सामग्री
स्रोत: अलेक्झांडर चेरेव्हको / ड्रीमस्टाइम
टेकवे:
आम्ही टर्बोनॉमिक्सचे मुख्य कार्यकारी अधिकारी बेन नाय यांच्याशी मेघाच्या भविष्याबद्दल चर्चा करतो.
मेघ उपयोजनेच्या वाढीबद्दल अलिकडच्या वर्षांत आपण एक गोष्ट शिकली असेल तर त्या खरोखरच खरोखर क्लिष्ट होऊ शकतात. येथे सार्वजनिक, खाजगी आणि संकरित ढग आणि प्रत्येकात अस्पष्ट व्याख्या आहेत. क्लाऊड प्लॅटफॉर्म आणि किंमतीच्या संरचनेचा सतत वाढणारा रोस्टर आहे. अनुपालन फक्त अधिक गुंतागुंतीचे होते ... जर एखाद्या व्यक्तीने कधीही त्याचा मागोवा ठेवला तर त्यापेक्षा जास्त असे वाटत असेल तर आपण कदाचित बरोबर आहात. तथापि, आम्ही केवळ मानव आहोत.
गेल्या वर्षी आम्ही टर्बोनॉमिक्सचे मुख्य कार्यकारी अधिकारी बेन नाय यांच्याशी बोललो तेव्हा आम्ही स्वायत्त संगणकात एक खोल डाईप घेतला आणि कार्यक्षमतेने व्यवस्थापित करण्याच्या क्षमतेच्या पलीकडे वाढत्या गुंतागुंतीच्या, डेटा-आधारित वातावरणाच्या समस्येचे निराकरण करण्यासाठी याचा कसा उपयोग केला जात आहे. सिस्टम अ‍ॅडमिनसाठी हे एक नवीन प्रतिमान आहे जे अनुप्रयोग व्यवस्थापनाच्या ब्रेक / फिक्स मॉडेलचे फार पूर्वीपासून पालन करतात. ते सर्व नियंत्रण सॉफ्टवेअरकडे वळविणे हा एक नवीन दृष्टीकोन आहे. परंतु व्यावहारिक दृष्टीकोनातून, वाढत्या गुंतागुंतीच्या डेटा सेंटरपर्यंत गर्दीच्या ढगांच्या बाजारपेठेत गर्दी करणार्‍या ढगांच्या बाजारपेठेत रिअल टाइममध्ये वर्कलोडच्या मागणीवर आधारित मेघ स्त्रोतांचे वाटप आणि तरतूद करणे एक शक्तिशाली शक्ती बनत आहे.
टेकोपिडियस कोरी जानसेन गेल्या वर्षभरात क्लाऊड लँडस्केप कसे बदलले आहे, ते कोठे जात आहे आणि कंपन्या क्लाऊड संसाधनांचे व्यवस्थापन कसे करतात याविषयी चर्चा करण्यासाठी पुन्हा बेनबरोबर बसले.
कोरी: आम्ही गेल्या बोलण्याला एक वर्ष झाले आहे, गेल्या वर्षात ढग लँडस्केपमध्ये काही सर्वात मोठे बदल काय झाले आहेत?
बेन: या बाजारपेठेची गतिशीलता अखंडपणे चालू आहे. पारंपारिक गेटवे हार्डवेअर विक्रेत्यांनी डेटा सेंटर आणि क्लाऊडमधील सॉफ्टवेअरला मार्ग दाखविण्यासह - आम्ही मागील मुलाखतीत ज्या बदलांविषयी बोललो त्यास वेग आला आहे. आणि, क्लाउड विक्रेते (मुख्यत: एडब्ल्यूएस आणि अझर) दरम्यानची टक्कर वेग वाढवित आहे, तसेच नवीन युती (गूगल आणि सिस्को, व्हीएमवेअर आणि एडब्ल्यूएस) तयार करीत आहे.
तर, या पार्श्वभूमीवर, सीआयओ काय काळजी करतात? बरेचजण एक क्लाउड-फर्स्ट रणनीती लागू करीत आहेत जे त्यांना कोणत्या कामाचे ओझे सार्वजनिक ढगांवर जावे आणि कोणत्या खाजगी रहावे हे शोधून काढणे आवश्यक आहे.
एक संकरित आणि मल्टी-क्लाउड फ्यूचर आपल्या सर्वांच्या दिशेने वेगाने अपेक्षेपेक्षा वेगवान क्लिपवर आहे. परिवर्तनाची ही गती आयटी व्यवस्थापित करण्यासाठी आणि ऑप्टिमाइझ करण्यासाठी नवीन दृष्टीकोन आणण्यास भाग पाडते.
कोरी: एंटरप्राइझ स्पेसमध्ये ढगांची संपूर्ण संकल्पना संकरेकडे सरकताना दिसते. ढगाची जुनी कल्पना मृत आहे का? संकरित नवीन मेघ आहे?
कोणतीही दोष नाही, तणाव नाही - आपले जीवन नष्ट न करता जीवन-बदलणारे सॉफ्टवेअर तयार करण्यासाठी चरण चरण बाय चरण
जेव्हा कोणालाही सॉफ्टवेअर गुणवत्तेची काळजी नसते तेव्हा आपण आपली प्रोग्रामिंग कौशल्ये सुधारू शकत नाही.
बेन: यात काही शंका नाही, हे एक संकरित ढग भविष्य असेल. हायब्रीड क्लाऊडला डी फॅक्टो म्हणून स्वीकारताना आपण बदलत आहोत याची अतुलनीय वेग आली आहे; सार्वजनिक मेघ आश्चर्यकारक रीतीने वाढत आहे, परंतु याचा अर्थ असा नाही की खासगी ढग कमी होत आहे. या प्रवृत्तीचा अंदाज लावणा various्या अनेक स्त्रोतांकडे तुम्ही (जसे सिस्को क्लाऊड इंडेक्स आणि मॉर्गन स्टॅन्ली सीआयओ सर्व्हे) एकत्र पाहिले तर खाजगी ढगावरील अंदाजे a ते percent टक्के विकास दर आणि त्यावरील percent० टक्के विकास दर पाहाल. सार्वजनिक मेघ.
सार्वजनिक क्लाऊडमध्ये जटिल एंटरप्राइझ अनुप्रयोगांचे अधिक अवलंब करणे देखील आहे, केवळ मूळ किंवा नवीन अॅप्सच नव्हे तर अधिक उत्पादन-देणार्या अ‍ॅप्सना त्यांच्या सार्वजनिक मेघ समतुल्य वातावरणात घेतात.
हे बदल अत्यंत खर्चाची-कार्यक्षम, परफॉरमंट आणि अनुरुप मार्गाने या बदलांचे व्यवस्थापन कसे करावे याबद्दल बारकाईने विचार करण्यासाठी एक जबरदस्ती करणारे कार्य आहे.
कोरी: आत्ता मशीन मशिन्याबद्दल बरीच चर्चा आहे. आपण अगं काही वर्षांपूर्वी आपल्या सॉफ्टवेअरमध्ये स्वायत्त वैशिष्ट्यांवर काम करत होता. आपणास असे वाटते की क्लाउड मॅनेजमेंटला मानवी नियंत्रणाबाहेर जाण्याविषयी बोलण्याच्या बाबतीत आपण वक्रतेच्या पुढे होता?
बेन: सुदैवाने, होय. बर्‍याच लोकांना वाटले की मोठा डेटा हा कार्यप्रदर्शन व्यवस्थापित करण्याचा एक मार्ग आहे आणि त्या नसतानाही त्यांनी जुनी तरतूद आणि मॅन्युअल हस्तक्षेप तंत्रांचा वापर केला - मूलतः, लोक मशीनद्वारे तयार केलेल्या सतर्कतेस प्रतिसाद देतात. आमचा विश्वास आहे की मागणी काय आहे ते समजून घेण्याची क्षमता आहे जेणेकरून अ‍ॅप्लिकेशन वर्कलोड्स स्वयंचलितरित्या, प्रगत रीअल-टाइम ticsनालिटिक्सच्या आधारे, कुठे चालवायचे, कधी प्रारंभ करायचे किंवा कधी थांबवायचे, कधी आकारात किंवा खाली कसे करावे याबद्दल स्वत: चा बुद्धिमान निर्णय घेता येईल. उत्तर एक स्वयं-व्यवस्थापन प्रणाली होती, जी ओव्हरप्रोव्हिनिंग आणि मशीन-व्युत्पन्न मॉनिटरिंग सतर्कतेचा पाठलाग करण्यापेक्षा कितीतरी अधिक कार्यक्षम आहे. हे पारंपारिक मोठ्या डेटा व्यायामापेक्षा अधिक कार्यक्षम आणि वेळेवर देखील आहे ज्यायोगे लोक काय गोळा करण्याचा प्रयत्न करीत आहेत हे न समजता मोठ्या प्रमाणात डेटा एकत्रित करतात. मग त्यांना तो डेटा सामान्य भांडार किंवा डेटा गोदामात हलवावा लागेल. त्यानंतर त्यांना डेटा तयार करावा लागेल, डेटा शोधण्याच्या उद्देशाने सर्व डेटा परस्पर संबंध ठेवावा लागेल.
मोठ्या डेटावर मोठे विश्वासणारे नव्हते. कार्यप्रदर्शन व्यवस्थापनासाठी आमची बुद्धिमत्ता वेगळ्या प्रकारची एआय आहे. मोठ्या डेटासह हा सर्व डेटा गोळा करणे महाग आहे आणि आपण डेटा हलविण्याच्या कारणावरून आपण ज्या सिस्टम्सचा प्रयत्न करीत आहात त्या साधेपणासाठी अगदी सोपे आहे. जोपर्यंत आपण त्यास हलवाल, त्यास रचना करा, त्यास परस्पर संबंध ठेवा आणि एखादे अनुमान शोधता, आपण यापुढे रिअल टाइम राहणार नाही. शेवटी, तो संदर्भ, जेव्हा आपण त्याचा शोध घेता, तेव्हा आपण पुन्हा तो लोकांना द्यावा. मोठ्या डेटा सेटमध्ये अंतर्दृष्टी शोधण्यासाठी मशीन शिक्षण इतके मौल्यवान बनवते; आयटी प्रणालींमध्ये कार्यप्रदर्शन व्यवस्थापन वितरीत करण्यासाठी तेवढे मौल्यवान नाही.
कोरी: मॉर्गन स्टॅनले सीआयओच्या अभ्यासानुसार 2020 पर्यंत सर्व लोकांपैकी निम्मे वर्कलोड सार्वजनिक मेघामध्ये चालेल. ही शिफ्ट करताना संघटनांना कोणता धोका असतो?
बेन: वस्तुतः ऑन-प्रिमाइसेस जगात सर्व कामाचे ओझे अत्यधिक तरतूद आणि अल्प-उपयोगित आहेत, जे आयटीमधील चांगल्या हेतूने अंदाज लावण्याचे परिणाम आहे. क्लाउडमध्ये हलविणे आणि स्थानांतरित करण्याचा विचार करण्याच्या दृष्टीने संस्था काम करीत आहेत हा पाया आहे. दोन दशकांहून अधिक काळापासून हे सत्य आहे. प्री-प्रीमिस वर्ल्ड हे मुख्यतः क्षमतेचे वातावरण आहे जिथे क्षमताची मालकी आहे - म्हणून देय दंड कमी आहे.
संस्था संकरित मेघ स्वीकारत असताना, ते त्यांचे कार्यक्षेत्र जास्त प्रमाणात मेघ मध्ये बदलत आहेत - एक परिवर्तनीय किंमत जग. आपल्याकडे जास्त तरतूद असल्यास, आपण आपल्या सार्वजनिक मेघ प्रदात्यावर अवलंबून दुसर्‍या किंवा मिनिटाने याची भरपाई करीत आहात. अनुपालन होणे देखील या नवीन मॉडेलमध्ये एक मोठे धोका बनते.
कोरी: कागदावर, सिद्धांतानुसार, केवळ चल-किंमतीवर जाणे अर्थपूर्ण आहे, परंतु जेव्हा आपण त्या मार्गाने ठेवले, तर ते अगदी सोपे आहे. म्हणजे, आपण आर्किटेक्ट आणि आयटी बाजूला फायनान्स बॉय म्हणून विचारत आहात.
बेन: नक्की. असा अंदाज आहे की सार्वजनिक मेघ बिले अपेक्षेपेक्षा दुप्पट आहेत. अस का? कारण जेव्हा आपण वर्कलोडला सार्वजनिक मेघवर स्थानांतरित करता तेव्हा आपण ते एका ationलोकेशन टेम्पलेटवर आधारित घेत आहात. आपण याचा आकार घेत नाही आणि आकार देत नाही आहात. जास्त तरतूदीची शक्यता जास्त आहे आणि म्हणूनच आपल्या खर्चाची पातळी जास्त असेल. वर्कलोडचा खरा वापर समजणे आणि नंतर त्यास योग्य प्रमाणात (वर किंवा खाली) आकार देणे कठीण आहे: टर्बोनॉमिकचा हा एक फायदा आहे.
कोरी: सामान्यत: मी टर्बोनोमिक संगणकाच्या बाजूला अधिक असल्याचे मानले आहे, परंतु आपण अलीकडेच स्टोरेजच्या बाजूला देखील बरेच काही केले आहे. त्याबद्दल आपण थोडेसे बोलू शकता?
बेन: तर, आपला पूर्वीचा एक प्रश्न क्लाऊड लँडस्केपमध्ये होणार्‍या बदलांविषयी होता. उदाहरणार्थ, Amazonमेझॉनकडे आता गणना आणि संचयनासाठी प्रति सेकंद किंमती आहेत. बाजार किती गतिमान आहे याचा विचार करा की ते अक्षरशः प्रति सेकंदाच्या ऑफरला येऊ शकतात. सुंदर वन्य, एका वर्षा पूर्वीपेक्षा थोडेसे कमी आहे हे लक्षात घेऊन Google प्रति मिनिट किंमतीने बाहेर आले, कारण Amazonमेझॉन प्रति तास होता.
आम्ही आता Amazonमेझॉन मधील मोजणी, मेमरी, नेटवर्क आणि स्टोरेज त्यांच्या किंमतीची लवचिकता अक्षरशः दुसर्‍यापर्यंत वापरु शकतो.
कोरी: मला खात्री आहे की जेव्हा आपण त्या मोठ्या डेटाबेसबद्दल बोलता तेव्हा सर्व मोठे रिलेशनल डेटाबेस, हे एडब्ल्यूएससह सर्वात महागड्या उदाहरणांपैकी एक आहे, बरोबर? तर, आपण त्यातील मांस घेत आहात.
बेन: तेथे आपण कित्येक महत्त्वपूर्ण अडचणी दाबा. आपण Amazonमेझॉनकडे पाहिले तर, उदाहरणार्थ, त्यांनी डेटाबेसबद्दल आपला प्रश्न प्रत्यक्षात दुसर्‍या स्तरावर नेला आहे. सर्व्हिस म्हणून डेटाबेस हा त्यांच्याकडे असलेल्या जलद गतीने वाढत जाणारा प्लॅटफॉर्म आहे. आणि, एडब्ल्यूएस आणि मायक्रोसॉफ्ट या दोघांनीही बरीच मोठी संख्या तयार केली आहे. काही बिग डेटा मशीन लर्निंगच्या आसपास आहेत. आपण त्यांचा डेटाबेस किंवा आपला डेटाबेस वापरत असलात तरीही, स्टोरेज खर्च बर्‍यापैकी आहेत आणि एकूण खर्च बर्‍याच मोठ्या असू शकतात, आणि बदल - किंवा त्यावरील सुधारण्याची संधी ही महत्त्वपूर्ण आहे. आम्ही हे करीत आहोत तेचः सार्वजनिक मेघासाठी आमच्या नवीन टर्बोनॉमिक स्टोरेज क्षमता तसेच आम्ही अगोदर ऑफर केलेले कम्प्यूट आणि मेमरी आणि नेटवर्क क्षमता चालवित असताना ग्राहक त्यांच्या आरओआय दुप्पट करू शकतात.
जर आपण मायक्रोसॉफ्टकडे पाहिले तर त्यांनी त्यांच्या अलीकडील इग्नाईट इव्हेंटमध्ये बर्‍याच मोठ्या घोषणा केल्या. त्यांच्याकडे आता उपलब्धता झोन आणि आरडब्ल्ट ऑफर आहेत, जसे की ओडब्ल्यूएस. ते महत्वाचे आहे कारण हे दर्शविते की ग्राहक काय विचारत आहेत. परंतु हे देखील दर्शविते की या गोष्टींप्रमाणेच येथेही जटिलता आहे आणि गुंतागुंत लोकांना त्वरीत भारावू शकते.
कोरी: टर्बोनॉमिक वेगवेगळ्या क्लाऊड प्लॅटफॉर्मवर एकत्र लग्न कसे करू शकले याबद्दल आपण थोडेसे बोलू शकता? आम्ही ए.डब्ल्यूएस आणि अझरवरच्या त्यांच्या वैशिष्ट्यांनुसार थोडीशी नाचत आहोत. असे दिसते की ही परिस्थिती आहे जिथे गेल्या दोन वर्षांत आपण एक किंवा एक आहात तेथे एक पर्याय होता, परंतु अधिकाधिक कंपन्या आता त्या एकत्र लग्न करण्यास सक्षम आहेत.
बेन: ऐतिहासिकदृष्ट्या, जेव्हा एक नवीन प्लॅटफॉर्म सादर केले गेले, तेव्हा एकत्रित डेटा आणि ती व्यवस्थापित करण्यासाठी किंवा निश्चित करण्यासाठी नवीन साधने सादर केली गेली. मर्यादित घटक म्हणजे मानवी कौशल्य. ही गुंतागुंत आयटी व्यवस्थापित करण्याचा एक नवीन मार्ग भाग पाडत आहे. आपण एआय, सेल्फ-ड्रायव्हिंग डेटाबेस, डेटा सेंटर इत्यादींविषयी बरेच काही ऐकत आहात. आमचा विश्वास आहे की संकरित वातावरणामध्ये जटिलता व्यवस्थापित करण्याचे उत्तर दोन्ही नियंत्रित करण्यास सक्षम असलेल्या कंट्रोल सिस्टमद्वारे सेल्फ मॅनेजिंग वातावरण तयार करणे होय. विद्यमान अंतर आम्ही खाजगी किंवा सार्वजनिक मेघ मध्ये असलो तरीही वर्कलोड कार्यक्षमतेने, सुसंगतपणे आणि खर्च-प्रभावीपणे चालविण्यासाठी याची खात्री करण्यासाठी पूर्वी अस्तित्त्वात असलेल्या अंदाज आणि मर्यादा काढून टाकणा with्या सॉफ्टवेअरसह त्यांच्या वातावरणाच्या जटिलतेची जाणीव करण्यास लोकांना एक प्रकारचे बायोनिक क्षमता देतो. .
कोरी: त्यांनी पुढील काही वर्षांत त्यांच्या ऑफरची भरपाई केली असता आपण कदाचित Google मध्ये देखील टाकून द्या. प्रत्येक प्लॅटफॉर्मवर चेरी सर्वोत्तम सेवा निवडण्याबद्दल आहे.
बेन: होय आम्ही भविष्यात सॉफ्टवेअर रिलीझमध्ये Google वातावरणास समर्थन देण्यासाठी उत्साहित आहोत. आपल्या मते, वर्कलोड कोठे ठेवायचे आणि वर्कलोडचे आकार कसे आणि केव्हा करावे आणि वर्कलोड केव्हा सुरू करावे आणि थांबवावे याभोवती अनेक निर्णय आहेत. लक्षात ठेवा: एखादा वर्कलोड एक व्हीएम किंवा कंटेनर असू शकेल, तो कदाचित व्हीडीआय असू शकेल - म्हणूनच सर्वात कमी पर्याय, सर्वोत्तम कामगिरी आणि सर्वात कमी किंमत चालवण्याचा प्रयत्न करणा customers्या ग्राहकांना त्या पर्यायांचा पर्याय किंवा पर्यायांच्या मोठ्या सेटमध्ये निवड करण्यात लवचिकता अत्यंत मौल्यवान आहे. हमी पालन Scaleप्लिकेशन थ्रेशोल्डचे तुकडे करतात किंवा उल्लंघन करतात तेव्हा मशीनद्वारे व्युत्पन्न केलेल्या अ‍ॅलर्टला प्रतिसाद देणार्या लोकांवर विसंबून राहण्याऐवजी या प्रमाणात, सॉफ्टवेअर हे अधिक कार्यक्षमतेने करू शकते.
आणि नियमितपणे नवीन जातीच्या नियमांची ओळख करुन दिली जावी याचा विचार करा. तेथे ग्लोबल डेटा प्रोटेक्शन रेग्युलेशन्स आहेत आणि यामुळे डेटा सार्वभौमत्वाची आवश्यकता असते तर आपण कोणता डेटा ठेवता आणि डेटा कोठे राहतो याचा परिणाम होतो. मग इतर डेटा सेटसह डेटा बसू शकतो याभोवती आत्मीयता आणि आत्मीयता आहे. आणि मग या वर व्यवसाय सातत्य आणि उच्च उपलब्धता आवश्यकता आहेत! सार्वजनिक मेघ मध्ये, आपल्याला पाच नाण्या हव्या असल्यास, आपल्याला कमीतकमी चार उपलब्धता झोनमध्ये असणे आवश्यक आहे. आपत्ती पुनर्प्राप्तीबद्दल, एकाधिक व्यवसाय नियमांबद्दल आपल्याला विचार करायला हवा. वास्तविकता अशी आहेः जर आपण त्या व्यवसाय नियमांचे निरीक्षण केले नाही, प्रत्येक वेळी आपण आकार वाढविणे, प्रारंभ करणे, हलविणे, ठिकाण ठेवणे किंवा क्लोन क्लोन करणे असे निश्चित केले तर आपण सतत पालन करीत आहात हे आपल्याला माहिती नाही. आपण एकतर सुसंगत आहात - किंवा आपण नाही. ही बायनरी समस्या आहे.
कोरी: हे जवळजवळ इतके गुंतागुंतीचे झाले आहे की व्यवसायाच्या नियमांमुळे माणसाला हाताळणे जवळजवळ अशक्य होते.
बेन: अगदी तंतोतंत आणि हीच समस्या आहे, खासकरुन जेव्हा आम्ही एंटरप्राइझमध्ये 80 ते 90 टक्के व्हर्च्युअलाइज्ड प्रमाणात धावतो. जेव्हा अनुप्रयोग खंडित होण्याची अनुमती दिली जाते तेव्हा आम्ही मशीन अलर्टला प्रतिसाद देऊन मॅन्युअल हस्तक्षेपाच्या पलीकडे परिपक्व होण्याच्या प्रमाणात आम्ही धावतो आहोत. अरे, आणि तसे, मला सार्वजनिक मेघातील चांगल्या अटींवर समान गोष्टी करण्यासाठी हे नवीन कौशल्ये शिकण्यास सक्षम केले आहे. हे बरेच मार्ग आहे.
कोरी: तुला काय माहित? आपण याविषयी माझ्याशी बोलत असताना मूळ स्थान आपण स्थलांतर करण्याबद्दल बोलत आहात किंवा आपण अनुपालन समस्यांविषयी बोलत आहात की नाही हे मूलभूत प्रश्न नाही हे माझ्यासाठी आश्चर्यकारक आहे. तेथे बरेच आच्छादित आहे आणि आपण अनुपालन करत असतानाही त्यापैकी बर्‍याच समस्या खरोखर ओव्हरलॅप केल्या आहेत. मुख्य मुद्दा असा आहे की पुढील काही वर्षांमध्ये केवळ अधिक जटिलता आहे. जर आपण आत्ताच योग्य मार्गावर जात नाही तर आपण पाण्यात बुडून मेला आहात, कारण जर आपण आत्ता गोष्टी हाताळू शकत नसाल तर सन २०२० मध्ये आपण त्या कशा हाताळणार?
बेन: पूर्णपणे सहमत. आणि मग, फक्त आपला मुद्दा सांगण्यासाठी, ते अधिकच क्लिष्ट होते, कारण आता आपल्याला फक्त कामाचे ओझे कोठे चालते याचाच विचार नाही, परंतु काय आहे वर्कलोड? तर, आपण खरोखर आज व्हीएमला अनुकूलित करण्याच्या जगात आहात, परंतु उद्या हे क्लाउड ओएससह कंटेनर आणि मायक्रोसेव्हर्स असू शकतात. बरं, ठीक आहे, ते ठीक आहे, परंतु मग आपण कुबर्नेतेस व्यक्ती कशा शोधाल, कॅन्सासमध्ये किंवा डेलावेरमधील एक डॉकर व्यक्ती कशी शोधाल? तर, लोक ज्या प्रकारे या गोष्टी संबोधित करीत आहेत त्यात सातत्याने विकास होत आहे.
हे थोडे भयानक होते, परंतु जर मी त्या समस्येचे निराकरण करण्यासाठी सॉफ्टवेअर वापरु शकलो तर, व्वा, त्याऐवजी उत्साहवर्धक होते, बरोबर? कारण, आम्ही लोकांना व्हॅल्यू चेन वर नेतो आणि आमच्याकडे कमी व्हॅल्यू व सांसारिक गोष्टी सॉफ्टवेअर असतात.
कोरी: बरोबर.तर आपण आपल्या उच्च-स्तरीय संसाधनांना सतर्कतेऐवजी एक पाऊल मागे टाकून विचार करू शकता.
बेन: नक्की! लोक तंत्रज्ञानामध्ये गेले कारण त्यांना तंत्रज्ञान लँडस्केप विकसित करण्यास आणि अगदी स्पष्टपणे छान गोष्टी तयार करण्यात रस होता. तंत्रज्ञानात जाण्याची ही मोठी कारणे होती, बरोबर? सावध करणार्‍या राजकारणाला हे पाहण्यासारखे नव्हते. तर, हे कौशल्य एक नवीन संच आहे जो त्यातून येऊ शकेल. म्हणजे, रिअल टाइममध्ये प्रत्येक कंटेनरचे संसाधन कोणी कसे करते? अद्याप कोणीही त्या समस्येचे उत्तर दिले नाही. आणि उत्तर हे आहे की ते सॉफ्टवेअरद्वारे केले जाईल.