Endüstri anlayışı: multicloud search ve ai stratejisi hakkında ibm

Şirketlerin topladığı tüm verilerle, bu bilgilerin tümünü tutmak ve yönetmek için değil, aynı zamanda arama ve güvenlik yeteneklerini etkinleştirmek için etkili bir bulut depolama deposu bulmak bir mücadeledir. Neyse ki, IBM Hizmet Olarak Altyapı Bulutu (IaaS) ve Hizmet Olarak Platform (PaaS) senaryoları sunan IBM gibi bulut platformu sağlayıcıları, çoklu ortam mimarilerindeki verileri yönetmek için yeni yollar üzerinde çalışıyor.

Multicloud Mimarisi Nedir?

Multicloud mimarisi, tek bir mimaride birden fazla bulut ortamında depolanan veri ve koddan oluşur. Amazon Web Hizmetleri (AWS), IBM Cloud ve Microsoft Azure gibi birden çok bulutta kod ve kaynaklar kullanan bir uygulamayı hayal edin. Halen gelişmekte olan birlikte çalışabilirlik standartlarını kullanarak, multicloud mimarileri bu hizmetlerin hangi bulutları platform olarak kullandıklarına bakmaksızın yazılım hizmetlerinde birlikte çalışabilirlik sağlar. Bu, bulut kaynaklarınızı özelleştirmenizi sağlayarak iş yüklerinizi daha özel olarak hedeflemelerini sağlar.

Küçük ve orta ölçekli işletmeler (KOBİ'ler), birden fazla bulut hizmetinin altyapısını yönetmeye ve bunları tek bir konsolda güvenli ve düzenli tutmaya yardımcı olabilecek bir sağlayıcıyı düşünmelidir. Daha da iyisi, Microsoft Office 365 gibi üçüncü taraf bulut hizmetlerini kendi sanal sunucularınızda çalıştırdığınız kaynaklarla başka bir bulutta birleştirebilecek olanıdır. Bir genel bulut, bir uygulama için uygun, bir başka kullanıcı için özel bir bulut olabilir. KOBİ'ler, multicloud mimarisinin sağladığı maliyet etkinliği ve çeviklikten faydalanacaktır.

Multicloud ve IBM

Multicloud açısından bakıldığında, IBM için yoğun bir yıl oldu. Mayıs ayında, şirketlerin veri mühendisliği, veri bilimi, geliştirme, uygulama ve veritabanları gibi disiplinler üzerindeki verilerinden gizli bilgiler edinmelerini sağlamak için IBM Veri için Özel IBM'i başlattı. Ardından, 10 Eylül'de, şirket IBM'in Veri İçin Özel Bulut'un, açık kaynaklı konteyner ve Kubernetes uygulama platformu olan Red Hat OpenShift ile entegre olacağını açıkladı. Kubernetes, kapsayıcıları sunucu kümeleri arasında çalıştırmak için açık kaynaklı bir platformdur. Red Hat ile yapılan bu entegrasyon, şirketlere bulut yerel iş yüklerini çalıştırırken daha fazla seçenek sunar; böylece şirket içinde, genel ve özel bulutlarda ve açık kaynaklı Red Hat OpenShift ortamında çalışabilirler. IBM ayrıca Hortonworks DataPlane'deki hizmetleri IBM Cloud Private for Data ile entegre etmek için Büyük Veri yazılımı öncüsü olan Hortonworks ile ortaklığını da artıracak.

Sonunda, 13 Eylül'de IBM, bulutlarda arama yapmak için tek bir konsol olan Queryplex adlı bir aracı kullanarak kullanıcıların kurum genelinde analitik sorgulamalarına izin vereceğini açıkladı. Aynı gün, IBM, yapay zeka (AI) sorunuyla mücadele eden müşterileri vurgulamak için ESPN'in Hannah Storm tarafından barındırılan New York City'deki Terminal 5'te bir etkinlik düzenledi. Etkinlikten kısa bir süre önce PCMag, yeni bulut arama özelliğinin nasıl çalıştığını, IBM'in Red Hat ile çalıştığını ve AI'da bazı kazanma stratejilerini ele almasını sağlamak için IBM Analytics'in Genel Müdürü Rob Thomas'ı yakaladı.

PCMag (PCM): IBM Veri için Özel Bulut, verilerinizin tümünü görmenize nasıl izin verir?

Rob Thomas (RT): Bir müşterinin herhangi bir bulutta herhangi bir yerde veriyi nasıl yönettiğinin konsolu olarak düşünün. Müşteriler bunu kullanıyorsa, sahip oldukları tüm verileri şirket içi, özel bir bulut konteyner mimarisinde görebilirler veya sahip oldukları verileri AWS, Microsoft Azure, Google Cloud Platform veya IBM Cloud'da görebilirler. Tüm verilerinizi anlamak için nerede olduğunu, verilerinizi kataloglamanızı ve düzenlemeyi sağlayan tek bir konsol.

PCM: Queryplex nedir ve KOBİ'ler bulutlarda arama yapmak için nasıl böyle bir şey kullanabilir?

RT: Queryplex size gerçekten bir Yapılandırılmış Sorgu Dili (SQL) sorgusu yazma ve dünyanın herhangi bir yerinde veri bulma ve analitik yapma yeteneği verir. Bu geniş açılı SQL özelliği ile verileri taşımak zorunda değilsiniz. Verileri nerede olursa olsun bulacağız ve etkinleştireceğiz. İşlem gücünü en üst düzeyde kullanabilir ve ardından analitiği tek bir yere geri gönderebiliriz. Yani, bunlar aynı madalyonun iki yüzü. Bir tanesi, tüm verilerinizi yönetmek için bir konsol. İkinci parça, verileri Aşama 1 olarak taşımak zorunda kalmadan, herhangi bir yerdeki veri üzerinde nasıl analitik yaptığınızla ilgilidir, çünkü verilerin taşınması maliyetlidir; zaman alıcı. Böylece, temel olarak süper güçlü olan veri hareketi ihtiyacını ortadan kaldırdık.

PCM: Bu tür sorgu yeteneklerini kullanan bir şirketin günlük bir örneği ne olurdu?

RT: İyi olanı, bir otomobilde veya nasıl performans gösterdiğine dair öngörülü bakım yapmak için telematik yapan bir otomotiv şirketi olabilir. Bugün, yaklaşım araca bağlanmak ve ardından verileri merkezi bir konuma geri getirmektir. Size gerçek zamanlı yetenek verir. Bundan 30 gün önce olan şey şu an 30 saniye. Bunu yapmanın gücü budur; sadece analizin doğasını ve sürecini tamamen değiştirir.

PCM: Birden fazla bulutta aramanın güvenlikle ilgili etkileri nelerdir? Bu tür bir aramaya izin vermeyi nasıl tercih edersiniz?

RT: Queryplex'i, Hafif Dizin Erişim Protokolü (LDAP) güvenliği ve kimlik yönetimi protokolleri veya veri yönetişimi politikaları etrafında bir kuruluşun sağladığı avantajlardan yararlanacak bir kurumsal ürün olarak tasarladık. Size bir örnek vereyim: Şirket politikanız, herhangi bir Kişisel Olarak Tanımlanabilir Bilgiye (PII) dokunmak istemediğiniz sorguları bir araya getirdiğinizde, bu bilgiyi bu kabiliyetin bir parçası olarak gizleyebiliriz. onun bir parçası. Gerçekten bir şirketin güvenlik mimarisine entegre olacak şekilde tasarladık.

PCM: Bir şirketin farklı bulutlara erişebilmesi için ne yapması gerekiyor?

RT: Veri için IBM Cloud Private'deyken çok hızlı bir şekilde yüklenirsiniz. Farklı bir buluta bağlanmak açısından, sadece IP adresini bilmek. Bu oldukça basit; bunu yapabilirsin. Yani bağlantı parçası zor değil. Şirketler için zorlaştığını düşündüğüm yer şu ki, AI veya veri bilimi tipi kullanım durumlarına doğru daha fazla ilerledikçe, bunun için bir model oluşturmanız gerekir. Bu modeli eğitmeniz gerekiyor ve bunun için verileri düzenlemenize yardımcı olabiliriz.

PCM: Şirketlerin AI veya makine öğrenmesi (ML) uygulaması için birkaç temel strateji nelerdir?

RT: Birkaç farklı şey. Veri bilimi Mükemmeliyet Merkezleri (COE) kuran bazı müşteriler görüyorum. Örgütün konuyu enerjilendirmenin ve işleri harekete geçirmenin iyi bir yolu olabileceğini düşünüyorum. Bence bu iyi bir yaklaşım.

Baş Veri Sorumlusu (CDO) kiralayan ve bu kişiye şirketi bu yönde kullanma görevini veren başka müşteriler görüyoruz. Bence bu da iyi.

Üçüncüsü, iş dünyasından, kullanım durumunu bulmak için iş dünyası anlamından dolayı buna dayanan çok sayıda şirket görüyorum ve bu teknoloji yenilikçiliği için geçerli. Sanırım bunların herhangi biri işe yarayabilir.

Bence en büyük boşluk ve müşterileri yapmaya teşvik ettiğim şey bir veri stratejisine sahip olmak. Veri stratejisinin bir parçası bugün nerede olduğunuzu bilmektir. Yani, gerçekten sadece iş zekası (BI) ve veri depolama yapıyor musunuz, yoksa gerçekten self-servis analitik mi yapıyorsunuz? Nerede olduğunuzu ve ardından son noktayı anlayın. Bu iki noktaya açıklık getirirseniz, o zaman önemli olanlardan bir tekrarlanabilirlik düzeyi elde edeceğinizi bilerek, veri bilimi COE'leri, bir CDO veya bir iş kolu aracılığıyla deneyler başlatabilirsiniz.

PCM: IBM'in Red Hat ile çalışmasına ne neden oldu?

RT: 2000’e geri dönerseniz, IBM Linux’un oldukça büyük bir savunucusu olmuştur. Linux’un IBM’in desteği olmadan bugün olduğu yerde olmayacağını savunuyorum. Bu nedenle, yenilikler ve ekosistemi nasıl desteklediğimiz konusunda Red Hat ile sürekli devam eden bir diyalog kurduk. Red Hat'in OpenShift ile neler yaptığını izliyoruz.

Biz konteynerlere inanan büyük inancıyız ve Kubernetes'in müşterilerin uygulamaları ve veri durumlarını modernize etmelerine yardımcı olacak bir yolu var. OpenShift ile Red Hat'a bakarsanız, modernizasyona odaklanmış harika bir konteyner platformu kurdular. Ancak, veriler için hiçbir şeyleri yoktur ve verileri aynı anda modernize etmeden uygulamaları modernleştirmek zordur.

Veri hizmetlerini IBM Cloud Private for Data ile modernize etme konusunda yaptığımız şeyi getirebiliriz, bu özelliği tam da OpenShift'te çalıştırmak, böylece bir uygulama modernizasyonu yolculuğundaki istemciler verilerle aynı şeyi yapabilirler. AI için bu projeyi sonuçlara dönüştürebilir.

Hadoop henüz bir mikro hizmet mimarisine taşınmamıştır, bu yüzden bulmacanın diğer parçası. IBM Cloud Private for Data ve OpenShift ile birlikte oynayabilecekleri Hadoop'un mikro hizmetlerini modernize etmek ve oluşturmak için Hortonworks ile birlikte çalışmak.

PCM: Şirketler bu tür bir mikro servis mimarisini nasıl kullanıyor?

RT: Bence hepsi AI ve veri bilimine geri dönüyor. Verilerle ne yapıyorsanız yapın, genellikle bir iş sonucunun etrafında sürülür. Analitiği nasıl kullandığınız konusunda bazı avantajlar arıyorsanız.

Öyleyse, Hadoop'taki verilerinizin çoğunu aldıysanız, bunu tahmine dayalı analitik, ML veya veri bilimi için kullanamıyorsanız, o zaman organizasyon için çok değerli değildir. Noktaları böyle bağlarım. Hadoop bir mikro hizmettir; çok daha zorlanabilir, çok daha esnek. Verilerle çalışmak daha kolay ve büyük bir veri bilim ekibine sunabilmek daha kolay. Bu, Hadoop uygulamanızdan daha fazla değer elde etmenizi sağlar.

PCM: Gelecekte AI ve ML'ye kadar giden şeyleri nerede görüyorsunuz?

RT: Yavaş yavaş ana akıma gireceğiz. Bir yıl önce, tartışma "Bir şey yapabilir miyim?" İdi. Bunun, artan deney yılı olduğunu söyleyebilirim. Bence gelecek sene toplu deneyler yapıyoruz ve umarım, gelecek yılın sonunda bunun daha yaygın hale geldiği bir noktadayız. İnsanlar çok sayıda karar vermeyi otomatikleştirmek için bir çok temel iş sürecini otomatikleştirmek için AI ve modellerini kullanıyor. Yani, açıkça bu yolculuktayız. İlerlemeyi görebilirsiniz. İsterseniz bir bahşiş noktasına yaklaşıyormuş gibi hissediyorum, ama henüz tam olarak orada değiliz.