterede Emner:
Microsoft
Digital Transformation
Robotteknologi
Tingenes Internet
Innovation
Virksomhedens Software
0