2016机器数据分析呈现五大趋势

来源:数据观

点击:1820

A+ A-

所属频道:新闻中心

关键词:机器数据

      


      一、DevOps工具将日趋成熟
      

      没有人再怀疑云计算在企业市场将风卷残云般成为主流平台,大幅提高企业业务灵活性和竞争力。云计算的普及意味着越来越多的企业需要新的工具来打破开发团队和运维团队之间隔膜,让企业技术部门持续规模创新的速度能够跟上企业业务发展速度。越来越多的企业需要借助DevOps完成应用开发工作,而传统的监控工具显然无法胜任。
      
      2016年,DevOps领域将出现新一代基于云计算的日志和机器数据分析服务,并进一步整合预测算法。DevOps工具(例如服务器容器和基础设施数据)之间也将能无缝集成,大幅改进持续集成和持续部署流程。
      
      二、CISO首席信息安全官和安全运营团队将在系统智能上投入更多预算


      
                           


    过去几年,企业已经认识到大数据在业务决策上的商业价值,如今随着机器学习等技术的成熟,在系统基础设施层面部署大数据分析对企业来说同样意义重大。
      
      对于安全团队来说,机器数据分析将大大提高对系统和用户异常行为、威胁侦测的响应速度,不仅仅能大大缩短MTTI(平均介入时间)和MTTR(平均恢复时间),而且将促使信息安全主管们重新思考企业的信息安全架构。
      
      企业的信息安全主管们将加强与DevOps团队的协作,通过整合机器分析,在新的企业应用基础架构中嵌入安全功能。
      
      三、日志管理将是IT运维和客户支持团队的重大机遇


                                      



      通过日志分析来监测、管理采集用户和应用信息以及基础架构日志将是应对云计算基础架构复杂性的完美方案。这个领域的供应商已经开始整合,新的厂商也不断涌入日志分析市场。越来越多的企业将重视日志分析在应用开发、信息安全和IT运维方面的重要价值,而日志分析也将成为“分析民主化”的排头兵。


                                       

      

    四、“超级架构”的崛起
                    
      今天的云计算架构可以通过虚拟服务器软件编织起数以千计的微处理器,这让摩尔定律失去了意义。因此,今天的创新型CTO们已经开始拜托传统数据中心的局限,大胆推动新的基于软件的“超级架构”,驾驭私有云和公有云中的庞大计算资源。


                                     


      五、商业智能的价值从后知后觉转向实时分析

      从慢数据向实时的快数据的转型是机器分析引发的商业智能变革。通过实施日志数据分析,企业能更快地了解运营和顾客数据,从而实现24/7的持续创新和竞争力提升。

    (审核编辑: 智汇胡妮)