“Il cloud è un grande cambiamento per tutti, Microsoft compresa; entro due anni, tutte le aziende avranno nuove applicazioni, implementeranno nuovi processi, nuovi modi per coinvolgere i clienti che traggono vantaggio da nuove fonti di dati gestite in sicurezza sia on premise sia in cloud”. Così ha esordito Scott Guthrie, executive vice president, Microsoft Cloud & Enterprise Group nel presentare SQL Server 2017, “pezzo forte” della strategia Microsoft per traghettare le imprese nel nuovo decennio. Rilasciato in versione preliminare “production quality” (a giugno è prevista la versione definitiva), SQL Server 2017 sarà la prima versione del database Microsoft in grado di funzionare indifferentemente sia su sistema operativo Windows sia Linux. Avrà integrate le capacità per supportare più avanzate applicazioni analitiche garantendo alte prestazioni, disponibilità e sicurezza anche negli ambienti ibridi on-premise e cloud. La compatibilità con Linux non si annuncia come una semplice cosmesi di marketing: “Le prestazioni su server Linux sono analoghe con l’ambiente Windows – dichiara Guthrie – , anche nell’ambiente Linux sarà possibile avvalersi delle principali funzionalità di replica/disponibilità di SQL Server per Windows”. A riprova del lavoro fatto, Microsoft ha mostrato i risultati dei benchmark prestazionali TPC-H 1TB in ambiente Red Hat Enterprise (ma sono supportate anche le distribuzioni Ubuntu e Suse) e le positive valutazioni di vulnerabilità software del National Institute of Standard and Technology (Nist).
Il nuovo database supporta le estensioni T-SQL e le query attraverso tabelle e dati grafici. Vanta inoltre migliorie nella gestione degli indici, tra le quali la capacità di mettere in pausa e riprendere la ricostruzione senza ripartire daccapo. La funzione di Adaptive Query Processing promette di migliorare le prestazioni di risposta senza interventi da parte degli amministratori. Attraverso il supporto “on database” di Python è possibile scrivere applicazioni analitiche, predittive e di machine learning. I Microsoft Machine Learning Services permettono di far girare gli script Python nel server database o inserirli negli script T-SQL dove possono essere impiegati e richiamati come “stored procedures” dalle applicazioni client. In pratica, SQL Server nasce con una libreria di funzioni di machine learning integrata, sfruttabile dai linguaggi Python e R. Le funzioni di deep-learning e di elaborazione d’immagine possono essere accelerate attraverso un'interfaccia per le GPU Nvidia. Le prestazioni di Python sono garantite da un set algoritmi di trasformazione, statistica e analisi che sfruttano l’elaborazione parallela. Quest’ultima funzionalità, assieme al supporto per il linguaggio R interno al database sono per il momento disponibili solo in ambiente Windows, mentre su Linux sono garantite alta disponibilità, sicurezza e compliance di SQL Server.
Machine learnig e cognitive al centro
Negli scorsi mesi Microsoft ha investito nel supporto delle capacità analitiche, del machine learning e dell’AI con l’obiettivo di creare una piattaforma-dati il più possibile completa per gli sviluppatori e in grado di far lavorare insieme componenti Windows, Linux, Python, R, Spark, Hadoop e altri tool open source. Il linguaggio R, aggiornato alla versione 9.1, sviluppa il concetto dell’elaborazione “in situ” dei dati su Hadoop, Spark come in SQL Server. Aggiunge algoritmi avanzati di machine learning e modelli di rete neurale pre-programmati per sentiment analisysis o l’elaborazione di immagini. La gestione dei modelli è stata resa più semplice attraverso il supporto in Visual Studio. Il supporto di R Server in Azure, permette di far girare le applicazioni nel cloud e sfruttare le capacità dei Microsoft Cognitive Services, ai quali Microsoft ha aggiunto le funzioni di Face API (riconosce, compara e cataloga per somiglianza i visi umani), Computer Vision API (per riconoscere oggetti o persone presenti nelle immagini e creare descrizioni) e Content Moderator (per moderare in modo assistito commenti e immagini postati da utenti).
Microsoft ha attivato anche in Europa, presso il proprio data center irlandese, Azure Data Lake Analytics (ADLA), piattaforma cloud per fare elaborazioni nella scala dei petabyte con linguaggi U-SQL, R, Python e .NET. In concerto con il Data Lake Store, ADLA elabora i big data in logica “pay per use” consente di fare sentiment analysis, ricavare l’età e altre caratteristiche utili, creare relazioni tra dati e funzioni di AI.
Tra le altre novità introdotte da Microsoft ci sono nuovi tool per accelerare la migrazione dei dati dai database Oracle e MySql verso Azure. DocumentDB, il database cloud di Microsoft per le applicazioni mission critical globali (come quelle accessibili via dispositivi mobili in ogni parte del mondo) ha integrato il supporto dell’ambiente Spark. Con il nome di Azure Analysis Services Microsoft ha rilasciato in forma cloud i servizi di BI contenuti in SQL Server rendendoli adatti alle esigenze delle grandi imprese e permettendo l’integrazione con altri servizi dati e analitici di Azure. Per facilitare lo sviluppo delle nuove applicazioni analitiche avanzate, ci sono inoltre nuovi template Cortana Intelligence, realizzati sulla base delle best practice. Le nuove funzioni riguardano il retail, per applicazioni quali la creazione di offerte personalizzate, la quality assurance e la previsione della domanda. Nell’idea di Microsoft, questi template aiuteranno gli sviluppatori aziendali a creare rapidamente le applicazioni intelligenti, daranno inoltre alla rete dei partner la possibilità di creare soluzioni personalizzate di alto valore, adatte a differenti settori.
