차례:
비디오: Faith Evans feat. Stevie J – "A Minute" [Official Music Video] (십월 2024)
회사가 축적 한 모든 데이터로 인해 모든 정보를 보유 및 관리 할뿐만 아니라 검색 및 보안 기능을 활성화하기위한 효과적인 클라우드 스토리지 저장소를 찾는 것이 어려워집니다. 다행히 IaaS (Infrastructure-as-a-Service) 및 PaaS (Platform-as-a-Service) 시나리오를 제공하는 IBM과 같은 클라우드 플랫폼 공급 업체는 멀티 클라우드 아키텍처에서 데이터를 관리하는 새로운 방법을 적극적으로 연구하고 있습니다.
멀티 클라우드 아키텍처 란 무엇입니까?
멀티 클라우드 아키텍처는 단일 아키텍처 내의 여러 클라우드 환경에 저장된 데이터와 코드로 구성됩니다. AWS (Amazon Web Services), IBM Cloud 및 Microsoft Azure와 같은 여러 클라우드에서 코드와 리소스를 사용하는 애플리케이션을 상상해보십시오. 멀티 클라우드 아키텍처는 여전히 진화하고있는 상호 운용성 표준을 사용하여 해당 서비스가 플랫폼으로 사용하는 클라우드에 관계없이 소프트웨어 서비스에 상호 운용성을 제공합니다. 이를 통해 클라우드 리소스를보다 구체적으로 워크로드를 대상으로 지정할 수 있습니다.
중소 기업 (SMB)은 여러 클라우드 서비스의 인프라를 관리하고 단일 콘솔에서 보안을 유지하고 조직화 할 수있는 공급자를 고려해야합니다. Microsoft Office 365와 같은 타사 클라우드 서비스를 다른 클라우드의 자체 가상 서버에서 실행중인 리소스와 결합 할 수있는 것이 더 좋습니다. 하나의 앱에는 퍼블릭 클라우드가, 다른 앱에는 프라이빗 클라우드가 적합 할 수 있습니다. 중소기업은 멀티 클라우드 아키텍처가 제공하는 비용 효율성과 민첩성의 이점을 누릴 수 있습니다.
멀티 클라우드 및 IBM
멀티 클라우드 관점에서 볼 때 IBM에게는 바쁜 한 해였습니다. 5 월에 IBM Cloud Private for Data를 시작하여 회사에서 데이터 엔지니어링, 데이터 과학 및 개발, 앱 및 데이터베이스와 같은 분야의 데이터에서 숨겨진 통찰력을 추출 할 수있었습니다. 그리고 9 월 10 일, IBM Cloud Private for Data는 오픈 소스 컨테이너 및 Kubernetes 앱 플랫폼 인 Red Hat OpenShift와 통합 될 것이라고 발표했습니다. Kubernetes는 서버 클러스터 전체에서 컨테이너를 실행하기위한 오픈 소스 플랫폼입니다. 이러한 Red Hat과의 통합은 클라우드 네이티브 워크로드를 실행할 때 회사에 더 많은 옵션을 제공하여 온 프레미스, 퍼블릭 및 프라이빗 클라우드 및 오픈 소스 Red Hat OpenShift 환경에서 실행할 수 있습니다. 또한 IBM은 빅 데이터 소프트웨어 개척자 인 Hortonworks와의 파트너십을 확장하여 Hortonworks DataPlane의 서비스를 IBM Cloud Private for Data와 통합합니다.
마지막으로 9 월 13 일, IBM은 사용자가 클라우드 전체를 검색하는 단일 콘솔 인 Queryplex라는 도구를 사용하여 기업 전체에서 분석을 쿼리 할 수 있다고 발표했습니다. 같은 날, IBM은 ESPN의 Hannah Storm이 주최하는 뉴욕시 터미널 5에서 AI (인공 지능) 문제를 겪고있는 고객을 대상으로 행사를 개최했습니다. 행사 직전에 PCMag는 IBM Analytics의 총괄 책임자 인 Rob Thomas와 함께 새로운 클라우드 검색 기능의 작동 방식, IBM의 Red Hat과의 작업 및 AI의 성공적인 전략에 대해 알아 보았습니다.
Rob Thomas (RT): 클라이언트가 클라우드 어디에서나 데이터를 관리하는 방법에 대한 콘솔로 생각하십시오. 고객이이를 사용하는 경우 프라이빗 클라우드 컨테이너 아키텍처에서 온 프레미스에있는 모든 데이터를 보거나 AWS, Microsoft Azure, Google Cloud Platform 또는 IBM Cloud에있는 데이터를 볼 수 있습니다. 모든 데이터를 이해하고 데이터를 카탈로그 화하고 구성 할 수있는 단일 콘솔입니다.
PCM: Queryplex 란 무엇이며 SMB가 클라우드를 검색하기 위해 이와 같은 것을 어떻게 사용할 수 있습니까?
RT: Queryplex는 실제로 SQL (Structured Query Language) 쿼리를 작성하고 전 세계 어디서나 데이터를 찾고 분석 할 수있는 기능을 제공합니다. 이 광각 SQL 기능을 사용하면 데이터를 이동할 필요가 없습니다. 우리는 어디에서나 데이터를 찾아서 사용할 수 있습니다. 에지의 처리 능력을 사용하여 분석을 한 곳으로 되돌릴 수 있습니다. 그것들은 같은 동전의 양면입니다. 하나는 모든 데이터를 관리하기위한 콘솔입니다. 두 번째 부분은 데이터 이동이 비용이 많이 들기 때문에 1 단계에서 데이터를 이동하지 않고도 어디에서나 데이터를 실제로 분석하는 방법에 관한 것입니다. 시간이 많이 걸립니다. 따라서 기본적으로 데이터 이동의 필요성을 제거했습니다. 이는 매우 강력합니다.
PCM: 이 유형의 쿼리 기능을 사용하는 회사의 일상적인 예는 무엇입니까?
RT: 좋은 예는 자동차에 대한 예측 유지 보수를 수행하기 위해 텔레매틱스를 수행하는 자동차 회사 또는 자동차의 성능입니다. 오늘날에는 자동차에 연결 한 다음 중앙 위치로 데이터를 다시 가져 오는 방법이 있습니다. 실시간 기능을 제공합니다. 따라서 30 일 전은 30 초입니다. 이것이 이것을하는 힘입니다. 그것은 단지 분석의 본질과 과정을 완전히 변화시킵니다.
PCM: 여러 클라우드에서 검색 할 때 보안에 미치는 영향은 무엇입니까? 해당 유형의 검색을 허용하려면 어떻게합니까?
RT: Queryplex는 조직이 LDAP (Lightweight Directory Access Protocol) 보안 및 ID 관리 프로토콜 또는 데이터 거버넌스 정책에 대해 확립 한 모든 것을 활용할 엔터프라이즈 제품으로 설계했습니다. 예를 들어 보겠습니다. 회사 정책에 따라 PII (개인 식별 정보)를 건드리지 않으려는 페더레이션 쿼리를 수행하는 경우이 기능의 일부로 해당 데이터를 마스킹 할 수 있습니다. ' 그것의 일부. 우리는 실제로 회사의 보안 아키텍처에 통합되도록 설계했습니다.
PCM: 회사가 다른 클라우드에 액세스하려면 어떻게해야합니까?
RT: IBM Cloud Private for Data를 사용하면 매우 빠르게 설치됩니다. 다른 클라우드에 연결하는 데있어 IP 주소 만 알고 있습니다. 꽤 간단합니다. 그렇게 할 수 있습니다. 따라서 연결 부분은 어렵지 않습니다. 회사가 더 어려워하는 부분은 AI 또는 데이터 과학 유형의 유스 케이스로 더 발전함에 따라 모델을 만들어야한다는 것입니다. 해당 모델을 훈련시켜야하며, 이를 위해 데이터를 구성하는 데 도움을 줄 수 있습니다.
PCM: 기업이 AI 또는 기계 학습 (ML)을 구현하기위한 몇 가지 주요 전략은 무엇입니까?
RT: 몇 가지 다른 것들. 데이터 과학 COE (Centers of Excellence)를 설정하는 고객이 있습니다. 나는 그것이 주제에 대해 조직에 활력을 불어 넣고 물건을 움직이게하는 좋은 방법 일 수 있다고 생각합니다. 나는 이것이 좋은 접근 방법이라고 생각합니다.
우리는 CDO (Chief Data Officer)를 고용하는 다른 고객들을보고 그 사람에게 회사를이 방향으로 몰고가는 임무를 부여합니다. 나는 그것도 좋다고 생각한다.
셋째, 비즈니스 라인에서 사용하기 위해 이것을 사용하는 많은 회사를 봅니다. 즉, 비즈니스 사례에서 사용 사례를 찾는 것이 기술 혁신을위한 것입니다. 나는 그것들 중 어느 것도 효과가 있다고 생각합니다.
가장 큰 격차와 고객이 권장하는 것은 데이터 전략을 세우는 것입니다. 데이터 전략의 일부는 현재 위치를 아는 것입니다. 의미하는 것은 실제로 비즈니스 인텔리전스 (BI) 및 데이터웨어 하우징을 수행하고 있거나 실제로 셀프 서비스 분석을 수행하고 있습니까? 당신이 어디에 있는지 이해하고 끝점을 이해하십시오. 이 두 가지 요점을 명확하게 이해한다면 데이터 과학 COE, CDO 또는 비즈니스 라인을 통해 실험을 시작할 수 있습니다. 중요한 점은 반복성을 얻을 수 있다는 것입니다.
PCM: IBM이 Red Hat과 협력하게 된 이유는 무엇입니까?
RT: 2000 년으로 돌아 가면 IBM은 Linux의 대대적 인 지지자였습니다. 나는 리눅스가 IBM의 지원 없이는 현재의 위치에 있지 않을 것이라고 주장했다. 그로 인해 우리는 항상 혁신과 생태계 지원 방법에 대해 Red Hat과 지속적으로 대화했습니다. Red Hat이 OpenShift로 무엇을했는지 지켜 보았습니다.
우리는 컨테이너에 대한 큰 신자이며 Kubernetes는 클라이언트가 앱과 데이터 상태를 현대화 할 수 있도록 도와줍니다. OpenShift를 사용하여 Red Hat을 보면 현대화에 중점을 둔 훌륭한 컨테이너 플랫폼을 구축했습니다. 그러나 그들은 데이터를위한 어떤 것도 가지고 있지 않으며, 동시에 데이터를 현대화하지 않고 앱을 현대화하기가 어렵습니다.
IBM Cloud Private for Data로 데이터 서비스 현대화와 관련하여 수행 한 작업은 OpenShift에서 기본적으로 실행되므로 애플리케이션 현대화 과정에있는 클라이언트는 데이터와 동일한 작업을 수행 할 수 있습니다. 이 프로젝트를 AI의 성과로 바꿀 수 있습니다.
하둡은 아직 마이크로 서비스 아키텍처로 이동하지 않았으므로 이것이 퍼즐의 다른 부분이다. Hortonworks와 협력하여 IBM Cloud Private for Data 및 OpenShift와 함께 사용할 수있는 Hadoop의 마이크로 서비스를 현대화하고 작성하는 데 도움을줍니다.
PCM: 회사는 이러한 유형의 마이크로 서비스 아키텍처를 어떻게 사용합니까?
RT: AI와 데이터 과학으로 돌아가는 것 같아요. 데이터로 수행하는 작업은 일반적으로 비즈니스 성과를 중심으로 이루어집니다. 분석을 사용하는 방법에있어 몇 가지 장점을 찾고 있습니다.
따라서 Hadoop에 많은 데이터가있는 경우 예측 분석, ML 또는 데이터 과학에 해당 데이터를 사용할 수 없으면 조직에 큰 가치가 없습니다. 그것이 내가 점들을 연결하는 방법입니다. 하둡은 마이크로 서비스입니다. 훨씬 더 합성 가능하고 훨씬 유연합니다. 데이터 작업이 더 쉬우 며 대규모 데이터 과학 팀이 데이터를 쉽게 사용할 수 있습니다. 그리고이를 통해 Hadoop 구현에서 더 많은 가치를 얻을 수 있습니다.
PCM: AI와 ML에 대한 미래의 상황은 어디입니까?
RT: 우리는 천천히 주류로 들어갈 것입니다. 1 년 전 토론은 "무엇을해도 될까요?" 나는 이것이 실험의 해가되었다고 말할 것입니다. 내년에 우리는 대량 실험을 시작하고 내년 말까지 이것이 더 주류가 될 시점에 있다고 생각합니다. 사람들은 AI와 모델을 사용하여 많은 기본 비즈니스 프로세스를 자동화하고 많은 의사 결정을 자동화합니다. 우리는 분명히 그 여정에 있습니다. 진행 상황을 볼 수 있습니다. 당신이 원한다면 우리가 티핑 포인트에 가까워지고있는 것처럼 느껴지지만 아직 거기에 있지 않습니다.
