M365Con 2027 – مؤتمر مجاني عبر الإنترنت · 11–22 Jan 2027 · 120 sessions m365con.net

Data gravity

Concept

يصف مفهوم جاذبية البيانات كيف تجذب مجموعات البيانات الكبيرة المتراكمة الحوسبة والأدوات والنسخ والفرق، مما يجعل نقل البيانات أصعب بشكل متزايد.

✦ CONCEPTData gravityM365.FM
Title graphic: Data gravity (Concept)

مواضيع تُناقش أيضًا

في الحلقات التي تتناول Data gravity تُناقش أيضًا: Cost to serve، Process criticality، Azure Autoscale، Scope creep، Non-human identity وManaged Environments.

Description

جاذبية البيانات مفهوم من بنية تقنية المعلومات يصف كيف تجذب كمية كبيرة من البيانات التطبيقات والخدمات وبيانات أخرى، تماماً كما تجذب الكتلة الأجسام في الفيزياء. فكلما تراكمت البيانات في مكان واحد، تجمّعت حولها مزيد من الحوسبة والأدوات والنسخ والفرق، وأصبح نقلها أصعب. وغالباً ما تُذكر بحيرات البيانات ومستودعات البيانات كأمثلة رئيسية على الأنظمة التي تُظهر هذا التأثير.

صاغ هذا المصطلح خبير تقنية المعلومات ديف ماكروري في عام 2010. ثم ميّز لاحقاً بين شكلين: جاذبية البيانات الطبيعية، التي تنشأ مع انتقال البيانات إلى السحابة، والجاذبية الاصطناعية، التي تسببها عوامل خارجية مثل التشريعات وتقييد السرعة أو التسعير التلاعبي. وفي عام 2020 أطلق مؤشر جاذبية البيانات، الذي يقيس هذا التأثير للمؤسسات الكبيرة حسب المنطقة الحضرية والقطاع.

الآلية الأساسية هي الحجم. تنمو الجاذبية مع حجم البيانات، ونقل مجموعات البيانات الكبيرة مكلف وبطيء. ونتيجة لذلك، تميل التطبيقات والخدمات إلى أن توضع قرب البيانات التي تستخدمها، لا العكس. ولهذا عدة نتائج عملية. فالتطبيقات البعيدة عن بياناتها تواجه زمن استجابة أعلى. وقد تجعل رسوم الخروج من السحابة الترحيل غير مجدٍ اقتصادياً. كما يخلق الترحيل عملاً إضافياً لكل تطبيق يعتمد على البيانات المنقولة. وتستمر جاذبية جديدة في الظهور مع توليد الذكاء الاصطناعي والتعلم الآلي ومصادر الحافة لبيانات إضافية.

تتعلق القرارات النموذجية المرتبطة بجاذبية البيانات بمكان وضع أعباء العمل ومقدار البيانات الذي يجب الاحتفاظ به. ومن الاستجابات المقترحة: تجميع التطبيقات والبيانات في مكان واحد، وتطبيق حوكمة ومعايير قوية، ودمج المصادر في مخزن موحد، وتخطيط الترحيل وفق الحجم النهائي للبيانات لا حجمها الحالي، وتصفية البيانات أو تحليلها عند الحافة قبل إرسالها إلى المستوى الأعلى.

تستخدم حلقة M365.FM بعنوان "الحافة مقابل السحابة في التصنيع - لماذا تكلفك البنية الخاطئة أكثر" جاذبية البيانات كواحد من عدة معايير لتحديد مكان الوضع. وتتساءل الحلقة عن حجم البيانات المُنشأة والصيغة التي تحتاجها فعلياً عند نقلها إلى المستوى الأعلى. وتقول الحلقة إن التصميم الذي يجمع كل شيء إلى الأبد ينتهي بدفع ثمن كل بايت غير ضروري أكثر من مرة. وفي هذا النقاش توازن جاذبية البيانات مع سلوك الانقطاع، حيث ينبغي للوظيفة أن تتراجع بسلاسة وتبقي الإنتاج يعمل ضمن حدود محلية محددة، ومع النطاق، حيث يُفضّل مستشعر واحد أو أصل واحد الوضع المحلي، بينما تدفع عمليات الأسطول الأوسع العمل نحو المستوى الأعلى.

تتعامل حلقة "إصلاح إخفاقات مشاريع Azure AI Foundry الشائعة" مع جاذبية البيانات كحجة لتركيز الأمر على منصة واحدة. وتقول إن استضافة البيانات والذكاء الاصطناعي في Azure تقلل زمن الاستجابة والتعقيد، وتقدم ذلك كسبب يدفع الفرق لاختيار Azure في مشاريع الذكاء الاصطناعي الأكبر. وتلاحظ الحلقة نفسها أن Azure يدعم أيضاً الاستدلال المحلي والهجين والحافة، بحيث يمكن تشغيل الذكاء الاصطناعي حيث تُولَّد البيانات بدلاً من نقل البيانات.

مجتمعةً، تُظهر الحلقتان المفهوم من الاتجاهين: نقل الحوسبة إلى مكان وجود البيانات أصلاً، وتقليل البيانات أو معالجتها قرب مصدرها بحيث يقل ما يحتاج منها إلى الانتقال أصلاً.

Overview compiled with AI from M365.FM episodes and the facts on this page. You can improve it with the edit button below.

TypeConcept

Frequently asked questions

Questions marked with AI were written with AI from the facts on this page.

ما هي جاذبية البيانات؟ (AI)

جاذبية البيانات هيميل مجموعات البيانات الكبيرة إلى جذب التطبيقات والخدمات وبيانات أخرى، مما يجعل البيانات أصعب وأغلى في النقل كلما كبر حجمها. وقد صاغ المصطلح ديف ماكروري في عام 2010.

لماذا تهم جاذبية البيانات في ترحيل السحابة؟ (AI)

نقل مجموعات البيانات الكبيرة بطيء ومكلف، ورسوم الخروج من السحابة قد تجعل الترحيل غير مجدٍ اقتصادياً، وكل تطبيق معتمد يحتاج إلى عمل إضافي. ومن الاستجابات المقترحة التخطيط وفق الحجم النهائي للبيانات وتجميع التطبيقات مع بياناتها.

كيف تربط حلقات M365.FM جاذبية البيانات بخيارات البنية؟ (AI)

تستخدمها إحدى الحلقات للحكم على البيانات التي ينبغي نقلها إلى المستوى الأعلى من مواقع التصنيع، بينما تستشهد حلقة أخرى بها كسبب لاستضافة البيانات والذكاء الاصطناعي معاً في Azure لتقليل زمن الاستجابة والتعقيد.

Glossary

Community wiki

Short info above, community knowledge below: add practical tips, examples or corrections. New contributions are reviewed first; trusted members publish directly.

Experts and companies for this topic

Nobody has listed this topic yet. Add it to your profile.

Maintained by Mirko Peters (Microsoft MVP) · Last updated: