惠普企业总裁表示边缘计算将推动本地部署数据中心的需求

简介:

边缘计算是惠普企业公司首席执行官梅格·惠特曼在6月6日下午在美国拉斯维加斯举行的Discover 2017上所阐述的主要议题。她阐述了HPE公司对未来的愿景,这一切都将业务带到互联网的边缘。在未来以移动设备和物联网为主的愿景下,传统的内部数据中心将成驱动者,而公共云则位列其后。

她说,“人们要清楚,这个新的智能边缘并不会使企业的数据中心变得不那么重要。它实际上使数据中心更为重要,因为企业不会只有一个边缘计算,或有限数量的边缘设备,企业需要一个更大的集中计算,以获得最多的数字操作。”

惠普企业公司首席执行官梅格·惠特曼最近放弃其采用公共云的愿望,跟上混合云的潮流,这并不奇怪。有一点令人惊讶的是其销售很难。惠特曼似乎并不是人们所想像的那样的首席执行官,而更像一名高级销售代表,她表示,即使一切都将被电脑化,而且在惠普企业公司的帮助下,企业可以在自己的数据中心保持数据安全,同时利用将以网络外围为中心的新型互联网经济。

她说:“虽然我们不断听到一切正在转向公共云的炒作,但并没有发生,”她指出,市场研究机构IDC公司的报告说,53%的企业已经离开或正在考虑离开公共云,其很多工作负载回到本地数据中心处理。 “公共云绝对是某些应用程序和某些用例的正确选择,它是混合IT组合的一部分。

她补充说:“简单,部署时间和成本是公共云如此受欢迎的原因。但是很多客户已经到了现在要求我们帮助他们在混合环境中进行优化的特定点。一旦他们用公共云达到某个特定点,基本上就会面临所谓的“云悬崖”,因为控制权,安全性,性能或成本已达到极限,他们所使用的平台不再是最好的选择。 ”

她引用了两个例子,即Dropbox和Smartsheet,这些公司开始于基于公共云的基础设施,但最终决定迁移到由本地数据中心所固定的混合方式。“Dropbox公司现在积极致力于现金流,这成为企业成长的关键目标,同时也可以适应企业市场的快速增长。”

惠特曼说:“Smartsheet公司决定采用一个SaaS协作平台,从公共云为中心的方法转变为理由,首先需要对其基础设施进行更多的控制。此外,该公司发现,随着云计算的发展,云计算模式已经变得昂贵,这是一个特别关注的问题,因为该公司使用免费模式吸引付费用户。

惠特曼指出,这一举动令人望而生畏。 “当企业考虑迁移到混合型IT模式时,又面临着另外一个挑战。一是迁移的复杂性。其次,Smartsheet公司还需要支持这一转型,而不消减在其他领域的投资。最后,该公司需要管理这两个操作,退出云环境并构建一个新的预置数据中心,而不会对其业务造成不利影响。”

长期而言,随着HPE做的大部分基础工作,转型显然会是平稳,在掌控范围之内的。

惠特曼倡导的方法并不是什么新方法。保持传统的内部数据中心运行的大多数日常操作,以及使用公共云作为辅助工具的混合云方法早已被其他大型解决方案提供商推荐,例如开创了该方法的Red Hat公司,此外,通过使用微服务器等移动到边缘来分散网络越来越受到移动设备和物联网时代的约束。

本文转自d1net(转载)

相关文章
|
8天前
|
弹性计算 监控 安全
助力企业高效构建安全、可观测的云上数据中心
本次课程聚焦于助力企业高效构建安全、可观测的云上数据中心,涵盖三大方面:1) 数据中心网络面临的挑战,包括VPC、NAT网关和私网连接等产品的功能与挑战;2) 数据中心网络产品重磅发布,涉及安全设计建议、容灾能力提升及深度可观测能力的增强;3) 用户体验升级,通过VPC IPAM实现高效的网络地址管理和简化的产品体验。整体旨在为企业提供更安全、稳定、高效的云上解决方案。
|
5月前
|
边缘计算 Kubernetes Cloud Native
边缘计算问题之根据请求响应的时延要求来部署业务应用如何解决
边缘计算问题之根据请求响应的时延要求来部署业务应用如何解决
74 4
|
2月前
|
存储 缓存 监控
SLB-Backend跨区域/跨数据中心部署
【10月更文挑战第21天】
44 9
|
5月前
|
机器学习/深度学习 边缘计算 PyTorch
PyTorch 与边缘计算:将深度学习模型部署到嵌入式设备
【8月更文第29天】随着物联网技术的发展,越来越多的数据处理任务开始在边缘设备上执行,以减少网络延迟、降低带宽成本并提高隐私保护水平。PyTorch 是一个广泛使用的深度学习框架,它不仅支持高效的模型训练,还提供了多种工具帮助开发者将模型部署到边缘设备。本文将探讨如何将PyTorch模型高效地部署到嵌入式设备上,并通过一个具体的示例来展示整个流程。
927 1
|
5月前
|
边缘计算 负载均衡 5G
边缘计算问题之数据中心内部和外部网络如何解决
边缘计算问题之数据中心内部和外部网络如何解决
42 1
|
5月前
|
存储 边缘计算 安全
边缘计算设备的设计与部署技术探索
【8月更文挑战第1天】边缘计算设备的设计与部署是一个复杂而系统的工程,需要综合考虑多个方面的因素。通过制定全面的战略规划、选择合适的技术和设备、设计合理的网络架构、实施有效的安全策略以及定期管理维护等措施,可以确保边缘计算设备的稳定运行和高效应用。随着物联网和云计算技术的不断发展,边缘计算将在更多领域展现出其独特的优势和潜力。
75 10
|
7月前
|
机器学习/深度学习 边缘计算 测试技术
MLOps模型部署的三种策略:批处理、实时、边缘计算
机器学习运维(MLOps)是一组用于自动化和简化机器学习(ML)工作流程和部署的实践。所选择的部署策略可以显著影响系统的性能和效用。所以需要根据用例和需求,采用不同的部署策略。在这篇文章中,我们将探讨三种常见的模型部署策略:批处理、实时和边缘计算。
122 4
|
关系型数据库 Linux 网络安全
开源IDC数据中心资产管理系统RackTables部署篇(一)
开源IDC数据中心资产管理系统RackTables部署篇(一)
984 0
|
数据采集 供应链 数据管理
实时数据中心建设思路与企业实践|青训营笔记
本篇文章主要分为四个方面介绍实时数据中心建设思路与企业实践:1. 企业数据架构;2. 数据中心案例;3. 实时数据生产;4. 数据服务
158 0
实时数据中心建设思路与企业实践|青训营笔记
|
机器学习/深度学习 存储 人工智能
边缘计算 | 在移动设备上部署深度学习模型的思路与注意点 ⛵
本文介绍AI模型适用于小型本地设备上的方法技术:压缩模型参数量,设计更小的模型结构,知识蒸馏,调整数据格式,数据复用等,并介绍移动小处理设备的类型、适用移动设备的模型框架等。
2569 1
边缘计算 | 在移动设备上部署深度学习模型的思路与注意点 ⛵