پلتفرم داده و تجزیه و تحلیل مایکروسافت Fabric قیمت گذاری یکپارچه را اعلام کرد و گوگل و آمازون را تحت فشار قرار داد

مایکروسافت امروز به وعده خود مبنی بر ارائه قیمت ساده تر و کارآمدتر برای مجموعه فابریک مایکروسافت، یک پلتفرم سرتاسر جدید برای تحلیل و حجم کاری داده عمل کرد.

VentureBeat تأیید کرده است که قیمت گذاری بر اساس میزان کل محاسبات و فضای ذخیره سازی یک مشتری است. برای هر یک از خدمات چندگانه مایکروسافت، مشتریان نیازی به پرداخت هزینه محاسبات و فضای ذخیره‌سازی جداگانه ندارند.

این حرکت باعث افزایش پیشروی مجموعه ای از رقبا از جمله گوگل و آمازون می شود که به شدت برای سهم بازار با مایکروسافت رقابت می کنند. این رقبا محصولات تجزیه و تحلیل و داده مشابهی را بر اساس ابرهای خود ارائه می دهند، اما (به ویژه آمازون) چندین بار از مشتریان برای تجزیه و تحلیل های مختلف و محتاطانه و ابزارهای داده استفاده شده در ابرهای خود هزینه دریافت می کنند. نوئل یوهانا، تحلیلگر Forrester گفت، در حالی که گوگل برای جلوگیری از شارژ شدن در سطل، پیشنهاد پارچه خود را به نام Google DataPlex ایجاد کرده است، پیشنهاد تجزیه و تحلیل گوگل آنقدرها هم جامع نیست.

برگه قیمت گذاری که قیمت تعیین شده برای محاسبات و ذخیره سازی در Fabric را نشان می دهد، انتظار می رود فردا در وبلاگ مایکروسافت منتشر شود. نمونه ای از قیمت گذاری US west 2، که بخشی از ساحل غربی را پوشش می دهد، در اوایل روز چهارشنبه توسط VentureBeat به دست آمد و در انتهای این داستان تعبیه شده است.

قیمت گذاری جدید پس از آن صورت می گیرد که مایکروسافت هفته گذشته اعلام کرد که داده ها و ابزارهای تحلیلی مختلف خود را در مجموعه واحد Fabric ادغام می کند. این مجموعه شش ابزار مجزا از جمله Azure Data Factory، Azure Synapse Analytics و Power BI را در یک تجربه و معماری داده یکپارچه ادغام می کند. این پیشنهاد به‌عنوان یک نرم‌افزار به‌عنوان سرویس (SaaS) ارائه می‌شود و برای مهندسان و توسعه‌دهندگان طراحی شده است تا به راحتی بینش‌ها را از داده‌ها استخراج کرده و به تصمیم‌گیرندگان تجاری ارائه کنند.

یک دریاچه داده منفرد بر اساس یک قالب باز

Fabric در اطراف یک دریاچه داده متمرکز به نام Microsoft OneLake قرار دارد که یک نسخه از داده ها را در یک مکان ذخیره می کند. OneLake بر اساس فرمت Apache Parquet منبع باز ساخته شده است، که اجازه می دهد یک راه واحد برای ذخیره و بازیابی داده ها به صورت بومی در پایگاه های داده وجود داشته باشد. همه بارهای کاری Fabric به طور خودکار به OneLake متصل می شوند، درست مانند همه برنامه های Microsoft 365 که به OneDrive متصل می شوند.

اینجاست که پس‌اندازها وارد می‌شود. OneLake نیاز به توسعه‌دهندگان، تحلیلگران و کاربران تجاری در سراسر یک شرکت را برای ایجاد سیلوهای داده با تهیه و پیکربندی حساب‌های ذخیره‌سازی خود برای ابزارهای مختلفی که استفاده می‌کنند، از بین می‌برد.

بنابراین، به عنوان مثال، هنگامی که کاربر ابزار هوش تجاری مایکروسافت Power BI می خواهد تجزیه و تحلیل را در انبار داده مایکروسافت سیناپس اجرا کند، دیگر درخواست SQL را به Synapse ارسال نمی کند. به گفته آرون اولاگاراتچاگان، معاون شرکت مایکروسافت در بخش Azure Data که سه شنبه با VentureBeat صحبت کرد، Power BI «به سادگی به OneLake می رود و داده ها را صفحه می کند».

او ادامه داد: “این دو کار را برای مشتریان انجام می دهد.” “اول، شتاب عملکرد بسیار قابل توجهی وجود دارد، زیرا اگر پرس و جوی SQL اجرا نشود، به سادگی داده هایی را اجرا می کند که فرمت باز یکسانی را در Synapse و Power BI دارند.”

وی افزود: «نکته دوم کاهش هزینه های زیادی برای مشتریان است. زیرا شما برای پرس و جوهای SQL پولی نمی پردازید، زیرا هیچ پرس و جوی SQL انجام نمی شود… این ایده از معماری دریاچه محور و باز برای مشتریان بسیار قدرتمند است زیرا آنها نیازی به نگرانی در مورد قفل شدن ندارند. نباید نگران انباشته شدن هزینه ها بود.

هر ظرفیت محاسباتی استفاده نشده در یک بار کاری می تواند توسط هر یک از بارهای کاری مورد استفاده قرار گیرد.

Fabric هوش مصنوعی و چند ابری را اضافه می کند

پارچه نوید چند پیشرفت دیگر را می دهد. مایکروسافت به زودی Copilot، یک ربات چت با استفاده از هوش مصنوعی را به هر رابط محصول در Fabric اضافه خواهد کرد. این به توسعه دهندگان و مهندسان اجازه می دهد تا از زبان محاوره ای برای پرسیدن سؤالات در مورد داده ها یا ایجاد جریان های داده، خطوط لوله، کد و ساخت مدل های یادگیری ماشین (ML) استفاده کنند.

دوم، Fabric از چند ابری پشتیبانی می کند. از طریق چیزی به نام «میانبرها»، OneLake می‌تواند ذخیره‌سازی دریاچه داده‌ها را در آمازون S3 و ذخیره‌سازی Google (به زودی) مجازی‌سازی کند.

مایکروسافت همچنین Data Activator را معرفی کرد، روشی بدون کد برای تحلیلگران تجاری برای خودکارسازی اقدامات بر اساس داده ها. به عنوان مثال، اگر مشتری خاصی از پرداخت عقب مانده باشد، می توان به مدیر فروش هشدار داد.

مایکروسافت در معرفی Fabric در هفته گذشته گفت که قیمت گذاری در مرحله جداگانه ای انجام می شود (انتظار می رود انتشار رسمی فردا منتشر شود). این حرکت باعث صرفه جویی در هزینه مشتریان می شود زیرا مایکروسافت دیگر آنها را مجبور به پرداخت چندین سطل هزینه برای هر یک از ابزارهای جداگانه نمی کند. به عنوان مثال، یک بار در صورت استفاده از Power BI، مجدداً در صورت استفاده از ابزارهای تجزیه و تحلیل مایکروسافت و بار دیگر در صورت استفاده از ابزارهای انبارداری مایکروسافت.

مایکروسافت همچنین گفت که یک مدل امنیتی واحد برای OneLake استفاده خواهد شد، که در آن همه برنامه‌ها یک سیستم مدیریت امنیتی واحد را بر روی داده‌ها به هنگام پردازش پرس و جوها و کارها اعمال می‌کنند.

اولاگاراتچاگان گفت که در چند سال گذشته ایده Fabric را به 100 شرکت از 500 شرکت فورچون ارائه کرده است و افسران ارشد داده به او گفتند که “از پرداخت مالیات یکپارچه سازی خسته شده اند.”

مشتریانی که به دنبال سادگی، سرعت هستند

این “مالیات یکپارچه سازی” نه تنها از محصولات جداگانه مایکروسافت، بلکه از صدها فروشنده دیگر که محصولات داده و تجزیه و تحلیلی را که شرکت های سازمانی به آنها نیاز دارند، می فروشند، اخذ می شود.

به همین دلیل است که ما فابریک مایکروسافت را معرفی کردیم: برای ارائه یک پلتفرم تحلیلی سرتاسر به مشتریان که از پایگاه داده به تصمیم‌گیری کاربر تجاری می‌رسد و به هر توسعه‌دهنده فرصتی می‌دهد تا در عرض چند ثانیه ثبت‌نام کند و ارزش واقعی کسب‌وکار را در آن کسب کند. دقیقه، گفت: اولاگاراتچاگان.

هیون پارک، تحلیلگر Amalgam Insights گفت: این اقدام مایکروسافت بر آمازون و گوگل، دو رقیب بزرگ آن در فضای ابری، که برای خدمات جداگانه ای که ارائه می دهند نیز از مشتریان هزینه دریافت می کنند، فشار وارد می کند.

پارک گفت: “برای آمازون، این می تواند 200 سطل مختلف باشد، که بخشی از آن چیزی است که هزینه ابر را بسیار چالش برانگیز می کند.”

یک بسته یکپارچه از قابلیت ها

پارک گفت که Fabric همچنین بر برخی از فروشندگان بزرگ که تنها بخشی از تجزیه و تحلیل و پشته داده را ارائه می دهند، فشار می آورد. به عنوان مثال، Snowflake را به چالش می‌کشد، انبار داده‌ای که از فرمت‌های داده اختصاصی خود استفاده می‌کند و از مشتریان می‌خواهد که داده‌های خود را برای استفاده در برنامه‌های دیگر تغییر دهند. به طور مشابه، سؤالاتی را برای فروشندگان هوش تجاری مانند Qlik، TIBCO و SAS ایجاد می کند.

پارک گفت: “بخشی از نوآوری در اینجا این است که مایکروسافت همه اینها را به عنوان یک بسته یکپارچه از قابلیت ها ارائه می دهد.” و به همان سادگی که به نظر می رسد. این چیزی نیست که اکثریت فروشندگان داده و تحلیلی قادر به ارائه آن باشند.”

از سوی دیگر، طبق گفته پارک، عرضه جهانی جاه طلبانه تر، فروش را برای مایکروسافت دشوارتر خواهد کرد.

فابریک مایکروسافت با ترکیب محصولات در یک سازمان، محصولات مختلف را برای نقش های مختلف در یک سازمان هدف قرار نمی دهد. مایکروسافت اکنون باید به مجموعه اجرایی بفروشد. تاکنون مهندسان ممکن است به دنبال خرید محصول Data Factory مایکروسافت باشند. تحلیلگران محصول Power BI مایکروسافت را تضمین می کنند. و توسعه دهندگان ممکن است مایکروسافت سیناپس را بخواهند.

پارک گفت: “این قطعاً به عنوان فروش اجرایی در نظر گرفته می شود زیرا هیچ کس زیر سطح C نمی تواند این کار را انجام دهد.”

با این حال، او خاطرنشان کرد که مایکروسافت در موقعیت خوبی قرار دارد که بتواند این پیشرفت را انجام دهد.

تغییرات قیمتی آتی

این چیزی است که مایکروسافت گفته است که فردا در مورد قیمت پست خواهد کرد:

به جای تهیه و مدیریت محاسبات جداگانه برای هر بار کاری، با مایکروسافت فابریک، صورتحساب توسط دو متغیر تعیین می‌شود: میزان محاسبه ارائه شده و مقدار ذخیره‌سازی استفاده شده.

• محاسبه: یک مجموعه ظرفیت مشترک که همه قابلیت‌های مایکروسافت فابریک، از مدل‌سازی داده‌ها و انبار داده‌ها گرفته تا هوش تجاری را فراهم می‌کند. پرداخت در صورت تمایل (صورتحساب در هر ثانیه با حداقل یک دقیقه).
• ذخیره سازی: مکانی واحد برای ذخیره تمام داده ها. پرداخت در صورت تمایل ($ در هر گیگابایت در ماه).

با خرید ظرفیت فابریک، مشتریان مجموعه ای از واحدهای ظرفیت (CUs) را دریافت خواهند کرد. واحدهای ظرفیت (CUs) واحدهای اندازه گیری هستند که مجموعه ای از توان محاسباتی مورد نیاز را نشان می دهند. قدرت محاسباتی برای اجرای پرس و جوها، کارها یا وظایف مورد نیاز است. مصرف CU به شدت با تلاش محاسباتی اساسی مورد نیاز برای وظایف انجام شده در طول زمان پردازش توسط قابلیت مرتبط است. هر قابلیت و پرس و جوها، مشاغل یا وظایف مرتبط دارای نرخ مصرف منحصر به فردی هستند.