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

Data gravity

Concept

Data gravity descreve como grandes conjuntos de dados acumulados atraem computação, ferramentas, cópias e equipes, tornando os dados cada vez mais difíceis de mover.

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

Também abordados

Os episódios sobre Data gravity abordam também Cost to serve, Process criticality, Azure Autoscale, Scope creep, Non-human identity e Managed Environments.

Descrição

Data gravity é um conceito da arquitetura de TI que descreve como um grande volume de dados atrai aplicações, serviços e outros dados, de forma semelhante à atração da massa na física. Quanto mais dados se acumulam em um único lugar, mais computação, ferramentas, cópias e equipes se reúnem em torno deles, e mais difícil se torna realocá-los. Data lakes e data warehouses são frequentemente citados como exemplos típicos de sistemas que apresentam esse efeito.

O termo foi criado em 2010 pelo especialista em TI Dave McCrory. Mais tarde, ele distinguiu duas formas: a data gravity natural, que surge à medida que os dados migram para a nuvem, e a gravidade artificial, causada por forças externas como legislação, limitação de tráfego ou preços manipulativos. Em 2020, ele lançou o Data Gravity Index, que mede esse efeito em grandes empresas por área metropolitana e setor.

O mecanismo central é a escala. A gravidade cresce com o volume de dados, e mover grandes conjuntos de dados é caro e lento. Como resultado, aplicações e serviços tendem a ser posicionados próximos aos dados que utilizam, e não o contrário. Isso tem várias consequências práticas. Aplicações distantes de seus dados enfrentam maior latência. As taxas de saída da nuvem (egress) podem tornar uma migração economicamente inviável. Uma migração também gera trabalho extra para cada aplicação que depende dos dados transferidos. Novas fontes de gravidade continuam surgindo à medida que IA, aprendizado de máquina e fontes de borda geram dados adicionais.

As decisões típicas relacionadas à data gravity dizem respeito a onde posicionar as cargas de trabalho e quanto dado manter. As respostas sugeridas incluem posicionar aplicações e dados no mesmo local, aplicar governança e padrões sólidos, integrar as fontes em um armazenamento unificado, planejar migrações para o tamanho final dos dados, e não o atual, e filtrar ou analisar os dados na borda antes que sejam enviados para a nuvem.

O episódio do M365.FM "Edge vs. Cloud in Manufacturing- Why the Wrong Architecture Costs You More" usa a data gravity como um dos vários critérios de posicionamento. Ele questiona quanto dado é criado e de que formato ele realmente precisa ao ser enviado para a nuvem. O episódio afirma que um design que coleta tudo para sempre acaba pagando mais de uma vez por cada byte desnecessário. Nessa discussão, a data gravity é avaliada junto com o comportamento diante de falhas, em que uma função deve se degradar de forma controlada e manter a produção em funcionamento dentro de limites locais definidos, e junto com o escopo, em que um único sensor ou ativo favorece o processamento local, enquanto operações amplas de frota levam o trabalho para a nuvem.

O episódio "Fix Common Azure AI Foundry Project Failures" trata a data gravity como um argumento para centralizar em uma única plataforma. Ele afirma que hospedar dados e IA no Azure reduz latência e complexidade, e apresenta isso como um motivo pelo qual as equipes escolhem o Azure para projetos maiores de IA. O mesmo episódio observa que o Azure também oferece suporte à inferência on-premises, híbrida e na borda, de modo que a IA pode ser executada onde os dados são gerados, em vez de mover os dados.

Juntos, os dois episódios mostram o conceito por ambos os lados: levar a computação até onde os dados já estão e reduzir ou processar os dados próximos à sua origem, para que menos deles precisem ser movidos.

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

TipoConcept

Perguntas frequentes

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

O que é data gravity? (AI)

Data gravity é a tendência de grandes conjuntos de dados atraírem aplicações, serviços e outros dados, o que torna os dados mais difíceis e custosos de mover à medida que crescem. O termo foi criado por Dave McCrory em 2010.

Por que a data gravity importa para a migração para a nuvem? (AI)

Mover grandes conjuntos de dados é lento e caro, as taxas de saída da nuvem podem tornar uma migração economicamente inviável, e cada aplicação dependente exige trabalho extra. Planejar para o tamanho final dos dados e posicionar aplicações junto com seus dados são respostas sugeridas.

Como os episódios do M365.FM relacionam a data gravity às escolhas de arquitetura? (AI)

Um episódio a utiliza para avaliar quais dados devem ser enviados para a nuvem a partir de unidades industriais, enquanto outro a cita como motivo para hospedar dados e IA juntos no Azure, a fim de reduzir latência e complexidade.

Glossário

Community wiki

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

Especialistas e empresas para este tópico

Ninguém indicou ainda este tópico. Adicione-o ao seu perfil.

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