產(chǎn)品推薦

海瑞思Preciset機(jī)房空調(diào)
海瑞思Precise系列專為中小型機(jī)房設(shè)計(jì)的機(jī)房專用空調(diào)Precise...【詳細(xì)】
MPS 10-100 kVA UPS
MPS系列UPS設(shè)備確保任何類(lèi)型的負(fù)載,最大限度的保護(hù)和電能質(zhì)...【詳細(xì)】

聯(lián)系我們

服務(wù)熱線
010-62104284

地址:北京市密云區(qū)高嶺鎮(zhèn)政府辦公樓
王經(jīng)理 13393261468
Q Q:514468705/1049705527
郵箱:jhcxkj@163.com

首頁(yè) > 新聞中心 > 多云用量別迷茫 上之前先算好這本賬

多云用量別迷茫 上之前先算好這本賬

雙擊自動(dòng)滾屏 發(fā)布者:精密空調(diào) 發(fā)布時(shí)間:2019-07-11 13:34:01 閱讀:次【字體:

盡管多云環(huán)境是當(dāng)前企業(yè)更多在選擇的云部署方式,但要是掌握不住云用量,就有得不償失的風(fēng)險(xiǎn),莫讓多云變成多負(fù)擔(dān)。

企業(yè)在上云選用某一款工具時(shí),其功能、架構(gòu)、性能、可用性、可靠性等多方面的因素都要被考量在內(nèi),以便企業(yè)IT人員在業(yè)務(wù)遷移時(shí)做出判斷。這些人員要對(duì)服務(wù)提供商的產(chǎn)品性能做出評(píng)估,包括要對(duì)是否在建模預(yù)測(cè)、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等方面需要引入云計(jì)算?,F(xiàn)實(shí)情況是,遷移的準(zhǔn)備時(shí)間遠(yuǎn)比遷移進(jìn)行的時(shí)間要長(zhǎng)很多。

正是因?yàn)橐獙?duì)如此多的因素做出考量,企業(yè)在采購(gòu)云服務(wù)對(duì)于消費(fèi)量的關(guān)注并不是那么全面,所以企業(yè)用云量的可見(jiàn)性需要得到重視,尤其是在多云環(huán)境中。畢竟,相較于企業(yè)對(duì)人力、設(shè)備這些有形資產(chǎn)的管理,在混合IT部署的過(guò)程中對(duì)應(yīng)用和數(shù)據(jù)的管理難以做到很精確。

一個(gè)例子是,不少企業(yè)的管理者并不清楚到底用了多少云服務(wù)或功能。調(diào)查顯示,大型企業(yè)正在使用的獨(dú)立云工具可能超過(guò)700個(gè),不過(guò)針對(duì)每一項(xiàng)細(xì)枝末節(jié)的針對(duì)性管理需要上層的整體把控,單獨(dú)的部門(mén)之間是無(wú)法估算彼此成本的,即使可以也對(duì)云服務(wù)的采購(gòu)不具有決定性。事實(shí)上,像AWS、Cloudyn這些廠商也提供了計(jì)算云成本的工具。借助對(duì)云服務(wù)運(yùn)行的監(jiān)控,企業(yè)往往可以在數(shù)百萬(wàn)美元中節(jié)省10-20%的成本。

此外,企業(yè)用云時(shí)所面臨的安全性問(wèn)題也逐漸加大,這不僅是因?yàn)檫x擇的服務(wù)或功能越來(lái)越多,更多的服務(wù)被搬到線上連到骨干網(wǎng)中,一旦出現(xiàn)"僵尸攻擊"就是成片上海,甚至可以在十秒鐘內(nèi)迅速攻占有效業(yè)務(wù)。要知道,傳統(tǒng)的防火墻等安全和防護(hù)系統(tǒng)多是針對(duì)網(wǎng)絡(luò)和主機(jī)的邊界進(jìn)行檢測(cè),對(duì)未知威脅和已有漏洞缺乏足夠深入的解析能力。

而在云計(jì)算環(huán)境中是沒(méi)有拓?fù)溥吔绲?,一個(gè)基礎(chǔ)設(shè)施會(huì)承載多個(gè)業(yè)務(wù)系統(tǒng),虛擬化之后的某一個(gè)業(yè)務(wù)層的虛擬機(jī)有一定概率不在同一個(gè)安全區(qū)域之下,虛擬彼此之間的數(shù)據(jù)交換也不被外部網(wǎng)絡(luò)可見(jiàn)。如果是依靠單一方案,是難以阻止像APT這樣的威脅,數(shù)據(jù)中心被黑的成本通常是百萬(wàn)、千萬(wàn)美元計(jì)的。

多數(shù)企業(yè)對(duì)潛在的網(wǎng)絡(luò)威脅缺乏可見(jiàn)性,并且難以具有識(shí)別或處理風(fēng)險(xiǎn)預(yù)警的能力。如果是傳統(tǒng)的方法,員工只能通過(guò)優(yōu)化算法和數(shù)據(jù)模型來(lái)加強(qiáng)準(zhǔn)確性。有了云原生的環(huán)境,企業(yè)在分析數(shù)量流量時(shí)就可以調(diào)用CSP的開(kāi)放接口,在不影響業(yè)務(wù)運(yùn)行性能的前提下,結(jié)合數(shù)據(jù)進(jìn)行預(yù)測(cè)或風(fēng)控。

在運(yùn)營(yíng)方面,企業(yè)上云不是一蹴而就的,除了要明確業(yè)務(wù)需求,還要根據(jù)實(shí)際運(yùn)營(yíng)狀況作出調(diào)整。比如通過(guò)可擴(kuò)展的架構(gòu)實(shí)現(xiàn)更多的工作負(fù)載,并且在實(shí)驗(yàn)建模時(shí)把試錯(cuò)成本降到最低。就像企業(yè)不想每一次在應(yīng)用創(chuàng)建時(shí)都去重新搭一遍平臺(tái),而是要去設(shè)計(jì)出一個(gè)可以良性循環(huán)的系統(tǒng)和機(jī)制。而且在使用商業(yè)智能時(shí),企業(yè)也在去尋求提高業(yè)務(wù)并發(fā)性、決策質(zhì)量、業(yè)務(wù)洞察力。

同時(shí),企業(yè)還要在上云時(shí)加強(qiáng)對(duì)于數(shù)據(jù)的重視程度,例如要了解非結(jié)構(gòu)化、結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)分析的具體影響,而這些數(shù)據(jù)必須是與實(shí)際業(yè)務(wù)強(qiáng)相關(guān)的,比如是直接用于投資或者運(yùn)營(yíng)的數(shù)據(jù),商業(yè)智能所面臨的挑戰(zhàn)就是如何去獲取、篩選、標(biāo)準(zhǔn)化數(shù)據(jù)。

要知道,足夠領(lǐng)先的技術(shù)并不代表可以把背后的數(shù)據(jù)利用好,或者不代表?yè)碛袃?yōu)質(zhì)的數(shù)據(jù)資源。就像柴油注入汽油車(chē)會(huì)出問(wèn)題,也不是任何數(shù)據(jù)對(duì)人工智能都有積極作用,不少案例已經(jīng)可以證明這一點(diǎn)。只有那些對(duì)實(shí)際業(yè)務(wù)有幫助的數(shù)據(jù)才是真正有效的。

企業(yè)上多云已是趨勢(shì),但要算明白自己手中的賬本,要不就會(huì)產(chǎn)生成本的浪費(fèi)。

來(lái)源:精密空調(diào) http://mygoldentreasures.com

?
在線咨詢 電話咨詢