Noll
Även om jag är nere i Orlando, Florida för SQL Sever Live! och Visual Studio Live! konferenser, Microsoft lägger på sin årliga Connect(); utvecklare händelse, upp på Manhattan där jag brukar spendera större delen av min tid. Och även om jag saknar live-eventet i sig, Microsoft var vänlig nog att informera mig på en massa data-relaterade meddelanden bolaget gör vid Connect() idag. Jag täcker dem i detalj här.
Sten för sten
Ledningen punkt är en riktig biggie: Microsoft är att få Apache Gnista religion, införa en ny molntjänst i förhandsgranska, som kallas Azure Databricks. Detta är anmärkningsvärt av flera skäl. För det första har utvecklats gemensamt av Microsoft och Databricks (det företag vars grundare är Spark är mycket skapare), för att leverera denna Gnista-baserade Big Data analytics som ett första parts Azure erbjuder, och inte bara en partner service på Azure Marketplace. För det andra tjänsten fungerar oberoende av Databricks egen molntjänst för Gnista och Azure HDInsight, Microsofts egen Big Data som en tjänsteplattform, på vilken Gnista går också.
Läs också: Gnista kommer att Azure HDInsight
Azure Databricks har dock utformats utgör grunden för att dra nytta av och vara fullt optimerad för olika Azure-tjänster, inklusive blob storage, Data Sjön Store, virtuella nätverk, Azure-för synkronisering av Active Directory och Azure Container Service. Medan Azure Databricks, som HDInsight, är fortfarande bygger på att man skapar en särskild kluster, med antal och typ av noder (servrar) som bestäms av kunden, ändå har inbyggd automatisk skalning och auto-uppsägning, att växa klustret som behövs och stänga av den när den inte längre behövs.
Som de flesta Gnista miljöer, Azure Databricks har en browser-baserade bärbara anläggning som sitt primära användargränssnitt. Men det Azurblå Databricks genomförandet tillåter bärbara datorer som ska redigeras av flera användare samtidigt, att ta emot samverkande data vetenskap och data teknik. Microsoft säger Azure Databricks bärbara datorer ger också en integrerad felsökning erfarenhet och har ett antal prov bärbara datorer för att hjälpa användare att ansluta till gemensamma datakällor och utför maskininlärning uppgifter i Python eller R. Azure Databricks är också integrerad med Makt BI, Azure SQL-Databas och Azure-för synkronisering av Data Warehouse, liksom Kosmos DB – Spark-kontakt för som släpps till allmän tillgänglighet (GA).
Kosmiskt tänkande
Och på tal om Kosmos DB (Azure är globalt distribuerade NoSQL-databas tjänst som började kommersiella livet som DocumentDB), det är nyheter det också att ta en cue från en Apache Software Foundation och open source-projekt. Microsoft meddelar Apache Cassandra som en Service, som drivs av Azure Kosmos DB. Nu, i tillägg till Kosmos’ stöds SQL, Gremlin, och MongoDB Api: er, Apache Cassandra utvecklare kommer att kunna ta sina ansökningar, oavsett om de är skrivna för Apache Cassandra eller DataStax Företag, och köra kod på Kosmos DB. Microsoft gör detta i uppfyllelsen av sitt löfte att göra Kosmos DB en riktig multi-läge databas, stödja Cassandra ‘ s breda kolumnen butik NoSQL metod utöver MongoDB dokument lagra paradigm, Gremlin är grafdatabas konstruktioner och Azure Tabell Lagring key-value store strategi.
Läs också: Microsoft lanserar Azure Kosmos DB, ett superset av sin DocumentDB service
Läs också: Inuti Microsofts Kosmos DB
Cassandra API för Kosmos DB är i public preview. Under tiden Azure Tabell API är släppt till att GA, och Microsoft meddelar att Gremlin API kommer att GA nästa månad. Och medan MongoDB API har varit GA under ganska lång tid, nya unika index och sammanläggning ramen pipeline stöd läggs till för att det, i förhandsgranska form.
Användare av någon av de Api: er för att få tillgång till alla fem av Kosmos DB: s databas konsekvens modeller, bland annat ett starkt och eventuell konsekvens, liksom tre konsekvens nivåer i mellan dessa två ytterligheter. Och Microsoft presenterar den starka konsekvens nivå för multi-regionen databaser, som sträcker sig bortom den enda regionen omfattning som konsekvens modell arbetat tidigare. Å andra sidan, Microsoft är upping sin service level agreement (SLA) till “fem nior” (99.999%) tillgänglighet för multi-regionen läser. SLA hade “fyra nior” (99.99%) fram till nu; Servicenivåavtalen för genomströmning, konsekvens och latens förblir oförändrade.
Det är en hel del saker, eller hur? Tja, det finns fortfarande mer, mycket av det som syftar till att Microsoft är mer traditionella .NETTO-och SQL Server-utvecklare.
Företaget Devs få AI
Först och främst, nya cross-platform verktyg, i form av SQL-Verksamhet Studio, som släpps i förhandsgranska. För att ytterligare plattformsoberoende databas ethos, Microsoft har gått Maria DB Foundation och meddelar att en ny Azure-Databas för MariaDB tjänsten kommer att vara gratis att gå med i den befintliga Azure-Databas till MySQL och Azure-Databas för PostgreSQL förhandsgranska tjänster. MariaDB, förresten, är en förgrening av MySQL, skapades i kölvattnet av Oracles 2010 förvärvet av Sun Microsystems, vilket gav den ägande av MySQL AB och förvaltning av MySQL-databas.
Läs också: Microsoft cloud SQL Server: låt oss ha en öppen (källa) relation
Microsoft är också att lägga till ett genomförande av SQL Server på lokaler har det kräver nu Machine Learning (ML) Tjänster, till moln-baserade versionen av produkten, Azure SQL-Databas. I SQL Server 2016 funktion som kallas R-Tjänster, och denna första version för Azure SQL DB kommer också att i själva verket stöd för integration av forsknings språket i T-SQL-skript och lagrade procedurer. Python-språket integration, som lades till SQL Server 2017, kommer vid senare tillfälle.
Läs också: Recension: SQL Server 2017 lägger Python, diagram bearbetning och körs på Linux
Läs också: Microsofts Strategi R
Oberoende av det språk som används, var och en av dessa implementationer underlättar skapandet och utbildning av modeller – liksom scoring data mot dem för att göra förutsägelser – i databasen, utan att kräva att några uppgifter att efterfrågas och strömmade ut i en annan miljö. ML Tjänster i SQL Server 2017 också lagt till en funktion som kallas “native poäng”, vilket gör att data görs mot modeller direkt från T-SQL (med hjälp av den nya FÖRUTSÄGA kommando) som kräver noll-kod skrivs i R eller Python. Det är en trevlig funktion, och det ingår i Azure SQL Database Machine Learning Services.
Detta begrepp för att föra maskinen lärande för applikationsutvecklare är ytterligare förstärks i och med införandet av Visual Studio Tools för AI (artificiell intelligens), med tie-ins till att köra modeller i Microsofts sakernas internet (Internet of things) Kant. Vänligen se separat inlägg, av ZDNet Mary Jo Foley, för detaljerad täckning av båda dessa poster.
Analytics firehose
Med tanke på att Microsoft har gjort AI och underliggande data analytics teknik ett av landets största företag-brett satsningar, ingen av dessa meddelanden är förvånande. Oavsett kombination av relationella, icke-relationella, BI, Big Data och maskininlärning/AI funktioner och verktyg som tillhandahålls av dagens Microsoft data och utvecklarplattformar är utan motstycke i omfattning och snabba leveranser. Det är mycket för utvecklare, data ingenjörer och data för forskare att hålla reda på här, men belöningen till Microsoft relevans av sin plattform kommer sannolikt att motivera alla störningar.
Detta inlägg uppdaterades den 15: e November, 2017 på 1:06pm ET för att rätta till det ursprungliga påståendet att Cassandra API för Kosmos DB var släpps till privata förhandsgranskning. Det har faktiskt varit ut till allmänheten förhandsgranska.
Relaterade Ämnen:
Microsoft
Digital Omvandling
Robotteknik
Sakernas Internet
Innovation
Affärssystem
0