传统的企业级存储方法不足。组织只是积累了太多的数据，无法维持用于存储所有内容的传统管理方法，成本，性能，复杂性和分散性均被70％以上的受访者认为令人沮丧，他们正在寻求“软件定义的存储”以帮助解决所有这些问题，而这种挫败感就是为什么许多支持者称赞对象存储的优点的原因，对象存储很可能是在云原生，数据收集操作环境中不断发展的存储格式。

我正在学习的东西对于经验丰富的安全经验丰富的人可能是显而易见的，但对于我们其他人可能并不那么明显！即使您以前从未真正考虑过容器化部署的安全性，我也从三个方面发现了我的有趣之处，并希望您也能这样做：

每天，我们被海量数据淹没，但没有时间或必要的人力来产生可以产生真正影响的见解。机器学习算法是数据科学家弥合这一差距的关键。整个机器学习生命周期包括多个阶段，但关键的是初始步骤。

企业捕获信息的速度继续超过其分析和使用信息的能力。数据类型，传感器，操作设备和收集数据的应用程序的激增，助长了现状。对于要求现代化其数据集成策略的数字企业而言，这极大地放大了数据集成挑战。它们还需要通过元数据驱动的方法启用的工具，以在超连接的基础结构中集成数据，而不管其结构或来源如何。

“微服务”以及“无服务器”是很难定义的术语，因为它们描述的模式和体系结构与特定技术一样多。然而，调查数据表明，这些主题之间有很强的相关性，快速数据”显示，微服务采纳和使用流媒体技术之间的另一个强有力的联系。请注意，快速数据是一个术语，旨在指示速度而非大小（即大数据）是参考框架。虽然只有34％的受访者在生产中使用微服务，但在生产中使用高级快速数据用例的受访者中这一数字上升到50％。高级用例包括实时个性化，机器学习和IoT管道，并且不包括提取，转换和加载（ETL）和传统统计分析之类的活动。

现在我们了解了时间序列数据是什么以及为什么要将其存储在时间序列数据库中，因此我们面临了一个新的挑战。与任何应用程序一样，我们希望确保我们的数据库查询是智能的和高性能的，因此让我们谈谈如何避免一些常见的陷阱。