Nul
Video: Portræt af en moderne multi-cloud-data-center
“Vores planlægning og bevægelser systemer er stadig besværlig. . . Vi er blevet skolet på planlægning ved hjælp af store matricer, med hver eneste celle til at blive fyldt, før du flytter fremad. Vi har lært en passion for detaljer, men ikke nødvendigvis hvordan til at gå på kompromis af hensyn til, at det haster. Sikkert med alle moderne kapaciteter, vi kan være meget mere aktuelle i implementering planlægning, samt operationelle analyser og forberedelser.”
-General Wesley K. Clark, Tidligere Chef For De Allierede Styrker I Europa
Waging Modern War, 2001
Sjældent, og formentlig aldrig i historien har den gamle garde, med dens forældede metoder, der er fastsat i sine arme og overgav sig uden en energisk kamp. Historie, hvis det er sådan for os, i sidste ende vil registrere, at den største teknologiske afbrydelser, der var forårsaget af modstande til at ændre snarere end den revolutionære.
Læs også: fremtiden for DET: Snapshot af en moderne multi-cloud-data-center
Dette er historien om opsætningen for sådan et forsvar. Det begynder på D-Dag-plus-298 for den metaforiske øen Datumoj, sidder fast i enden af en intens og vedvarende dødvande. Spark Bataljon mener, at det har en chance for gennembrud, hvis det kan fastslås, offensive positioner på Ledger Domæne bjergtop støttepunkter. At afskære deres forsyningsruter til dalene nedenfor kan sulte dem bare nok til at tvinge et ublodigt overgive sig, og en aftalt våbenhvile.
Det hele lyder som en ordentlig plan, forudsat Gnist ikke blive upstaged af en anden, før det kan trække det ud.
Læs også: Serverless computing, beholdere se trecifret kvartalsvise vækst blandt cloud-brugerne
Det første domæne
I 2002 hans bog Mønstre af Virksomhedens Ansøgning Arkitektur, Martin Fowler (der er siden kommet til at være kendt som faderen af kontinuerlig levering, “CD” en del af “CI/CD”), der blev præsenteret en form for objekt-orienteret programmering sammenhæng kaldes et domæne model. Fowler ikke opfinde den idé, men han har lagt frem, den bedste definition: I et domæne, som en virksomhed, et objekt model af domænet indeholder både sin adfærd og sine data.
I bund og grund en domæne model, hvordan et program skrevet i et objekt-orienteret sprog som C++ eller Java, bør kort sine værdier og registre i hukommelsen, og de elementer af data, det skaber og styrer, at ting i den virkelige verden. En service, der under et sådant system, ville være et program, der udfører en diskret funktion og giver en eksplicit resultat. Fowler ikke har mulighed for dette tidligt at definere microservice, men det er kommet til at være kendt som en klasse af service designet til at være uafhængigt skalerbar, til anvendelse i distribuerede arkitekturer.
Mesos er modigere, mere moden, og har to-niveau planlægning, hvilket jeg synes er utrolig kraftfuld. Men fordi det ikke har økosystemet, fanfare, og hype omkring det, er det ikke virkelig får sin rimelige andel af respekt.
— Joshua Bernstein, vice president of technology for Emerging Technologies Division, Dell, EMC
“På sit værste, forretningslogik kan være meget komplekse,” Fowler skrev. “Regler og logik beskrive mange forskellige tilfælde, og skråningerne af adfærd, og det er denne kompleksitet, at genstande, der var designet til at arbejde med. En Domæne Model skaber et net af indbyrdes forbundne objekter, hvor hvert objekt repræsenterer nogle meningsfulde enkelte, om så stort som et selskab eller så små som en enkelt linje på en ordreseddel. . . Hvis du har en kompliceret og everchanging business regler, der involverer validering, beregninger og afledning, chancerne er, at du ønsker et objekt [domain] model til at håndtere dem.”
Kernen i enhver virksomhed er dens digitale model — den måde sin applikationer repræsenterer, hvordan erhvervslivet fungerer. Hvis en enkelt database-platform, der var til at indkapsle den måde, at alle virksomheder kunne blive inspireret af, i alle tænkelige tilfælde, så kunne det gøre en overbevisende sag for en rip-og-erstat transformation af business-applikationer — en “digital transformation”, der kan måles på et stopur.
Sådan en sag kunne se sådan her ud: Antag, at en enkelt mekanisme kan modellen både faser og begivenheder af core business logik, og den måde de indgående data skal fortolkes til at integrere med, at logik. Et domæne model plus en ETL-modellen i en graf. Og antag, at den umiddelbare fordel var umiddelbarheden i sig selv: det betyder, at fase oversættelse processer parallelt, og udføre opgaver på indgående strømme i real-tid.
SQL var ikke oprindeligt beregnet til at indkode forretningslogik. Men fordi de procedurer, der er bygget op omkring SQL, ved hjælp af sprog såsom PL/SQL, forudsat at både form og format for de rapporter, som virksomheder, der påberåbes, skemaer, bygget i udviklingen af disse procedurer har ofte været betragtet som den centrale logik i virksomheden.
“Alle gør ETL. Du kan bruge Gnist og Kafka som blot endnu et værktøj til at gøre ETL-processen. Men de er ikke ved hjælp af ETL-teknologi, der har eksisteret før.”
— Matei Zaharia, CTO og medstifter, Databricks
Fowler ville hellere, at forretningslogik være kodet som objekter i hukommelsen, ikke som database komponenter. Men selv hans egen 2003 afhandling om emnet erkendt, at ens valg af encoding afhænger af dens egne retningslinjer for bedste praksis, og måske endda visse spørgsmål om bekvemmelighed.
Læs også: Hybrid cloud-2017: Udbredelse, drivere, strategier og værdi
Domæne modellen er en måde at anvende et mønster til de objekter, et program bevaret i hukommelsen, så de har nogle håndterbare forhold til ting i den virkelige verden. Det er den programmatiske modstykke til skema — de regler, som en relationel database associerede enheder af data med den virkelige verden. Og fordi det domæne model var beregnet til programmører og ikke data, ingeniører, det virker forskelligt fra et skema.
Her er et eksempel: I en typisk skema, en post, har sin egen eksklusive primær nøgle-som i en nummerpladen, men noget brugerne vil sjældent se. Noget, der deler den samme primære nøgle, ved forhold, være en del af den samme post. I et objekt-orienteret domæne model, lighed og identitet er adskilte begreber. Så hvis to tilfælde af et objekt, klasse har samme værdier og indhold, de er stadig separate elementer, — de er ikke en del af det samme objekt.
Disse ulige adfærdsmæssige forskelle, der normalt har været bortforklaret som esoterisk og uvæsentligt i hinandens kontekst. Men for ti år siden, den handling for at håndtere disse forskelle gav anledning til en legitim industri: object / relational mapping (ORM). Et værktøj kaldet Dvale ORM, nu produceret af Red Hat, hjælper med software-udviklere automatisere ORM processen, således at skemaerne kan kort mere direkte til objekt modeller.
Det betyder, at for at gennemføre denne kortlægning er kaldet en rettet acycliske graf (DAG). Det er ligesom en visuel flowchart, der skildrer stadier af processer, med en klar begyndelse og en klar afslutning. Gjort korrekt, en DAG kan være en formidler mellem objekt model af data, som mere afhænger af adfærd, med det skema, der bygger mere på staten.
Dr. E. F. Codd, opfinderen af SQL, advaret mod brugen af sådan en tolk, så tidligt som i 1990, angiver, at et objekt-orienteret sprog, der endnu ikke kunne håndhæve integriteten af data og systemer. “Hver ny model, der kommer sammen,” Codd skrev, “skal undersøges nøje, ud fra sin teknisk kvalitet, brugbarhed og alsidighed.”
På trods af Codd ‘ s advarsel, i DAG har udviklet sig til at være det værktøj, der repræsenterer oversættelse af uddrag / transformere / load (ETL) proces-den oprindelige vedligeholdelse af motor data warehouse-for Apache Gnist. Alle job i Spark, herunder ETL og også oversættelse af skemaer, der kan opstilles som DAG tegninger. Faktisk er brugen af Gnist SQL kan udløse oprettelsen af nye DAG grafer, der udløser Gnist ‘ s indbyggede delvis rettet acycliske scheduler — naturligvis, kaldet Haj.
Den forsinkelse, der er pålagt af næsten enhver mængde af tid brugt med at rense og oversættelse, hævdede Matei Zaharia, Gnist er co-creator og co-stifter og CTO i Databricks, virker mod hensigten med et system, der påstås at være “real-tid”.
Der vil altid være et behov for at rense data i nogle fase af behandlingen er, at han indrømmede. I den forstand, ETL er ikke og vil heller ikke blive, død. Men den udrensning opgave kan nu, foreslog han, manipuleret i analysen opgave i en form for parallel, “just-in-time” planlæg — formentlig med støtte i DAG, men måske bruge mere af en CI/CD-type forberedelse. Som enhver anden proces, vil det forbruge tid; men der kører parallelt, og det ville introducere ingen forsinkelser. Han rådede hjælp Databricks Delta platform som en mekanisme til sporing af data gennem stadier af omdannelsen, og potentielt er i besiddelse af på ældre versioner, som bagstoppere i tilfælde transformerede data undlader visse tests i støbeskeen.
DAG giver Gnist, og dets allierede i de LUGTER Stak, en åbning til at montere et direkte angreb på midten af alle relationelle data operationer: skema. Ja, i bare de sidste par måneder, forskere på IIT Bombay har iværksat en indsats for at udnytte DAG til at automatisere skema oversættelsesprocessen [PDF]. Specifikt, deres automatiseret kode ville analysere eksisterende modeller, oversætte dem, og derefter analysere oversættelserne at afgøre, om de ville køre hurtigere eller mere effektivt end de eksisterende kode, de vil søge at erstatte.
“Alle, uanset hvilken teknologi de bruger, har at gøre nogle data transformation og-udvinding,” forklarede Zaharia. “I den forstand, at alle gør ETL. Du kan bruge Gnist og Kafka som blot endnu et værktøj til at gøre ETL-processen. Men de er ikke ved hjælp af ETL-teknologi, der har eksisteret før.”
Ingen tid flat
“En masse af disse data-drevne applikationer er nu i real-tid,” bemærkede Tobias Knaup, CTO for kommercielle Mesos platform udbyder Mesosfaeren. “De er ikke længere parti, hvor jeg kan indsamle data over en uge, og derefter køre en rapport, en person ser på det og træffer en beslutning. Denne data, der rent faktisk strømmer tilbage i programmet i real time.”Tilbage, når en virksomhed valgte data system der passer bedst til de opgaver, det forestillede sig for sig selv, valgte hele platform-hvilket betyder, at det også endte med at vælge den database format, og det betyder, som det skema, der forklarer forretningslogik blev formuleret og leveret. Nogen bygge et domæne model ville være nødt til at revidere den ORM-processen til at passe dette skema. Af denne grund, blandt flere andre, at det var en dårlig idé at ændre platforme. Fremkomsten af data warehouse gav organisationer frihed, i det mindste, at integrere det hele sammen på sin egen tidsplan. Men det efterlod dem i et sted, hvor de beslutninger, der endte med at blive fast i sten, når de blev foretaget.
Læs også: Ja, DevOps er alle om vækst i virksomheden, især den digitale udvalg
Så udfordringen organisationer står over for i dag er at nå den evne til at bygge nye programmer at køre ved den hastighed, der moderne, distribuerede systemer kræver, mens på samme tid at integrere med de formater, der allerede eksisterer for programmer, der allerede er på plads-også selvom de gamle apps er ved at blive udfaset over tid. Databricks’ Zaharia point måde for organisationer at imødekomme denne udfordring: ved opstilling af rørledninger for iscenesatte processer, der både definerer både forretnings-og domæne modeller, i en parallel ordning, der bruger næsten ingen tid flad.
“Det er vanskeligt, og landminer, at du træde på her. . . er opfattelsen af, at mennesker har af miljø versus teknologi i sig selv,” udtalte Fyr Churchward, den administrerende DIREKTØR for real-time data platform udbyder DataTorrent, taler med ZDNet Skala. “Generelt, deres pre-opfattelse af, hvor de i øjeblikket sidder med deres arkitektur, er nok det sværeste. De fleste mennesker ikke indse, at de kører rundt i en bil, der kommer til at sammenbrud. Så de er tyk, dum, og glade, og de enten ikke gør noget, og de er konkurrencedygtige med at få dræbt, eller om de laver noget, men de data, de har rent faktisk ikke har nogen integritet omkring det, og de er i det væsentlige kigger på falske data.”
Churchward fortæller os en historie, som han sagde, er et tilbagevendende, hvor en kunde eller potentiel kunde insisterer på, at det allerede er indsat real-time analytics. Så han quizzer klienten om sin ventetid loop, og det stolt reagerer, 60 millisekunder. Grunden til dette nummer? De viser ham den arkitektur, hvor Kafka renser data, så det bliver fodret gennem en batch processing engine, så er parkeret i en data-søen (et virtuelt lager for alle data i forskellige stater), hvor den venter på en forespørgsel fra en analytics-service.
“Okay, så det du i virkeligheden gør, er real-time analytics på en data-søen med uaktuelle data,” ville han sige. Som kunde ville svare, “Nej, nej, nej, vi har fået real-time data, der kommer ind.” Ja, men du er faktisk ikke analysere data i real-tid, du faktisk gøre en analytics-ring i real-tid.”
Churchward og Zaharia vil enige om, at det grundlæggende princip om, at real-time er kun rigtig, når dens processer er designet til at arbejde parallelt med ekstraktioner, transformationer, og forespørgsler. En DAG ville hjælpe en moderne databehandling motor til at opfatte disse faser, men ikke som en diskret og ukrænkelige sekvens. Hvor disse to herrer en del måder er med hensyn til den mekanisme i sig selv. Churchward er DataTorrent er den kommercielle forvalter af en open source komponent kaldet Apache Apex. Indført i 2015 som et alternativ scheduler og ressource manager til GARN i Hadoop stak, Apex søger at zip sammen batch-behandling og stream processing i en enkelt motor.
DataTorrent ‘ s value proposition er at give en hjælp for virksomheder, der allerede er vedtaget Hadoop og fået fast der til effektivt at falde i DataTorrent platform, ledet af Apex, og flytte til et helt nyt nervesystem i 60 dage. Churchward foreslår en alternativ stack: KASH — Kafka, Apex, Spark, Hadoop-til at fremstille et nyt fundament for real-time applikationer. Fra der, sagde han, at det bliver lettere for kunderne at gennemføre machine learning biblioteker, primært fordi den gamle ETL mekanisme er ikke blevet gentaget, men i stedet erstattet helt.
“Når vi ved, hvordan data skal gemmes, for alle de faste skemaer — når vi ved præcis, hvad spørgsmål at stille data,” bemærkede Anjul Bhambhri, Adobe ‘s vice president for platform engineering”, den traditionelle data warehouses blev designet med ETL at spille en meget afgørende rolle. At kende kilden, og derefter vide præcist hvad format målet skal være udfyldt, de regler, der-baseret tilgang af ETL-arbejdet.”
Men som nye applikationer gøre brug af data på forskellige måder, reglerne bør være fleksible, eller i det mindste betinget, Bhambhri argumenterer for. En stiv, automatiseret proces for udarbejdelsen af alle data for en begrænset anvendelse tilfælde, at en organisation har allerede pre-defineret for sig selv, er ikke længere gældende for en verden, hvor de applikationer, der i sig selv kunne tænkes at lære.
“Hvis du har indset, at analytics er en vigtig del af din virksomhed, og det er blevet en akilleshæl, fordi du får slået af konkurrencen. . . så kan du ikke vente seks måneder og tolv måneder, to år for en ansøgning. Du har brug for det i et kvartal eller to, ellers er du nødt til at være behændigt i problemer.”
— Fyr Churchward, CEO, DataTorrent
“Det er ikke ligesom det er helt gået væk — vi stadig nødt til at gøre, at visse former for udrensning,” Bhambhri fortsatte. “Men når man ser på aspekter af data videnskab, AI, ML [machine learning], der er en masse af funktion, teknik, der skal gøres på dette ‘masseres’ data samt. Og det er ikke heavy-duty ETL, men det skal gøres. ETL er godt for når, i en batch-mode, data er behandlet, vil du vide, at det skema, du ved, den slags rapporter, der er nødt til at blive genereret. Men for denne verden, hvor der er en masse af tid-serie adfærdsmæssige data, der forsøger at bruge en ETL tilgang kan ikke kun være besværligt, men det er meget tidskrævende.”
Bemærkede Churchward, “Hvis jeg fandt ud af i min aktieportefølje, at et selskab var baserer sin analytics udelukkende på en klassisk, gammeldags ETL data søen arkitektur, vil jeg kort bestanden.”
Læs også: Fjerne opbevaring fejl i skyen
Sunset overfald
Det er skumring over Datumoj, D-Dag-plus-300. Der er en storm, der ankommer fra nord, og det er ikke skyer, der er at bringe det.
Den Gnist koalition har etableret en omkreds omkring Ledger Domæne ‘ s fæstninger i den Skematiske bjergkæde. Det nu kontrollerer al trafik ind og ud af deres forsyningsveje. Koncernens overraske, selv om, at trafikken er blevet sparsom. Hvad de ikke indse, er, at Apex, et bjerg infanteridivision, som er blevet sneget ind af stealth landing styrker langs den sydvestlige kyst. Oprettelse af en våbenhvile med den resterende del af Hadoop Task Force, erobrede det offensive positioner langs den gamle vestlige levering rute, uden om de vigtigste bjergveje.
Læs også: AMD lancerer indlejret EPYC og Ryzen processorer
Men selv, når de forbereder sig til at indlede en strategisk modoffensiv mod Spark, udkigsposter på Eliro Øen spot karakteristisk damp plumes af en invaderende flådestyrke mod nord. Det regnskabsmæssige de legendariske Kubernetes Marine Expeditionary Korps, ledsaget af Docker Container-Brigade. Det menes, at de deler det betyder, at implementere en helt ny iscenesættelse-og produktionssystem til øen, i self-implementering af kapsler, der er selv-tilførsel, kan være faldet på plads, og lavet fuldt operationel i løbet af få dage. “Microservices,” disse kapsler er kaldt, selvom ingen nogensinde har set denne fjenden helt tæt på.
Læs også: Cloud computing vil stort set erstatte traditionelle datacentre i tre år
Stjæle
“Jeg tror ikke, at vi taler om de tekniske differentiering her. Jeg tror, at hvad vi taler om, er markedsdominans,” sagde Ted Dunning, chief ansøgning arkitekt for MapR. “Og hvad jeg kan se er, Kubernetes er den løbske favorit på GitHub-mest spillede projekt. Og jeg kan se, at med vores erhvervskunder — 90-plus procent er ved at vedtage Kubernetes for deres produktion tilfælde.”
MapR ‘ s cloud service-partnere, Dunning fortalte os, har allerede indsat Kubernetes til at styre over 90 procent af deres nye server klynger. Nogle af de knuder i disse klynger er stadig forvaltes af Mesos, men han sagde, at antallet er faldende til omkring halvdelen.
“De tendenser, der er dramatiske,” erklærede han. “Som vi alle ved, er tendenser, som denne ikke altid respekterer tekniske kvaliteter. Ikke at jeg tror, at der er tekniske fejl og mangler i Kubernetes — det er en del af problemet: Det er virkelig godt.”
“Den eneste grund til, at vi taler om Kubernetes,” sagde Josua Bernstein, vice president af teknologi til Dell, EMC ‘ s Emerging Technologies division, “er fordi Google har gjort et fænomenalt stykke arbejde at markedsføre det. Fra et rent teknisk perspektiv, Kubernetes har også gjort et godt stykke arbejde med sine data, model og data indvinding model. På den ene side, der giver det fleksibilitet. Men det er også meget komplekse, og koden base er meget ung, og uanset hvad du tror, det er styret af en enkelt enhed, som er Google.”
Cloud Native Computing Fundament — som Google er medlem, men også Microsoft, Oracle, og nu moderselskabet Dell Teknologier til sig selv-måske er uenig med Bernstein ‘ s sidste kommentar. Men det udestående punkt, at Kubernetes måske alligevel være en umoden teknologi, bærer en del af kontrol.
“Hvad der kommer til at være interessant her,” Bernstein sagde, “er, at Kubernetes vil kæmpe for at køre forskellige arbejdsbelastninger samtidigt på de samme ressourcer. Det vil være svært at køre Gnist og Cassandra i det samme miljø. I virkeligheden, denne evne i Kubernetes er stadig noget, der er aktivt udviklet lige nu-vi er kun lige begyndt at se de inklings af denne form for kapacitet. Mesos er modigere, mere moden, og har to-niveau planlægning, hvilket jeg synes er utrolig kraftfuld. Men fordi det ikke har økosystemet, fanfare, og hype omkring det, er det ikke virkelig får sin rimelige andel af respekt, at være ærlig med dig. Så hvad du virkelig handel ud her, er mennesker, der tiltrækkes mod Kubernetes for hype.”
DataTorrent Guy Churchward fortæller os, at hans firma er ved at forberede en fuld-on Kubernetes invasion. Dens svar ville kunne tænkes at gøre det muligt HDFS at blive integreret med Kubernetes orchestrator, så Apex til at samarbejde med hensyn til planlægning. Men så kunne det bringe KASH stak tilbage i, provisioning Kafka, Gnist, og Apex igen for behandling af real-time vandløb.
Læs også: Google bygger sine data center ejendom, med ekstra solenergi
“Se, komponenter gør ikke noget,” bemærkede Churchward, midt i en samtale, hvor komponenter bestemt ikke ud til at noget. “Det betyder ikke noget, om Spark vinder eller Apex vinder eller Kubernetes eller Mesos vinder, eller GARN er der eller ej, eller Hadoop er god eller dårlig. Virkeligheden er, er du nødt til at se på det og sige, ” jeg ønsker at lande på øen, jeg ønsker at befri mine data, jeg ønsker at få et resultat ud af det, jeg ved, hvad det er, og jeg har brug for det gjort inden for to kvartaler af mig til at tænke over det.” Og jeg har også brug for fleksibilitet for at sige, ‘jeg fik det galt”, og så justere min linje af syne.”
Reconnoiter
Som tusmørke sænker sig over Datumoj, teater for operationer, der er ved at blive indstillet til en episk konfrontation. Hver af deltagerne i denne kamp har det mål at gøre øen til en self-service stop for at tanke op, så meget som Churchward beskrevet det. Hvad står over os, og hvad står overfor virksomheden, er sandsynligheden for, at et opgør mellem de parallelle opgave model og distribueret microservices model for fremme af real-time vandløb og traditionelle partier samtidigt. CTOs og it-chefer kan være håb om mere tid til en platform for at komme sejrrigt. For nogle af disse ledere, deres besluttende tid måske allerede er udløbet.
I mellemtiden, som silhuetten af vores metaforiske øen svinder ind starlight, en andens virkelighed, overtager dens plads. I virkeligheden, en ny bølge af digitale transformation finder sted, og bringer det et koncept kaldet “integreret data warehouse.” I en verden, hvor alt kan være markedsføres med succes, alt det gamle er faktisk nyt igen, og det står pludselig Datumoj Øen var bare en blip på radaren.
Vi vil måle effekten af, at blip næste gang. Indtil da, holder stik.
Rejse Yderligere-Fra CBS Interaktive Netværk
Kubernetes vil regere hyperscale data center i 2018, Scott M. Fulton, III, ZDNet Skala. DataTorrent: Svært kode omkring streaming af data filosofi i 90 dage af George Anadiotis, Big Data, Cloud-database vækst kan være aftagende som lock-in frygt væven af Matt Asay, TechRepublic
Andre steder
Hvordan GE Digital Løses Stateful / Statsløse Problem for Industriel IoT af Scott M. Fulton, III, Den Nye Stak Apache Får Endnu en Stream Processing Engine med Apex-af Susan Hall, New Stack Opsporing DAGS-Fra Specifikation til Udførelse af Thomas Weise, DataTorrent
SØGEN EFTER DEN ENESTE SANDE DEVOPS
Del i: drømmen om fællesskab for software-udviklere og IT-operatører Del II: The dawn of automation og løftet om en formel for en virksomheds succes Del III: den fulde foranstaltning mod, DevOps gælder, at dens mål er en Del IV: I stormens øje, DevOps’ modigste kriger finder nyt håb Del V: Der og tilbage igen, DevOps bør lytte mere til kunder
Data Ekspeditioner
Del i: data center tager form, og virksomheder tilpasse sig eller dø Del II: ny alliance gør en dristig afgift på data warehouse Del III: Vi afbryde denne revolution: Apache Gnist ændringer af reglerne i Del IV: drevet for synkronicitet ryster på grundlag af data warehouse
“Slaget ved Datumoj” var inspireret af World War II ‘ s Kamp for Morotai. Der, en ø, som virkede nem nok at befri blot måneder efter D-Dag i Frankrig, endte med at blive en aktiv slagmarken, indtil V-J-Dag, og selv bagefter. Den virkelige historie om Morotai, dets strategiske betydning, den virkelige regimenter, der kæmpede der, og troppebevægelser kort, der inspirerede denne serie, er tilgængelig fra World War II-Databasen.
Relaterede Emner:
Big Data Analytics
Innovation
CXO
Kunstig Intelligens
Virksomhedens Software
Opbevaring
0