Ang pananaw sa industriya: ibm sa maraming diskarte sa paghahanap at ai

Sa lahat ng data na naipon ng mga kumpanya, isang pakikibaka upang makahanap ng isang epektibong imbakan ng imbakan ng ulap na hindi lamang hawakan at pamahalaan ang lahat ng impormasyong iyon, ngunit upang paganahin ang mga kakayahan sa paghahanap at seguridad. Sa kabutihang palad, ang mga vendor ng platform ng ulap tulad ng IBM, na nag-aalok ng IBM Cloud para sa Infrastructure-as-a-Service (IaaS) at mga senaryo ng Platform-as-a-Service (PaaS), ay aktibong nagtatrabaho sa mga bagong paraan upang pamahalaan ang data sa maraming arkitektura.

Ano ang isang Maramihang arkitektura?

Ang isang multicloud na arkitektura ay binubuo ng data at code na nakaimbak sa maraming mga kapaligiran sa ulap sa loob ng isang arkitektura. Isipin lamang ang isang application na gumagamit ng code at mga mapagkukunan sa maraming mga ulap, tulad ng Amazon Web Services (AWS), IBM Cloud, at Microsoft Azure. Sa pamamagitan ng paggamit ng mga pamantayan ng interoperability na umuusbong pa rin, ang mga arkitektura ng multicloud ay nagdadala ng interoperability sa mga serbisyo ng software kahit ano pa ang mga ulap ng mga serbisyo na ginagamit bilang isang platform. Hinahayaan ka nitong maiangkop ang iyong mga mapagkukunan ng ulap upang mas partikular nilang mai-target ang iyong mga workload.

Ang maliit na midsize na mga negosyo (SMBs) ay dapat isaalang-alang ang isang tagapagbigay ng serbisyo na makakatulong sa pamamahala ng imprastruktura ng maraming mga serbisyo sa ulap at panatilihing ligtas at maayos ang mga ito sa isang solong console. Kahit na mas mahusay ay ang isa na maaaring pagsamahin ang mga serbisyo ng ulap ng third-party, tulad ng Microsoft Office 365, na may mga mapagkukunan na tumatakbo sa iyong sariling virtual server sa ibang ulap. Ang isang pampublikong ulap ay maaaring naaangkop para sa isang app at isang pribadong ulap para sa isa pa. Makakinabang ang mga SMB mula sa pagiging epektibo at liksi na ibinibigay ng isang arkitektura ng multicloud.

Multicloud at IBM

Mula sa isang multicloud na pananaw, naging isang abala na taon para sa IBM. Noong Mayo, inilunsad nito ang IBM Cloud Private for Data upang hayaan ang mga kumpanya na kunin ang mga nakatagong pananaw mula sa kanilang data sa mga disiplina tulad ng data engineering, data science, at pag-unlad pati na rin ang kanilang mga app at database. Pagkatapos, noong Setyembre 10, inihayag ng kumpanya na ang IBM Cloud Private for Data ay magsasama sa Red Hat OpenShift, ang open-source container at Kubernetes app platform. Ang Kubernetes ay isang open-source platform para sa pagpapatakbo ng mga lalagyan sa buong kumpol ng mga server. Ang pagsasama na ito sa Red Hat ay nagbibigay ng higit pang mga pagpipilian sa mga kumpanya kapag nagpapatakbo ng mga cloud-katutubong workload upang maaari silang tumakbo sa mga lugar, sa publiko at pribadong ulap, at sa bukas na mapagkukunan ng Red Hat OpenShift na kapaligiran. Ipalawig din ng IBM ang pakikipagtulungan nito sa Hortonworks, isang pioneer ng software ng Big Data, upang pagsamahin ang mga serbisyo sa Hortonworks DataPlane kasama ang IBM Cloud Private para sa Data.

Sa wakas, noong Setyembre 13, inihayag din ng IBM na hahayaan nito ang mga query sa query ng mga gumagamit sa buong kumpanya sa pamamagitan ng paggamit ng isang tool na tinatawag na Queryplex, na kung saan ay isang solong console para sa paghahanap sa mga ulap. Nitong araw ding iyon, ginanap ng IBM ang isang kaganapan sa Terminal 5 sa New York City na pinamamahalaan ng Hannah Storm ng ESPN upang pansinin ang mga kostumer na kumukuha ng hamon sa artipisyal na intelektwal (AI). Ilang sandali bago ang kaganapan, nahuli ng PCMag si Rob Thomas, General Manager ng IBM Analytics, upang makuha ang kung paano gumagana ang bagong kakayahan sa paghahanap sa ulap, ang gawain ng IBM kasama ang Red Hat, at ilang mga nanalong diskarte sa AI.

PCMag (PCM): Paano pinapakita ng IBM Cloud Pribado para sa Data ang lahat ng iyong data?

Rob Thomas (RT): Isipin ito bilang console para sa kung paano namamahala ang isang kliyente kahit saan sa anumang ulap. Kung gagamitin iyon ng mga kliyente, maaari nilang makita ang lahat ng mga data na mayroon sila sa premise, sa isang pribadong arkitekturang lalagyan ng ulap, o makakakita sila ng data na mayroon sila sa AWS, Microsoft Azure, Google Cloud Platform, o IBM Cloud. Ito ay isang solong console para sa pag-unawa sa lahat ng iyong data-kung nasaan ito, pag-uugnay sa iyong data at pag-aayos nito.

PCM: Ano ang Queryplex at kung paano magagamit ng SMB ang isang bagay tulad nito upang maghanap sa mga ulap?

RT: Binibigyan ka ng Queryplex ng kakayahang talagang sumulat ng isang Structured Query Language (SQL) na query at makahanap ng data saanman sa mundo at gumawa ng analytics. Sa ganitong malawak na anggulo ng SQL, hindi mo kailangang ilipat ang data. Malalaman namin ang data kung nasaan man ito at paganahin namin ito. Maaari naming gamitin ang kapangyarihan sa pagproseso sa gilid at pagkatapos ay ibigay ang analytics pabalik sa isang solong lugar. Kaya, ang mga ito ay dalawang panig ng parehong barya. Ang isa ay isang console para sa pamamahala ng lahat ng iyong data. Ang pangalawang piraso ay tungkol sa kung paano ka talaga gumawa ng analytics sa data na kahit saan nang hindi kinakailangang ilipat ang data bilang Hakbang 1, dahil ang paglipat ng data ay magastos; oras na. Kaya, talaga naming tinanggal ang pangangailangan para sa paggalaw ng data, na napakalakas.

PCM: Ano ang magiging isang pang-araw-araw na halimbawa ng isang kumpanya na gumagamit ng ganitong uri ng kakayahan sa query?

RT: Ang isang mahusay ay magiging isang kumpanya ng automotiko na gumagawa ng telematic upang gawin ang mahuhulaan na pagpapanatili sa isang sasakyan o kung paano ito gumaganap. Ngayon, ang pamamaraan ay upang kumonekta sa kotse at pagkatapos ay ibalik ang data sa isang sentral na lokasyon. Binibigyan ka nito ng kakayahan sa real-time. Kaya, kung ano ang 30 araw bago ito ay 30 segundo. Iyan ang kapangyarihan ng paggawa nito; binabago lamang nito ang likas na katangian at ang proseso ng analytics.

PCM: Ano ang mga implikasyon ng seguridad ng paghahanap sa maraming mga ulap? Paano ka mag-opt in upang payagan ang uri ng paghahanap?

RT: Idinisenyo namin ang Queryplex bilang isang produkto ng negosyo na samantalahin kung anuman ang isang samahan ay itinatag sa paligid ng Lightweight Directory Access Protocol (LDAP) na protocol at pamamahala ng pagkakakilanlan ng pagkakakilanlan o mga patakaran ng pamamahala ng data. Hayaan akong bigyan ka ng isang halimbawa: Kung ang patakaran ng iyong kumpanya ay na anumang oras na gawin mo ang mga pederasyong query na hindi mo nais na hawakan ang anumang Personal na Kinikilala na Impormasyon (PII), kung gayon maaari naming i-mask ang data na iyon bilang bahagi ng kakayahang ito kaya't ito ay ' t bahagi nito. Talagang dinisenyo namin ito upang maisama sa arkitektura ng seguridad ng isang kumpanya.

PCM: Ano ang kailangan gawin ng isang kumpanya upang payagan ang pag-access sa iba't ibang mga ulap?

RT: Kapag nasa IBM Cloud Pribado para sa Data, mabilis kang naka-install. Sa mga tuntunin ng pagkonekta sa ibang ulap, alam lamang nito ang IP address. Iyon ay tuwid; magagawa mo yan. Kaya ang piraso ng pagkakakonekta ay hindi mahirap. Kung saan sa palagay ko ay lalo itong nahihirapan para sa mga kumpanya, na habang sumusulong ka sa AI o mga kaso ng paggamit ng data na uri ng agham, kailangan mong bumuo ng isang modelo para sa. Kailangan mong sanayin ang modelong iyon, at makakatulong kami sa iyo na ayusin ang data upang gawin iyon.

PCM: Ano ang ilang mga pangunahing estratehiya para sa mga kumpanya na ipatupad ang AI o machine learning (ML)?

RT: Ilang iba't ibang mga bagay. Nakikita ko ang ilang mga kliyente na nagtatag ng mga data sa Sentro ng Kahusayan (COE). Sa palagay ko ay maaaring maging isang mahusay na paraan upang pasiglahin ang samahan sa paksa at makakuha ng mga bagay na gumagalaw. Sa palagay ko iyan ay isang mabuting pamamaraan.

Nakikita namin ang iba pang mga kliyente na nag-upa ng isang Chief Data Officer (CDO) at nagbibigay sa taong iyon ang misyon ng pagmamaneho ng kumpanya sa direksyon na ito. Sa tingin ko ay mabuti rin.

Pangatlo, nakikita ko ang maraming mga kumpanya na umaasa sa ito na magmula sa linya ng mga negosyo, nangangahulugang linya ng negosyo upang mahanap ang kaso ng paggamit, at pagkatapos iyon para sa makabagong teknolohiya. Sa palagay ko ang alinman sa mga maaaring gumana.

Sa palagay ko ang pinakamalaking agwat at kung ano ang hinihikayat ko na gawin ng mga kliyente ay ang pagkakaroon ng isang diskarte sa data. Bahagi ng isang diskarte ng data ay ang pag-alam kung nasaan ka ngayon. Ang ibig sabihin, gumagawa ka ba talaga ng intelligence sa negosyo (BI) at data warehousing o talagang gumagawa ka ng self-service analytics? Unawain kung nasaan ka at pagkatapos ay maunawaan ang wakas. Kung nakakakuha ka ng kaliwanagan sa mga dalawang puntong iyon, pagkatapos ay maaari kang maglunsad ng mga eksperimento sa pamamagitan ng data ng mga COE ng agham, isang CDO, o sa pamamagitan ng isang linya ng negosyo, alam na makakakuha ka ng isang antas ng pag-ulit sa mga iyon, na mahalaga.

PCM: Ano ang humantong sa IBM upang gumana sa Red Hat?

RT: Kung bumalik ka sa 2000, ang IBM ay naging isang napakalaking proponent ng Linux. Gusto kong magtaltalan na marahil ang Linux ay hindi magiging kung saan narito ngayon nang walang suporta ng IBM. Dahil doon, lagi kaming nakikipag-ugnay sa Red Hat sa paligid ng pagbabago at kung paano namin suportahan ang ekosistema. Napanood namin kung ano ang nagawa ng Red Hat sa OpenShift.

Napakalaking naniniwala kami sa mga lalagyan, at ang Kubernetes ay may paraan upang matulungan ang mga kliyente na gawing makabago ang mga app at data ng data. Kung titingnan mo ang Red Hat na may OpenShift, nagtayo sila ng isang mahusay na platform ng lalagyan na nakatuon sa modernisasyon. Ngunit wala silang anumang para sa data, at mahirap na ma-modernize ang mga app nang walang pag-modernize ng data nang sabay.

Kung saan maaari nating dalhin kung ano ang nagawa natin sa mga tuntunin ng pag-modernize ng mga serbisyo ng data kasama ang IBM Cloud Private for Data ay upang patakbuhin ang katutubong iyon mismo sa OpenShift, kaya ang mga kliyente na nasa isang paglalakbay ng modernisasyon ng aplikasyon ay maaaring gawin ang parehong bagay sa data, at sila maaaring gawing kinalabasan ang proyekto na iyon para sa AI.

Si Hadoop ay hindi pa lumipat sa isang arkitektura ng microservice, kaya't ang iba pang piraso ng puzzle. Paggawa sa Hortonworks upang matulungan ang makabago at lumikha ng mga microservice ng Hadoop na maaaring maglaro kasama ang IBM Cloud Private para sa Data at OpenShift.

PCM: Paano ginagamit ng mga kumpanya ang ganoong uri ng arkitektura ng microservice?

RT: Sa palagay ko lahat ito ay bumalik sa AI at data science. Anuman ang ginagawa mo sa data ay karaniwang hinihimok sa paligid ng isang kinalabasan ng negosyo. Naghahanap ka ng ilang kalamangan sa mga tuntunin ng kung paano ka gumagamit ng analytics.

Kaya, kung nakakuha ka ng maraming data sa Hadoop, kung hindi mo magagamit iyon para sa mahuhulaan na analytics, ML, o agham ng data, kung gayon hindi ito masyadong mahalaga sa samahan. Iyon kung paano ko ikonekta ang mga tuldok. Ang Hadoop ay isang microservice; ito ay isang pulutong mas composable, maraming mas nababaluktot. Madali itong magtrabaho kasama ang data, at mas madali itong magamit sa isang malaking pangkat ng agham ng data. At nagbibigay-daan sa iyo upang makakuha ng mas maraming halaga sa iyong pagpapatupad ng Hadoop.

PCM: Saan mo nakikita ang mga bagay na darating sa hinaharap hanggang sa AI at ML?

RT: Kami ay dahan-dahang pagpasok sa mainstream. Isang taon na ang nakalilipas, ang talakayan ay, "May magagawa ba ako?" Gusto kong sabihin na ito ay ang taon ng pagtaas ng eksperimento. Sa palagay ko sa susunod na taon magsasagawa kami ng pag-eksperimento sa masa at sana, sa pagtatapos ng susunod na taon, kami ay nasa isang punto kung saan ito ay nagiging pangunahing. Ang mga tao ay gumagamit ng AI at mga modelo upang i-automate ang maraming mga pangunahing proseso ng negosyo, upang awtomatiko ang maraming paggawa ng desisyon. Kaya, malinaw kami sa paglalakbay na iyon. Maaari mong makita ang pag-unlad. Pakiramdam ko ay malapit na kami sa isang tipping point, kung gugustuhin mo, ngunit hindi pa kami naroroon.