صنعت کی بصیرت: ملٹی کلاؤڈ تلاش اور عی حکمت عملی پر کام کرنا

کمپنیاں جمع ہونے والے تمام اعداد و شمار کے ساتھ ، کلاؤڈ اسٹوریج کا ایک موثر ذخیرہ تلاش کرنے کے لئے جدوجہد کر رہی ہے جس میں نہ صرف اس تمام معلومات کو حاصل کیا جاسکے اور ان کا انتظام کیا جاسکے ، بلکہ تلاش اور سیکیورٹی کی صلاحیتوں کو بھی قابل بنایا جاسکے۔ خوش قسمتی سے ، کلاؤڈ پلیٹ فارم فروش جیسے IBM ، جو IBM کلاؤڈ برائے انفراسٹرکچر کے طور پر خدمت (IAAS) اور پلیٹ فارم کے طور پر خدمت (PaaS) منظرنامے پیش کرتا ہے ، ملٹی کلاؤڈ آرکیٹیکچر میں ڈیٹا کو منظم کرنے کے نئے طریقوں پر فعال طور پر کام کر رہے ہیں۔

ملٹی کلاؤڈ آرکیٹیکچر کیا ہے؟

ایک ملٹی کلاؤڈ فن تعمیر ایک ہی فن تعمیر کے اندر ایک سے زیادہ کلاؤڈ ماحول میں جمع کردہ ڈیٹا اور کوڈ پر مشتمل ہوتا ہے۔ صرف ایک ایسی ایپلی کیشن کا تصور کریں جو متعدد بادلوں ، جیسے ایمیزون ویب سروسز (اے ڈبلیو ایس) ، آئی بی ایم کلاؤڈ ، اور مائیکروسافٹ ایذور کے کوڈ اور وسائل کو استعمال کرتا ہے۔ انٹرآپریبلٹی معیارات کا استعمال کرتے ہوئے جو اب بھی تیار ہورہے ہیں ، ملٹی کلاؤڈ آرکیٹیکچر سافٹ ویئر سروسز میں انٹرآپریبلٹی لاتا ہے اس سے کوئی فرق نہیں پڑتا ہے کہ ان سروسز کے جو بھی بادل پلیٹ فارم کے طور پر استعمال کررہے ہیں۔ اس سے آپ کو اپنے بادل کے وسائل کو مناسب بنانے میں مدد ملتی ہے تاکہ وہ آپ کے کام کے بوجھ کو خاص طور پر نشانہ بنائیں۔

چھوٹے سے درمیانے درجے کے کاروبار (ایس ایم بی) کو ایسے فراہم کنندہ پر غور کرنا چاہئے جو متعدد کلاؤڈ خدمات کے انفراسٹرکچر کا نظم و نسق کرنے اور ان کو محفوظ اور ایک ہی کنسول میں منظم رکھنے میں مدد فراہم کرسکے۔ اس سے بھی بہتر وہ ہے جو تیسرے فریق کلاؤڈ سروسز ، جیسے مائیکروسافٹ آفس 365 کو یکجا کرسکے ، وسائل کے ساتھ جو آپ اپنے ہی ورچوئل سرورز پر چل رہے ہیں۔ ایک عوامی بادل ایک ایپ کے ل appropriate اور دوسرے کے لئے نجی کلاؤڈ مناسب ہوسکتا ہے۔ ایس ایم بی کو قیمت کی تاثیر اور چستی سے فائدہ ہوگا جو ایک ملٹی کلاؤڈ فن تعمیر مہیا کرتا ہے۔

ملٹی کلاؤڈ اور آئی بی ایم

ایک کثیر الجہتی نقطہ نظر سے ، یہ آئی بی ایم کے لئے ایک مصروف سال رہا ہے۔ مئی میں ، اس نے ڈیٹا انجینئرنگ ، ڈیٹا سائنس ، اور ترقی کے ساتھ ساتھ اپنے ایپس اور ڈیٹا بیس جیسے شعبوں میں اپنے اعداد و شمار سے پوشیدہ بصیرتیں نکالنے کے لئے ڈیٹا کے لئے آئی بی ایم کلاؤڈ پرائیویٹ کا آغاز کیا۔ پھر ، 10 ستمبر کو ، کمپنی نے اعلامیہ کیا کہ آئی بی ایم کلاؤڈ پرائیویٹ برائے ڈیٹا ریڈ ہیٹ اوپن شِفٹ ، اوپن سورس کنٹینر اور کبرنیٹس ایپ پلیٹ فارم کے ساتھ ضم ہوگا۔ کبرنیٹس سرورز کے کلسٹر میں کنٹینر چلانے کے لئے ایک اوپن سورس پلیٹ فارم ہے۔ ریڈ ہیٹ کے ساتھ یہ انضمام کمپنیوں کو زیادہ اختیارات فراہم کرتا ہے جب وہ کلاؤڈ دیسی کام کے بوجھ کو چلاتے ہیں تاکہ وہ عوامی اور نجی بادلوں میں ، اور اوپن سورس ریڈ ہیٹ اوپن شیفٹ ماحول میں چل سکتے ہیں۔ آئی بی ایم ، ڈیٹا کے لئے آئی بی ایم کلاؤڈ پرائیویٹ کے ساتھ ہارٹن ورکس ڈیٹا پلین میں خدمات کو مربوط کرنے کے لئے ، بگ ڈیٹا سوفٹویئر سرخیل ہارٹن ورکس کے ساتھ بھی اپنی شراکت میں توسیع کرے گا۔

آخر کار ، 13 ستمبر کو ، آئی بی ایم نے یہ بھی اعلان کیا کہ وہ صارفین کو کوری پلیکس نامی ایک ٹول کا استعمال کرکے تجارتی تجزیات کے بارے میں استفسار کرنے دے گا ، جو بادلوں کے پار تلاش کرنے کے لئے ایک واحد کنسول ہے۔ اسی دن ، آئی بی ایم نے نیو یارک سٹی کے ٹرمینل 5 میں ای ایس پی این کی ہننا طوفان کی میزبانی میں ایک پروگرام منعقد کیا ، تاکہ وہ صارفین کو روشنی ڈالی جا artificial جو مصنوعی ذہانت (AI) چیلنج کا مقابلہ کررہے ہیں۔ ایونٹ سے کچھ ہی دیر قبل ، پی سی میگ نے آئی بی ایم تجزیات کے جنرل منیجر ، روب تھامس سے بات کی ، تاکہ نئی کلاؤڈ سرچ کی اہلیت کس طرح کام کرتی ہے ، آئی بی ایم کا ریڈ ہیٹ کے ساتھ کام ، اور اے آئی میں کچھ جیتنے کی حکمت عملی۔

پی سی میگ (پی سی ایم): آئی بی ایم کلاؤڈ پرائیویٹ ڈیٹا کے لئے کس طرح آپ کو اپنا سارا ڈیٹا دیکھنے دیتا ہے؟

روب تھامس (آر ٹی): اس کے بارے میں کنسول کے طور پر اس کے بارے میں سوچئے کہ کس طرح کسی بھی کلاؤڈ میں کسی بھی موکل کا ڈیٹا کا انتظام کیا جاتا ہے۔ اگر کلائنٹ یہ استعمال کر رہے ہیں ، تو وہ نجی کلاؤڈ کنٹینر فن تعمیر میں ، اپنے پاس موجود تمام ڈیٹا کو دیکھ سکتے ہیں ، یا وہ ڈی ڈبلیو ایس ، مائیکروسافٹ ایزور ، گوگل کلاؤڈ پلیٹ فارم ، یا آئی بی ایم کلاؤڈ پر دیکھ سکتے ہیں۔ یہ آپ کے سارے ڈیٹا کو سمجھنے کے لئے ایک سنگل کنسول ہے it جہاں یہ ہے ، اپنے ڈیٹا کی فہرست سازی اور اس کا اہتمام کرتے ہیں۔

پی سی ایم: کوئیرپلیکس کیا ہے اور ایس ایم بی کس طرح بادلوں کو تلاش کرنے کے لئے کچھ استعمال کرسکتے ہیں؟

آر ٹی: کویرپلیکس آپ کو واقعی اسٹرکچرڈ کوئوری لینگویج (ایس کیو ایل) استفسار لکھنے اور دنیا میں کہیں بھی ڈیٹا تلاش کرنے اور تجزیات کرنے کی صلاحیت فراہم کرتا ہے۔ اس وسیع زاویہ ایس کیو ایل کی صلاحیت کے ساتھ ، آپ کو ڈیٹا منتقل کرنے کی ضرورت نہیں ہے۔ ہم جہاں کہیں بھی ڈیٹا تلاش کریں گے اور ہم اسے فعال کردیں گے۔ ہم کنارے پر پروسیسنگ طاقت کا استعمال کرسکتے ہیں اور پھر تجزیات کو ایک ہی جگہ پر فراہم کرسکتے ہیں۔ تو ، وہ ایک ہی سکے کے دو رخ ہیں۔ آپ کے تمام ڈیٹا کو سنبھالنے کے لئے ایک کنسول ہے۔ دوسرا ٹکڑا اس بارے میں ہے کہ آپ کوائف 1 پر بطور ڈیٹا منتقل کیے بغیر اعداد و شمار پر واقعی تجزیات کس طرح کرتے ہیں ، کیونکہ ڈیٹا منتقل کرنا مہنگا ہوتا ہے۔ یہ وقت طلب ہے۔ لہذا ، ہم نے بنیادی طور پر ڈیٹا کی نقل و حرکت کی ضرورت کو ختم کردیا ، جو انتہائی طاقتور ہے۔

پی سی ایم: اس قسم کی استفسار کی صلاحیت استعمال کرنے والی کمپنی کی روزانہ کی مثال کیا ہوگی؟

آر ٹی: ایک اچھی آٹوموٹو کمپنی ہوگی جو ایک آٹوموبائل پر پیش گوئی کرنے والی بحالی کے لئے ٹیلی میٹکس کر رہی ہے یا یہ کیسی کارکردگی کا مظاہرہ کررہی ہے۔ آج ، نقطہ نظر یہ ہوگا کہ کار سے منسلک ہوں اور پھر اعداد و شمار کو کسی مرکزی جگہ پر لائیں۔ یہ آپ کو اصل وقت کی قابلیت فراہم کرتا ہے۔ تو ، جو 30 دن پہلے تھا اب 30 سیکنڈ ہے۔ یہ کرنے کی طاقت ہے۔ یہ صرف تجزیات کی نوعیت اور عمل کو مکمل طور پر بدل دیتا ہے۔

پی سی ایم: متعدد بادلوں کی تلاش میں سیکیورٹی کے کیا مضمرات ہیں؟ اس قسم کی تلاش کی اجازت دینے کے ل opt آپ کس طرح آپٹ ان کرتے ہیں؟

آر ٹی: ہم نے کویرپلیکس کو ایک انٹرپرائز پروڈکٹ کے طور پر ڈیزائن کیا ہے جو لائٹ ویٹ ڈائرکٹری ایکسیس پروٹوکول (ایل ڈی اے پی) سیکیورٹی اور شناخت مینجمنٹ پروٹوکول یا ڈیٹا گورننس کی پالیسیوں کے ارد گرد قائم کردہ کسی بھی چیز کا فائدہ اٹھائے گا۔ میں آپ کو ایک مثال پیش کرتا ہوں: اگر آپ کی کمپنی کی پالیسی یہ ہے کہ جب بھی آپ وفاق سے استفسار کرتے ہیں کہ آپ کسی بھی شخصی شناخت کی اطلاع (PII) کو نہیں چھونا چاہتے ہیں تو ہم اس قابلیت کے حصے کے طور پر اس ڈیٹا کو ماسک کرسکتے ہیں تاکہ یہ کام ختم نہ ہو '۔ اس کا ایک حصہ ہم نے واقعی اسے کسی کمپنی کے سکیورٹی فن تعمیر میں ضم کرنے کے لئے ڈیزائن کیا ہے۔

پی سی ایم: کسی کمپنی کو مختلف بادلوں تک رسائی کی اجازت دینے کے لئے کیا کرنے کی ضرورت ہوگی؟

آر ٹی: جب آپ ڈیٹا برائے آئی بی ایم کلاؤڈ پرائیویٹ میں ہوتے ہیں تو ، آپ بہت جلد انسٹال ہوجاتے ہیں۔ کسی دوسرے بادل سے منسلک ہونے کے معاملہ میں ، یہ صرف IP پتا جانتا ہے۔ یہ بہت سیدھا ہے؛ آ پ یہ کر سکتے ہیں. لہذا رابطے کا ٹکڑا مشکل نہیں ہے۔ جہاں مجھے لگتا ہے کہ کمپنیوں کے ل it یہ مشکل ہوتا جارہا ہے ، چونکہ آپ AI یا ڈیٹا سائنس ٹائپ استعمال کے معاملات کی طرف زیادہ پیش قدمی کررہے ہیں ، آپ کو اس کے لئے ایک ماڈل بنانے کی ضرورت ہے۔ آپ کو اس ماڈل کو تربیت دینے کی ضرورت ہے ، اور ہم ایسا کرنے کے ل data ڈیٹا کو منظم کرنے میں آپ کی مدد کرنے میں کامیاب ہیں۔

پی سی ایم: کمپنیوں کو اے آئی یا مشین لرننگ (ایم ایل) کے نفاذ کے لئے کن کلیدی حکمت عملی ہیں؟

RT: کچھ مختلف چیزیں۔ مجھے کچھ کلائنٹ نظر آتے ہیں جو ڈیٹا سائنس سینٹرز آف ایکسیلنس (COE) قائم کرتے ہیں۔ میرے خیال میں اس موضوع پر تنظیم کو تقویت بخشنے اور چیزوں کو متحرک کرنے کا ایک اچھا طریقہ ہوسکتا ہے۔ میرے خیال میں یہ ایک اچھا نقطہ نظر ہے۔

ہم دوسرے کلائنٹ کو دیکھتے ہیں جو چیف ڈیٹا آفیسر (سی ڈی او) کی خدمات حاصل کرتے ہیں اور اس شخص کو اس سمت میں کمپنی چلانے کا مشن دیتے ہیں۔ میرے خیال میں یہ بھی اچھا ہے۔

تیسرا ، میں بہت ساری کمپنیوں کو دیکھتا ہوں جو کاروباری خطوط سے آنے کے ل this اس پر انحصار کرتی ہیں ، استعمال کے معاملے کو تلاش کرنے کے ل business کاروبار کی لکیر ، اور پھر یہ ٹیکنالوجی کی جدت طرازی کے لئے ہے۔ میرے خیال میں ان میں سے کوئی بھی کام کرسکتا ہے۔

میرے خیال میں سب سے بڑا فرق اور میں جو مؤکلوں کو کرنے کی ترغیب دیتا ہوں وہ ہے ڈیٹا کی حکمت عملی۔ ڈیٹا اسٹریٹیجی کا ایک حصہ یہ جاننا ہے کہ آج آپ کہاں ہیں۔ مطلب ، کیا آپ واقعی میں صرف کاروباری ذہانت (BI) اور ڈیٹا گودام کر رہے ہیں یا کیا آپ واقعی سیلف سروس تجزیات کر رہے ہیں؟ سمجھیں کہ آپ کہاں ہیں اور پھر آخری نکتہ کو سمجھیں۔ اگر آپ کو ان دو نکات پر وضاحت مل جاتی ہے تو ، پھر آپ ڈیٹا سائنس سی ای ای ، سی ڈی او ، یا کاروباری خطوط کے ذریعہ تجربات کا آغاز کرسکتے ہیں ، یہ جان کر کہ آپ کو ان میں سے اعادہ کی سطح مل جائے گی ، جو اہم ہے۔

پی سی ایم: آئی بی ایم کو کس چیز نے ریڈ ہیٹ کے ساتھ کام کرنے کا باعث بنا؟

RT: اگر آپ 2000 کی طرف واپس جاتے ہیں تو ، IBM لینکس کا ایک بہت بڑا حامی رہا ہے۔ میں یہ بحث کروں گا کہ شاید آئی بی ایم کی حمایت کے بغیر آج جہاں لینکس ہے وہاں نہیں ہوگا۔ اسی وجہ سے ، ہم نے ہمیشہ جدت طرازی کے ارد گرد ریڈ ہیٹ کے ساتھ بات چیت کی ہے اور ہم ماحولیاتی نظام کی کس طرح حمایت کرتے ہیں۔ ہم دیکھ رہے ہیں کہ اوپن شپٹ کے ساتھ ریڈ ہیٹ نے کیا کیا ہے۔

ہم کنٹینر پر بھروسہ مند ہیں اور کبرنیٹس کے پاس ایپلی کیشنز اور ڈیٹا اسٹیٹس کو جدید بنانے میں مؤکلوں کی مدد کرنے کا ایک طریقہ ہے۔ اگر آپ اوپن شپٹ کے ساتھ ریڈ ہیٹ پر نظر ڈالتے ہیں تو ، انہوں نے ایک بہت بڑا کنٹینر پلیٹ فارم بنایا ہے جو جدیدیت پر مرکوز ہے۔ لیکن ان کے پاس اعداد و شمار کے لئے کچھ نہیں ہے ، اور بیک وقت ڈیٹا کو جدید بنائے بغیر ایپس کو جدید بنانا مشکل ہے۔

جہاں ہم آئی بی ایم کلاؤڈ پرائیویٹ برائے ڈیٹا کے ساتھ ڈیٹا سروسز کو جدید بنانے کے معاملے میں جو کچھ کیا ہے اسے ہم اوپن شپٹ پر چل سکتے ہیں ، تاکہ وہ کلائنٹ جو ایپلی کیشن ماڈرنائزیشن کے سفر پر ہیں ڈیٹا کے ساتھ وہی کام کرسکیں ، اور وہ اس منصوبے کو AI کے نتائج میں بدل سکتا ہے۔

ہڈوپ ابھی تک مائکروسروائس فن تعمیر میں منتقل نہیں ہوا ہے ، لہذا اس پہیلی کا دوسرا ٹکڑا ہے۔ ہارڈو ورکس کے ساتھ کام کرنا ہڈوپ کے مائیکرو سروسس کو جدید اور جدید بنانے میں مدد کرنے کے لئے جو آئی بی ایم کلاؤڈ پرائیویٹ برائے ڈیٹا اور اوپن شِفٹ کے ساتھ کھیل سکتا ہے۔

پی سی ایم: کمپنیاں اس قسم کے مائکروسروس فن تعمیر کو کس طرح استعمال کرتی ہیں؟

RT: مجھے لگتا ہے کہ یہ سب AI اور ڈیٹا سائنس میں واپس آتا ہے۔ آپ جو بھی اعداد و شمار کے ساتھ کر رہے ہیں وہ عام طور پر کاروباری نتائج کے آس پاس ہوتا ہے۔ آپ اس لحاظ سے کچھ فائدہ ڈھونڈ رہے ہیں کہ آپ تجزیات کو کس طرح استعمال کررہے ہیں۔

لہذا ، اگر آپ کو ہاڈوپ میں بہت زیادہ ڈیٹا مل گیا ، اگر آپ پیش گوئی کرنے والے تجزیات ، ایم ایل ، یا ڈیٹا سائنس کے لئے اس کو استعمال نہیں کرسکتے ہیں تو ، پھر یہ تنظیم کے ل very بہت قیمتی نہیں ہے۔ اسی طرح میں نقطوں کو جوڑتا ہوں۔ ہڈوپ ایک مائکروسروائس ہے۔ یہ بہت زیادہ قابل تحسین ہے ، اور بہت زیادہ لچکدار۔ اعداد و شمار کے ساتھ کام کرنا آسان ہے ، اور کسی بڑی ڈیٹا سائنس ٹیم کو یہ دستیاب کرنا آسان ہے۔ اور یہ آپ کو ہڈوپ کے نفاذ سے زیادہ قیمت حاصل کرنے کے قابل بناتا ہے۔

پی سی ایم: جہاں آپ دیکھتے ہو کہ مستقبل میں چیزیں کہاں جاتے ہیں جہاں تک AI اور ML ہے؟

آر ٹی: ہم آہستہ آہستہ مرکزی دھارے میں داخل ہونے جارہے ہیں۔ ایک سال پہلے ، یہ بحث تھی ، "میں کچھ کرسکتا ہوں؟" میں کہوں گا کہ یہ تجربہ میں اضافے کا سال رہا ہے۔ میرے خیال میں اگلے سال ہم بڑے پیمانے پر تجربہ کرتے ہیں اور امید ہے کہ اگلے سال کے آخر تک ، ہم اس مقام پر ہیں جہاں یہ مزید دھارے میں آجائے۔ بہت سارے بنیادی کاروباری عمل کو خودکار کرنے ، بہت سارے فیصلہ سازی کرنے کے ل People لوگ AI اور ماڈل استعمال کررہے ہیں۔ تو ، ہم واضح طور پر اس سفر پر ہیں۔ آپ ترقی کو دیکھ سکتے ہیں۔ مجھے ایسا لگتا ہے کہ اگر آپ چاہیں تو ہم ایک ٹپائنگ پوائنٹ کے قریب پہنچ رہے ہیں ، لیکن ہم ابھی ابھی وہاں موجود نہیں ہیں۔