通过数据虚拟化和容器化使数据库现代化,从而获得更高的 ROI

大数据
数据库需要比以往任何时候都支持更多的功能。 它们必须在混合和多声音环境中适应来自各种来源的多种类型数据。

[[351702]]

数据库需要比以往任何时候都支持更多的功能。 它们必须在混合和多声音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。

混合和多声音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:http://cloud.51cto.com/act/ibm2020q4/ai

 

 

责任编辑:张燕妮 来源: 51CTO
相关推荐

2017-08-16 20:44:23

大数据虚拟化数据分析

2023-08-23 15:18:06

云计算容器

2023-08-21 11:20:15

CIO数字化转型

2021-11-29 18:11:33

自动化现代化网络优化

2020-03-11 09:54:04

技术IT架构

2024-12-02 09:26:17

2021-04-13 16:13:38

大数据教育科学

2020-01-17 10:34:31

云计算ERP现代化

2024-01-23 15:21:14

2022-05-11 11:07:15

API云原生开源

2020-09-14 10:13:37

开发者

2021-10-07 21:05:22

数据分析治理

2015-12-24 10:33:31

数据中心现代数据中心

2021-08-03 15:09:44

数据和分析客户体验领导者

2017-11-23 05:50:14

2022-07-26 06:57:07

数据管道端点API

2018-06-05 13:43:49

数据基础设施

2011-04-13 13:45:04

数据库虚拟化

2020-01-16 10:27:08

数据中心服务器技术

2020-08-05 07:00:00

数据架构工具技术
点赞
收藏

51CTO技术栈公众号