「企业架构」通过平台架构方法增强业务能力

简介: 「企业架构」通过平台架构方法增强业务能力

平台工程已经积累了提供跨组织领域的复杂解决方案的经验和知识。这些大规模的跨域解决方案为交付带来了更多复杂性。我们的经验表明,通过对问题采取不同的观点,您可以提供的不仅仅是技术成果。

应用平台架构方法不仅会改变这些大型解决方案的架构方式,还会改变组织查看和管理技术的方式。平台架构方法可以在整个解决方案体系结构中提供优势,还可以提高业务灵活性和IT经济性。

在我们深入研究平台方法如何实现这一点之前,我们必须首先回答两个关键问题:平台是什么意思?什么是平台架构?

平台这个词有几个含义,来自传统:

“平坦,凸起的区域或结构”,但在业务环境中,平台意味着:“一系列服务和功能,为业务价值链提供服务”

平台体系结构使业务和技术体系结构与业务域平台保持一致。在此模型下,平台架构意味着:

“将业务构建为领域拥有的技术平台,通过领域拥有和管理的平台服务在领域内提供业务价值。”

以下是如何构建平台体系结构的示例:


采用平台架构方法可以实现几个重要的好处。

业务领域可以拥有所使用的IT应用程序和系统,从而允许域直接管理其技术投资路线图,而不受来自中央IT功能的传统约束。

平台方法有助于使域明确定义关键的“平台服务”,然后通过服务集成模式公开这些服务,以供业务的其他部分使用,也可能用于外部第三方。这还可以使已启用的第三方能够利用它们实现增值,从而实现关键服务的商业化。例如亚马逊,Paypal等

例如,在上图中,第三方可以使用仓库和交付平台服务来形成市场,其中物流和快递公司可以通过平台服务竞标交付。即使是公司使用的IT服务也可以构建为支持IT平台。

将业务划分为平台还可提供结构和变更独立性。平台功能的实现可以独立于其他业务平台发展。这要求通过服务层提供平台服务,将服务接口与实现分离。

虽然这个平台模型有许多好处,但它并不是免费的,需要考虑很多因素。

每个业务平台都需要技能和专业知识来管理,运营和开发自己的技术应用程序。这需要更改业务和IT预算流程。业务领域预算现在需要包括平台IT成本。这也是一个促成因素,因为IT预算成为每个业务领域的责任,而不是与业务分开拥有和分配的中央IT预算。

其平台的域名所有权带来的另一个关键变化是运营和支持平台的新职责,因为它现在充当其他业务部门和其他第三方的服务提供商。

考虑到这些方面需要了解和理解改变平台架构的整体经济性。从表面上看,这似乎是在每个业务领域内建立定制的IT功能,并且需要重复成本和费用。但是,如果从中央资源模型转移到平台资源模型的角度考虑这一点,那么这可以提供更好的资源平衡。通常,中央模型需要携带过多的资源来满足峰值或并发需求。

平台架构通过域自治和独立性提供优势,以发展,适应并向市场提供新服务。实施平台架构和提供平台服务需要跨架构,技术集成和工程学科的技能。如果没有这样的经验和洞察力,不同的平台可能会转变为功能失调的技术领域,阻碍结果而不是赋予它权力。

目录
打赏
0
0
0
1
110
分享
相关文章
企业网络架构安全持续增强框架
企业网络架构安全评估与防护体系构建需采用分层防御、动态适应、主动治理的方法。通过系统化的实施框架,涵盖分层安全架构(核心、基础、边界、终端、治理层)和动态安全能力集成(持续监控、自动化响应、自适应防护)。关键步骤包括系统性风险评估、零信任网络重构、纵深防御技术选型及云原生安全集成。最终形成韧性安全架构,实现从被动防御到主动免疫的转变,确保安全投入与业务创新的平衡。
深度用云——释放企业潜能 | 网络先行——阿里云网络卓越架构白皮书正式发布
深度用云——释放企业潜能 | 网络先行——阿里云网络卓越架构白皮书正式发布
​Flink+Paimon+Hologres,面向未来的一体化实时湖仓平台架构设计
​Flink+Paimon+Hologres,面向未来的一体化实时湖仓平台架构设计
神经架构搜索:自动化设计神经网络的方法
在人工智能(AI)和深度学习(Deep Learning)快速发展的背景下,神经网络架构的设计已成为一个日益复杂而关键的任务。传统上,研究人员和工程师需要通过经验和反复试验来手动设计神经网络,耗费大量时间和计算资源。随着模型规模的不断扩大,这种方法显得愈加低效和不够灵活。为了解决这一挑战,神经架构搜索(Neural Architecture Search,NAS)应运而生,成为自动化设计神经网络的重要工具。
|
21天前
|
转转平台IM系统架构设计与实践(二):详细设计与实现
以转转IM架构为起点,介绍IM相关组件以及组件间的关系;以IM登陆和发消息的数据流转为跑道,介绍IM静态数据结构、登陆和发消息时的动态数据变化;以IM常见问题为风景,介绍保证IM实时性、可靠性、一致性的一般方案;以高可用、高并发为终点,介绍保证IM系统稳定及性能的小技巧。
29 6
Flink+Paimon+Hologres,面向未来的一体化实时湖仓平台架构设计
本文介绍了阿里云实时数仓Hologres负责人姜伟华在Flink Forward Asia 2024上的分享,涵盖实时数仓的发展历程、从实时数仓到实时湖仓的演进,以及总结。文章通过三代实时数仓架构的演变,详细解析了Lambda架构、Kafka实时数仓分层+OLAP、Hologres实时数仓分层复用等方案,并探讨了未来从实时数仓到实时湖仓的演进方向。最后,结合实际案例和Demo展示了Hologres + Flink + Paimon在实时湖仓中的应用,帮助用户根据业务需求选择合适的方案。
489 20
Flink+Paimon+Hologres,面向未来的一体化实时湖仓平台架构设计
【上云基础系列-02】企业推荐!必学必会的上云标准架构(弹性架构)
本文介绍上云标准弹性架构,针对企业业务发展需求,推荐使用多服务器的弹性架构而非单体架构。方案包含负载均衡、NAT网关、云服务器ECS、云数据库RDS等组件,确保业务的负载分担、冗余备份及平滑扩展。通过统一公网暴露面管理和VPC网络设计,保障架构的稳定性、安全性和可扩展性。该架构适用于中小企业上云,避免性能瓶颈和迭代升级困难,支持业务持续发展。更多内容可参考下方演进说明总览。
面向长文本的多模型协作摘要架构:多LLM文本摘要方法
多LLM摘要框架通过生成和评估两个步骤处理长文档,支持集中式和分散式两种策略。每个LLM独立生成文本摘要,集中式方法由单一LLM评估并选择最佳摘要,而分散式方法则由多个LLM共同评估,达成共识。论文提出两阶段流程:先分块摘要,再汇总生成最终摘要。实验结果显示,多LLM框架显著优于单LLM基准,性能提升最高达3倍,且仅需少量LLM和一轮生成评估即可获得显著效果。
83 10
面向长文本的多模型协作摘要架构:多LLM文本摘要方法
记忆层增强的 Transformer 架构:通过可训练键值存储提升 LLM 性能的创新方法
Meta研究团队开发的记忆层技术通过替换Transformer中的前馈网络(FFN),显著提升了大语言模型的性能。记忆层使用可训练的固定键值对,规模达百万级别,仅计算最相似的前k个键值,优化了计算效率。实验显示,记忆层使模型在事实准确性上提升超100%,且在代码生成和通用知识领域表现优异,媲美4倍计算资源训练的传统模型。这一创新对下一代AI架构的发展具有重要意义。
85 11
记忆层增强的 Transformer 架构:通过可训练键值存储提升 LLM 性能的创新方法
《docker基础篇:2.Docker安装》包括前提说明、Docker的基本组成、Docker平台架构图解(架构版)、安装步骤、阿里云镜像加速、永远的HelloWorld、底层原理
《docker基础篇:2.Docker安装》包括前提说明、Docker的基本组成、Docker平台架构图解(架构版)、安装步骤、阿里云镜像加速、永远的HelloWorld、底层原理
477 90

热门文章

最新文章