《福布斯》撰稿人Steve Wilkes近日發文稱， 2018年是商用科技快速發展的一年，現代數據管理成為了很多企業的重要目標，云服務的采用率也大幅增加，一些戰略并購案例以及人工智能和其他新技術的興起已經證明了這一點。那么2019年又會有怎樣的發展呢？以下是一些預測：

云服務

- 企業將更多地使用云服務，企業數據中心將更快地轉向云服務，把重要的、價值較高的活動放在云上，尤其是云爆發（cloud bursting，一種應用部署模式）和分析應用程序。

- 有一些技術支持在不同的云和本地系統之間進行實時數據分發，這些技術對于幾乎所有的云用例都會變得日益重要。

- IBM收購了Red Hat，它可能不會直接對頂級供應商發起挑戰，但是會把Red Hat技術運用在跨越各種云、私有云和內部部署數據中心的混合模式中，起到重大作用。

- 利用容器、Kubernetes、云和多云管理器向多云和混合模式轉變，這是一個趨勢，可攜式應用程序和無服務器式計算將對這個轉變起到促進作用，越來越多的初創公司和老牌企業將提供自動化服務。

- 在大數據和分析領域，越來越多的開源技術在日趨成熟，它們將轉變為可擴展的托管云服務，而那些為了支持它們而成立的商業公司，營收會遭到它們的蠶食。

大數據

- 盡管Cloudera 和 Hortonworks的合并是大數據領域整合的一個證據，但隨著越來越多的公司使用云服務來存儲和分析數據，企業對大數據基礎架構的投資將會減少。

- 隨著5G進入市場，數據將以更快的速度生成，所以企業應該認真地考慮改進架構，以便在本地用流數據和內存中處理（in-memory processing）開展工作。

- 結合了流式傳輸和批處理以及分析的Lambda和Kappa架構將繼續受到一些技術的推動，變得更受歡迎。這種混合架構對于推動機器學習的操作化過程來說至關重要。

- 流式傳輸和批量大數據分析組件將廣泛采用SQL語言的變體，以便讓用戶（而不是使用API?6?7?6?7的開發人員）實現自助的數據處理和分析，因為這些用戶對數據最為了解。

- 越來越多的企業需要快速獲得實時信息，因此可擴展的基于SQL的體系結構（如Snowflake和Apache Kudu）將比傳統的大數據環境更受歡迎。

機器學習/人工智能

- 人工智能和機器學習將不再被視為一種“專業”，它們將更深入地滲透到企業的業務中。企業以集中的跨職能形式組織AI部門，可以生成、共享和重用AI模型和解決方案，快速獲得投資回報。

- 通過把機器學習與其他重要新技術結合起來，可以最大程度地實現AI的效益。AI與物聯網（IoT）、區塊鏈和云投資的融合，將會提供最大的協同效應，帶來突破性的成果。

- 數據科學家將成為DevOps的一部分，以便快速實現機器學習的操作化過程。數據科學家將向上游移動，并與IT專家合作，以確定如何獲取、處理數據并建模（而不是處理原始數據）。這將使模型能夠與實時數據流快速集成，并持續評估、測試和更新模型，以確保其效果。

安全

- 安全威脅之前來自一些小角色，現在可能會有更強大的對手。工業數據（而非消費者數據）可能會成為攻擊目標。這些攻擊很復雜，集成了AI的實時威脅檢測工具將被用來應對不斷變化的攻擊方法。

- 隨著越來越多的企業使用云分析，在安全和監管上，對實時屏蔽、模糊處理和加密技術的需求也會大幅增加，尤其是對敏感信息。

物聯網

- 物聯網，特別是與位置數據相結合的傳感器，將會獲得大幅增長，但大企業不會直接購買它——集成商使用邊緣處理和基于云的系統，對設備制造商和支持實時處理的技術進行整合，以便在多個行業中提供完整的基于物聯網的解決方案。

- 物聯網設備、網關和支持技術的種類會越來越多，所以圍繞協議、數據收集、格式化、規范模型和安全要求的標準化工作也將展開。

區塊鏈

- 亞馬遜AWS和微軟Azure上易于操作和管理的云產品將推動基于區塊鏈的數字分類帳技術的采用。這將為企業提供快速構建供應鏈和數字合同原型的途徑。

- 創新的安全算法與計算能力的提升相結合，將在未來數年內把數字分類賬交易的處理時間從幾秒減少到幾毫秒或幾微秒，高速流傳輸應用程序將能夠與區塊鏈一起使用。

無論這些預測是否將會成真，我們都可以肯定的是， 2019年企業將在現代化、云計算、流式傳輸架構和機器學習上持續投資，一系列出人意料的發展和創新會引發企業的思考和敏捷行動。

來源：騰訊科技

返回列表