自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

深讀 Microsoft Ignite China | 云端之上,六大數(shù)據(jù)能力論短長

云計算
在過去的兩年里,數(shù)字化轉型驟然加速;而在轉型過程中,云戰(zhàn)略至關重要。那么,如何選擇正確的云平臺呢?

在過去的兩年里,數(shù)字化轉型驟然加速;而在轉型過程中,云戰(zhàn)略至關重要。那么,如何選擇正確的云平臺呢?

來自某跨國企業(yè)的領導人的一席話,為云平臺“選擇困難癥”指明了方向:“上云的本質其實就是數(shù)據(jù)上云,因此,考量一個能夠真正商用的云,其是否可以真正實現(xiàn)數(shù)據(jù)的核心價值,是做出云平臺選擇的關鍵。”

如果用數(shù)據(jù)能力評價云平臺上數(shù)據(jù)能力的短長,究竟需要考量哪些方面呢?我們在這里總結了六大因素,供您參考。

云端數(shù)據(jù)的安全問題是首要考量的因素,云平臺必須實現(xiàn)安全加固,解決不同應用層面上安全的碎片化,以及安全管理、合規(guī)層面的問題。

開源生態(tài)的蓬勃發(fā)展帶來了數(shù)字化技術的多樣性,云計算作為其中翹楚體現(xiàn)出了其巨大的商業(yè)潛力。然而,當技術的獲取甚至計算能力不再是那么稀缺的時候?我們應該思考的是,在新時代的技術和經(jīng)濟結構中,最稀缺的會是什么東西?

安全和信任將成為最稀缺的資源之一,微軟智能云 Azure 在這一領域進行了巨大的投資:

  • 微軟雇傭了3700多名安全專家,每年在安全上花費超過10億美元。
  • 微軟智能云 Azure 每天分析超過24萬億個安全信號。
  • 僅在2020年,Microsoft 365 Defender 就屏蔽了60億個惡意軟件威脅。

為了保護客戶的云端創(chuàng)新成果,微軟智能云Azure 在架構的每一層都內置了安全功能,包括運行時的安全級別與編寫代碼時都內置安全性功能。例如,GitHub 高級安全功能使開發(fā)人員能夠提供更安全的代碼,如漏洞代碼掃描、私密掃描,以避免將密鑰和密碼等私密信息放入代碼存儲庫。

同時,微軟更利用人工智能來提升云安全,Azure 安全解決方案中使用的人工智能分析每天數(shù)萬億個安全信號,向安全團隊提出最需要優(yōu)先處理的安全事件,大幅減少安全噪音,并節(jié)省 SecOps 的寶貴時間。

從具體的安全產(chǎn)品上看,Azure 內置有大量安全解決方案。例如,在身份管理方面,擁有 Azure Active Directory(基于混合云身份管理的云端活動目錄)等產(chǎn)品,解決了應用層面的安全碎片化;在管理層面上通過數(shù)字身份認證等措施,解決了數(shù)字身份方面的安全問題;在網(wǎng)絡安全領域,通過 Defender for Cloud 等保護網(wǎng)絡安全體系;在合規(guī)層面,通過90多項產(chǎn)品和服務,保障了數(shù)據(jù)合規(guī)性等。

同時,如何有策略地對數(shù)據(jù)進行保護呢?以 Azure 數(shù)據(jù)保護方案為例,它擁有深度和全面的保護措施:

  • 對敏感數(shù)據(jù)進行發(fā)現(xiàn)、分類和標記
  • 監(jiān)視針對敏感數(shù)據(jù)的異常和威脅
  • 加密傳輸中的敏感數(shù)據(jù)
  • 在默認情況下啟用靜態(tài)數(shù)據(jù)加密
  • 在需要時在靜態(tài)數(shù)據(jù)中使用客戶托管的密鑰選項
  • 使用安全密鑰管理過程
  • 使用安全證書管理過程
  • 確保密鑰和證書存儲庫的安全性

2020年,Gartner 發(fā)布《Solution Comparison for the Native Security Capabilities》報告,首次全面評估了全球六大云廠商的整體安全能力。

從整體安全能力看,微軟排名第一。此次評估維度包括“基礎設施安全,云治理和合規(guī),網(wǎng)絡安全,應用和容器安全,數(shù)據(jù)安全,日志和預警,應用和工作負載保護”等,這一評估結果更佐證了微軟在云安全方面的成就。

云計算領域正在向融合式發(fā)展演進。

在微軟看來,應用、數(shù)據(jù)和業(yè)務的共存共生,最終會朝著相同的方向演進,數(shù)字化技術的結構,決定了它需要構建反饋循環(huán)來實現(xiàn)進化自身的目的,生物學上把這稱為趨同性演化(Convergence)。這是一種源自進化論的概念,意思是說:一些原本不相關的生物,在受到相似外界作用的影響下,會進化出相同或相近的功能或器官。

在云計算領域,企業(yè)將不同來源的數(shù)據(jù)資產(chǎn)放到云端之后,數(shù)據(jù)資產(chǎn)通過數(shù)據(jù)應用的作用,針對客戶所需求的業(yè)務,最終演進為微軟一直倡導的“Digital Feedback Loop(企業(yè)數(shù)字化閉環(huán))”這一理念。

曾幾何時,很多企業(yè)投入巨大,建設了很多數(shù)據(jù)倉庫、數(shù)據(jù)湖、大數(shù)據(jù)平臺等系統(tǒng),數(shù)據(jù)庫或許采用了 SQL、NoSQL 等,但今天正在走向融合——實現(xiàn)湖倉一體和流批一體,即在一個體系框架內用多樣化的數(shù)據(jù)引擎進行分析,例如 Azure Synapse Data Explorer(數(shù)據(jù)瀏覽器)。

微軟 Azure Synapse Data Explorer(數(shù)據(jù)瀏覽器)最新發(fā)布的公開預覽,補充了現(xiàn)有的 SQL 池和 Apache Spark 引擎。微軟從產(chǎn)品層面,對新的數(shù)據(jù)瀏覽器的運行引擎進行了優(yōu)化,并使用強大的索引技術,自動索引自由文本和半結構化數(shù)據(jù),讓它可以近乎實時的速度查詢大量的結構化、半結構化、自由文本遙測和時間序列數(shù)據(jù)等。

其關鍵功能包括:

  • 強大的分布式查詢引擎,索引所有數(shù)據(jù),包括自由文本和半結構化數(shù)據(jù)。數(shù)據(jù)被自動壓縮、索引、自動優(yōu)化,緩存在 SSD 上,并持久化在存儲上。計算和存儲是分離的,這給了用戶充分的彈性,實現(xiàn)自動伸縮,而不需要停機。
  • 直觀的 Kusto 查詢語言(KQL),使用 Synapse 數(shù)據(jù)瀏覽器的最佳文本索引來探索原始遙測和時間序列數(shù)據(jù),用于高效的自由文本搜索、正則表達式和對跟蹤\文本數(shù)據(jù)的解析。
  • 全面的 JSON 解析功能,用于查詢半結構化數(shù)據(jù),包括數(shù)組和嵌套結構。
  • 原生、高級時間序列支持創(chuàng)建、操作和分析多個時間序列,引擎內 Python 和 R 執(zhí)行支持模型評分。

隨著科技的發(fā)展,分析的操作難度不斷降低,真正實現(xiàn)技術的“平民化”。

憑借多年深耕不同行業(yè)的知識積累,微軟將行業(yè)知識固化到了產(chǎn)品中,在 Azure Synapse 推出了行業(yè)數(shù)據(jù)分析模板——標準化的數(shù)據(jù)庫模型,方便用戶隨時根據(jù)組織需求使用和創(chuàng)建數(shù)據(jù)庫模型。

這些模型包含豐富的元數(shù)據(jù),可以逐步增強對數(shù)據(jù)模型的理解。使用這些模型創(chuàng)建湖數(shù)據(jù)庫,并使用 Azure Synapse 在運行分析時為業(yè)務用戶提供見解。

在 Synapse 中,有專門針對行業(yè)的數(shù)據(jù)分析模版,例如銀行、保險、零售業(yè)等等。行業(yè)數(shù)據(jù)分析模版具有十分領先的意義,其核心關鍵就是解決了當下很多企業(yè)存在的豎井式數(shù)據(jù)平臺的分離問題,這一問題最終導致企業(yè)內部生產(chǎn)、零售、財務等部門各行其是,給數(shù)據(jù)整合和數(shù)據(jù)分析造成了巨大阻礙。

如果使用微軟的行業(yè)數(shù)據(jù)分析模版,企業(yè)各個部門將從源頭將數(shù)據(jù)徹底打通;同時更可利用微軟強大的行業(yè)生態(tài)與 Dataverse,融合來自本地、跨云端、應用程序與物聯(lián)網(wǎng)等的數(shù)據(jù),實現(xiàn)真正的上下游數(shù)據(jù)融合。

云端的數(shù)據(jù)更需要支持“多元化消費”,主要包括數(shù)據(jù)治理能力和數(shù)據(jù)可視化能力。

數(shù)據(jù)治理能力

在今天這個多云和混合云的時代里,客戶對全面數(shù)據(jù)治理服務的需求從未如此強烈。微軟智能云 Azure 擁有業(yè)界先進的數(shù)據(jù)治理工具 Purview ,可以與微軟現(xiàn)有系統(tǒng)進行深度整合。

Azure Purview 是微軟的統(tǒng)一數(shù)據(jù)治理服務,可幫助企業(yè)管理和治理其本地、多云和軟件即服務 (SaaS) 數(shù)據(jù)。自 Azure Purview 全面上市以來,已經(jīng)產(chǎn)生了超過570億的數(shù)據(jù)資產(chǎn)。

Azure Purview 通過與 Azure、Microsoft 365、Microsoft Power Platform 等平臺數(shù)據(jù)服務的深度集成,確保數(shù)據(jù)資產(chǎn)得到管理。每個組織現(xiàn)在都可以構建統(tǒng)一的數(shù)據(jù)治理解決方案,以最大限度地發(fā)揮其云中數(shù)據(jù)的價值。

數(shù)據(jù)可視化能力

鼠標拖拽,即可輕松實現(xiàn)數(shù)據(jù)分析

今天,無代碼化的趨勢也同樣反映在云端的數(shù)據(jù)平臺應用中。隨著數(shù)據(jù)量級的不斷擴大,需要一種機制來確保用戶可以無縫使用更新后的內容,不應該有等待的期間;于此同時,對 BI 創(chuàng)建來說,也應該具有更好的協(xié)同機制。

Power BI 部署管道應運而生,它誕生的目的就是進一步提升效率并解決重用問題。它可以用于 Premium 容量,管理內容生命周期,允許內容在正式使用前得到充分的開發(fā)和測試。

在此之前,實現(xiàn)數(shù)據(jù)管道方面的應用,需要巨大的開發(fā)投入。而如今,通過鼠標拖拽就能完成數(shù)據(jù)集成工作,這集中呈現(xiàn)了云端數(shù)據(jù)平臺的無代碼/低代碼化趨勢,也就是數(shù)據(jù)分析的自服務能力。在微軟智能云 Azure 之上,很多功能都已經(jīng)實現(xiàn)了無代碼化——用戶只需拖拽鼠標就可實現(xiàn)數(shù)據(jù)集成、數(shù)據(jù)可視化、數(shù)據(jù)分析、數(shù)據(jù)虛擬化等功能:

數(shù)據(jù)集成

無需自行編寫代碼,就能在數(shù)據(jù)工廠視覺環(huán)境中構建混合 ETL 和 ELT 管道,攝取近 100 個本地連接器的數(shù)據(jù);單擊幾下即可引入、移動、準備、轉換和處理數(shù)據(jù)。還可以將現(xiàn)有 SSIS 包直接遷移到 Azure,并在 ADF 中運行它們。

數(shù)據(jù)分析

作為首個能在千萬億字節(jié)規(guī)模級別運行所有 TPC-H 查詢的分析系統(tǒng),企業(yè)可以使用 Azure Synapse 在生產(chǎn)環(huán)境中運行其現(xiàn)有的數(shù)據(jù)倉庫工作負載,將來自所有數(shù)據(jù)源、數(shù)據(jù)倉庫和大數(shù)據(jù)分析系統(tǒng)的見解匯集在一起。再結合 Dynamics 365 最新的 Customer Insights 模塊,幫助銷售和服務人員獲得他們進行個性化互動所需的指導。

數(shù)據(jù)可視化

利用微軟的 Power BI,可以連接到任何位置的數(shù)據(jù),通過交互式可視化效果來瀏覽;發(fā)布報表和儀表板與團隊協(xié)作,并在組織內外共享見解;通過應用中提供的內置業(yè)務分析,推動發(fā)現(xiàn)更多見解。用戶也能從集成的人工智能和商業(yè)智能工具中獲益,包括 Azure 機器學習、Azure 認知服務等。

數(shù)據(jù)虛擬化

過去連接 SQL Server 數(shù)據(jù)與外部數(shù)據(jù)的難度很大;現(xiàn)在只需借助 PolyBase,Azure 數(shù)據(jù)倉庫就可處理從 Hadoop 中讀取數(shù)據(jù)的 Transact-SQL 查詢, 同一查詢還可以訪問 SQL Server 中的關系表。

數(shù)據(jù)分析的自服務能力對企業(yè)而言,非常關鍵——有了數(shù)據(jù)分析的自服務能力,可以節(jié)省大量的人力資源投入,全面提升分析效率。

與其他類似云平臺企業(yè)相較而言,微軟的 Power BI 是自有產(chǎn)品,可以與微軟 Azure 進行深度融合,而無需額外的數(shù)據(jù)匯集的開發(fā)工作。微軟 Azure Synapse 擁有自服務平臺 Workspace,搭配 Databricks 和 Power BI,就形成了一個云端的自助式數(shù)據(jù)生產(chǎn)力工廠。

 

用軟件定義一切,實現(xiàn)自動化和自服務,標準化、規(guī)范化管理軟件供應鏈。

便捷性配置

對于很多 Azure 的客戶而言,他們往往會忽視 Azure 一個重要的優(yōu)勢——操作便捷性。

例如,在云端配置、變更參數(shù)或發(fā)布,在 Azure 上只需要輕點鼠標、選擇下拉列表,幾分鐘內,一切功能就都實現(xiàn)了。而無需像其他一些云平臺那樣,每次發(fā)布和配置,都需要登陸終端進行各種復雜操作,甚至重啟系統(tǒng)等,需要花費數(shù)個小時不等。

軟件定義一切

作為混合云方案的重要組成部分,軟件定義數(shù)據(jù)中心,以及基于軟件定義數(shù)據(jù)中心軟件的超融合基礎設施/集成系統(tǒng),是企業(yè)建設私有云以及推動數(shù)字化轉型所需要的關鍵技術。

微軟希望客戶能夠用一個架構、一個管理工具來管理全部的混合云,最大限度地為客戶的云設備管理省時、省力、省錢。

微軟 Azure Stack HCI 超融合基礎架構通過 Windows Admin Center(WAC)連入 Azure 公有云,企業(yè)可以通過自己所熟悉的 Azure 門戶,統(tǒng)一管理包括 Azure Stack HCI 在內的各種 Azure 資源;而且,通過使用 Azure Arc 還能管理其他云服務。

低運維成本

云端的數(shù)據(jù)平臺是一個復雜的系統(tǒng)化工程。以本地的數(shù)據(jù)倉庫為例,如果用戶建設了一個大型數(shù)據(jù)倉庫項目,那么廠商將會每年收取高昂的運維和調優(yōu)費用。

但如果在 Azure 云端托管數(shù)據(jù)倉庫服務,由于 Synapse 或 SQL MI 是微軟的自有產(chǎn)品,無論是虛擬化、數(shù)據(jù)庫引擎,或者調度等等,都可以交由微軟進行運維,這一點是微軟相比其他云平臺的獨特優(yōu)勢,能為客戶節(jié)約大筆資金。

內部生態(tài)+外部生態(tài)的協(xié)同創(chuàng)新力量。

微軟智能云 Azure 的獨到之處,在于其強大的生態(tài)能力。

  •  從內部生態(tài)來看,微軟 Azure 擁有60+數(shù)據(jù)中心、100+合規(guī)能力、35個國家建設有數(shù)據(jù)中心,每天分析約24萬億安全信號。

同時,在微軟智能云 Azure 身后,有一個智能云矩陣,包括 Microsoft Office 365 生產(chǎn)力云平臺等。

Microsoft Dynamics 365 全面整合了人工智能與商業(yè)智能,Microsoft Power Platform 提供了無需專業(yè)編程、即可快速便捷實現(xiàn)全民開發(fā)的低代碼應用開發(fā)工具。

在高速成長的行業(yè)云領域,微軟還陸續(xù)推出了微軟金融服務云、微軟醫(yī)療云、微軟制造云、微軟非營利組織云以及微軟零售云等云產(chǎn)品,受到大量全球客戶的追捧。

  • 從外部生態(tài)來看,微軟智能云 Azure 擁有強大的跨云管理能力,微軟云市場支持著擁有成千上萬的合作伙伴的生態(tài)系統(tǒng),具備強大的延展性和擴展性。

在微軟云生態(tài)系統(tǒng)中,有800多個獨立軟件供應商、17個設備合作伙伴和1000多個系統(tǒng)集成商。他們可以在微軟云 Marketplace 上方便迅捷地發(fā)布解決方案和服務,合作伙伴可以由此接觸到來自140多個國家的近400萬用戶。此外,合作伙伴還可以通過參與微軟的聯(lián)合銷售計劃,來創(chuàng)造新的機會。

 

責任編輯:武曉燕 來源: 微軟科技
相關推薦

2017-07-27 14:18:41

大數(shù)據(jù)挑戰(zhàn)動向

2019-12-04 09:54:25

網(wǎng)絡功能虛擬化NFVIT

2015-10-14 14:58:13

2024-04-18 10:59:08

系統(tǒng)數(shù)據(jù)數(shù)據(jù)管理架構

2023-11-01 16:01:00

數(shù)據(jù)類型Rust

2017-03-01 21:02:11

大數(shù)據(jù)趨勢

2016-12-08 08:54:46

大數(shù)據(jù)預言物聯(lián)網(wǎng)

2022-11-02 11:02:52

數(shù)據(jù)中心數(shù)據(jù)中心架構

2021-12-30 06:13:34

云計算Ignite元宇宙

2017-04-12 13:42:53

大數(shù)據(jù)規(guī)則團隊

2019-07-02 09:23:55

大數(shù)據(jù)數(shù)據(jù)分析機器學習

2011-03-23 14:25:54

2011-03-08 11:10:39

2011-05-24 13:16:23

2013-12-11 09:41:24

大數(shù)據(jù)

2016-01-27 13:54:21

2016-01-28 10:26:59

大數(shù)據(jù)平臺大數(shù)據(jù)采集架構分析

2017-08-10 14:30:52

大數(shù)據(jù)數(shù)據(jù)采集架構分析

2020-06-09 12:12:34

大數(shù)據(jù)安全數(shù)據(jù)泄露數(shù)據(jù)安全

2012-02-15 09:28:18

點贊
收藏

51CTO技術棧公眾號