Azure Kosmos DB blir billigare, Azure Machine Learning blir smartare

0
112

Noll

På Microsoft Connect() händelse idag, Redmond-baserad programvara (och börsvärde) juggernaut är att göra en serie av teknik meddelanden, som täcker ett brett spektrum av sina produkt-och serviceportfölj.

Men, för mig, är det Azure-för synkronisering av data, analys och AI historia som blir rikare idag. Det beror på två övertygande tjänster på Azure-molnet har alla fått en ansiktslyftning. Och förändringarna är stora nog att flytta dessa tjänster från att bara vara intressant att vara övertygande och angripbara.

Kosmisk strålning, och RUs
Låt oss börja med Kosmos DB. Microsoft är geografiskt spridda NoSQL-tjänsten har varit tekniskt övertygande under ganska lång tid, men priset för antagning har varit ett fönster för många.

Läs också: Microsoft lanserar Azure Kosmos DB, ett superset av sin DocumentDB service
Läs också: Inuti Microsofts Kosmos DB

Ett betydande antal Kosmos DB: s nya mål kund kommer inte från den jämförelsevis pris Google Grus och Amazon DynamoDB cloud database services, utan i stället från billigt-värd implementationer av MongoDB, MySQL och SQL Server. Det är den valkrets som såg Kosmos DB: s prissättning som en icke-starter. Nu, i stället för att tala om för folk att de tänkte på det på fel sätt, Microsoft antog sitt tänkande, gjorde en del tekniskt arbete och införa mycket lägre ingångsnivå prissättningen till match.

Läs också: Google Cloud Nyckel: hur går det stack upp?

På behållaren (t ex bord, insamling eller diagram) nivå, den minimala mängden etablerats genomströmning sänks från 1000 RUs (begäran enheter), 400 RUs — motsvarande $24/månad, en minskning från $60/månad. Tycker det låter bra men inte bra? Mystiken tätnar.

För kunder som delar deras uppgifter i flera containrar och som tidigare uppkommit i etablerats genomströmning minst flera gånger, Microsoft har tidigare infört gemensam genomströmning — det vill säga att provisioning RUs på databas-nivå istället. Och det minimum som det är nu 400 RUs liksom, den här gången ner från 10 000 RUs.

Detta innebär nybörjar kurs för ett Kosmos DB databas med flera behållare är nu $24/månad, ner från sek 600/månad. Dessutom etablerats genomströmning (container – eller databas-nivå) nu kan skruvats upp på en mer detaljerad nivå-i steg om 100 RUs ($6/månad), ner en storleksordning från den tidigare minsta ökning av 1000 RUs.

Och på toppen av allt detta, Kosmos DB gör att kunderna kan mixa och matcha för container – och databas-nivå genomströmning provisioning, vilket ger extra flexibilitet. Då är det nyligen införda reserverad kapacitet för Kosmos DB — så att kunderna kan åta sig att 1 – eller 3-år, i utbyte mot en rabatt på upp till 65%. Microsoft erbjuder även en gratis nivåer i Kosmos DB (genom Azure fri grupp eller en speciell 30-dagars fristående erbjudande) för experiment och en gratis emulator för utvecklingsarbete — på lokala maskiner, eller i Docker behållare. Kosmos DB tält är nu mycket större.

Maskinen är lärande
Under tiden, tillbaka till AI ranch, Microsoft meddelar den allmänna tillgängligheten (GA) av Azure Machine Learning service. Mary Jo Foley har täckt GA nyheter. Jag skulle vilja tala om vad som har ändrats i denna nya version av tjänsten.

Läs också: Cloud maskininlärning krig värma upp

Den ursprungliga Azure Machine Learning service — nu kallas Azure Machine Learning Studio-var ett slags visuell utvecklingsmiljö för att göra maskinen lärande (ML) arbete. Det var väldigt tekniskt, men egenutvecklade och något kod-främmande för, därför gör det oattraktivt för data forskare, vars kunskaper var dock nödvändigt att göra det bästa av det.

Den andra gå runt i Azure ML, innebar en desktop-applikation som heter Azure maskininlärning Workbench, liksom en AI-tillägg för Visual Studio-Kod. Samtidigt som det var mycket mer kod-fokuserad, användning av egna verktyg fortfarande alienerade data forskare, som inte vill anta nya verktyg för att kunna anta ett nytt moln.

Läs också: Microsoft att Bygga goes gaga för AI: Azure maskininlärning och bortom

Men dagens GA har en ytterligare förfinad version av Azure ML, som nu fungerar från praktiskt taget alla miljöer för programmeringsspråket Python-den mest populära med data forskare. Oavsett om man använder kommandoraden, PyCharm integrerad utvecklingsmiljö (IDE), Jupyter bärbara datorer, eller ens Databricks bärbara datorer, data forskare kan nu använda Azure ML experiment, data förberedelse, utbildning, driftsättning, modell för förvaltning och övervakning av anläggningar, och att använda en stor mängd olika ML och djupt lärande algoritm ramar (inklusive PyTorch, TensorFlow, och scikit-lära) för att starta.

Läs också: Databricks kommer till Microsoft Azure

De som använder Visual Studio-Kod (som förresten, körs på Mac och Linux-inte bara Windows) fortfarande har tillgång till. I själva verket, att tillgängligheten har förbättrats, liksom VS Kod med Python extension stöd för inläsning av Jupyter bärbara datorer och kan utföra matplotlib visualiseringar direkt i editorn.

Vee tre
Det har länge varit ett talesätt i branschen att Microsoft blir det rätt med sina produkter i den tredje utgåvan. Och med denna tredje version av Azure ML och den tredje större översyn detta år av Kosmos DB: s prissättning schema, detta verkar vara lika sant 2018 som det var när Visual Basic version 3 kom ut för 25 år sedan.

Och, förresten, Microsoft släpper också en förhandsvisning av version 3 av den .NET SDK för Kosmos DB idag (liksom CORS stöd och Apache Cassandra API-stöd i emulatorn). Så det finns en del mer en annan data poäng-på passform och finish historia av data och AI tjänster på Azure.

Relaterade Ämnen:

Artificiell Intelligens

Digital Omvandling

Robotteknik

Sakernas Internet

Innovation

Affärssystem

0