WEBVTT

00:00:00.000 --> 00:00:10.530
[MUSIK].

00:00:10.530 --> 00:00:13.170
>> Hey jeder. Willkommen bei
diese Episode der offengelegten Daten.

00:00:13.170 --> 00:00:15.240
Ich bin Travis Wright Group
Produktmanager für

00:00:15.240 --> 00:00:18.435
DIE SQL Server- und Azure-Daten
Engineering-Team bei Microsoft.

00:00:18.435 --> 00:00:22.335
Heute freue ich mich,
ihnen einen SQL Server 2019,

00:00:22.335 --> 00:00:24.945
den zuletzt veröffentlichten SQL Server.

00:00:24.945 --> 00:00:28.515
SQL Server feiert seine
25-jähriges Jubiläum in diesem Jahr.

00:00:28.515 --> 00:00:31.830
Das ist eine ganze Weile. Durch rückblicken
an den Anfängen meiner Karriere,

00:00:31.830 --> 00:00:34.230
Ich habe mit SQL Server 2000 begonnen.

00:00:34.230 --> 00:00:36.300
In dieser 25-jährigen Geschichte

00:00:36.300 --> 00:00:38.490
SQL Server hat wirklich
einen langen Weg zu gehen.

00:00:38.490 --> 00:00:40.050
Es ist wirklich erweitert, um zu treffen

00:00:40.050 --> 00:00:42.030
die Bedürfnisse unserer
Kunden im Laufe der Zeit als

00:00:42.030 --> 00:00:44.390
die verschiedenen Datentypen
dass Kunden müssen, um

00:00:44.390 --> 00:00:47.060
Sammeln und verarbeiten
und Die Abfrage hat sich geändert,

00:00:47.060 --> 00:00:49.310
und da es mehr
und verschiedene Arten von

00:00:49.310 --> 00:00:51.965
Anforderungen an das Datenbankmodul
die gekommen sind.

00:00:51.965 --> 00:00:54.470
Also machen wir eine Reise zurück
Nach unten Speicherspur für

00:00:54.470 --> 00:00:57.515
einen Moment und schauen Sie sich einfach an, wo
SQL Server stammt aus,

00:00:57.515 --> 00:00:59.390
und dann schauen wir uns an
an der Stelle, an der SQL Server

00:00:59.390 --> 00:01:02.515
als nächstes mit SQL Server 2019.

00:01:02.515 --> 00:01:05.350
Beginnen wir mit SQL Server 2008.

00:01:05.350 --> 00:01:07.295
SQL Server 2008 ist tatsächlich

00:01:07.295 --> 00:01:09.995
aus erweiterter Unterstützung
nur in diesem Jahr.

00:01:09.995 --> 00:01:14.390
Wenn Sie schnell vorwärts ein wenig zu suchen
auf SQL Server 2012 und 2014,

00:01:14.390 --> 00:01:17.870
wir haben wirklich einige große Verbesserungen gemacht
in Bezug auf Leistung und

00:01:17.870 --> 00:01:19.880
hohe Verfügbarkeit durch
Einführung immer

00:01:19.880 --> 00:01:22.565
zu Verfügbarkeitsgruppen
für hohe Verfügbarkeit,

00:01:22.565 --> 00:01:24.500
und in den Speicherfunktionen, um wirklich

00:01:24.500 --> 00:01:26.845
Steigerung der Leistung
Ihrer Datenbanken.

00:01:26.845 --> 00:01:29.630
In SQL Server 2016 und 2017

00:01:29.630 --> 00:01:31.295
wir verändern das Spiel wirklich sehr

00:01:31.295 --> 00:01:33.320
durch die Einführung einiger
neue Fähigkeiten in

00:01:33.320 --> 00:01:37.885
SQL Server zum Speichern und Abfragen
JSON und Graph sowie,

00:01:37.885 --> 00:01:41.210
und wir haben auch etwas getan
sehr überraschend, indem

00:01:41.210 --> 00:01:45.580
SQL Server zu Linux und
Container in SQL Server 2017.

00:01:45.580 --> 00:01:47.895
In SQL Server 2019

00:01:47.895 --> 00:01:49.540
wir verändern das Spiel noch einmal,

00:01:49.540 --> 00:01:50.840
und wirklich expandierenund und

00:01:50.840 --> 00:01:53.480
Neudefinition der Definition
von dem, was SQL Server ist.

00:01:53.480 --> 00:01:55.490
SQL-Server ist natürlich immer noch

00:01:55.490 --> 00:01:58.220
die relationale Datenbank
das war vor 25 Jahren.

00:01:58.220 --> 00:02:00.770
Sie können immer noch
Ihre Daten in SQL Server

00:02:00.770 --> 00:02:03.335
und abfragen Sie es in der gleichen
wie Sie immer haben.

00:02:03.335 --> 00:02:06.560
Aber gleichzeitig sind wir
SQL Server neu definieren und

00:02:06.560 --> 00:02:09.920
weit über die
den relationalen Datenbankbereich.

00:02:09.920 --> 00:02:14.135
Werfen wir also einen Blick auf das, was
in SQL Server 2019.

00:02:14.135 --> 00:02:17.045
In SQL Server 2019

00:02:17.045 --> 00:02:18.380
wir geben Ihnen Zugriff

00:02:18.380 --> 00:02:20.420
zum Abfragen und Verarbeiten von Daten

00:02:20.420 --> 00:02:23.990
außerhalb der Grenze eines
herkömmliche SQL Server-Instanz.

00:02:23.990 --> 00:02:26.840
Durch die Einnahme von PolyBase eine Funktion, die wir zuerst

00:02:26.840 --> 00:02:30.445
in SQL Server eingeführt
2016 auf die nächste Stufe.

00:02:30.445 --> 00:02:34.280
Mit PolyBase können Sie eine
Datenvirtualisierungsschicht über

00:02:34.280 --> 00:02:36.170
mehrere verschiedene
Datenquellen wie

00:02:36.170 --> 00:02:38.810
Oracle andere SQL-Serverinstanzen.

00:02:38.810 --> 00:02:42.460
Tera-Daten, MongoDB und vieles mehr.

00:02:42.460 --> 00:02:46.460
Wir haben auch HDFS und
Funken und bauen Sie es in der Box.

00:02:46.460 --> 00:02:48.230
Nun also mit SQL Server,

00:02:48.230 --> 00:02:52.370
Sie können verarbeiten und speichern
Daten der Petabyteskala und

00:02:52.370 --> 00:02:57.650
Verarbeitung und Speicherung von Daten, die
sind auch unstrukturierte Daten.

00:02:57.650 --> 00:03:01.520
Sie können SQL Server mit
praktisch jede Programmiersprache.

00:03:01.520 --> 00:03:04.310
Sie können es auf hübschen
viel jede Plattform jetzt.

00:03:04.310 --> 00:03:06.155
Mit SQL Server 2019

00:03:06.155 --> 00:03:08.000
Sie können es natürlich unter Windows ausführen.

00:03:08.000 --> 00:03:11.345
Sie können es auch auf
Linux auf Red Hat, auf Susa,

00:03:11.345 --> 00:03:13.670
oder Ubuntu, können Sie
es in einem Container,

00:03:13.670 --> 00:03:15.320
Sie können es auf Kubernetes ausführen.

00:03:15.320 --> 00:03:18.875
Sie können es auf einem anderen
Prozessorarchitekturen.

00:03:18.875 --> 00:03:20.630
Mit dem Azure SQL-Datenbankrand

00:03:20.630 --> 00:03:24.640
Sie können es auf einem Arm laufen 64
Gerät wie ein Raspberry Pi,

00:03:24.640 --> 00:03:27.680
und Sie können es in der
Cloud- und Azure SQL-Datenbank,

00:03:27.680 --> 00:03:29.030
oder Sie können es lokal ausführen,

00:03:29.030 --> 00:03:31.115
oder Sie können es ausführen und
andere öffentliche Clouds.

00:03:31.115 --> 00:03:32.720
Es gibt eine Menge Vielseitigkeit dort.

00:03:32.720 --> 00:03:36.130
Sie können SQL Server überall dort verwenden, wo
es passt am besten zu Ihnen.

00:03:36.130 --> 00:03:39.290
SQL Server 2019 setzt seine

00:03:39.290 --> 00:03:42.190
unsere branchenführenden
ausführung.

00:03:42.190 --> 00:03:45.710
SQL Server hat sich etabliert
seit vielen Jahren als Zahl der

00:03:45.710 --> 00:03:49.490
1 in Bezug auf die OLTP-Leistung
mit TPC-H Benchmarks,

00:03:49.490 --> 00:03:50.990
und als Nummer 1 in Bezug auf

00:03:50.990 --> 00:03:54.050
Data Warehouse-Performance
mit TPC-H Benchmarks.

00:03:54.050 --> 00:03:56.090
Wir haben auch die Branche angeführt, indem wir

00:03:56.090 --> 00:03:58.670
die geringste Anzahl von
Sicherheitsanfälligkeiten, die aus

00:03:58.670 --> 00:04:01.910
der wichtigsten Datenbank-Engines
in den letzten acht Jahren

00:04:01.910 --> 00:04:06.010
nach Angaben des National Institute
Standards und Technologie.

00:04:06.010 --> 00:04:08.330
Lassen Sie uns also näher kommen
schauen Sie sich nur einige der

00:04:08.330 --> 00:04:11.075
die Highlights von SQL Server 2019.

00:04:11.075 --> 00:04:12.770
Beginnen wir mit einigen
Verbesserungen, die wir

00:04:12.770 --> 00:04:15.005
im Leistungsraum.

00:04:15.005 --> 00:04:17.600
Also zuallererst, persistente Speicher als

00:04:17.600 --> 00:04:20.585
eine neue Technologie, die
eintritt in den Hardwaremarkt.

00:04:20.585 --> 00:04:22.730
Wir haben die Vorteile genutzt
des persistenten Speichers

00:04:22.730 --> 00:04:24.785
um die Leistung wirklich zu steigern.

00:04:24.785 --> 00:04:27.230
Sie müssen keine
Änderungen an Ihrer Anwendung,

00:04:27.230 --> 00:04:28.430
und Sie können Ihre Daten speichern und

00:04:28.430 --> 00:04:31.330
Persistenter Speicher für
schnellere Leistung.

00:04:31.330 --> 00:04:34.030
Zweitens, für intelligente
Abfrageverarbeitung,

00:04:34.030 --> 00:04:36.440
haben wir die
Familie von Funktionen hier

00:04:36.440 --> 00:04:38.990
wie Sie in diesem
Diagramm, das Lose enthält

00:04:38.990 --> 00:04:41.615
neue Wege, auf denen die
Abfrageoptimierer kann

00:04:41.615 --> 00:04:45.679
im Laufe der Zeit auf der Grundlage der
Ausführung, wie Abfragen gehen,

00:04:45.679 --> 00:04:48.935
wie künftige Hinrichtungen dieser
Abfragen können verbessert werden,

00:04:48.935 --> 00:04:51.560
Steigerung der Leistung
Ihrer Anwendungen über

00:04:51.560 --> 00:04:55.225
Zeit, ohne dass Sie sich ändern müssen
alles in Ihren Anwendungen,

00:04:55.225 --> 00:04:57.980
und schließlich haben wir die TempDB in

00:04:57.980 --> 00:05:01.415
Speicher für noch schneller
Leistung der temporären Datenbank.

00:05:01.415 --> 00:05:03.650
Als nächstes werfen wir einen Blick auf
einige Verbesserungen, die wir

00:05:03.650 --> 00:05:05.690
Sicherheit und Compliance.

00:05:05.690 --> 00:05:08.330
Zuallererst, insbesondere bei der DSGVO,

00:05:08.330 --> 00:05:09.905
Kunden sind mit

00:05:09.905 --> 00:05:13.220
noch mehr regulatorische Anforderungen
dass sie sich treffen müssen.

00:05:13.220 --> 00:05:14.720
Um dies zu erleichtern,

00:05:14.720 --> 00:05:18.230
wir bieten Datenklassifizierung
Funktionen aus dem Kasten heraus.

00:05:18.230 --> 00:05:21.850
Sie können die Datenklassifizierung
Motor in Ihrer Datenbank,

00:05:21.850 --> 00:05:23.555
und es wird automatisch entdecken

00:05:23.555 --> 00:05:25.130
die verschiedenen Typen
Daten, die Sie in

00:05:25.130 --> 00:05:29.425
Ihre Datenbank, z. B.
PCI-Daten oder DSGVO-Daten,

00:05:29.425 --> 00:05:31.790
und automatisch
klassifizieren und produzieren

00:05:31.790 --> 00:05:34.670
Berichte für Sie, wie Sie sehen
in diesem Screenshot hier,

00:05:34.670 --> 00:05:37.625
und Sie können Ihre eigenen
Klassifizierungsregeln.

00:05:37.625 --> 00:05:39.470
Als nächstes in Bezug auf die Sicherheit,

00:05:39.470 --> 00:05:43.340
wir haben Always Encrypted verbessert
unsere clientseitige Verschlüsselung

00:05:43.340 --> 00:05:44.645
Technologie, die es Ihnen ermöglicht,

00:05:44.645 --> 00:05:47.630
trennen Sie die Verschlüsselung
aus der Datenbank.

00:05:47.630 --> 00:05:50.270
So kann die
Datenbankadministratoren

00:05:50.270 --> 00:05:53.120
kann die Daten nicht in
die Datenbank, die es ermöglicht,

00:05:53.120 --> 00:05:55.640
Sie hier Aufgaben zwischen

00:05:55.640 --> 00:05:56.840
die Datenbankadministratoren und

00:05:56.840 --> 00:05:59.425
die Anwendungsentwickler und -benutzer,

00:05:59.425 --> 00:06:01.910
und schließlich nur als Beispiel für

00:06:01.910 --> 00:06:03.950
Verbesserungen, die wir
herstellung, wie wir auch

00:06:03.950 --> 00:06:06.230
Hinzugefügt, die die Verschlüsselung durchführen

00:06:06.230 --> 00:06:09.480
aller Daten innerhalb von Enklaven.

00:06:10.160 --> 00:06:15.050
Jetzt, im Bereich der Entwickler
und DBA-Tools, hoffentlich,

00:06:15.050 --> 00:06:16.670
Sie alle gelernt und ausprobiert haben

00:06:16.670 --> 00:06:19.595
Azure Data Studio a
neue plattformübergreifende

00:06:19.595 --> 00:06:22.550
Open-Source-Tool für alle Typen

00:06:22.550 --> 00:06:25.190
der Datenperson, ob Sie
ein Datenbankadministrator,

00:06:25.190 --> 00:06:28.415
ein Datenbankingenieur,
oder ein Datenwissenschaftler.

00:06:28.415 --> 00:06:33.350
Dieses Tool steht Ihnen zur Verfügung
kostenlos herunterladen und nutzen,

00:06:33.350 --> 00:06:35.225
und es ist so konzipiert, dass es

00:06:35.225 --> 00:06:39.200
Multi-Datenbank-Engine, so dass Sie
nicht nur mit SQL Server verwenden,

00:06:39.200 --> 00:06:41.510
sondern auch mit SQL Server in

00:06:41.510 --> 00:06:44.060
die Cloud wie
Azure SQL-Datenbank oder

00:06:44.060 --> 00:06:46.460
mit Azure SQL-Daten
Lager auch mit

00:06:46.460 --> 00:06:49.370
Andere Datenbankmodule
wie PostgreSQL und MySQL.

00:06:49.370 --> 00:06:52.460
Eine der Verbesserungen, die
Menschen sind am meisten begeistert

00:06:52.460 --> 00:06:55.340
und Azure Data Studio ist
das Notebook-Erlebnis.

00:06:55.340 --> 00:06:58.550
Mit Notebooks können Sie
Eine Datei, die Mark enthält

00:06:58.550 --> 00:07:01.670
sowie Codezellen.

00:07:01.670 --> 00:07:03.380
Im Markdown können Sie

00:07:03.380 --> 00:07:06.470
analyse, die Sie durchführen oder
Schritte, die durchgeführt werden sollten,

00:07:06.470 --> 00:07:08.240
und dann in den Codezellen, die

00:07:08.240 --> 00:07:10.640
intermingingmit mit
diese Markdownzellen,

00:07:10.640 --> 00:07:13.705
Sie können Code haben, den Sie
oder jemand anderes ausführen kann.

00:07:13.705 --> 00:07:17.250
Wir haben Notebooks für
TSQL, für PowerShell,

00:07:17.250 --> 00:07:20.240
für Python, und Sie

00:07:20.240 --> 00:07:23.075
kann es entweder lokal ausführen
oder Sie können es in Spark ausführen.

00:07:23.075 --> 00:07:25.910
Es ist eine sehr mächtige
Möglichkeit zur Zusammenarbeit mit

00:07:25.910 --> 00:07:29.915
anderen Menschen, indem sie diese
Informationen und Notizbücher,

00:07:29.915 --> 00:07:32.180
und diese Notizbücher
kann verwendet werden, um

00:07:32.180 --> 00:07:35.450
Proben oder vielleicht einige Standard-
Betriebsabläufe oder

00:07:35.450 --> 00:07:38.180
Fehlerbehebungsanleitungen und Freigabe
mit anderen Menschen durch

00:07:38.180 --> 00:07:42.085
die Git-Integration, die wir haben
integriert in Azure Data Studio,

00:07:42.085 --> 00:07:43.685
und schließlich haben wir

00:07:43.685 --> 00:07:45.650
einige wirklich coole Technologie von

00:07:45.650 --> 00:07:48.290
Microsoft Research aufgerufen
SandDance, der

00:07:48.290 --> 00:07:51.725
Sie ad hoc-Daten zu tun
Visualisierung und Exploration

00:07:51.725 --> 00:07:54.020
mit einigen wirklich cool
Diagrammfunktionen

00:07:54.020 --> 00:07:55.975
genau dort in der
Azure Data Studio.

00:07:55.975 --> 00:07:59.585
Also auf jeden Fall, gehen Sie azure Data
Studio, wenn Sie es noch nicht getan haben.

00:07:59.585 --> 00:08:01.280
Es ist ein super mächtiges Werkzeug,

00:08:01.280 --> 00:08:03.950
und die Innovation kommt
dort auf monatlicher Basis, da wir

00:08:03.950 --> 00:08:07.640
Veröffentlichung jeden Monat
für Azure Data Studio.

00:08:07.640 --> 00:08:11.270
Also verdoppeln wir

00:08:11.270 --> 00:08:14.180
unseren neuen Ansatz zur

00:08:14.180 --> 00:08:16.820
wie wir verschiedene
Plattformen für SQL Server.

00:08:16.820 --> 00:08:18.500
In SQL Server 2017

00:08:18.500 --> 00:08:20.465
wir haben Unterstützung für Linux eingeführt.

00:08:20.465 --> 00:08:22.100
Sql Server 2019,

00:08:22.100 --> 00:08:24.470
wir nehmen das auf die
nächsten Schritt durch Erstellen

00:08:24.470 --> 00:08:27.620
noch größere Feature-Parodie
zwischen SQL Server unter Windows,

00:08:27.620 --> 00:08:31.875
und SQL Server unter Linux, indem
PolyBase und alle Dienstleistungen,

00:08:31.875 --> 00:08:35.680
Distributed Transaction Coordinator
und Replikation auf Linux,

00:08:35.680 --> 00:08:37.160
und das checkt so ziemlich ab

00:08:37.160 --> 00:08:39.515
alle Boxen für die
Datenbankmodulfunktionen.

00:08:39.515 --> 00:08:42.200
So haben Sie in der Nähe von 100
prozentuale Kompatibilität

00:08:42.200 --> 00:08:45.695
zwischen SQL Server unter Windows
und SQL Server unter Linux.

00:08:45.695 --> 00:08:47.450
In Partnerschaft mit Red Hat

00:08:47.450 --> 00:08:49.880
wir haben auch rel erstellt
basierte Containerimages

00:08:49.880 --> 00:08:52.585
die auf der
Microsoft Container-Registrierung,

00:08:52.585 --> 00:08:54.170
und Sie können sie in

00:08:54.170 --> 00:08:56.675
der Red Hat Container
Katalog.

00:08:56.675 --> 00:08:58.730
Endlich in der Vorschau jetzt,

00:08:58.730 --> 00:09:02.080
wir haben Unterstützung für immer auf
Verfügbarkeitsgruppen in Kubernetes,

00:09:02.080 --> 00:09:04.610
damit Sie die
Vorteile, immer auf

00:09:04.610 --> 00:09:07.415
Verfügbarkeitsgruppen
für Scale-Out-Lesevorgänge

00:09:07.415 --> 00:09:09.350
oder für hohe Verfügbarkeit

00:09:09.350 --> 00:09:13.760
wohnen direkt dort auf der Oberseite der
Kubernetes-Schicht darunter.

00:09:13.970 --> 00:09:17.270
Schließlich ist wahrscheinlich die
bedeutendstes Gebiet

00:09:17.270 --> 00:09:19.040
Verbesserungen und gerechte

00:09:19.040 --> 00:09:21.290
Ausstreuen des Zeltes
sql-Server, wenn Sie

00:09:21.290 --> 00:09:24.215
will neue
Arten von Szenarien,

00:09:24.215 --> 00:09:26.540
ist die Verbesserungen, die
wir machen in PolyBase

00:09:26.540 --> 00:09:28.850
und Datenvirtualisierung als I
erwähnt am Anfang,

00:09:28.850 --> 00:09:30.140
wo wir erstellen können

00:09:30.140 --> 00:09:31.760
eine Datenvirtualisierungsschicht

00:09:31.760 --> 00:09:33.890
viele verschiedene Daten
Quellen wie Oracle,

00:09:33.890 --> 00:09:37.755
Andere SQL Server
Und Teradata.

00:09:37.755 --> 00:09:40.100
Das ermöglicht es uns,
zusammen Daten über

00:09:40.100 --> 00:09:42.800
mehrere Datenquellen zur Abfragezeit,

00:09:42.800 --> 00:09:44.840
und wirklich zu minimieren
die Notwendigkeit der Verwendung

00:09:44.840 --> 00:09:47.420
ETL als Möglichkeit zur Integration
unsere Daten zusammen.

00:09:47.420 --> 00:09:50.705
Niemand baut gerne und
Wartung von ETL-Pipelines.

00:09:50.705 --> 00:09:54.200
Wir möchten Ihnen also eine weitere
Option, die Sie in

00:09:54.200 --> 00:09:58.385
zusätzlich zu ETL, wie Sie
Ihre Daten zusammen zu integrieren.

00:09:58.385 --> 00:10:00.545
In SQL Server 2019

00:10:00.545 --> 00:10:03.110
haben wir eine neue
Muster für die Bereitstellung

00:10:03.110 --> 00:10:07.970
SQL Server durch die Einführung einer neuen
Muster, big Data-Cluster genannt,

00:10:07.970 --> 00:10:09.650
und Big-Data-Cluster nummiert es Ihnen,

00:10:09.650 --> 00:10:12.440
Bereitstellen eines SQL Servers
Instanz mit allen

00:10:12.440 --> 00:10:16.400
seine typischen Fähigkeiten
zusammen mit HDFS und

00:10:16.400 --> 00:10:20.825
Spark in einer integrierten Lösung
wie auf Kubernetes eingesetzt,

00:10:20.825 --> 00:10:22.610
die Ihnen die Möglichkeit bietet,

00:10:22.610 --> 00:10:24.820
SQL-Server und alle Dinge tun
dass Sie einen SQL Server

00:10:24.820 --> 00:10:26.750
aber dann leicht integrieren, dass

00:10:26.750 --> 00:10:29.120
zusammen mit HDFS und
Funken, so dass Sie tun können

00:10:29.120 --> 00:10:32.600
Abfragen über hohe Lautstärke
Daten, die skaliert werden können

00:10:32.600 --> 00:10:34.400
1000 Mal größer als Sie

00:10:34.400 --> 00:10:37.070
könnte möglicherweise speichern
und SQL Server heute,

00:10:37.070 --> 00:10:39.500
bis in die Zehner oder sogar
Hunderte von Petabytes

00:10:39.500 --> 00:10:42.260
Daten sowie die
in der Lage zu speichern und

00:10:42.260 --> 00:10:44.540
Abfrage und Prozess
unstrukturierte Daten wie

00:10:44.540 --> 00:10:48.174
Videodateien oder Audiodateien in HDFS,

00:10:48.174 --> 00:10:50.900
und Sie haben den Vorteil,
des Spark-Motors

00:10:50.900 --> 00:10:53.260
dort für die Datenaufbereitung
Aktivitäten oder für die

00:10:53.260 --> 00:10:55.310
Machine Learning-Modelltraining oder

00:10:55.310 --> 00:10:58.525
Operationalisierung dieser
Modelle innerhalb von Spark.

00:10:58.525 --> 00:11:00.815
Also, indem Microsoft

00:11:00.815 --> 00:11:02.660
eine integrierte Lösung und

00:11:02.660 --> 00:11:05.420
dass eine integrierte Lösung
und Big-Data-Cluster,

00:11:05.420 --> 00:11:08.810
Sie erhalten eine gemeinsame skalierbare
Data Lake auf

00:11:08.810 --> 00:11:12.545
HDFS, die entweder SQL Server
oder Spark kann zugreifen.

00:11:12.545 --> 00:11:15.500
Dies bietet Ihnen wirklich
eine komplette KI-Plattform

00:11:15.500 --> 00:11:17.420
für alles
aus der Einnahme

00:11:17.420 --> 00:11:22.070
der Daten durch Speicherung
in HDFS oder in SQL Server,

00:11:22.070 --> 00:11:23.900
und dann Datenvorbereitungsaufgaben

00:11:23.900 --> 00:11:26.250
mit Spark oder SQL Server,

00:11:26.250 --> 00:11:28.995
und dann tun Maschine
Lernmodelltraining mit

00:11:28.995 --> 00:11:31.185
entweder die eingebaute Maschine
Lernbibliotheken in

00:11:31.185 --> 00:11:34.380
Funke oder mit Hilfe von

00:11:34.380 --> 00:11:35.900
das maschinelle Lernen
Dienstleistungen, die in

00:11:35.900 --> 00:11:38.600
Die SQL Server Master-Instanz
und dann können Sie operationalisieren

00:11:38.600 --> 00:11:41.030
die entweder in der Spark Runtime

00:11:41.030 --> 00:11:43.520
durch Batch-Maschine
Lernwertung,

00:11:43.520 --> 00:11:45.500
oder Sie könnten es im Inneren tun
eines Filialverfahrens

00:11:45.500 --> 00:11:47.090
in SQL Server z. B.

00:11:47.090 --> 00:11:49.640
oder wir haben einen Weg, wo Sie
kann tatsächlich ein Modell nehmen und

00:11:49.640 --> 00:11:53.180
automatisch einwickeln
in einem Rest-API-Container,

00:11:53.180 --> 00:11:54.980
und die Bestimmung, dass
Behälter auf der Oberseite

00:11:54.980 --> 00:11:56.600
Big Data-Cluster, so dass

00:11:56.600 --> 00:11:58.220
es ist einfach für die Anwendung
Entwickler, um

00:11:58.220 --> 00:12:01.160
rufen Sie an und verwenden Sie, dass
Container als Möglichkeit,

00:12:01.160 --> 00:12:04.745
einreichen einige Datengewohnheiten bewertet
und erhalten Sie einen Score-Wert zurück.

00:12:04.745 --> 00:12:07.940
So macht es für eine wirklich eine
komplettes AI-Plattform-Ende bis

00:12:07.940 --> 00:12:09.500
Ende, um in der Lage zu sein,
alles, was Sie brauchen, um

00:12:09.500 --> 00:12:11.770
rund um KI und Machine Learning.

00:12:11.770 --> 00:12:14.615
Hoffentlich gibt das
Sie eine kurze Einführung

00:12:14.615 --> 00:12:18.085
sql Server 2019.

00:12:18.085 --> 00:12:22.085
Dies ist wirklich nur eine
Video in einer Reihe von Videos

00:12:22.085 --> 00:12:24.080
auf dem SQL 2019-Kanal

00:12:24.080 --> 00:12:26.465
die Sie hier unter
unten auf dem Bildschirm,

00:12:26.465 --> 00:12:27.860
und wir hoffen wirklich, dass

00:12:27.860 --> 00:12:29.840
Sie haben eine Chance zu gehen
durch all diese Videos.

00:12:29.840 --> 00:12:31.220
Wir hoffen, vielleicht rund um

00:12:31.220 --> 00:12:33.290
hundert Videos, die in viele

00:12:33.290 --> 00:12:37.730
Details zu allem
Das ist neu in SQL Server 2019.

00:12:37.730 --> 00:12:39.095
Wenn Sie Feedback haben,

00:12:39.095 --> 00:12:40.700
bitte posten Sie, dass in
die Folgenden Kommentare

00:12:40.700 --> 00:12:42.830
und abonnieren Sie den Kanal.

00:12:42.830 --> 00:12:44.990
Vielen Dank, dass Sie sich uns heute angeschlossen haben, um

00:12:44.990 --> 00:12:47.375
Weitere Informationen zu SQL Server 2019,

00:12:47.375 --> 00:12:49.220
und wir sehen uns ab
dort bei der nächsten Veranstaltung

00:12:49.220 --> 00:12:50.720
oder SQL Saturday. Danke.

00:12:50.720 --> 00:13:05.290
[MUSIK]