当安卓系统刷入了苹果系统
|
3. 云计算服务提供商实现多云架构 对于很多企业而言，迁移到云端实质上意味着要发展为混合云模型，其中IT运营支持在数据中心、私有云和公共云中运行的应用程序。尽管大多数企业都在主公共云上使架构和服务日趋成熟，但很多企业已经认识到他们必须跨多个公共云进行操作。原因包括：
现在支持多云架构并不容易，但是公共云供应商逐渐认识到，支持多云集成、管理和支持对于他们与大型企业的业务关系至关重要。Google Anthos和Azure Arc等服务可帮助IT跨多个云管理系统资源和Kubernetes集群。公共云服务提供商还认识到，边缘计算在涉及人类安全的工作负载中的作用，以及在其他要求低延迟和靠近数据源分析能力方面的作用;Azure Stack Edge和AWS Outposts等基础架构支持这些边缘计算部署。 对于希望在合适的云端移动和发展战略工作负载的企业来说，部署选项和多云管理工具的增加是一个好消息。 4. 实时数据处理和事件驱动架构成为主流 实时数据处理曾经是金融服务和广告技术等行业所难于实现的技术目标，在这些行业中，如果企业可以减少数据延迟时间哪怕一秒钟，都可以创造出显着的业务优势。很多公司依靠不可靠的数据更新中，这些数据更新每晚、每周或每月运行一次，并采用手动流程来修复中断、数据质量问题或执行复杂的查询。 CIO现在有几种架构选项可以支持实时数据处理。其中包括可按需扩展的云架构、Apache Kafka和Apache Spark等开源数据平台、实时数据流平台、支持事件驱动架构的平台以及可自动执行数据收集很多方面的RPA软件。 5. 简化的MLOps将机器学习从POC带入生产 现在技术先进的企业已经在生产环境中运行机器学习模型，而其他企业还明显落后。在Algorithmia的《2020年企业机器学习状态》报告中，只有45%的受访者已将机器学习模型部署到生产环境中。即使已成功部署机器学习(ML)模型的企业也遇到困难，超过40%的企业花费了三十多天的时间来部署模型。IDC在6月发布的一项调查中发现，超过28%的人工智能/机器学习计划失败。 但是请不要误认为企业当前的挣扎状态表明ML正在逐渐消失。随着越来越多的IT和数据科学企业更好地理解MLOps(数据科学家和IT专业人员的协作以自动化ML算法)，并且随着越来越多的平台提供ML生命周期管理功能，ML将会迅速发展。 原因很明确：MLOps为先进企业带来机会，以减少部署时间并监视ML模型以防止生产中模型漂移。对于处于AI之旅初期阶段的企业而言，这些平台提供了管理和运营框架，因此数据科学家可以专注于开发和测试他们的模型。到2021年，我们应该看到更多的公司在生产环境中成功部署ML模型。 企业优先考虑可带来近期价值的实用解决方案 本文中列出的2021年趋势侧重于可帮助更多企业通过竞争性数据和技术功能实现近期业务价值的技术和实践。 在2021年，企业需要改进客户体验、提高运营效率和增加高级功能，同时减少广泛的技术技能和无数的部署风险，为实现这些目标部署新技术时通常会带来风险。
换句话说，对于很多行业的企业而言，从敏捷技术流程过渡到推动业务敏捷的功能，低代码、MLOps、多云管理和数据流平台将是关键。 （编辑：南通站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
