11月7日消息 在Microsoft Ignite 2019 大会上，微软正式发布了新一代数据库产品SQL Server 2019。使用统一的数据平台实现业务转型SQL Server 2019 附带 Apache Spark 和 Hadoop Distributed File System(HDFS)，可实现所有数据的智能化。
SQL Server 2019 的亮点
SQL Server 2019 为所有数据工作负载带来了创新的安全性和合规性功能、业界领先的性能、任务关键型可用性和高级分析，现在还支持内置的大数据。
任何数据的智能化
SQL Server 是数据集成的中心。通过 SQL server 和 Spark 的力量为结构化和非结构化数据提供转型洞察力。
支持多种语言和平台
利用您选择的语言和平台构建具有创新功能的现代化应用程序。现在可以在 Windos、Linux 和容器上使用。
业界领先的性能
充分利用任务关键型智能应用程序、数据仓库和数据湖的突破性的可扩展性、性能和可用性。
先进的安全功能
保护静态和使用中的数据。据 NIST 漏洞数据库统计，SQL Server 已经成为过去 8 年内最不容易遭受攻击的数据库。
更快速地做出更好的决策
Poer BI 报表服务器使您的用户可以访问丰富的交互式 Poer BI 报表以及 SQL Server Reporting Services 的企业报告功能。
SQL Server2019大数据集群
SQL Server大数据集群允许用户部署运行在Kubernetes上的SQL Server、Spark和HDFS容器的可伸缩集群。这些组件并行运行，使用户能够从Transact-SQL或Spark中读取、写入和处理大数据，从而使用户能够轻松地将高价值的关系数据与高容量的大数据组合起来进行分析和使用。
应用场景
通过数据虚拟化打破数据孤岛, 通过利用SQL Server PolyBase, SQL Server大数据集群可以在不移动或复制数据的情况下查询外部数据源。SQL Server 2019引入了到数据源的新连接器。
在SQL Server中构建数据湖，SQL Server大数据集群包括一个可伸缩的HDFS存储池。它可以用来存储大数据，这些数据可能来自多个外部来源。一旦大数据存储在大数据集群中的HDFS中，您就可以对数据进行分析和查询，并将其与关系兴数据结合起来使用。
扩展数据市场，SQL Server大数据集群提供向外扩展的计算和存储，以提高分析任何数据的性能。来自各种数据源的数据可以被摄取并分布在数据池节点上，作为进一步分析的缓存。
人工智能与机器学习相结合，SQL Server大数据集群能够对存储在HDFS存储池和数据池中的数据执行人工智能和机器学习任务。用户可以使用Spark以及SQL Server中的内置AI工具，比如R、Python、Scala或Java。
应用程序部署，应用部署允许用户将应用程序作为容器部署到SQL Server大数据集群中。这些应用程序发布为eb服务，供应用程序使用。用户部署的应用程序可以访问存储在大数据集群中的数据，并且可以很容易地进行监控
使用SQL Server 2019，用户现在可以做哪些以前不能做的事情?
升级到SQL Server 2019，用户可以将所有大数据工作负载转移到SQL Server。在SQL Server 2019之前，用户将基于Cloudera、Map R等prem平台在Hadoop中管理他们的大数据工作负载。现在，他们可以将所有现有的大数据工作负载带到SQL Server 2019。
用户的另一个关键场景是使用数据虚拟化特性查询外部数据库的能力。使用内建的连接器，用户可以直接查询 (Oracle、Mongo DB、Teradata、Azure Data Lake、HDFS)，而不需要移动或复制数据。
用户只需升级到SQL Server 2019，无需进行任何应用程序更改，即可实现巨大的性能提升，具备智能查询处理、数据库加速恢复等功能。
特别提醒本网内容转载自其他媒体，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。