Le monde des données évolue rapidement, de plus en plus de données devant être stockées et traitées à la périphérie. Microsoft a permis aux grandes entreprises d’adopter une surface de programmation commune dans leurs centres de données avec Microsoft SQL Server et dans le cloud avec Azure SQL Database. Nous constatons que la latence, la gouvernance des données et la connectivité du réseau continuent d’attirer les besoins en calcul de données vers la périphérie. De nouveaux capteurs et des innovations en matière de puces avec des fonctionnalités analytiques à moindre coût activent un plus grand nombre de scénarios de calcul à la périphérie permettant d’améliorer l’agilité des entreprises.

Lors de la conférence Microsoft Build 2019, nous avons annoncé la création de Azure SQL Database Edge, disponible en préversion, afin de répondre aux besoins de données et d’analytique à la périphérie en utilisant le moteur SQL performant, hautement disponible et sécurisé. Les développeurs peuvent maintenant adopter une surface de programmation cohérente pour développer sur une base de données SQL et exécuter le même code localement, dans le cloud ou à la périphérie.

Azure SQL Database Edge offre les avantages suivants :

• Le faible encombrement permet au moteur de base de données de s’exécuter sur des appareils ARM et x64 via l’utilisation de conteneurs sur des appareils interactifs, des passerelles de périphérie et des serveurs de périphérie.
• Scénarios permettant un développement en une fois et un déploiement partout via une surface de programmation commune dans Azure SQL Database, SQL Server et Azure SQL Database Edge.
• Combine le streaming de données et les séries chronologiques, avec des fonctionnalités Machine Learning intégrées à la base de données pour activer des analytiques à faible latence.
• Les fonctionnalités de sécurité uniques d’Azure SQL Database, destinées à protéger les données au repos et en mouvement sur les appareils et les passerelles à la périphérie, et permettent la gestion à partir d’un portail de gestion centralisé depuis Azure IoT.
• Scénarios de cloud connecté et de périphérie totalement déconnectée avec calcul et stockage locaux.
• Prise en charge des outils Business Intelligence existants pour la création de visualisations puissantes avec Power BI et des outils Business Intelligence tiers.
• Déplacement de données bidirectionnel de la périphérie vers un emplacement local ou le cloud.
• Compatibilité avec le langage T-SQL populaire : les développeurs peuvent implémenter des analytiques complexes à l’aide de R, Python, Java et Spark, en fournissant des analytiques instantanées sans déplacement de données et des insights plus rapides en temps réel.

• Prise en charge du traitement et du stockage des données de graphes, JSON et de séries chronologiques dans la base de données, ainsi que de la possibilité d’appliquer nos fonctionnalités analytiques et de Machine Learning intégrées à la base de données à des types de données non relationnels.

Par exemple, les fabricants qui utilisent la robotique ou des processus de travail automatisés peuvent atteindre une efficacité optimale en utilisant Azure SQL Database Edge pour les analytiques et le Machine Learning à la périphérie. Ces environnements concrets peuvent tirer parti des fonctionnalités Machine Learning intégrées à la base de données pour un scoring immédiat, le lancement d’actions correctives et la détection d’anomalies.

Principaux avantages :

• Surface de programmation cohérente telle que Azure SQL Database et SQL Server, le moteur SQL situé à la périphérie permet aux ingénieurs de créer une seule fois pour les environnements locaux, dans le cloud ou à la périphérie.
• La fonctionnalité de streaming permet une analyse instantanée des données entrantes pour des insights intelligents.
• Les fonctionnalités d’intelligence artificielle intégrées à la base de données activent des scénarios tels que la détection d’anomalies, la maintenance prédictive et d’autres scénarios analytiques sans avoir à déplacer des données.

Apprentissage dans le cloud et scoring à la périphérie

Prenant en charge une surface de programmation cohérente en local, dans le cloud ou à la périphérie, les développeurs peuvent utiliser des méthodes identiques pour sécuriser les données en mouvement et au repos, tout en activant des architectures de haute disponibilité et de reprise d’activité après sinistre identiques à celles utilisées dans Azure SQL Database et SQL Server. En proposant une transition fluide de l’application à partir de divers emplacements, un entrepôt de données dans le cloud peut effectuer l’apprentissage d’un algorithme et transmettre le modèle Machine Learning à Azure SQL Database Edge et lui permettre d’exécuter le scoring localement, ce qui permet un scoring en temps réel à l’aide d’une seule base de code.

Stockage et transfert intelligents

Le moteur fournit les compétences pour prendre en charge les jeux de données de streaming et les répliquer directement dans le cloud, tout en activant un modèle de stockage et de transfert intelligent. Dans la dualité, la périphérie peut exploiter ses fonctionnalités analytiques lors du traitement de données de streaming ou de l’application du Machine Learning en utilisant les fonctionnalités Machine Learning intégrées à la base de données. Fondamentalement, le moteur peut traiter les données localement et les charger en utilisant la réplication native vers un centre de données central ou un cloud pour une analyse agrégée sur plusieurs hubs de périphérie différents.

Déverrouillez des insights supplémentaires pour vos données qui résident à la périphérie. Rejoignez le programme Utilisateur précoce pour accéder à la préversion et commencer à créer votre prochaine solution de périphérie intelligente.