今年我们将看到机器学习和微服务整合的更多案例。此前，微服务的部署都集中在轻量级的服务上，那些整合了机器学习的微服务通常被局限在应用于数据流瓶颈的“快速”数据集成。在2017年，我们会看到开发将转变为有状态应用程序，这些程序将使用大数据，以及使用基于大量的历史数据更好地理解新到达的数据流的机器学习方法。
“我们的预测深受领先的客户的影响，这些客户通过将分析整合进运营的用例而获得显著的商业价值，”Schroeder说 。“我们的客户对MapR融合数据平台的使用，为DevOps提供了敏捷性，在DevOps中他们可以广泛使用从Hadoop到Spark、SQL、NoSQL、文件和信息流等加工模型——任何当前和未来的，在私有云、公有云和混合云部署中的需求。”