微软推出基于Apache Spark的Azure Databricks 简化开发
11 月 15 日,微软公司召开年度开发者大会 Connect(); 2017。微软全球执行副总裁 Scott Guthrie 在大会上宣布推出多项全新的微软数据平台技术与跨平台开发工具。
Scott Guthrie 表示:"通过当今的智能云技术,人工智能等新兴技术开始显现出从全方位颠覆我们与世界互动的方式的潜力,开发者则是塑造这种潜力的先行者。今天,在 Connect(); 开发者大会上,我们推出的全新工具与服务将帮助开发者利用他们早已熟悉并喜爱的平台、语言和协作工具,为人工智能引领的未来建立起更多的应用与服务。"
微软将持续致力于提供开放的技术,予力开放源社区的发展并与之深入合作。全新的工具与合作旨在帮助开发者构建企业级智能云应用程序。无需考虑平台,开发者可安心利用 Azure 内置的安全性、高性能、合规性、技术支持及高服务级别协议。
-
Azure Databricks:与 Apache Spark 创始人合作推出的 Azure Databricks 预览版是一个基于 Apache Spark 的分析平台。它快速、简单、协同,并提供了一键设置、流畅的工作流和交互式工作空间。与 Azure SQL 数据仓库、Azure 存储、Azure Cosmos DB、Azure Active Directory 和 Power BI 的无缝原生集成简化了现代化数据仓库的创建过程。这些数据仓库使组织能够为所有数据的自助分析和机器学习带来企业级的高性能与管理。
-
微软加入 MariaDB 基金会:微软将作为白金会员加入了 MariaDB 基金会,并宣布即将推出基于 Azure 的 MariaDB 预览版,提供可完全管理的 MariaDB 云服务。
-
针对 Apache Cassandra API 的 Azure Cosmos DB 服务:这个预览版为 Azure Cosmos DB 增强了多模型功能,可轻易将"Cassandra 即服务"实现全球分布式服务,且拥有多个一致性级别及业内领先的服务级别协议。
-
Git Virtual File Systems(GVFS)的 GitHub 产品路线图:微软和 GitHub 将进一步加深其开放源代码合作伙伴关系,将 GVFS 的支持扩展到 GitHub。GVFS 是微软开发的一款 Git 版本开源扩展,用以支持世界上最大的存储库。
简化开发者的基础任务
微软全新工具将帮助开发人员、开发团队和数据科学家更有效地合作,提高应用程序开发、部署和管理的协作效率。新工具和增强的功能将简化开发者的基础任务,以帮助开发者更专注于将应用程序向更多平台及场景推广--无论是面向云、移动还是人工智能。
Visual Studio App Center 正式商用:这项全新云服务将让开发者能够交付更高质量的应用并缩短开发周期。Objecttive-C、Swift、Android Java、Xamarin 和 React Native 开发者都可以利用 App Center 来提高工作效率,加快应用程序的生命周期,使他们可以更专注于交付新的应用功能和提升用户体验。
Visual Studio 动态分享(Live Share):这项独特的全新功能将使开发者得以在任何项目中无缝、安全地协作。通过这次发布的预览版,开发者可以与团队成员或其他开发人员共享项目,在他们自己的编辑器或 IDE 中,同时进行共同编辑和调试相同的代码。
Azure DevOps 项目:该预览版将让开发者得以配置完整的 DevOps 管道,并能在五分钟内接入 Azure 服务,以加快应用的开发部署。开发者只需在 Azure 门户轻松点击,便可以建立 Git 资源库,接通完全自动化的构件,以及在无需太多训练的前提下也可以进行发布。
通过分析和人工智能变革业务模式
人工智能和机器学习的进步,使过去的"不可能"变得触手可及。微软的云服务、基础设施和工具,旨在帮助任何开发者拥抱人工智能技术,并利用数据和人工智能的力量开发云和边缘应用。
Azure IoT Edge:Azure IoT Edge 预览版正式上线,并将引领物联网边缘的人工智能、高级分析和机器学习技术发展。
Azure 机器学习新进展:Azure 机器学习将通过 Core ML 与 Azure IoT Edge 及人工智能技术部署在 iOS 设备上进行整合,将云端无处不在的人工智能技术带入设备物联网边缘。
Visual Studio Tools for AI 预览版:开发者与数据科学家将可以全面利用 Visual Studio 在框架和语言方面的高效功能建立人工智能模型。.NET 的更新还将使得 .NET 开发人员能够更加容易地在他们的应用程序中利用人工智能模型。
Azure SQL 数据库机器学习服务预览:在 SQL 数据库中对 R 模型的支持使数据科学家能够无缝开发和训练 Azure 机器学习的模型,并将这些模型直接部署到 Azure SQL 数据库,从而快速创建预测。