Microsoft Tända obduktion: Skär genom komplexitet

0
166
ignite.jpg

I sin keynote ingående årets Ignite konferens, Microsofts VD Satya Nadella upprepade temat tech intensitet, som han definieras som produkten av teknisk antagande, teknisk förmåga och förtroende. Med tanke på den uppsjö av information som strömmade ut förra veckan, som bokstavligen fyllde hela 80+ sida bok, man kan bli förlåten för att utan sammanflätade densitet med rena angrepp. När portföljen blir så rik och varierad, överlappningar är oundvikliga, och med det behovet av Microsoft för att ge en tydlig berättelse som hjälper sina kunder att förstå var man ska börja och vilka tjänst(er) för att välja.

Förresten, Microsoft är knappast ensam om detta dilemma. När vi senast räknade, för ungefär ett år sedan, AWS hade fem kategorier, 16 exempel familjer, och 44 instans typer av AWS infrastruktur, och att inte börja räkna alla hanterade tjänster som den erbjuder.

Dessa sidor som ett bra urval av den mängd meddelanden från Microsoft ‘ s Hybrid 2.0-strategin till förändringar i dess Makt för Verktyg, glas arkivering, quantum computing partnerskap, att en massa av data-och analytics-meddelanden inklusive GA utgivningen av SQL Server 2019, Makt BI skydd av funktioner, förlängning av Azure Analytics, och en massa uppdaterad Azure-data-tjänster. Vi kommer att fokusera vår granskning på två tillkännagivanden som väsentligt utökade portföljen: Azure Synapse Analytics och Azure Arc.

Azure Synapse Analytics – en utvidgning av data warehouse

Lanseringen av Azure Synapse Analytics, som omfattas i detalj av Stor på Data bro Andrew Brust, innebär en fullständig modernisering av Azure SQL-Data Warehouse som inkluderar kapacitet från Azure-för synkronisering av Data Fabriken och tillgång till flera olika analytiska drifttider och språk. Målet, enligt Microsoft, var att bron data warehousing och big data analytics, en process som traditionellt deltar igång ett Hadoop kluster (eller i molnet, en Hadoop service), med hjälp av olika verktyg och kunskaper att analysera data, och sedan om analytics var att vara productionalized, data skulle flyttas till ett data warehouse med sin egen uppsättning verktyg. Jobb är organiserad inom “arbetsytor” som lämpar sig för samarbete. Det gjorde så genom att komprimera en hel verktygslåda till ett enhetligt sortiment som visas i “före” och “efter” bilderna nedan.

azure-synapse-before.png

Azure SQL-Data Warehouse (innan Synapse)

Kredit: Microsoft

azure-synapse-after.png

Azure Synapse Analytics

Kredit: Microsoft

Den utvidgning av Azure SQL-Data Warehouse till ett bredare utbud som spänner över mycket av den analytiska data lifecycle är ett exempel på hur moln-native arkitekturer, med deras användning av microservices, containrar, och Kubernetes orkestrering, kan upplösa silos i verktygskedjan.

Microsoft är inte det första för att få det, och vi misstänker att det kommer inte att bli den sista. I själva verket knappt en månad sedan meddelade SAP SAP-Data Warehouse Moln som sträckte data warehouse. Men båda är omvänd spegelvända bilder, som var och en erbjuder utökad data warehouse i motsatta riktningar.

Microsoft riktar den främre delen av analytics livscykel med data integration och integration till en array av drifttider, inriktning data ingenjörer och fråga utvecklare. Omvänt, SAP riktade den sista kilometern. Det fokuserade på business analyst, byggnad i självbetjäning genom att införliva dess Analytics Cloud erbjuder (som inkluderar ett business semantik layer). Vår take away är att den utökade data warehouse kommer att bli regel, inte undantag, och vi förväntar oss att AWS, Google Cloud, och Oracle kommer att svara inom kort.

Så att välja rätt analytics väg?

Azure Synapse Analytics läggs till Microsofts analytics-data plattform portfolio. Det finns flera andra alternativ som finns – så hur att välja mellan dem? Som Andreas påpekade, för Spark bearbetning, Microsoft erbjuder även Azure Databricks – och om vi vill vara heltäckande, det finns också HDInsight (Azure Hadoop service). För oss är det tydligt att det Azurblå Databricks skulle vara det verktyg som föredras för data forskare som föredrar programmatiska snarare än SQL-fråga, och en mer optimerad Gnista motor. Och då finns SQL Server 2019 Big Data Kluster, vilket ger möjlighet att skala analytics på on-premise Hadoop kluster, med hjälp av en SQL-motor på varje HDFS data nod. Förresten, sin databas R och Python behandling är funktioner som Synapse kunde använda.

Den goda nyheten är att Microsoft inte försöker tvinga-fit analytiska lösningar på sina kunder. Genom att tillhandahålla val, det är att erbjuda flexibilitet. Men, med att flexibilitet kommer behovet av att bättre formulera vilka plattformar och verktyg som är bättre val för den specifika scenarier eller typer av användare. Till exempel, medan Azure Synapse och Azure Databricks överlappar varandra i Spark stöd, den senare ger bättre är inriktade mot data forskare och ingenjörer som bara vill ställa lös på rådata och arbete från bärbara datorer, som inte behöver en databas.

Azure Arc sträcker sig hybrid portfölj

Azure Arc lägger till Microsoft Azure alternativ för hybrid cloud distribution. Det är ett svar på en växande efterfrågan på att vi får höra form kunder: hur kan de få fördelarna med molnet på lokaler, och hur kan de hålla sina val av där.

Vid första anblicken, det skulle vara lätt att misconstrue Arc som en ersättare till Azure Stapla, när det i verkligheten, det är ett komplement. Mary Jo Foley som tidigare lämnats slag-för-slag uppdelning på Arc och expansion av stapeln portfölj. Sedan dess har vi lärt oss att Arc är något annat än en ren implementering av Azure Stack. Medan Azure Stack är avsedd att stödja den privata eller hybrid cloud distribution, Azure Arc är en mjukvaruagent som sträcker sig Azure-moln kontroll plan över infrastrukturen sättas på plats, eller möjligen, i andra offentliga moln. Detta kan innebära en rad olika saker – håll den tanken.

Förlängning cloud management eller att molnet (PaaS-tjänster bärbar?

Microsofts positionering och förklaring av Azure Arc är fortfarande lite oklart. På vad som var tänkt att vara förklarande “Vad är Azure Arc” slide, vi såg på topp som det var utvidgningen av Azure PaaS-tjänster var som helst, medan i botten av bilden, vi såg meddelandet att det var fordonet för att ge Azure kontroll och förvaltning. I verkligheten, kontroll plan är den gemensamma röda tråden som är det som krävs, oavsett om kunden använder faktiskt Azure PaaS-tjänster eller i stället använder Arc för att tämja sina befintliga IT-server-miljöer. Och båda kan ha helt olika användningsfall.

Vid lanseringen är Microsoft gör tillgängliga två PaaS-tjänster på Arc, som båda råkar vara datatjänster: Azure SQL-Databas som Förvaltas Exempel och Azure-Databas för PostgreSQL Hyperscale. Men det faktum att de första tjänsterna ur porten är Azure-databaser var bara lyckosam; vid horisonten, vi förväntar oss att Arc kommer att lägga till andra Azure PaaS-tjänster såsom utvecklingsverktyg, AI och maskininlärning tjänster, serverlösa funktioner, och andra kommer att rinna ut över tid.

Men fram till den portfölj av tjänster som träffar en kritisk massa, vi tror att de första “killer app” för Arc kommer att vara för företag att använda Azure förvaltning för att tämja sina gamla server miljöer, som kan vara ren metall eller VMs. Med tanke på att det inte finns en hel del Kubernetes kompetens, men, den goda nyheten är att detta användningsfall för Arc kommer att vara användbart för företag som ännu inte har bemästrat konsten att ställa upp Kubernetes kluster (de kommer att behöva veta Kubernetes om de väljer att använda en av de Azure-databas tjänst, dock).

Med tanke på att Arc är bara tillgängligt för privat förhandsvisning, det finns gott om möjligheter för Microsoft att vässa berättelsen om de problem som Arc är avsedd att lösa.

Relaterade Ämnen:

Big Data Analytics

Affärssystem

Windows

Windows-10

Samarbete

Cloud