Data gravity
Concepto
Data gravity describes how large accumulated data sets attract compute, tools, copies and teams, making the data increasingly hard to move.
También se tratan
Los episodios sobre Data gravity tratan también Cost to serve, Process criticality, Azure Autoscale, Scope creep, Non-human identity y Managed Environments.
Descripción
Data gravity es un concepto de la arquitectura de TI que describe cómo un gran volumen de datos atrae aplicaciones, servicios y otros datos, de forma similar a como la masa atrae objetos en física. Cuantos más datos se acumulan en un mismo lugar, más cómputo, herramientas, copias y equipos se concentran a su alrededor, y más difícil resulta trasladarlos. Los lagos de datos y los almacenes de datos suelen citarse como ejemplos típicos de sistemas que presentan este efecto.
El término fue acuñado en 2010 por el experto en TI Dave McCrory. Más tarde distinguió dos formas: la gravedad natural de los datos, que surge a medida que los datos se mueven a la nube, y la gravedad artificial, causada por fuerzas externas como la legislación, la limitación de velocidad o las políticas de precios manipuladoras. En 2020 publicó el Data Gravity Index, que mide este efecto en grandes empresas por área metropolitana y sector.
El mecanismo central es la escala. La gravedad crece con el volumen de datos, y mover grandes conjuntos de datos es caro y lento. Como resultado, las aplicaciones y los servicios tienden a ubicarse cerca de los datos que utilizan, y no al revés. Esto tiene varias consecuencias prácticas. Las aplicaciones alejadas de sus datos sufren mayor latencia. Las tarifas de salida de la nube pueden hacer que una migración resulte antieconómica. Además, una migración genera trabajo adicional para cada aplicación que depende de los datos que se trasladan. Continuamente surge nueva gravedad a medida que la IA, el aprendizaje automático y las fuentes de borde generan datos adicionales.
Las decisiones típicas en torno a la gravedad de los datos se refieren a dónde ubicar las cargas de trabajo y cuántos datos conservar. Entre las respuestas sugeridas están colocar aplicaciones y datos juntos, aplicar una gobernanza y unos estándares sólidos, integrar las fuentes en un almacén unificado, planificar las migraciones para el tamaño final de los datos y no para el actual, y filtrar o analizar los datos en el borde antes de que viajen hacia el centro.
El episodio de M365.FM "Edge vs. Cloud in Manufacturing- Why the Wrong Architecture Costs You More" utiliza la gravedad de los datos como uno de varios criterios de ubicación. Se pregunta cuántos datos se generan y en qué formato se necesitan realmente al subirlos. El episodio sostiene que un diseño que lo recopila todo para siempre acaba pagando más de una vez por cada byte innecesario. En esa discusión, la gravedad de los datos se valora junto con el comportamiento ante interrupciones, donde una función debe degradarse con elegancia y mantener la producción en funcionamiento dentro de límites locales definidos, y junto con el alcance, donde un único sensor o activo favorece la ubicación local y las operaciones de flota más amplias empujan el trabajo hacia el centro.
El episodio "Fix Common Azure AI Foundry Project Failures" trata la gravedad de los datos como un argumento a favor de centralizar en una sola plataforma. Afirma que alojar datos e IA en Azure reduce la latencia y la complejidad, y lo presenta como una razón por la que los equipos eligen Azure para proyectos de IA de mayor envergadura. El mismo episodio señala que Azure también admite inferencia local, híbrida y en el borde, de modo que la IA puede ejecutarse donde se generan los datos en lugar de trasladarlos.
En conjunto, los dos episodios muestran el concepto desde ambas direcciones: llevar el cómputo al lugar donde ya están los datos, y reducir o procesar los datos cerca de su origen para que haga falta mover menos.
Resumen generado con IA a partir de los episodios de M365.FM y los datos de esta página. Puedes mejorarlo con el botón de edición de abajo.
| Tipo | Concepto |
|---|
Preguntas frecuentes
Las preguntas marcadas con IA se escribieron con IA a partir de los datos de esta página.
¿Qué es la gravedad de los datos? (IA)
La gravedad de los datos es la tendencia de los grandes conjuntos de datos a atraer aplicaciones, servicios y otros datos, lo que hace que trasladarlos sea más difícil y costoso a medida que crecen. El término fue acuñado por Dave McCrory en 2010.
¿Por qué importa la gravedad de los datos en una migración a la nube? (IA)
Mover grandes conjuntos de datos es lento y costoso, las tarifas de salida de la nube pueden hacer que una migración resulte antieconómica, y cada aplicación dependiente requiere trabajo adicional. Entre las respuestas sugeridas están planificar para el tamaño final de los datos y colocar las aplicaciones junto a sus datos.
¿Cómo relacionan los episodios de M365.FM la gravedad de los datos con las decisiones de arquitectura? (IA)
Un episodio la usa para decidir qué datos deben subir desde las plantas de fabricación, mientras que otro la cita como razón para alojar datos e IA juntos en Azure y reducir la latencia y la complejidad.
Community wiki
Short info above, community knowledge below: add practical tips, examples or corrections. New contributions are reviewed first; trusted members publish directly.
Expertos y empresas para este tema
Nadie ha indicado aún este tema. Añádelo a tu perfil.
Mantenido por Mirko Peters (Microsoft MVP) · Última actualización: