CTO:寻求敏捷性 我们选择OpenStack

简介:

在企业IT中所做的一切都应该能够提高敏捷性。为什么? 因为未来是通过技术创新来定义的,而且这些创新发生的既快速又激烈。因此,我需要确保我的系统、流程、技术和领导能力更加敏捷,易于改变。 这就是我今天的主题——OpenStack。OpenStack已经存在了很长时间。更重要的是,OpenStack是一种旨在帮助我们获得敏捷性的方法的早期表现。在OpenStack出现后的几年中,其他人也创建了OpenStack的替代方案,但它们都是类似的:利用通用硬件,开放标准,虚拟化和编排工具来实现流畅,便携和完整的服务(计算、存储和网络)。凭借流畅,便携和完整的IT服务,我们可以根据需要,灵活地规模化地转移和修改我们的服务。

如果我们想要在技术驱动的市场中生存和发展,这些是我们需要的能力——不,是必须具备的能力。

为什么选择OpenStack

我来分享我的OpenStack故事。几年前,我们对我们的技术产品和服务进行了现状检查。事实是,我们意识到要改变我们的IT服务,很难,也很缓慢,因此使用成本很高。我们的一些客户则采取实际行动,寻找替代我们服务的方案。

在这个反思中,我们设定了一些积极的目标。其中一个目标是我们可以每天都完成部署。在开始之前,我们询问了一系列“什么是必须的”问题,才能达成这个每日部署的目标。

我们最明显的“什么是必须的”答案之一是,我们需要利用基础设施即服务(IaaS)和平台即服务(PaaS),从而实现可扩展,灵活的IT运营。IaaS和PaaS平台的一个重要要求是对容器的支持。 为了避免供应商锁定, 我们选择OpenStack作为我们的IaaS框架。(Cloud Foundry是我们PaaS的框架,Docker是我们的容器技术。)

OpenStack + Cloud Foundry +自定义
现在,完成一个主要的架构和平台的改变不是轻而易举的——从我们传统的方法迁移到IaaS/PaaS的方法意味着很多的工作和重构——所以我们花了大量的时间研究我们的选择,并进行了一些概念证明项目。事实上,我们很谨慎,我们实际上花费了几个月运营了两个竞争的PaaS技术,这样我们可以通过实验,找到更适合我们目标和需求的技术。

一旦确信不会犯下严重的错误,我们开始了为了适应OpenStack框架,推翻旧方法的,具有挑战性的流程。

我们从OpenStack/Cloud Foundry的一个可用的实施开始。(与Linux一样,你可以完全开放源码,也可以从多个供应商中选择支持的版本)。但是,随着我们对于OpenStack框架的知识和经验的增长,我们发现了一些问题,会造成职责分离(这对于SOX、SOC 2和其他合规性标准至关重要)。 我们开始修改我们自己的版本,其中包括我们创建了一些技术来更好地处理应用级安全性和数据访问控制。

“Lego”模型
请记住,我们对于OpenStack和Cloud Foundry框架的采用和挑战,是我们变得更敏捷,更灵活的总体规划的一部分。为了获得敏捷性,我们需要一个“Lego”模型,包括为我们编写的软件提供一个以微服务/ API为中心的架构。 当然,我们一路走来也犯过错误。

我们做的一些技术选择,其结果太过于限制(一种技术创造了API瓶颈);我们早期选择中的另一项技术还没有完全成熟。但是,由于我们使用了基于标准的工具和框架,并且都松散耦合,所以进行恢复,然后再前进并不困难。

事实上,我们对敏捷性的追求完成的很好。我们并不需要每天进行部署,但是我们能这样做的能力是我们敏捷性的标志。我们还是会偶尔寻找OpenStack框架的替代方案,但是还没有找到一个令人信服的理由进行转换。

对于那些还没有采用OpenStack的人,我的建议是做一个测试,探索OpenStack方法能为你做些什么——风险相当低,如果它适用于你,带来的好处则是巨大的。

本文转自d1net(转载)

相关文章
【Qt 学习笔记】Qt常用控件 | 显示类控件 | Calendar Widget的使用及说明
【Qt 学习笔记】Qt常用控件 | 显示类控件 | Calendar Widget的使用及说明
790 0
|
IDE Java 开发工具
Python新手常见问题四:如何规避Python中的缩进错误?
在Python编程语言中,代码块的结构和逻辑是通过缩进来组织的,这与其他许多语言依赖花括号(如Java、C++)的方式大相径庭。对于初学者来说,正确理解和使用缩进规则至关重要,因为不恰当的缩进会导致IndentationError,从而影响程序的执行。本文将详细探讨Python缩进错误的常见场景,并提供有效的预防措施。
1154 1
|
TensorFlow 算法框架/工具 文件存储
Kubeflow实战系列: 利用TFJob运行分布式TensorFlow
TensorFlow作为现在最为流行的深度学习代码库,在数据科学家中间非常流行,特别是可以明显加速训练效率的分布式训练更是杀手级的特性。但是如何真正部署和运行大规模的分布式模型训练,却成了新的挑战。
13271 0
|
11天前
|
存储 关系型数据库 分布式数据库
PostgreSQL 18 发布,快来 PolarDB 尝鲜!
PostgreSQL 18 发布,PolarDB for PostgreSQL 全面兼容。新版本支持异步I/O、UUIDv7、虚拟生成列、逻辑复制增强及OAuth认证,显著提升性能与安全。PolarDB-PG 18 支持存算分离架构,融合海量弹性存储与极致计算性能,搭配丰富插件生态,为企业提供高效、稳定、灵活的云数据库解决方案,助力企业数字化转型如虎添翼!
|
10天前
|
存储 人工智能 搜索推荐
终身学习型智能体
当前人工智能前沿研究的一个重要方向:构建能够自主学习、调用工具、积累经验的小型智能体(Agent)。 我们可以称这种系统为“终身学习型智能体”或“自适应认知代理”。它的设计理念就是: 不靠庞大的内置知识取胜,而是依靠高效的推理能力 + 动态获取知识的能力 + 经验积累机制。
356 131
|
10天前
|
存储 人工智能 Java
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
本文讲解 Prompt 基本概念与 10 个优化技巧,结合学术分析 AI 应用的需求分析、设计方案,介绍 Spring AI 中 ChatClient 及 Advisors 的使用。
443 131
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
|
4天前
|
存储 安全 前端开发
如何将加密和解密函数应用到实际项目中?
如何将加密和解密函数应用到实际项目中?
206 138
|
10天前
|
人工智能 Java API
AI 超级智能体全栈项目阶段一:AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式(SDK/HTTP/SpringAI/langchain4j)
本文介绍AI大模型的核心概念、分类及开发者学习路径,重点讲解如何选择与接入大模型。项目基于Spring Boot,使用阿里云灵积模型(Qwen-Plus),对比SDK、HTTP、Spring AI和LangChain4j四种接入方式,助力开发者高效构建AI应用。
405 122
AI 超级智能体全栈项目阶段一:AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式(SDK/HTTP/SpringAI/langchain4j)