Quand les premiers entrepôts de données ont été développés, les gens les ont utilisés pour prendre des décisions d’appui – le genre de décisions qui étaient prises dans les salles de conférence tous les mois ou tous les trimestres. Aujourd’hui, elles sont prises tous les quelques millisecondes, 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 aux temps d’arrêt de l’entrepôt de données diminue. Alors, comment pouvons-nous le minimiser? Ce mois-ci, Amazon Redshift a lancé une solution de haute disponibilité qui s’étend sur plusieurs zones de disponibilité (AZ) AWS dans une seule région AWS et pourrait aider à le faire. Développé pour les clusters RA3 Redshift de l’entreprise, il promet de réduire considérablement le risque de temps d’arrêt pour les charges de travail critiques sur Redshift. Nous avons parlé à Saurav Das, responsable principal du produit 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 du client à ce risque, en fonction de facteurs tels que leur taille, leur cas d’utilisation et d’autres problèmes tels que les responsabilités réglementaires. Das indique que de nombreuses de ces charges de travail sont critiques pour les affaires; une panne allant jusqu’à une heure peut être une irritation pour elles, mais ne mettra pas les opérations commerciales hors service. Les charges de travail moins tolérantes au risque sont mission criticales, explique-t-il, précisant que celles-ci doivent être reprises en quelques secondes plutôt qu’en quelques minutes pour maintenir les opérations intactes. Dans le passé, ces charges de travail critiques étaient principalement transactionnelles. Un système de dispatching d’ambulance qui prend des appels et route les véhicules disponibles vers une urgence pourrait 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 de la matinée ne sonne, mais ce n’est certainement pas une mission critique.
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)
