展望未来:在多云架构中管理数据

简介: 云计算战略的最重要的原则包括可扩展性、冗余性、成本效益和适应性,最好通过根据组织的技术和业务需求定制的真正多云设置来实现。

如今,企业需要很长时间才能吸取只有“客户最了解”的教训。虽然系统管理员对影子IT带来的风险和缺乏控制力表示担忧,但注册定制云计算服务收集的最终用户和员工在选择方面并非完全错误。通过添加诸如白名单、访问限制和控制层等一些非常必要的措施,并赋予它一个新名称,多元化智能组织终于越来越接近企业云的承诺。

image.png

多云是云计算IT架构超越混合云的下一个飞跃。它指的是一种IT设计,同时使用多个公共云提供商和内部私有云资源来实现难以使用私有云或混合云设计实现的业务目标。

 

云计算战略的最重要的原则包括可扩展性、冗余性、成本效益和适应性,最好通过根据组织的技术和业务需求定制的真正多云设置来实现。数字化转型已经彻底改变了商业运营的速度和灵活性,并推出了甚至10年前人们无法想象的创新服务和功能。但数字业务的迅速崛起也在以惊人的速度产生数据。多云策略对于可持续地解决数据增长、可访问性和生命周期问题至关重要,但这实际上意味着什么?

 

展望长远的未来

 

随着人们创建和存储数字对象的能力的增加,时间的推移使这些数据可用性的能力下降。长期数字保存(LTDP)试图通过保持持久价值的数字信息可访问性和可用性来应对这一挑战,尽管软件和硬件已经过时,但会随着时间的推移准确呈现内容。

 

此外,全球许多政府授权的“云优先”政策加上行业可从云端解决方案中获得的好处,使云中的长期数字保存(LTDP)成为数字图书馆和档案馆的具有吸引力的替代品。即使对于精明的云服务和策略采用者来说,重要的是寻找具有专长和解决方案的可信技术合作伙伴来考虑多云的潜在好处。

 

多云的优势

 

以下因素让云计算客户掌握适当的控制,助长了越来越多的多云发展动力:

 

•在公共云提供商的最佳云计算服务中自由选择

 

•数据移动性无需担心供应商锁定

 

•通过分布在多个云架构上的数据增强了数据可用性和持久性

 

•成本优化,为每个应用程序提供最合适的云定价

 

如今的大多数企业数据仍然来源于并驻留在本地存储中,但多云数据管理的用例正在许多行业中出现。例如,在媒体和娱乐公司中,使用对象存储在内部部署私有云中创建内容非常普遍,但是对于内容分发(CDN)和转码的计算突发性,公共云服务的使用正在增长。

 

在金融服务中,本地存储仍然提供最佳的安全性、控制和性能,但公共云为场外合规性和长期归档(如AWS Glacier和Microsoft Azure Blob存储归档层)提供了引人注目的解决方案。此外,用于分析的云计算服务(例如Amazon QuickSight和Azure机器学习)为使用公共云提供增值服务。

 

准备进入了吗?

 

当人们遵循基本原则时,才能实现上面讨论的多云收益。以下是用于确定企业的云计算存储选择是否适合支持其长期数字保存的一个快速清单:

 

(1)使用标准对象和文件接口对所有云平台中的数据访问、控制和安全进行规范化,事实上的对象是Amazon S3 API,文件是NFS和SMB。

 

(2)确保数据始终保持其开放的云原生格式,并且没有任何不透明的地方,因此无论身在何处,都可以随意移动。

 

(3)启用透明数据代理,允许数据根据预定义的业务策略自动放置和移动。

 

(4)提供跨云体系结构的动态索引和搜索功能,以便可以在发生的任何地方找到并使用数据。

 

(5)最重要的是,遵循管理组织中众多云平台的最佳实践。

 

如果一个组织缺乏成熟性、纪律性或根据上述原则采取行动的能力,那么多云的好处可能会消失。实施和遵循与提供者无关的标准来确保充分的控制是必不可少的。一旦锁定到供应商或技术中,其变更就非常困难。

 

部署挑战

 

错误地实施多云策略或没有合理的保护措施会加剧云计算客户常常面临的缺陷和挑战。数据管理的复杂性和开销增加,数据访问和使用的方式不够灵活,对数据驻留位置的控制和跟踪是不够的,并且由于不必要的副本位于多个云上而导致成本增加。

 

多云存储并不是万能的,企业必须意识到潜在的部署挑战。由于跨公共云和网关产品的专有存储格式的锁定,当今的网关和云计算备份解决方案尚未实现真正的混合云存储。尽管当前的解决方案可以实现从客户端到云端的数据移动和分层,但是他们无法充分利用云端的强大功能,允许云端服务访问其中存储的数据。相反,它们是“单向”产品,迫使应用程序使用网关来访问数据,无论是在本地部署还是在云端。

 

消除在这些数据上使用原生云服务的能力使公共云的关键价值无效。因此,业界需要一种从根本上改变混合云存储和数据管理的解决方案,为客户提供本地部署存储和公共云的全部功能和灵活性。

 

随着多云设计逐渐成为主流,企业IT团队将意识到他们需要一种从根本上改变云计算存储和数据管理的解决方案。这种新型多云数据控制器的兴起将有助于跨不同云计算和管理信息。数据放置、移动和搜索的自由和控制将导致许多行业的进一步创新和集成能力。供应商之间的良性竞争应该增加,推动更有利的市场动态和更多增值产品。最后,人们可以保存当今存储的数据的完整性和可用性,以便人们从现在开始解决多年的问题和应用程序。


相关实践学习
如何快速连接云数据库RDS MySQL
本场景介绍如何通过阿里云数据管理服务DMS快速连接云数据库RDS MySQL,然后进行数据表的CRUD操作。
相关文章
|
5月前
|
存储 BI Shell
Doris基础-架构、数据模型、数据划分
Apache Doris 是一款高性能、实时分析型数据库,基于MPP架构,支持高并发查询与复杂分析。其前身是百度的Palo项目,现为Apache顶级项目。Doris适用于报表分析、数据仓库构建、日志检索等场景,具备存算一体与存算分离两种架构,灵活适应不同业务需求。它提供主键、明细和聚合三种数据模型,便于高效处理更新、存储与统计汇总操作,广泛应用于大数据分析领域。
590 2
|
5月前
|
SQL 缓存 前端开发
如何开发进销存系统中的基础数据板块?(附架构图+流程图+代码参考)
进销存系统是企业管理采购、销售与库存的核心工具,能有效提升运营效率。其中,“基础数据板块”作为系统基石,决定了后续业务的准确性与扩展性。本文详解产品与仓库模块的设计实现,涵盖功能概述、表结构设计、前后端代码示例及数据流架构,助力企业构建高效稳定的数字化管理体系。
|
4月前
|
数据采集 缓存 前端开发
如何开发门店业绩上报管理系统中的商品数据板块?(附架构图+流程图+代码参考)
本文深入讲解门店业绩上报系统中商品数据板块的设计与实现,涵盖商品类别、信息、档案等内容,详细阐述技术架构、业务流程、数据库设计及开发技巧,并提供完整代码示例,助力企业构建稳定、可扩展的商品数据系统。
|
3月前
|
数据采集 机器学习/深度学习 搜索推荐
MIT新论文:数据即上限,扩散模型的关键能力来自图像统计规律,而非复杂架构
MIT与丰田研究院研究发现,扩散模型的“局部性”并非源于网络架构的精巧设计,而是自然图像统计规律的产物。通过线性模型仅学习像素相关性,即可复现U-Net般的局部敏感模式,揭示数据本身蕴含生成“魔法”。
184 3
MIT新论文:数据即上限,扩散模型的关键能力来自图像统计规律,而非复杂架构
|
3月前
|
JSON 供应链 监控
1688商品详情API技术深度解析:从接口架构到数据融合实战
1688商品详情API(item_get接口)可通过商品ID获取标题、价格、库存、SKU等核心数据,适用于价格监控、供应链管理等场景。支持JSON格式返回,需企业认证。Python示例展示如何调用接口获取商品信息。
|
4月前
|
数据采集 监控 数据可视化
数据量暴涨时,抓取架构该如何应对?——豆瓣电影案例调研
本案例讲述了在豆瓣电影数据采集过程中,面对数据量激增和限制机制带来的挑战,如何通过引入爬虫代理、分布式架构与异步IO等技术手段,实现采集系统的优化与扩展,最终支撑起百万级请求的稳定抓取。
243 0
数据量暴涨时,抓取架构该如何应对?——豆瓣电影案例调研
|
4月前
|
SQL 数据采集 数据处理
终于有人把数据架构讲清楚了!
本文深入浅出地解析了数据架构的核心逻辑,涵盖其定义、作用、设计方法及常见误区,助力读者构建贴合业务的数据架构。
|
5月前
|
数据采集 存储 分布式计算
一文读懂数据中台架构,高效构建企业数据价值
在数字化时代,企业面临数据分散、难以统一管理的问题。数据中台架构通过整合、清洗和管理数据,打破信息孤岛,提升决策效率。本文详解其核心组成、搭建步骤及常见挑战,助力企业高效用数。
1883 24
|
4月前
|
缓存 前端开发 BI
如何开发门店业绩上报管理系统中的门店数据板块?(附架构图+流程图+代码参考)
门店业绩上报管理是将门店营业、动销、人效等数据按标准化流程上报至企业中台或BI系统,用于考核、分析和决策。其核心在于构建“数据底座”,涵盖门店信息管理、数据采集、校验、汇总与对接。实现时需解决数据脏、上报慢、分析无据等问题。本文详解了实现路径,包括系统架构、数据模型、业务流程、开发要点、三大代码块(数据库、后端、前端)及FAQ,助你构建高效门店数据管理体系。
|
8月前
|
存储 运维 Serverless
千万级数据秒级响应!碧桂园基于 EMR Serverless StarRocks 升级存算分离架构实践
碧桂园服务通过引入 EMR Serverless StarRocks 存算分离架构,解决了海量数据处理中的资源利用率低、并发能力不足等问题,显著降低了硬件和运维成本。实时查询性能提升8倍,查询出错率减少30倍,集群数据 SLA 达99.99%。此次技术升级不仅优化了用户体验,还结合AI打造了“一看”和“—问”智能场景助力精准决策与风险预测。
774 69