混合云的容量扩展与功能添加

简介:

1.使用混合云来增加数据中心容量

“混合云”这个术语已经在IT操作团队中普遍使用,但并不是每个人对此都意见一致。基本上,混合云是指任何情况下,企业的部分应用程序在企业的数据中心运行,另一部分在一个公共云或多个公共云(如AWS,Microsoft Azure或Google云平台)中运行。

同时,私有云是企业将云类型架构和功能并入自己的私有数据中心。这里的目标是使其数据中心“看起来”像云,并利用云计算原则和最佳实践,但它只为企业自己使用。

有些人使用的“混合云”术语是指的是指企业使用了公共云,并在自己的数据中心实现了私有云。

对企业来说,任何时候都有一个数据中心连接到公共云,并在该数据中心和公共云之间共享的应用程序,无论企业如何选择管理其私有数据中心,都是采用了一个混合云。

鉴于这个定义,许多公司都有一个或多个混合云。这没有什么神奇的。

实际上,混合云是任何组织的工具,只是希望利用云计算提供的一些优势,而不必将其应用程序基础架构中的一切都移动到公共云。

更好的数据中心

最常见的混合云使用案例之一包括只是希望能够在自己的数据中心中更快地配置新服务器的企业。他们转向混合云架构的目的不是采用特定的云功能,而是利用云计算作为自己数据中心功能的一种扩展。

这可能是为了快速解决生产容量需求的持续增长,因为公共云通常可以比传统数据中心以更快的速度添加容量。或者企业可能希望只能启动用于测试和调试应用的临时应用环境。或者,它可能想在云计算中创建一个全新的数据中心,以提高其可用性,或在世界的特定地区获得更好的“覆盖”。同样,公共云供应商通常可以比企业建立自己的数据中心速度更快,成本更低。

合规性是混合云采用的另一个常见驱动因素。例如,一一些行业有特定的地理符合性要求,指定数据必须存储在哪里。有些人坚持认为数据存储在本地或区域(如欧盟一些合规性法规),而其他公司可能因为备份,冗余和灾难恢复原因,需要数据实现在地理上分布(通常在数据中心至少100英里)。

无论什么原因,云计算可以是一个相对简单,快速和负担得起的方式来启动整个新的数据中心或附加的数据中心容量,以扩充现有的数据中心。

在云计算中添加数据中心容量时的监控挑战

每个混合云用例都会面临监控挑战。当使用云计算提供商作为额外的数据中心或额外的数据中心容量时,重要的是确保企业的监控工具在所有基础设施(包括自己的数据中心和云中的部分)上保持一致。

如果根据应用程序或基础架构组件的位置使用不同的监控工具,则可能难以诊断域间问题。此外,当必须使用多个监视工具时,配置工具,设置警报阈值和条件,以及类似的监视管理任务可能会更加复杂。

2.混合云应用第2部分:添加云功能

随着混合云在企业IT设置中变得越来越普遍,许多不同的用例和旅程开始变得明显。以下将介绍混合云如何添加“基于云计算的”功能,甚至不是基于云计算的应用程序。

混合云可以添加“云功能”

快速提供计算资源的能力只是云故事的一部分。公共云还提供了一些独特的功能,对于在许多应用程序的使用非常有吸引力,包括不是自然基于云计算的应用程序。利用云计算中的这些功能通常比自己构建更容易,节省大量的开发时间和成本,这对企业开发和运营团队都有利。

一个简单的例子是Amazon S3或简单存储服务,它为许多应用程序提供了一种廉价,高效,易于使用,安全,弹性和大规模可扩展的文件存储机制。例如,假设企业有一个视频管理应用程序,需要存储大型视频文件,并使他们可以访问世界各地的用户。利用Amazon S3来提供该功能是一种流行的做法,而无需构建,并提供基础设施自己操作。

应对海量数据

云计算功能的另一个例子是其提供高度可扩展的数据带宽的“边缘”能力。例如,一些移动应用程序和物联网(IoT)使用情况需要大量的数据被导入和存储用于以后的处理。这可能是因为客户从应用程序(如视频流)下载了大量数据,或者因为应用程序必须与互联网上的大量代理进行通信(例如使用物联网应用程序)。如果企业需要比数据中心更大的数据收集或数据导出管道,能够以有效成本的方式提供,那么公共云非常适合在几乎任何规模上执行这种类型的“边缘”数据采集/导出。

然后需要进行独特的数据处理,如视频处理。如果要为处理巨型数据集的应用程序添加新功能,则可以找到云计算中已有的优化解决方案。基于云的版本可以让企业快速地将这些功能添加到应用程序或业务中,通常没有大量的前期投资。

云计算还提供管理功能,可以帮助减少企业的业务支持负担。处理数据库,管理服务,并创建应用程序环境是完全适合基于云计算的服务(例如Amazon的RDS和Elastic Beanstalk)的用例。特别是对于内部使用应用程序,实验应用程序,或应用程序测试环境,利用云计算来处理大量操作支持负担的能力是非常有价值的。

最后,云计算提供了高度可扩展的能力来处理非常大的数据集,使得更容易构建数据仓库,执行映射缩减操作,并执行其他数据分析,用于提供业务分析和其他大量数据处理操作。

添加基于云计算能力时的监控挑战

边缘层数据的带宽连接和大容量数据处理功能可能是企业的应用程序的核心,因此企业需要一个监控解决方案,就像企业其他基础设施(包括内部部件)一样轻松地监控它们。

总体来说,如果企业考虑云功能,使这些组件迁移到云计算一开始就有用,通常是处理大型扩展需求和/或巨大的数据管理的云计算能力。但不要忘记,大规模和大数据应用程序也会生成大量的分析和监控数据。企业的监视工具包必须能够处理这种云量级的数据,这通常意味着需要一个基于云计算的监视解决方案。

本文转自d1net(转载)

相关文章
|
10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!
|
8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。
385 130
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
|
2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?
197 138
|
8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。
373 122
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)
|
2天前
|
存储 JSON 安全
加密和解密函数的具体实现代码
加密和解密函数的具体实现代码
193 136
|
21天前
|
弹性计算 关系型数据库 微服务
基于 Docker 与 Kubernetes(K3s)的微服务:阿里云生产环境扩容实践
在微服务架构中,如何实现“稳定扩容”与“成本可控”是企业面临的核心挑战。本文结合 Python FastAPI 微服务实战,详解如何基于阿里云基础设施,利用 Docker 封装服务、K3s 实现容器编排,构建生产级微服务架构。内容涵盖容器构建、集群部署、自动扩缩容、可观测性等关键环节,适配阿里云资源特性与服务生态,助力企业打造低成本、高可靠、易扩展的微服务解决方案。
1344 8
|
7天前
|
监控 JavaScript Java
基于大模型技术的反欺诈知识问答系统
随着互联网与金融科技发展,网络欺诈频发,构建高效反欺诈平台成为迫切需求。本文基于Java、Vue.js、Spring Boot与MySQL技术,设计实现集欺诈识别、宣传教育、用户互动于一体的反欺诈系统,提升公众防范意识,助力企业合规与用户权益保护。
|
20天前
|
机器学习/深度学习 人工智能 前端开发
通义DeepResearch全面开源!同步分享可落地的高阶Agent构建方法论
通义研究团队开源发布通义 DeepResearch —— 首个在性能上可与 OpenAI DeepResearch 相媲美、并在多项权威基准测试中取得领先表现的全开源 Web Agent。
1448 87