Quand les premiers entrepôts de données ont été développés, les gens les ont utilisés pour prendre des décisions d’appui – le type de décisions qui étaient prises dans les salles de réunion 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 au temps d’arrêt des entrepôts 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 AWS (AZ) 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, directeur 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 des clients à ce risque, en fonction de facteurs tels que leur taille, leur cas d’utilisation et d’autres problèmes tels que les responsabilités réglementaires. Selon Das, beaucoup 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 échec. Les charges de travail moins tolérantes au risque sont critiques pour la mission, explique-t-il, ce qui signifie qu’elles doivent être récupérées en quelques secondes plutôt que quelques minutes pour que les opérations soient intactes. Dans le passé, ces charges de travail critiques pour la mission étaient principalement transactionnelles. Un système de dispatch 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 pour un rapport d’intelligence d’affaires pendant la nuit avant que la cloche du matin ne sonne, 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)
