Noll
Video: Dessa är de främsta affärs-tech berättelser från Microsoft är Tända
Microsoft blir verkligen allvar med att ge kunderna val. Så mycket var klart vid veckans kombineras Microsoft Tända och Föreställer händelser i Orlando och, i synnerhet, i meddelanden runt databaser, data-integration, machine learning (ML), och artificiell intelligens (AI).
Flera meddelanden på Antända var helt och hållet om val. På hybrid front, till exempel, det var den allmänna tillgängligheten av Azure Stack, som kan kunder lägga en bit av Azure Molnet på lokaler — på ett urval av hårdvara-partner rack. Men det handlar om infrastruktur. Mitt fokus var på vad Microsoft beskrivs som att skapa “system av intelligens.” Jag kommer att fokusera här på databas, databasen migration, integration av data, ML, och AI.
SQL Server 2017 Uppfyller Linux, Docker
Microsoft meddelade att SQL Server 2017, den senaste versionen av sitt flaggskepp databas, kommer att vara tillgängliga den 2 oktober. Det stora genombrottet är att den här versionen körs på Linux och Windows (och företaget erbjuder nya-kund incitament inklusive rabatter för abonnemang och buntar med RedHat).
En annan ny utbyggnad alternativet är inom Docker Enterprise Edition behållare för portabilitet mellan molnen och på lokaler. Utöver portabilitet, SQL Server 2017 introducerar framsteg i adaptiv söka behandling, möjlighet att lägga till klustrade kolumn butiker för snabbare analytisk prestanda och stöd för att driva modeller helt i databasen genom R och Python.
Analys: Linux är ett populärt operativsystem för molnet, och Windows-begränsningar på Microsoft SQL Server där i vägen för tillväxt. Tillsammans med docker alternativ, dessa multi-plattform och hybrid alternativ bör påskynda antagandet.
Azure DB migrationsverket Domstolar Oracle, MySQL
Nu i privat förhandsvisning, Azure-Databas migrationsverket är utformad för att hjälpa dig att migrera på lokaler för Microsoft SQL Server, Oracle och MySQL fall till Azure. Också i begränsad förhandsgranskning är en kommande Azure SQL-Databas som Förvaltas Exempel, en platform-as-a-service-alternativet med VNET och privata IPs-stöd.
Analys: Det är fortfarande bara “nära till full kompatibilitet” för migration på lokaler Microsoft SQL Server, Azure SQL-Databas. Skillnaderna kan vara små, men Oracle svartabörshajar sin “samma-DB-ingen-roll-om-du-använda” fördel.
Azure Data Factory
Detta data-integration service för Azure, nu i public preview, stödjer skapandet, schemaläggning och orkestrering av data-integration rörledningar med möjlighet att lyfta och flytta SQL Server Integration Services (SSIS) paket i molnet. Microsoft säger att det här snart-att-vara-GA-tjänst kommer att innehålla rabatterade priser för aktiva SQL Server-licensinnehavare.
Analys: jag skulle vilja höra mer om nyanser av praktiska skillnader mellan Azure-för synkronisering av Data Fabriken och SSIS, om några, resurser, ledning, administration och den totala användarupplevelsen.
Nästa Generations Azure Maskininlärning
ML och AI är den som ligger till grund för “smarta” system för att förutsäga, upptäcka mönster och undantag, utveckla slutsatser om uppsåt, och erbjuder rekommendationer. Microsoft sätta ML/AI-modellering kapacitet i molnet för flera år sedan med Azure ML/Azure ML Studio. Men den första generationen som erbjuder var absolut en moln tjänst som drivs av Microsoft Azure. Nästa generation av Azure ML ger organisationer alternativ genom tre komponenter meddelade på Ignite och nu i public preview.
Azure ML Workbench är en plattformsoberoende klient för data gräl och hantera experiment. Den körs på Windows och iOS-maskiner och är inriktad på att utvecklare och data forskare som måste ta första steget för att skapa modeller, som förbereder sig för data. Användare kan utnyttja ett brett utbud av datakällor, inklusive hög skala källor, och se prover, statistik och distribution av information om data. Verktyget kan lära sig städa upp och normalisering steg du vill ta med exempel och sedan upprepa dem i stor skala. Dessa åtgärder redovisas för data öppenhet och härstamning. Därifrån kan du använda uppgifterna för din modellering experiment.Azure ML Experiment tjänsten är byggd för att stödja samarbete modell för utveckling i stor skala. Den använder Git-arkiv och ett kommandoradsverktyg för att hantera modell experiment och utbildning. Det spår koden, konfigurationer och data som används i experiment och modeller, logga utgångar, mätmetoder och historien om hur de modeller som utvecklas. Detta säkerställer öppenhet kring modeller över tid, vilket ofta är ett krav på reglerade miljöer. Valfrihet, Experiment tjänsten stödjer Python och ett utbud av ramar, inklusive Tensorflow, Caffe, PyTorch, MXNet och SIFFROR samt Microsofts egna CNTK och Microsoft Kognitiva Toolkit. Det finns också gott om distribution val. Docker behållare som används för att överföra till många miljöer samtidigt som modell och data governance, gransking och synlighet. Experiment kan köras lokalt eller på distans, på allmänna ändamål VMs, skala upp på Data-Vetenskap VMs, skala ut på Spark (i Azure HDInsight), och kan även köras på GPU-accelererade VMs.Azure ML Modell Manager-tjänsten för distribution och operationalisering, stödja hosting, versionshantering, förvaltning och övervakning. Här också, det finns många fler alternativ, inklusive i-databas i SQL Server 2017, i VMs, på Spark, i Azure molnet och var som helst kan du köra Docker behållare.
Analys: Tillsammans alla dessa alternativ ger data forskare och utvecklare ännu mer flexibilitet runt där de gör sina experiment, utbildning av modeller och operativa poäng. Betydligt, det finns mer att välja på ramar, med Microsoft chefer säger att algoritmer inte roll — använd vad som är bäst för uppgiften.
Docker är den primära modellen portabilitet, men Microsoft säger distribution kan vara så enkelt som en enda rad kod och samtidigt ge Docker power-användare alternativ för att ställa in och justera distribution.
Du kan också ta med tillgångar direkt på lokala maskiner, men du förlorar spår-förmåga. Hela idén här är att stödja och föra synlighet till det hela, end-to-end lifecycle på skalan. Det är ett måste för banker, försäkringsbolag och en växande lista över organisationer som gör automatisk, maskininlärning och AI modellering i stor skala.
Min Samlade Ta på Antända 2017
Det var så många fler uttalanden på Ignite som kommer göra stor inverkan på kort sikt (som global skala CosmosDB) och på lång sikt (som Microsofts arbete på quantum computing). Det övergripande temat var valet, med Microsoft erbjuder en imponerande brett spektrum av moln, på lokaler och hybrid alternativ för data forskare, utvecklare, data-ledning och styrning-och sjukvårdspersonal, och om upp till företagskunder och kunder att Microsofts kunder.
Många av veckans meddelanden är fortfarande i preview-och det finns luckor här och där, men för att vara fylld. Men jag kom bort imponerad.
Läs mer:
Oracle Skiljer dess MySQL Moln ServiceSAP maskininlärning Planer: En Djupare Dyk Från Sapphire NowSAS Tar Nästa Steg för att Cloud Analytics
0