混合云平台为何更适合现代应用开发

简介:

混合云平台,即云和本地系统的混合,能够为大型企业和遗留环境中的开发团队提供一些他们一直想要的东西:那就是与整个开发领域以相同的节奏一起进步的能力。这其中最难的部分是找到基础架构,整合系统和公有云供应商的正确组合。

企业比工具厂商做得好的地方是,找到适合于工作的工具。虽然企业常常被旧习惯和固执所拖累,但大部分来说,他们的行动是以结果为导向的,而不只是因为某个东西很酷所以才想要创建它。然而,企业也常常对可能会有益的功能视而不见,从而抹杀了实现更高目标的可能性。

企业必须要了解,混合云平台是一个对业务应用托管和软件开发都有效的方法。

至少在最初的时候,混合云是与业务应用所关联的。其好处是,能够把安全的本地数据和应用与现代的面向外部的应用,如合作伙伴门户结合在一起。但由于创建私有云变得越来越容易,多亏了先进的虚拟机管理程序和管理工具,IT部门有了让一切都留在本地的更有力论点,这再度产生了那个古老的分歧,是将全部东西存放到像Salesforce和SAP HANA这样的私有云应用中,还是全部存放在本地。

开发部门对此的看法与IT部门完全不同。而那些在他们看起来是囤积的行为,转变成某种对于似乎想让他们进度变慢的意图的怨恨。开发部门往往是倾向于100%公有云的。而且他们已经无法满足于基础架构即服务(IaaS),开始追求平台即服务(PaaS),在他们眼里,就连代码在哪台机器上运行也不重要。尽管有着关于数据安全性和管理的顾虑,但还是很难说服开发人员一个混合的方案是有用的。而这个冲突的结果,要么是IT部门赢了,而开发部门停留在传统的编码模式,或开发部门胜利-无论是在实际上获得自己的预算或是偷偷的使用了影子IT。开发人员需要知道混合云可以如何帮助他们:

• 更好的应用:开发人员在创建现代企业应用的时候,会面临商业软件开发者所不曾遇到过的不利一面:企业应用往往是庞大的,并有许多移动的部件,包括了与遗留代码的整合。这不可避免地导致更多的bug,因此推出质量不佳的应用风险较高。此外,你能够建立的功能是有限的,而且往往不能跟上不断变化的需求。混合云平台可以让你更快的迭代,更快的发现问题和更早开始开发那些新的,更有趣的功能。

• 较少的障碍:除非一个组织要像万事达卡在建立Simplify的时候那样从零开始使用DevOps,否则转换到现代应用开发的唯一方法便是新旧之间的平衡。对于大多数开发人员来说,提交ticket来获得虚拟机(VM)的过程必须要与持续集成共存。混合云可以有助于打破壁垒,通过加快旧流程并引入新的流程。它可以成为一个协商的工具:“如果你允许我们在一个你指定的镜像上设置虚拟机,我们就在产品化之前留在防火墙的内部。”这当然没那么容易。但我们可以看到明显的好处,如较少的充满敌意的会议,更短的ticket反应时间或甚至不用ticket。

• DevOps:可能听起来有些奇怪,但混合云平台可以帮助支持DevOps持续集成的过程—并不是因为它让IT部门更容易点头,而是因为在企业中,一个版本发布的审批过程是瀑布式的,这意味着新版本在推出时最好是完美的,因为你想要补救任何东西的机会将在六个月后了。然而,今天的开发团队是以持续的代码流来思考的。在发布日期前,他们做的越多越好。在企业防火墙后的一个集成环境中会有更多可接受的选项,可以让你增加运行的整合build的数量,找出更多的bug,更快地开发新的功能。对某些组织来说,混合云是他们通向DevOps的唯一路径。

在一个应用被写出之后,它的所有组件并不需要都放在公共云上。但我们也很难提出充分的理由要求它必须要全部放在私有云上。关于产品环境中会怎么样的讨论都是相对的。现在将生产环境放到私有云里已经不那么常见了,但也许有一些理由必须要这样做。对于某些情况下,有些数据需要离线存储在防火墙内,数据分支的概念颇受欢迎。其中的挑战在于要培训开发人员关于数据保留政策以及如何执行的方法。你会在处理财务数据以及应对政府部门时遇到许多这样的情形。

混合云平台并不是适合所有,甚至大部分的开发团队。但对于一些组织来说,政府法规和规模并不是将你的开发团队束缚在瀑布模型开发时代的借口。如果企业想要把握现代开发的机会,并且是结果导向的,那他们将最终找到一种途径,而这个途径多半会是一个私有和公有云的组合。而且现在要这样做也不再有技术上的障碍。虚拟化厂商如VMware和微软有专为这个目的所提供的云平台。而且公有云供应商也正在通过自己的产品,或大量的第三方产品来弥补公有和私有云之间的差距。

开发团队将一直试图挑战现有的极限。而混合云也几乎永远无法满足他们。但是,混合云是一种能够让所有人达成共识的方法,而且它也可能是让DevOps混入现有的复杂生态系统的唯一途径。


本文作者:Chris Riley

来源:51CTO

相关文章
|
机器学习/深度学习 算法 数据可视化
【机器学习】十大算法之一 “K-means”
k-means算法早在1957年就被发明了,最早由J. MacQueen提出。后来,Lloyd(1982年)、Hartigan(1975年)、Forgy(1965年)等学者对此算法进行了修正和改进。这个算法已被广泛应用于数据挖掘、模式识别、图像处理等领域,它可以用来识别数据集之间的模式,因此是一种十分实用的机器学习算法。本篇文章介绍了k-means算法,一种常见的聚类算法。我们详细讲解了该算法的发展史、原理、功能以及示例代码。
1653 153
【机器学习】十大算法之一 “K-means”
|
11月前
|
机器学习/深度学习 人工智能 算法
2025年高口碑数字人公司推荐,解锁互动新体验
2025年高口碑AI数字人榜单揭晓!集之互动以0.8秒实时响应、私有化部署和多场景闭环应用领先;Synthesia凭借超写实3D建模与多语言支持,助力全球化内容生产;D-ID创新隐私保护算法,守护敏感行业数据安全。三者分别在交互体验、内容效率与合规安全上表现卓越,满足企业多样化需求,推动数字人从“像真人”迈向“如员工”的实用新时代。
413 0
2025年高口碑数字人公司推荐,解锁互动新体验
|
4月前
|
缓存 监控 数据挖掘
Android ANR 定位与治理:从主线程阻塞到线上证据闭环
本文系统解析Android ANR成因与治理:厘清“未响应”非崩溃本质,聚焦主线程阻塞根因(锁竞争、I/O、Binder等),强调通过堆栈+Trace+指标构建线上证据闭环,并提供典型问题修复方案与工程化治理实践。
345 0
|
8月前
|
存储 自动驾驶 物联网
大模型应用:高精度量化感知训练(QAT)与低成本后训练量化(PTQ)方案优选.55
本文深入解析大模型量化两大核心技术:后训练量化(PTQ)与量化感知训练(QAT)。涵盖原理、流程、代码实现及选型策略,对比其在精度损失、算力成本、部署效率等方面的差异,助开发者根据数据、算力与精度需求,科学选择最优量化方案。
888 15
|
编解码 数据可视化 定位技术
Axure设计数字乡村可视化大屏:从布局到交互的实战经验分享
本文以Axure为工具,分享数字乡村可视化大屏的设计全流程。从需求分析到功能拆解,明确民生、经济、历史文化和空间分布四大维度,将大屏划分为左、中、右三区,涵盖10个统计模块。详细解析了各区域的图表设计与交互实现,如柱状图、环形图、时间轴等,并通过模块化设计和动态交互(如数据联动、弹窗详情)提升用户体验。最后总结避坑指南,强调数据可视化、交互友好及模块复用性,助力实现“数据驱动决策”的核心目标,推动乡村治理数字化转型。
900 132
|
11月前
|
SpringCloudAlibaba Java Nacos
SpringCloud概述
Spring Cloud是Spring推出的微服务一站式解决方案,弥补了各技术分散、缺乏统一标准的痛点。它具备“约定优于配置”、组件丰富、开箱即用等特点,完美适配云原生架构。版本以地铁站命名(如Hoxton.SR12),避免与子项目版本冲突。其子项目涵盖服务注册、配置管理、负载均衡等全链路能力。随着Netflix套件停更,Spring Cloud Alibaba凭借Nacos、Sentinel、Seata等成熟组件成为主流选择,获官方认可,功能更完善,经大规模业务验证,成为微服务落地优选方案。
|
网络协议 算法 Linux
【嵌入式软件工程师面经】Linux网络编程Socket
【嵌入式软件工程师面经】Linux网络编程Socket
874 1
|
人工智能 安全 网络虚拟化
指南:Grok官网是什么?国内如何使用grok 3 官网AI
Grok AI 是一款非常强大的人工智能助手,不仅能够在社交媒体管理、语音助手等方面为用户提供便利,还可以极大提升工作效率。
11918 5
|
Web App开发 监控 网络协议
如何构建低延时的直播体验,让互动更实时?
传统的直播技术,已经不能满足对互动要求更高的直播要求,为此,2019年阿里云与淘宝直播共同推出超低延时直播服务RTS(Real-time Streaming),该方案基于WebRTC实现,采用UDP传输协议打造,实现可以承载大规模并发,端到端延时1秒内的低延时直播体验。由于RTS服务部署于阿里云CDN节点,复用CDN的节点和网络资源,在接入成本、节点覆盖、承载能力上实现了平衡
4170 57
如何构建低延时的直播体验,让互动更实时?