主页 Z software Z analytics Machine Learning for z/OS Machine Learning for IBM z/OS
在 z/OS 上部署 AI 模型以实现大规模实时业务洞察
免费试用
有角几何形状的抽象表示

IBM Machine Learning for z/OS® (MLz) 是在 IBM Z® 上运行的企业机器学习解决方案。它提供 Web 用户界面 (UI)、各种 API 和 Web 管理仪表板，其中包含一套强大且易于使用的工具，可用于模型开发和部署、用户管理和系统管理。

将机器学习和深度学习模型与您的 z/OS 应用程序相结合，同时提供大规模的实时业务洞察分析。轻松导入、部署和监控模型以通过每笔交易实现价值，并在保持运营 SLA 的同时为企业推动实现新的成果。

为了提高灵活性，Machine Learning for z/OS 包括两个版本：

  • IBM Machine Learning for IBM z/OS Enterprise Edition：提供许多可用性增强功能，例如改进的评分性能、新版本的 Spark 和 Python 机器学习运行时，并包括 GUI 引导的配置工具等。
  • IBM Machine Learning for IBM z/OS Core Edition：轻量级版本的 WMLz 为机器学习操作提供基于 REST-API 的基本服务，其中包括 IBM Z 上的在线评分功能。

所有 IBM MLz 版本都可以作为独立解决方案运行，也可以作为可扩展平台将其融入企业 AI 功能。
如何开始 开始使用 Machine Learning for IBM z/OS 在 IBM z Systems 上优化推理以及与 AI 的集成
新增功能

可以在 MLz 中本地访问 AI 推理的可视化解释

MLz Core

MLz Enterprise
优势 高速 AI

最大限度地发挥 IBM z16™ 和 Telum™ AIU 的功能。每秒可处理高达 228,000 笔 z/OS CICS® 信用卡交易，且响应时间仅为 6 ms1，同时每笔交易都会通过深度学习模型执行交易中欺诈检测推理操作。

 大规模 AI 和机器学习

将应用程序与推理请求并置，以帮助最大程度减少网络延迟导致的延迟情况。与将相同数量的推理请求发送到平均网络延迟为 60 ms 的 x86 云服务器相比，响应时间缩短了 20 倍，而吞吐量提高了 19 倍。2

 值得信赖的 AI

利用可解释性等值得信赖的 AI 功能，同时实时监控模型的漂移、公平性或偏差检测以及稳健性，从而在 z/OS 上自信地为任务关键型工作负载开发和部署 AI 模型。
比较不同版本

随着更新到版本 3.1，MLz 推出了两款新产品（Enterprise Edition 和 Core Edition），为我们的客户和解决方案提供商提供更高灵活性。

 
版本 企业版

增强版提供改进的评分性能、新版本的 Spark 和 Python 机器学习运行时，并包括 GUI 引导的配置工具等。

 核心版

轻量级版本的 WMLz 为机器学习操作提供基于 REST-API 的基本服务，其中包括 IBM Z 上的在线评分功能。

GUI 配置

UI（用于模型管理和部署、管理仪表板）

存储库数据库（内置数据库和 DB2 for z/OS）

AI 模型训练工具（集成 Jupyter Notebook）

Spark ML 运行时

Python ML 运行时

SparkML 和 PMML 评分运行时

Python 和 ONNX 评分运行时

推理服务 – RESTful 接口

推理服务 – 本机接口

集成式交易内评分（CICS 和 IMS 应用程序）
技术细节

Machine Learning for z/OS 使用 IBM 专有技术和开源技术并且需要必备的硬件和软件。
  • z16™、z15®、z14、z13® 或 zEnterprise® EC12 系统
  • z/OS 3.1、2.5 或 2.4
  • IBM 64-bit SDK for z/OS Java™ Technology Edition 版本 8 SR7、11.0.17 或更高版本
  • IBM WebSphere Application Server for z/OS Liberty 版本 22.0.0.9 或更高版本
  • 仅当您选择 Db2 for z/OS 作为存储库元数据数据库时，才需要 Db2 12 for z/OS 或更高版本
Enterprise Edition 必备条件 Core Edition 必备条件
相关产品 IBM Z and Cloud Modernization Stack

充分利用大型机的优势和云创新。

 IBM Z Anomaly Analytics

通过检测日志和指标数据中的异常，识别运营问题，避免发生代价高昂的事件。

 面向 IBM z/OS 的 Python AI 工具包

访问相关开源软件库，以支持当今的 AI 和 ML 工作负载。

 IBM z/OS

利用高度安全且可扩展的操作系统运行任务关键型应用程序。

 IBM Db2® 13 for z/OS

增强可用性、安全性和弹性，同时提高性能和业务成果。

 IBM Db2 Analytics Accelerator for z/OS

凭借 IBM Z 的控制和安全功能，执行高速数据分析以获得实时洞察分析。

 IBM Db2 AI for z/OS

了解 AI 如何增强可用性、提高运营绩效并维护 IBM® DB2 系统的运行状况。
后续步骤

深入了解 Machine Learning for IBM z/OS。安排与 IBM Z 代表进行 30 分钟的免费会议。

 立即开始
更多探索方式 文档 支持 IBM Redbooks 支持与服务 全球融资 灵活定价 教育与培训 社区 开发者社区 合作伙伴 资源
脚注

1 免责声明：性能结果从 IBM 内部测试外推而得，且这些测试在 IBM z16 上运行了带推理操作的 CICS 信用卡交易工作负载。期间使用了配备 6 个 CP 和 256 GB 内存的 z/OS V2R4 LPAR。推理操作是通过 WebSphere Application Server Liberty 21.0.0.12 上运行的 Machine Learning for z/OS 2.4 来完成的，并且使用了综合信用卡欺诈检测模型 (https://github.com/IBM/ai-on-z-fraud-detection)和 AI 集成加速器。服务器端的批处理功能已在规模为 8 个推理操作的 Machine Learning for z/OS 上启用。该基准测试由执行推理操作的 48 个线程完成。相关结果表示具有 200 个 CP 和 40 TB 存储且完整配置的 IBM z16。结果可能有所不同。

2 免责声明：性能结果基于 IBM 内部 CICS OLTP 信用卡工作负载，并在 IBM z16 上运行了交易中欺诈检测功能。测量是在有和没有 AI 集成加速器的情况下完成的。期间使用了配备 12 个 CP、24 个 zIIP 和 256 GB 内存的 z/OS V2R4 LPAR。推理操作是通过 WebSphere Application Server Liberty 21.0.0.12 上运行的 Machine Learning for z/OS 2.4 来完成的，并且使用了综合信用卡欺诈检测模型 (https://github.com/IBM/ai-on-z-fraud-detection)。服务器端的批处理功能已在规模为 8 个推理操作的 Machine Learning for z/OS 上启用。结果可能有所不同。