M365Con 2027 – gratis online conferentie · 11–22 Jan 2027 · 120 sessions m365con.net

Data gravity

Concept

Datazwaartekracht beschrijft hoe grote opgeslagen datasets rekenkracht, tools, kopieën en teams aantrekken, waardoor de data steeds moeilijker te verplaatsen wordt.

✦ CONCEPTData gravityM365.FM
Titelafbeelding: Datazwaartekracht (concept)

Ook besproken

Afleveringen over Data gravity gaan ook over Cost to serve, Process criticality, Azure Autoscale, Scope creep, Non-human identity en Managed Environments.

Beschrijving

Datazwaartekracht is een concept uit de IT-architectuur dat beschrijft hoe een grote hoeveelheid data applicaties, diensten en andere data aantrekt, net zoals massa objecten aantrekt in de natuurkunde. Hoe meer data zich op één plek ophoopt, hoe meer rekenkracht, tools, kopieën en teams er om heen samenkomen, en hoe moeilijker het wordt om die data te verplaatsen. Datalakes en datawarehouses worden vaak genoemd als typische voorbeelden van systemen die dit effect vertonen.

De term werd in 2010 bedacht door IT-expert Dave McCrory. Later onderscheidde hij twee vormen: natuurlijke datazwaartekracht, die ontstaat wanneer data naar de cloud verhuist, en kunstmatige zwaartekracht, die wordt veroorzaakt door externe factoren zoals wetgeving, throttling of manipulatieve prijsstelling. In 2020 bracht hij de Data Gravity Index uit, die het effect voor grote ondernemingen meet per grootstedelijk gebied en per sector.

Het kernmechanisme is schaal. De zwaartekracht groeit mee met het datavolume, en het verplaatsen van grote datasets is kostbaar en traag. Daardoor worden applicaties en diensten meestal dicht bij de data geplaatst die ze gebruiken, en niet andersom. Dit heeft verschillende praktische gevolgen. Applicaties die ver van hun data staan, krijgen te maken met hogere latentie. Kosten voor uitgaand dataverkeer in de cloud kunnen een migratie onrendabel maken. Een migratie zorgt ook voor extra werk voor elke applicatie die van de verplaatste data afhankelijk is. Er ontstaat steeds nieuwe zwaartekracht naarmate AI, machine learning en edge-bronnen extra data genereren.

Typische beslissingen rond datazwaartekracht gaan over waar workloads geplaatst worden en hoeveel data bewaard wordt. Voorgestelde reacties zijn het samen plaatsen van applicaties en data, het toepassen van sterke governance en standaarden, het integreren van bronnen in één gemeenschappelijke opslag, het plannen van migraties op basis van de uiteindelijke datagrootte in plaats van de huidige, en het filteren of analyseren van data aan de edge voordat ze stroomopwaarts reist.

In de M365.FM-aflevering "Edge vs. Cloud in Manufacturing- Why the Wrong Architecture Costs You More" wordt datazwaartekracht gebruikt als een van verschillende criteria voor plaatsing. Daarin wordt gevraagd hoeveel data er ontstaat en in welk formaat die data stroomopwaarts echt nodig is. De aflevering stelt dat een ontwerp dat alles voor altijd verzamelt, uiteindelijk voor elke onnodige byte meer dan eens betaalt. In die discussie wordt datazwaartekracht afgewogen tegen het gedrag bij storingen, waarbij een functie netjes moet terugschakelen en de productie binnen vastgestelde lokale grenzen moet laten doorlopen, en tegen de reikwijdte, waarbij een enkele sensor of asset lokale plaatsing begunstigt en bredere vlootactiviteiten het werk stroomopwaarts duwen.

De aflevering "Fix Common Azure AI Foundry Project Failures" behandelt datazwaartekracht als argument om op één platform te centraliseren. Er wordt gesteld dat het hosten van data en AI in Azure latentie en complexiteit verlaagt, en dit wordt gepresenteerd als reden waarom teams voor grotere AI-projecten voor Azure kiezen. Dezelfde aflevering merkt op dat Azure ook inferentie on-premises, hybride en aan de edge ondersteunt, zodat AI kan draaien waar de data ontstaat in plaats van dat de data verplaatst moet worden.

Samen laten de twee afleveringen het concept vanuit twee richtingen zien: rekenkracht verplaatsen naar waar de data al staat, en data dichtbij de bron verminderen of verwerken, zodat er minder data hoeft te worden verplaatst.

Overzicht samengesteld met AI op basis van M365.FM-afleveringen en de feiten op deze pagina. Je kunt het verbeteren met de bewerkknop hieronder.

TypeConcept

Veelgestelde vragen

Vragen met AI zijn met AI geschreven op basis van de feiten op deze pagina.

Wat is datazwaartekracht? (AI)

Datazwaartekracht is de neiging van grote datasets om applicaties, diensten en andere data aan te trekken, waardoor de data naarmate ze groeit moeilijker en duurder te verplaatsen wordt. De term werd in 2010 bedacht door Dave McCrory.

Waarom is datazwaartekracht belangrijk bij een migratie naar de cloud? (AI)

Het verplaatsen van grote datasets is traag en kostbaar, kosten voor uitgaand dataverkeer in de cloud kunnen een migratie onrendabel maken, en elke afhankelijke applicatie vraagt extra werk. Voorgestelde reacties zijn plannen op basis van de uiteindelijke datagrootte en het samen plaatsen van applicaties met hun data.

Hoe verbinden de M365.FM-afleveringen datazwaartekracht met architectuurkeuzes? (AI)

Eén aflevering gebruikt het om te bepalen welke data vanuit productielocaties stroomopwaarts moet worden verplaatst, terwijl een andere het aanhaalt als reden om data en AI samen in Azure te hosten om latentie en complexiteit te verminderen.

Woordenlijst

Community wiki

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

Experts en bedrijven voor dit onderwerp

Niemand heeft dit onderwerp nog opgegeven. Voeg het toe aan je profiel.

Beheerd door Mirko Peters (Microsoft MVP) · Laatst bijgewerkt: