Quand les entrepôts de données ont été développés pour la première fois, les gens les ont utilisés pour le support décisionnel – le genre de décisions prises dans les salles de réunion tous les mois ou tous les trimestres. Aujourd’hui, elles sont prises tous les quelques milliseconds, ce qui brouille considérablement la ligne entre les entrepôts de données et les systèmes opérationnels. En fait, les deux deviennent de plus en plus la même chose, ce qui signifie que notre tolérance à l’indisponibilité des entrepôts de données diminue. Alors, comment pouvons-nous la minimiser? Ce mois-ci, Amazon Redshift a lancé une solution hautement disponible qui s’étend sur plusieurs zones de disponibilité AWS (AZ) dans une seule région AWS et pourrait aider à le faire. Développé pour les clusters RA3 d’Amazon Redshift, il promet de réduire considérablement le risque d’indisponibilité pour les charges de travail critiques sur Redshift. Nous avons parlé à Saurav Das, responsable du produit senior pour Amazon Redshift, pour en savoir plus sur son fonctionnement. Il y a un risque de panne avec chaque charge de travail. Ce qui change, c’est la tolérance des clients à ce risque, en fonction de facteurs tels que leur taille, leur utilisation, et d’autres problèmes comme les responsabilités réglementaires. Selon Das, de nombreuses de ces charges de travail sont critiques pour les affaires; une panne allant jusqu’à une heure peut être une irritation pour eux, mais ne mettra pas les opérations commerciales en péril. Les charges de travail moins tolérantes au risque sont critiques pour la mission, explique-t-il, ce qui signifie qu’elles doivent être reprises en quelques secondes plutôt que quelques minutes pour que les opérations soient intactes. Das explique que, par le passé, ces charges de travail critiques pour la mission étaient principalement transactionnelles. Un système de routage d’ambulances qui prend les appels et dirige les véhicules disponibles vers une urgence peut entrer dans cette catégorie. Les charges de travail analytiques étaient généralement moins critiques en termes de temps. Une entreprise financière pourrait vouloir analyser les chiffres d’un rapport d’intelligence d’affaires pendant la nuit avant que la cloche ne sonne le matin, mais ce n’est certainement pas critique pour la mission.
Les Problèmes Communs Rencontrés par la Société dans l’Utilisation Efficace des Derniers Développements de l’Intelligence Artificielle
Les Problèmes Communs Rencontrés par la Société dans l’Utilisation Efficace des Derniers Développements de l’Intelligence Artificielle Introduction L’intelligence artificielle (IA)