Microsoft SQL Server 2017 Enterprise

Quelles sont des nouveautés  dans SQL Server 2017?

SQL Server 2017 est une étape importante pour faire de SQL Server une plate-forme offrant de nombreux choix: choisir entre différents langages de développement et types de données, entre une exécution locale ou dans le nuage et entre différents systèmes d'exploitation en augmentant les performances de SQL Server pour Linux, le conteneur Docker basé sur Linux et Windows sont fournis. Ce qui suit résume les nouveautés pour des domaines fonctionnels spécifiques et fournit des liens avec des détails supplémentaires.

Moteur de base de données SQL Server 2017

SQL Server 2017 inclut de nombreuses nouvelles fonctionnalités, améliorations et performances du moteur de base de données. Le moteur de base de données est le service principal pour le stockage, le traitement et la sauvegarde des données. Le moteur de base de données fournit un accès contrôlé et un traitement des transactions répondant aux besoins des applications de traitement de données les plus exigeantes de votre entreprise.

Utilisez le moteur de base de données pour créer des bases de données relationnelles pour les données de traitement transactionnel en ligne (OLTP) ou de traitement analytique en ligne (OLAP). Cela inclut la création de tables pour le stockage de données et les objets de base de données, tels que: Par exemple, des index, des vues et des procédures stockées pour afficher, gérer et sauvegarder des données. Utilisez SQL Server Management Studio pour gérer les objets de base de données et SQL Server Profiler pour enregistrer les événements du serveur.

Machine Learning dans SQL Server 2017

Les services SQL Server R ont été renommés Services SQL Server Machine Learning, équivalents à la prise en charge de Python, en plus du langage de programmation R. Vous pouvez utiliser des services d'apprentissage automatique (dans la base de données) pour exécuter des scripts R ou Python dans des serveurs SQL ou installer le serveur Microsoft Machine Learning Server (autonome) pour déployer et utiliser des modèles R et Python non-SQL. Requiert un serveur.

Les développeurs SQL Server ont désormais accès aux riches bibliothèques ML et AI pour Python, disponibles dans l'environnement open source, ainsi qu'aux dernières innovations de Microsoft:

• revoscalepy: cet équivalent Python de RevoScaleR comprend des algorithmes parallèles pour les régressions linéaires et logistiques, les arbres de décision, les structures augmentées et les forêts aléatoires, ainsi qu'un ensemble complet d'API pour la transmission et le déplacement de données, des contextes de calcul distants et des sources de données.
• microsoftml: ce paquet d'avant-garde d'algorithmes et de transformations ML liés à Python inclut des réseaux neuronaux profonds, des structures de décision rapides et des arbres de décision, ainsi que des algorithmes optimisés pour les régressions linéaires et logistiques. Vous obtiendrez également des modèles prédéfinis basés sur des modèles ResNet que vous pouvez utiliser pour l'extraction d'images ou l'analyse de points de vue.
• Python dans les contextes informatiques des serveurs SQL: les analystes de données et les développeurs peuvent exécuter du code Python à distance à partir de leur environnement de développement afin de tester des données et des modèles de développement sans déplacement de données.
• Évaluation native: la fonction PREDICT de Transact-SQL peut être utilisée dans n'importe quelle instance de SQL Server 2017 pour effectuer des révisions, même si R n'est pas installé. Il vous suffit de former le modèle avec l'un des algorithmes pris en charge RevoScaleR et revoscalepy et de l'enregistrer dans un nouveau format binaire compact.
• Gestion des packages: T-SQL prend désormais en charge l'instruction CREATE EXTERNAL LIBRARY afin de fournir aux administrateurs de base de données de meilleures capacités de gestion des packages. Utilisez des rôles pour contrôler l'accès aux packages privés ou partagés, enregistrer les packages R dans la base de données et les partager avec les utilisateurs.

Analyse avancée dans la base de données

Développez des applications intelligentes à l'aide de SQL Server Machine Learning Services avec R et Python. Passez des analyses réactives aux analyses prédictives et prescriptives en exécutant Advanced Analytics directement dans la base de données. Utilisez le traitement multithreading et massivement parallèle pour obtenir des informations plus rapidement qu'avec Open Source R et python uniquement.

Haute disponibilité et reprise après sinistre

Always On in SQL Server 2017 SQL Server 2017 garantit la haute disponibilité et la reprise après sinistre sous Linux et Windows. Cela vous permet de réduire les temps d'arrêt, le basculement rapide, la configuration et l'équilibrage de la charge sur des répliques secondaires lisibles. En outre, intégrez un réplica asynchrone aux machines virtuelles Azure pour une haute disponibilité hybride.