数据库需要比以往任何时候都支持更多的功能。 它们必须在混合多云环境中适应来自各种来源的多种类型数据。 与此同时,数据库必须提高效率,提供超值的价值和投资回报(ROI)。 幸运的是,数据库技术已经发展——包括采用虚拟化和容器化——以应对这些挑战。
IBM Db2现在作为 IBM Cloud Pak for Data的扩展提供,提供了数据虚拟化的容器化体验,甚至比以前更灵活。 通过我们独家的现代化升级计划,现在的Db2客户可以更轻松地访问 IBM Cloud Pak for Data带来的好处。
正如 IBM Data和 AI总经理 Daniel Hernandez在最近的一段视频中提到的那样,那些使数据库技术现代化的人可以看到,部署一致性更强,部署时间更短,对 ETL的需求减少,以及运营、基础设施和平台成本节省。 最终的结果是能够提供更高的 ROI和更快地达到收支平衡点的解决方案。
使用容器化数据库更快地部署和节省成本
在几周的计划和配置之后,传统数据库可能要花费数小时才能部署。 像Db2这样的容器化数据库驻留在 RedHat OpenShift平台上,需要不到5分钟的时间来部署。 在红帽(Red Hat)和其他人委托进行的一项2017年研究中,集装箱化让73%的用户开发了更一致的部署流程。[1] 这允许数据库更快地提供附加价值,更快地达到预期的投资回报率水平。
完全集成的环境还减少了传统部署经常要求员工进行的人工干预,使他们能够专注于价值更高的工作,并减少人为错误的可能性。 两者都有助于更顺利地提高公司的洞察力。 管理和支持通常会占数据库拥有成本的60%。 对于每100台虚拟机(VM),每月可以通过简单的自动补丁节省30个劳动时间。 通过自动备份、升级和更新,可以节省高达26%的运营成本。
当需要扩展数据库的功能时——不管是数据收集、治理、分析还是与 AI相关的——类似的容器化功能可以很容易地在 Cloud Pak for Data平台上与Db2实现和集成。
为混合多云的灵活性提供更快的价值
当容器驻留在 OpenShift这样的平台上时,它可以部署到 OpenShift可以部署的任何地方。 在实践中,这意味着容器化数据库可以放置在本地、私有或公共云中,或跨多个供应商的平台,同时仍能为用户提供无缝体验。 然后,可以使用本地资源创建更稳定的工作负载,并创建更多依赖于跨一个或多个公共云伸缩的可变工作负载。 也许正因为如此,DB2 on Cloud Pak for Data的 IT基础设施和开发平台成本降低了38%。
多个存储选项提供了额外的灵活性。 DB2 on Cloud Pak for Data提供基于容器的软件定义存储,如 RedHat OpenShift容器存储和 IBM Cloud存储。 这些存储选项使客户机能够快速旋转容器,最小化测试和开发团队交付结果所需的时间和精力。
虚拟化、治理和人工智能提高了数据库效率
为了充分发挥其作为人工智能有效驱动力的潜力,数据库必须具备虚拟化和治理能力。 无论数据驻留在何处,数据虚拟化都支持从单点访问数据,从而消除了昂贵的迁移或耗时的 ETL流程。 一 份报告发现虚拟化减少了25%到65%的 ETL请求。
此外,可以在该单一访问点对数据进行治理,以确保数据得到清理,并正确验证了用户的访问。 用户可以对数据的准确性有信心,反过来,公司可以对他们创建的分析和 AI模型所提供的见解的准确性有更大的信心。
由于内置的 AI特性,这种级别的数据访问和治理对于Db2尤其重要。 其中包括为提高效率而进行的机器学习查询优化,基于信任的查询——它以准确率而非简单的“是”或“否”答案返回查询结果——基于关系的洞察力的图形数据库功能,以及更容易利用这种日益重要的技术的完整区块链支持。
在 IBM Cloud Pak上轻松升级到IBM DB2 for Data
为现有的Db2用户升级到 Cloud Pak for Data非常简单,您可以在其基础中使用产品。 对于那些选择升级到 DataStage、 Cognos和 IBM Planning Analytics以及 Watson Studio高级版的用户来说,这是正确的。
通过阅读我们的白皮书,“升级到敏捷”,联系您的销售代表,或者安排一个免费的电话与IBM专家了解更多。
[1] Forrester Research。 容器:2017年真正的采用和用例。
了解更多IBM 数据与AI解决方案请访问:
好文章,需要你的鼓励
随着数字化时代的到来,网络安全威胁呈指数级增长。勒索软件、AI驱动的网络攻击和物联网设备漏洞成为主要威胁。企业需要建立全面的风险管理策略,包括风险评估、安全措施实施和持续监控。新兴技术如人工智能、区块链和量子计算为网络安全带来新机遇。组织应重视员工培训、供应链安全、数据治理和事件响应能力建设。
滑铁卢大学研究团队开发出ScholarCopilot,一个革命性的AI学术写作助手。该系统突破传统"先检索后生成"模式,实现写作过程中的动态文献检索和精确引用。基于50万篇arXiv论文训练,引用准确率达40.1%,大幅超越现有方法。在人类专家评估中,引用质量获100%好评,整体表现优于ChatGPT。这项创新为AI辅助学术写作开辟新道路。
AWS Amazon Bedrock负责人Atul Deo正致力于让人工智能软件变得更便宜和更智能。他在12月re:Invent大会前只有六个月时间来证明这一目标的可行性。Deo表示AI领域发展速度前所未有,模型每几周就会改进,但客户只有在经济效益合理时才会部署。为此,AWS推出了提示缓存、智能路由、批处理模式等功能来降低推理成本,同时开发能执行多步骤任务的自主代理软件,将AI应用从聊天机器人转向实际业务流程自动化。
哥伦比亚大学研究团队发布NodeRAG技术,通过异构图结构革新智能问答系统。该方法将文档信息分解为7种节点类型,采用双重搜索机制,在多个权威测试中准确率达89.5%,检索效率提升50%以上,为智能信息检索技术带来重大突破。