Nahlédnutí do odvětví: ibm o vícestupňovém vyhledávání a strategii ai

Se všemi údaji, které společnosti shromažďují, je problém najít efektivní úložiště cloudového úložiště, které nejen uchovává a spravuje všechny tyto informace, ale také umožňuje vyhledávání a zabezpečení. Naštěstí dodavatelé cloudové platformy, jako je IBM, která nabízí scénáře IBM Cloud for Infrastructure-as-a-Service (IaaS) a Platform-as-a-Service (PaaS), aktivně pracují na nových způsobech správy dat ve vícevrstvých architekturách.

Co je vícebarevná architektura?

Vícebarevná architektura sestává z dat a kódu uloženého ve více cloudových prostředích v rámci jedné architektury. Jednoduše si představte aplikaci, která používá kód a zdroje napříč několika cloudy, například Amazon Web Services (AWS), IBM Cloud a Microsoft Azure. Použitím standardů interoperability, které se stále vyvíjejí, vícekanálové architektury přinášejí interoperabilitu softwarovým službám bez ohledu na to, co cloud tyto služby používají jako platformu. To vám umožní přizpůsobit cloudové zdroje tak, aby přesněji cílovaly vaše pracovní vytížení.

Malé a střední podniky by měly zvážit poskytovatele, který může pomoci spravovat infrastrukturu více cloudových služeb a udržovat je v bezpečí a uspořádat do jediné konzole. Ještě lepší je ten, který dokáže kombinovat cloudové služby třetích stran, jako je Microsoft Office 365, se zdroji, které máte spuštěny na vlastních virtuálních serverech v jiném cloudu. Veřejný cloud může být vhodný pro jednu aplikaci a soukromý cloud pro jinou. Malé a střední podniky budou těžit z nákladové efektivity a obratnosti, kterou poskytuje vícekanálová architektura.

Multicloud a IBM

Z vícebarevného hlediska je to pro IBM rušný rok. V květnu spustila produkt IBM Cloud Private for Data, který společnostem umožní extrahovat skryté poznatky ze svých dat napříč disciplínami, jako je datové inženýrství, datová věda a vývoj, jakož i jejich aplikace a databáze. Poté, 10. září, společnost oznámila, že IBM Cloud Private for Data se integruje s Red Hat OpenShift, kontejnerem s otevřeným zdrojovým kódem a aplikační platformou Kubernetes. Kubernetes je open-source platforma pro provozování kontejnerů napříč klastry serverů. Tato integrace s Red Hat poskytuje společnostem více možností při provozování cloudových nativních zátěží, takže mohou běžet na místě, ve veřejných i soukromých cloudech a v open-source prostředí Red Hat OpenShift. IBM také rozšíří partnerství s Hortonworks, průkopníkem softwaru Big Data, o integraci služeb v Hortonworks DataPlane s IBM Cloud Private for Data.

A konečně, 13. září, IBM také oznámila, že umožní uživatelům dotazovat analytiku v rámci podniku pomocí nástroje zvaného Queryplex, což je jediná konzole pro vyhledávání v oblacích. Téhož dne uspořádala společnost IBM akci na Terminálu 5 v New Yorku pořádanou společností Hannah Storm ESPN, aby zaměřila pozornost zákazníků, kteří přijímají výzvu umělé inteligence (AI). Krátce před událostí se společnost PCMag ujala Roba Thomase, generálního ředitele IBM Analytics, aby se ujala toho, jak funguje nová funkce cloudového vyhledávání, práce IBM s Red Hat a některé výherní strategie v AI.

PCMag (PCM): Jak vám produkt IBM Cloud Private for Data umožní zobrazit všechna vaše data?

Rob Thomas (RT): Přemýšlejte o tom jako o konzole pro to, jak klient spravuje data kdekoli v jakémkoli cloudu. Pokud to klienti používají, pak mohou vidět všechna data, která mají, v doméně, v architektuře soukromého cloudového kontejneru, nebo mohou vidět data, která mají v AWS, Microsoft Azure, Google Cloud Platform nebo IBM Cloud. Je to jediná konzole pro pochopení všech vašich dat - tam, kde jsou, katalogizaci vašich dat a jejich uspořádání.

PCM: Co je Queryplex a jak mohou malé a střední podniky něco podobného použít k vyhledávání v oblacích?

RT: Queryplex vám dává možnost skutečně napsat dotaz SQL (Structured Query Language) a najít data kdekoli na světě a provádět analytiku. Díky této možnosti širokoúhlého jazyka SQL nemusíte data přesouvat. Najdeme data, ať jsou kdekoli a povolíme je. Můžeme využít výpočetní výkon na okraji a poté poskytnout analytiku zpět na jedno místo. To jsou dvě strany téže mince. Jedním z nich je konzole pro správu všech vašich dat. Druhá část je o tom, jak vlastně provádíte analýzu dat, která jsou kdekoli, aniž byste je museli přesouvat jako krok 1, protože přesun dat je nákladný; je to časově náročné. V podstatě jsme tedy eliminovali potřebu pohybu dat, což je super silné.

PCM: Jaký by byl každodenní příklad společnosti používající tento typ dotazovacích schopností?

RT: Dobrá by byla automobilová společnost, která dělá telematiku, aby prováděla prediktivní údržbu automobilu nebo jak to funguje. Dnes by bylo třeba se připojit k autu a pak přivést data zpět do centrálního umístění. To vám dává schopnost v reálném čase. Takže to, co bylo před 30 dny, je nyní 30 sekund. To je moc dělat; to prostě úplně mění povahu a proces analýzy.

PCM: Jaké jsou bezpečnostní důsledky vyhledávání v několika oblacích? Jak se rozhodnete povolit tento typ vyhledávání?

RT: Navrhli jsme Queryplex jako podnikový produkt, který využije všeho, co organizace vytvořila v rámci protokolů LDAP (Security Light Access Directory Protocol) a správy identity nebo politik správy dat. Dovolte mi uvést příklad: Pokud je vaší firemní politikou to, že kdykoli provádíte federované dotazy, které se nechcete dotýkat žádných údajů umožňujících identifikaci osob (PII), můžeme tato data maskovat jako součást této schopnosti, aby nebyla jeho část. Opravdu jsme ji navrhli tak, aby se integrovala do bezpečnostní architektury společnosti.

PCM: Co by společnost musela udělat, aby umožnila přístup k různým oblakům?

RT: Když jste v IBM Cloud Private for Data, máte nainstalovanou velmi rychle. Pokud jde o připojení k jinému cloudu, stačí znát IP adresu. To je docela jednoduché; můžeš to udělat. Spojovací kus tedy není těžký. Tam, kde si myslím, že pro společnosti bude těžší, je to, že když postupujete více směrem k případům použití umělé inteligence nebo datového typu, musíte pro to vytvořit model. Musíte tento model vyškolit a my vám můžeme pomoci uspořádat data, abyste to mohli udělat.

PCM: Jaké jsou některé klíčové strategie pro společnosti k implementaci umělé inteligence nebo strojového učení (ML)?

RT: Několik různých věcí. Vidím některé klienty, kteří zakládají Data Science Centers of Excellence (COE). Myslím, že by to mohl být dobrý způsob, jak povzbudit organizaci k tématu a uvést věci do pohybu. Myslím, že je to jeden dobrý přístup.

Vidíme další klienty, kteří najímají Chief Data Officer (CDO) a dávají této osobě misi řídit společnost tímto směrem. Myslím, že je to také dobré.

Zatřetí, vidím mnoho společností, které se na to spoléhají, aby vyšly z řady podniků, což znamená, že z oblasti podnikání se najde případ použití, a to je pro technologické inovace. Myslím, že kterýkoli z nich může fungovat.

Myslím, že největší mezera a co povzbuzuji klienty, aby dělali, je datová strategie. Součástí datové strategie je vědět, kde jste dnes. Znamená to, že opravdu děláte business intelligence (BI) a datové sklady, nebo vlastně děláte samoobslužnou analýzu? Pochopte, kde jste, a pak pochopte konečný bod. Pokud vám tyto dva body objasníte, můžete zahájit experimenty prostřednictvím COE pro vědu o údajích, CDO nebo prostřednictvím oboru podnikání s vědomím, že z nich získáte úroveň opakovatelnosti, což je důležité.

PCM: Co vedlo IBM ke spolupráci s Red Hat?

RT: Pokud se vrátíte do roku 2000, IBM byla docela obrovským zastáncem Linuxu. Tvrdil bych, že Linux by pravděpodobně nebyl tam, kde je dnes, bez podpory IBM. Z tohoto důvodu jsme vždy vedli dialog s Red Hat o inovacích ao tom, jak podporujeme ekosystém. Sledovali jsme, co Red Hat udělal s OpenShift.

Jsme velcí věřící v kontejnery a Kubernetes má způsob, jak pomoci klientům modernizovat stavy aplikací a dat. Když se podíváte na Red Hat s OpenShift, vytvořili skvělou kontejnerovou platformu, která se zaměřuje na modernizaci. Nemají však nic pro data a je obtížné modernizovat aplikace bez modernizace dat současně.

Tam, kde můžeme přinést to, co jsme udělali v souvislosti s modernizací datových služeb s IBM Cloud Private for Data, je to nativní spuštění přímo na OpenShift, takže ti klienti, kteří jsou na cestě modernizace aplikací, mohou s daty dělat totéž, a oni může tento projekt proměnit v výsledky pro AI.

Hadoop se dosud nepřesunul do architektury mikroprocesorů, takže to je další kousek skládačky. Spolupráce s Hortonworks na pomoc při modernizaci a vytváření mikroservisů Hadoop, které by mohly hrát spolu s IBM Cloud Private for Data a OpenShift.

PCM: Jak společnosti používají tento typ architektury mikroprocesorů?

RT: Myslím, že se to všechno vrací k AI a datové vědě. Ať už s daty děláte cokoli, obvykle se to týká obchodního výsledku. Hledáte nějakou výhodu, pokud jde o to, jak používáte analytiku.

Takže, pokud máte v Hadoopu hodně svých dat, pokud to nedokážete použít pro prediktivní analýzu, ML nebo vědu o datech, pak to pro organizaci není příliš cenné. Tak propojuji tečky. Hadoop je mikroskopická služba; je to mnohem složitelnější, mnohem flexibilnější. Je snazší pracovat s daty a je snazší je zpřístupnit velkému týmu pro vědeckou práci s údaji. A to vám umožní získat více z vaší implementace Hadoop.

PCM: Kam vidíte věci, které se v budoucnu dějí, pokud jde o AI a ML?

RT: Jdeme pomalu vstoupit do hlavního proudu. Před rokem byla diskuse: „Mohl bych něco udělat?“ Řekl bych, že to byl rok zvýšeného experimentování. Myslím, že příští rok se dostaneme do masových experimentů a doufejme, že do konce příštího roku jsme v místě, kde se to stane běžnějším. Lidé používají AI a modely k automatizaci mnoha základních obchodních procesů, k automatizaci mnoha rozhodovacích procesů. Takže jsme jasně na této cestě. Můžete vidět průběh. Mám pocit, že se přibližujeme k bodu zlomu, pokud chcete, ale ještě tam nejsme úplně.