Zero
Video: Queste sono le principali business tech storie da Microsoft Ignite
Microsoft si sta facendo davvero sul serio, dando ai clienti scelte. Era chiaro che in questa settimana combinato di Microsoft Ignite e Immaginare eventi in Orlando e, in particolare, in annunci di circa database di dati, di integrazione, di machine learning (ML), e l’intelligenza artificiale (AI).
Annunci più Ignite sono stati interamente sulla scelta. Sul ibrida fronte, per esempio, c’è stata la disponibilità generale di Azure Stack, che consente ai clienti di mettere una fetta di Azure Cloud nei locali — su una scelta di hardware partner rack. Ma che su di infrastrutture. La mia attenzione era concentrata su ciò che Microsoft ha descritto come la creazione di “sistemi di intelligence.” Mi concentrerò qui sul database, database di migrazione, l’integrazione dei dati, ML, e AI.
SQL Server 2017 Incontra Linux, Mobile
Microsoft ha annunciato che SQL Server 2017, l’ultima versione della sua ammiraglia database, sarà disponibile il prossimo 2 ottobre. La grande svolta è che questa versione funziona su Linux e su Windows (e l’azienda è in grado di offrire a clienti-incentivi come sconti per abbonamenti e pacchetti con RedHat).
Un’altra nuova opzione di distribuzione è all’interno di Mobile Enterprise Edition contenitori per la portabilità tra cloud e on-premise. Al di là di portabilità, SQL Server 2017 introduce progressi adaptive elaborazione di query, la possibilità di aggiungere colonne cluster negozi per velocizzare le prestazioni analitiche e di supporto per l’esecuzione di modelli interamente in-database di R e Python.
Analisi: Linux è il favorito sistema operativo del cloud, e solo per Windows vincoli di Microsoft SQL Server in cui ottenere nel modo di crescita. Insieme con la finestra mobile opzione, questi multi-piattaforma e ibridi opzioni dovrebbe accelerare l’adozione.
Azure DB del Servizio di Migrazione dei Tribunali Oracle, MySQL
Ora in anteprima privata, Azure Database del Servizio di Migrazione è stato progettato per facilitare la migrazione locale di Microsoft SQL Server, Oracle e MySQL istanze di Azure. Anche in anteprima limitata è venuta Azure SQL Database Gestito Esempio, un platform-as-a-service con VNET e privato IPs supporto.
Analisi: C’è ancora solo “vicino alla piena compatibilità” per la migrazione del locale di Microsoft SQL Server a SQL Azure. Le differenze possono essere piccole, ma Oracle bagarini suo “stesso-DB-non-importa-dove-si-distribuzione” di vantaggio.
Azure Dati Di Fabbrica
Questi dati-servizio di integrazione per l’Azzurro, ora in anteprima pubblica, supporta la creazione, la pianificazione e l’organizzazione di dati-integrazione condotte con l’opzione per il sollevamento e spostamento di SQL Server Integration Services (SSIS) in cloud. Microsoft dice che questo presto-a-essere-GA servizio permette di usufruire di tariffe scontate per SQL Server attivi licenziatari.
Analisi: mi piacerebbe sentire di più sulle sfumature di differenze pratiche tra Azure Dati di Fabbrica e SSIS, se del caso, in termini di capacità, la gestione, l’amministrazione e l’esperienza complessiva dell’utente.
La Prossima Generazione Di Azure Machine Learning
ML e AI sono alla base di sistemi “intelligenti” che prevedono, identificare i modelli e le eccezioni, sviluppare inferenze circa intento, e offrire suggerimenti. Microsoft ML/AI funzionalità di modellazione nel cloud, diversi anni fa, con Azure ML/Azzurro ML di Studio. Ma la prima generazione che offre è strettamente un servizio di cloud gestito da Microsoft Azure. La prossima generazione di Azure ML fornisce alle organizzazioni opzioni attraverso tre componenti annunciato Ignite e ora in anteprima pubblica.
Azure ML Workbench è un cross-piattaforma client per i dati di litigi e la gestione di esperimenti. Funziona su Windows e iOS macchine ed è rivolto a sviluppatori e i dati di scienziati che hanno bisogno di prendere il primo passo per la creazione di modelli, che è la preparazione dei dati. Gli utenti possono attingere a una vasta gamma di fonti di dati, tra cui l’alta scala di fonti, e di vedere i campioni, le statistiche e la distribuzione di informazioni circa i dati. Lo strumento può imparare la pulizia e la normalizzazione vuoi prendere da esempio e poi ripetere a scala. Questi passaggi sono registrate per la trasparenza dei dati e lignaggio. Da lì, è possibile utilizzare i dati per la modellazione esperimenti.Azure ML di Sperimentazione del servizio è costruito a supporto collaborativo di sviluppo di un modello in scala. Utilizza repository Git e una riga di comando strumento per gestire il modello di sperimentazione e di formazione. Segue il codice, le configurazioni e i dati utilizzati in esperimenti così come i modelli, registro uscite, le metriche chiave e la storia di come questi modelli si evolvono. Questo garantisce la trasparenza circa i modelli nel corso del tempo, che è spesso un requisito in ambienti regolamentati. Fornendo scelta, la Sperimentazione del servizio supporta Python e una serie di quadri, tra cui Tensorflow, Caffe, PyTorch, MXNet e CIFRE di Microsoft del proprio CNTK e Microsoft Cognitive Toolkit. Ci sono anche un sacco di scelte di distribuzione. Mobile contenitori sono utilizzati per la portabilità a molti ambienti, mantenendo modello e di governance dei dati, le verifiche e la visibilità. Gli esperimenti possono essere eseguiti in locale o in remoto, su general-purpose VMs, scala fino a Scienza di Dati VMs, scala su Spark (in Azure HDInsight), e in grado di eseguire anche su GPU-accelerated VMs.Azure ML Modello di Gestione del servizio per la distribuzione e la messa in pratica, a supporto di hosting, gestione delle versioni, di gestione e di monitoraggio. Anche qui, ci sono molte più opzioni, tra cui database in SQL Server 2017, VMs, Scintilla, in Azure cloud e ovunque è possibile eseguire Mobile contenitori.
Analisi: Insieme tutte queste opzioni forniscono dati gli scienziati e gli sviluppatori ancora più flessibilità in giro, dove fanno la loro sperimentazione, la formazione di modelli operativi e di punteggio. Significativamente, c’è più scelta sulla base di quadri di riferimento, con i dirigenti di Microsoft dicendo che gli algoritmi non importa — utilizzare ciò che è meglio per il compito a portata di mano.
Docker è il mezzo principale di modello di portabilità, ma Microsoft dice di distribuzione può essere semplice come una singola riga di codice, mentre anche dando la finestra Mobile di potenza utenti opzioni per ottimizzare e modificare la distribuzione.
Si può anche portare risorse direttamente sulla macchina locale, ma si perde traccia di capacità. L’idea qui è di sostenere e portare visibilità a tutto, end-to-end del ciclo di vita su larga scala. Questo è un must-have per banche, compagnie di assicurazione e da un crescente elenco di organizzazioni che stanno facendo predittiva, machine learning e AI modellazione a scala.
Il mio giudizio in Generale Assumere Accendere il 2017
C’erano molti più annunci Ignite che avrà un grande impatto nel breve periodo (come a scala globale CosmosDB) e a lungo termine (come il lavoro di Microsoft sul quantum computing). Il tema generale è stata scelta, con Microsoft che offre un impressionante, ampio spettro di cloud, on-premise, e ibridi opzioni per i dati, gli scienziati, gli sviluppatori di dati, di gestione e di governance professionisti, ma anche per gli utenti business e i clienti ai clienti della Microsoft.
Molti di questa settimana, gli annunci sono ancora in anteprima-e ci sono lacune, di qua e di là, ancora da colmare. Ma sono venuto via impressionato.
Leggi di più:
Oracle Differenzia la sua MySQL Cloud ServiceSAP Macchina di Piani di Apprendimento: Una più Profonda Immersione in Zaffiro NowSAS Prende i Prossimi Passi per il Cloud Analytics
0