虽然云非常适合数据和分析——鉴于其无限的存储和计算能力——但它也导致了数据专业人员生产力的真正倒退。 其原因，简单地说，是主要的云提供商在市场上投入了大量的数据，让客户选择正确的服务组合，然后将它们集成。 不管你对守旧的企业软件巨头有何看法，但他们确实为客户省去了云超大规模应用程序今天强加的许多“需要组装”的体验。
那么，Gerrit Kazmaier 直到最近才担任 SAP 专注于数据和分析的执行副总裁，现在是 Google Cloud 新任命的副总裁兼总经理，负责数据库、分析和 Looker，这也许是合适的。 如果有的话，SAP 是一家企业软件公司。 无论是因果现象在起作用，还是只是巧合，Kazmaier 向 ZDNet 简要介绍了今天在 Google 的 Cloud Next ’21 数字活动上宣布的一些新功能，这些功能正在将企业软件风格的“交钥匙”操作带到 谷歌云的数据。
在人工智能和分析的顶点
谷歌云的第一个重大披露是其 Vertex AI 服务中的一项新产品，称为 Vertex AI Workbench。 Workbench 本质上是一种托管笔记本体验，可作为机器学习和 AI 工作的 IDE（集成开发环境）。 它将 Vertex AI 的核心组件（如其训练和预测服务）与数据的关键组件（如 BigQuery、Dataproc 和 Dataplex）联系在一起。
这正是云分析环境中很大程度上缺失的一种集成，将它们放在一起可以帮助数据科学家、机器学习工程师和数据工程师避免不得不换档和失去思路，从一个服务跳到另一个服务。 在不同的浏览器选项卡中打开多个服务的 UI 并不是集成； 在另一个互补的服务范围内提供一系列服务。
全向，现在
谷歌云今天发布的另一项重要公告是 BigQuery Omni 的普遍可用性 (GA)，它允许 BigQuery 用户获取他们在 Amazon Web Services (AWS) 或 Microsoft Azure 中的数据。 这是通过在这些竞争云中运行 BigQuery 实例、在那里执行查询并将结果编组回谷歌云基地来实现的。 我在 2020 年 7 月推出预览版时详细介绍了 Omni。
Kazmaier 告诉 ZDNet，包括 Electronic Arts 和 Johnson & Johnson 在内的客户一直在使用 BigQuery Omni 获得巨大优势。 很明显，从这个和其他公告来看，BigQuery 是谷歌“数据云”战略的核心。 提供 BigQuery 访问存储在其他云中的数据是谷歌的必备条件，而 Omni 的 GA 是一个重要的里程碑。
上升到 Spark，下降到服务器
下一个公告是对其他公告的高度补充：Apache Spark 的自动缩放、无服务器实现，称为 Google Cloud 上的 Spark，可作为预览服务使用。 Spark 已成为整个行业中用于各种分析、数据工程和机器学习工作负载的无处不在的商品环境。 是的，云提供商已经为自己构建了无服务器的 Spark 服务； 例如，Azure 数据工厂上的数据流在 Spark 集群上执行，客户永远不必自行配置，而 Amazon Glue 生成的代码同样如此。 但是使用 Spark 在大多数数据和 AI 管道中执行特定步骤需要明确配置 Spark 集群，并处理集群启动所需的延迟。
借助 Google Cloud 上的无服务器 Spark，就像 BigQuery 本身一样，客户只需提交他们的工作负载以供执行，而 Google Cloud 会负责其余的工作，执行作业，而不会打扰客户需要调整大小，甚至不需要考虑离散的 星火集群。 该服务将集成到——你猜对了——BigQuery、Dataproc、Dataplex 和 Vertex AI，允许这些服务的用户利用 Spark，而无需承担基础设施配置和管理的负担。
云 (Spanner) 和 (Google) 地球
接下来：谷歌在其地理分布式关系数据库服务 Cloud Spanner 上实现了一个 PostgreSQL 接口。 虽然不是 Postgres 本身的实现（Cloud SQL 上可用的东西），但此产品允许使用 Postgres 的 SQL 方言和有线协议的代码在 Spanner 上运行。 将此产品与 AWS 的 Aurora 数据库服务或 Azure Database for PostgreSQL Hyperscale 上的 Postgres 接口进行比较。 在这两种情况下，与 Spanner Postgres 界面一样，具有 Postgres 技能集的人可以使用云托管、水平扩展的数据库。 Spanner Postgres 产品以预览版提供。
还有更多的集成：50 多 PB 的 Google 地球数据可供 BigQuery、Google Cloud 的 ML 技术和 Google 地图的用户使用。 这项名为 Google Earth Engine 的服务正在以预览版形式推出。
旁观者在这里
万一您忘记了，Google Cloud 现在拥有 Looker。 哎呀，Looker 的名字甚至出现在 Kazmaier 的头衔中。 是的，虽然 Looker 本身就是一个 BI 前端，但 Google 似乎在 LookML 建模语言中看到了同样多的价值，Looker 可以使用它定义语义模型，使 BI 用户更容易分析数据。 为此，Google 的 Connected Sheets 技术允许 Google Sheets 的用户在 BigQuery 中查询数据，该技术将与 LookML 兼容，Google Cloud 表示将在今年年底发布预览版。
不过，除了 Connected Sheets 之外，Google 还宣布与 Salesforce 的 Tableau 建立合作伙伴关系，后者将很快通过 LookML 为这个非常受欢迎的商业智能提供访问 Looker 语义模型的权限。 虽然 Databricks、Informatica、Trifacta、Fivetran 和 Collibra 等其他行业参与者也将成为 Cloud Next 的焦点合作伙伴，但与 Tableau 的这种合作伙伴关系是前所未有的，而且非常有趣。 它表明，谷歌云知道，如果不寻求来自整个分析领域的合作伙伴的帮助，它就不可能成为一个占主导地位的数据云提供商。 它还再次表明，谷歌对 Looker 的收购与其前端数据可视化和仪表板功能一样重要。
把东西挂在一起？
哀叹目前存在的云服务相对缺乏集成并不仅仅是抱怨。 对于客户来说，通过所有的复杂性进行集成和破解是一项大量的工作，随之而来的是大量的风险和费用。 微软一直在解决与 Azure Synapse Analytics 的集成真空，有人可能会争辩说，AWS 已经尝试通过其 Lake Formation 产品来做到这一点。
随着谷歌云今天的发布，三大云提供商都认识到了集成其服务的重要性。 这很好，但在他们的数据和分析产品易于使用、完全合理化和无缝集成之前，这三者还有很长的路要走。 不过，最终，超大规模企业将能够合法地说云是新的企业堆栈。
本文内容由互联网用户自发贡献，该文观点仅代表作者本人。商机网仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 tenspace2022@163.com 举报，一经查实，本站将立刻删除。 本文链接：https://www.315965.com/n/66540.html
