M365Con 2027 – conferenza online gratuita · 11–22 Jan 2027 · 120 sessions m365con.net

Data gravity

Concetto

Il data gravity descrive come i grandi insiemi di dati accumulati attirino calcolo, strumenti, copie e team, rendendo i dati sempre più difficili da spostare.

✦ CONCETTOData gravityM365.FM
Immagine del titolo: Data gravity (Concetto)

Trattati anche

Gli episodi su Data gravity parlano anche di Cost to serve, Process criticality, Azure Autoscale, Scope creep, Non-human identity e Managed Environments.

Descrizione

Il data gravity è un concetto dell'architettura IT che descrive come un grande corpo di dati attiri applicazioni, servizi e altri dati, in modo simile a come la massa attira gli oggetti in fisica. Più dati si accumulano in un unico luogo, più calcolo, strumenti, copie e team si raccolgono attorno ad essi, e più diventa difficile trasferirli. I data lake e i data warehouse sono comunemente citati come esempi principali di sistemi che mostrano questo effetto.

Il termine è stato coniato nel 2010 dall'esperto IT Dave McCrory. In seguito ne ha distinto due forme: il data gravity naturale, che nasce quando i dati vengono spostati nel cloud, e la gravità artificiale, causata da forze esterne come la legislazione, la limitazione della banda o politiche di prezzo manipolative. Nel 2020 ha pubblicato il Data Gravity Index, che misura l'effetto per le grandi aziende per area metropolitana e settore.

Il meccanismo di base è la scala. La gravità cresce con il volume dei dati, e spostare grandi insiemi di dati è costoso e lento. Di conseguenza, applicazioni e servizi tendono a essere collocati vicino ai dati che utilizzano, e non viceversa. Ciò ha diverse conseguenze pratiche. Le applicazioni lontane dai propri dati presentano una latenza maggiore. I costi di uscita dal cloud possono rendere una migrazione antieconomica. Una migrazione crea anche un lavoro aggiuntivo per ogni applicazione che dipende dai dati da spostare. Continua a emergere nuova gravità man mano che l'IA, il machine learning e le fonti edge generano dati aggiuntivi.

Le decisioni tipiche legate al data gravity riguardano dove collocare i carichi di lavoro e quanti dati conservare. Le risposte suggerite includono la co-locazione di applicazioni e dati, l'applicazione di una governance e di standard solidi, l'integrazione delle fonti in un archivio unificato, la pianificazione delle migrazioni in base alla dimensione finale dei dati anziché a quella attuale, e il filtraggio o l'analisi dei dati sul edge prima che viaggino verso monte.

L'episodio di M365.FM "Edge vs. Cloud in Manufacturing- Why the Wrong Architecture Costs You More" usa il data gravity come uno dei diversi criteri di collocazione. Si chiede quanti dati vengano generati e in quale formato siano realmente necessari quando vengono spostati verso monte. L'episodio afferma che un progetto che raccoglie tutto per sempre finisce per pagare ogni byte superfluo più di una volta. In quella discussione, il data gravity viene valutato insieme al comportamento in caso di interruzione, per cui una funzione dovrebbe degradarsi in modo controllato e mantenere in esecuzione la produzione entro limiti locali definiti, e insieme all'ambito, per cui un singolo sensore o asset favorisce la collocazione locale mentre le operazioni su una flotta più ampia spingono il lavoro verso monte.

L'episodio "Fix Common Azure AI Foundry Project Failures" tratta il data gravity come un argomento a favore della centralizzazione su un'unica piattaforma. Afferma che ospitare dati e IA in Azure riduce latenza e complessità, e lo presenta come una ragione per cui i team scelgono Azure per progetti di IA più grandi. Lo stesso episodio osserva che Azure supporta anche l'inferenza on-premises, ibrida ed edge, così l'IA può essere eseguita dove i dati vengono generati anziché spostare i dati.

Nel complesso, i due episodi mostrano il concetto da entrambe le direzioni: spostare il calcolo dove i dati già si trovano, e ridurre o elaborare i dati vicino alla loro fonte, in modo che ne debba essere spostata meno quantità.

Panoramica compilata con l'AI dagli episodi di M365.FM e dai dati di questa pagina. Puoi migliorarla con il pulsante di modifica qui sotto.

TipoConcetto

Domande frequenti

Le domande contrassegnate con AI sono state scritte con l'AI a partire dai fatti riportati in questa pagina.

Che cos'è il data gravity? (AI)

Il data gravity è la tendenza dei grandi insiemi di dati ad attirare applicazioni, servizi e altri dati, il che rende i dati più difficili e costosi da spostare man mano che crescono. Il termine è stato coniato da Dave McCrory nel 2010.

Perché il data gravity è importante per la migrazione al cloud? (AI)

Spostare grandi insiemi di dati è lento e costoso, i costi di uscita dal cloud possono rendere una migrazione antieconomica e ogni applicazione dipendente richiede un lavoro aggiuntivo. Tra le risposte suggerite figurano la pianificazione in base alla dimensione finale dei dati e la co-locazione di applicazioni e dati.

In che modo gli episodi di M365.FM collegano il data gravity alle scelte architetturali? (AI)

Un episodio lo usa per giudicare quali dati debbano essere trasferiti verso monte dagli stabilimenti produttivi, mentre un altro lo cita come motivo per ospitare insieme dati e IA in Azure, così da ridurre latenza e complessità.

Glossario

Community wiki

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

Esperti e aziende per questo argomento

Nessuno ha ancora indicato questo argomento. Aggiungilo al tuo profilo.

Mantenuto da Mirko Peters (Microsoft MVP) · Ultimo aggiornamento: