数据可用性的最新趋势与热门词汇

简介:
   数据科技的发展一日千里,管理及存取技术必须更上一层楼才能与时并进。当科技发展至一个新的阶段,新的名词也会相继出现,如移动性、云、软件定义网络等等。这些名词彼此之间有着关联,都是为着一个共同的目标——数据的实时可用性。

随着移动性已成不争的趋势,全球范围的关联更趋紧密,令企业客户对数据、应用程序及服务的需求急増,宕机已成不可接受的状况。因此,企业不论规模大小均必须在任何时候都处于永远在线状态 (Always-On),24/7随时侯命。以下几个当今IT界的热门词汇,通过它们可深入解释何谓“数据可用性”:

移动性

在移动设备与日常生活相互结合的时代,当提及数据存取及移动设备,不得不考虑以下两个关键因素:

数据管理

我们是否必须保留所有数据?通过移动设备传送给服务提供商的数据是否会被永久保存?由于数据容量日益膨胀,企业必须作出决定,而智能数据管理是不二之选的解决方案。

数据可用性

我们正处于Always-On(永远在线)的商业世界里,宕机成为不可接受的状况。如移动服务提供商遭遇一整天停机的状况,他们需要支付庞大的费用,包括客户退款及赔偿事宜。除客户受影响外,更会影响到众多依赖移动服务和数据可用性运作的行业。企业应当保护数据,并确保数据的可用性。

云计算 / 物联网

随着云技术的需求日益増加,应用程序及云服务提供商必须跟上步伐。云在人们日常生活中是重要的经济模式,整个IT行业均绕着云经济模式在运作,企业的数据消耗量庞大得足以拖垮云的基本结构。

软件定义网络 (SDN)

软件定义网络提供自动化工作流程以解决随意搬移数据的需求,企业必须妥善保管数据,并确保数据可流畅地从一个定义网络传送到另一个,以提供最佳的跨网数据可用性。数据保护有不同层次,分别有正常的文件修复 – 应用程序及邮件遗失,以及整体站点修复。

自动化增加了企业的灵活性和扩展性,网络及其他虚拟网络自动化部署的能力可提升云端的扩展性。通过软件确定数据中心里实体及昂贵的元素,自动化它们可令部署变得更容易,从而提升数据中心的灵活性及加速投资回报。我们预测未来五年这将成为不可或缺的技术。

可用性

无论是面向消费者的业务或移动服务提供商,宕机所带来的影响牵连甚广,即使是短短几小时的宕机也会令企业损失金钱、数据、信誉,甚至丢失顾客。降低发生宕机和遗失数据的风险,是维持企业的业务健康和顾客满意度的关键。

数据是企业的命脉,而数据可用性对企业尤关重要。无论是移动性、云或物联网,如果能够及早知道所有会影响数据可用性的元素,当宕机无可避免地发生时,便可于数小时甚至几分钟内修复数据可用性。市场上有不同的供应商提供数据可用性方案,例如Veeam。Veeam的Availability for the Always-On Enterprise™ (企业级业务连续性的可用性)解决方案,能协助企业达到所有应用程序和数据的恢复时间及恢复点目标(RTPO™)少于15分钟。并通过虚拟化、现代存储及云技术,让数据中心协助企业节省时间、降低风险,并显著降低资本和运营成本。

 
作者:佚名
来源:51CTO
目录
相关文章
|
3月前
|
机器学习/深度学习 人工智能 算法
就AI 基础设施的演进与挑战问题之大模型训练过程中的问题如何解决
就AI 基础设施的演进与挑战问题之大模型训练过程中的问题如何解决
|
3月前
|
机器学习/深度学习 人工智能 缓存
大模型下HPE GPT解决问题之区域数据隐私要求如何解决
大模型下HPE GPT解决问题之区域数据隐私要求如何解决
32 0
|
6月前
|
算法
AIGC的四大固有风险
【1月更文挑战第16天】AIGC的四大固有风险
369 6
AIGC的四大固有风险
|
机器学习/深度学习 人工智能 自然语言处理
模型的价值观需重视,文本理解与文本生成能力有待提高
随着算力的不断提高,NLP成为新时代人工智能的突破点——“大模型”。大模型之大不仅在于模型的大小之大,而且所用的训练数据集之大。如今,大模型在各行各业中逐渐落地,实现多场景应用。人们比较注重于LLM模型的语言文本理解、文本生成能力。在使用了阿里云多个模型的评测当中,有一些思考与建议。
模型的价值观需重视,文本理解与文本生成能力有待提高
|
存储 机器学习/深度学习 人工智能
热点解读:大模型的突现能力和ChatGPT引爆的范式转变(1)
热点解读:大模型的突现能力和ChatGPT引爆的范式转变
119 0
热点解读:大模型的突现能力和ChatGPT引爆的范式转变(1)
|
机器学习/深度学习 C++ 知识图谱
热点解读:大模型的突现能力和ChatGPT引爆的范式转变(2)
热点解读:大模型的突现能力和ChatGPT引爆的范式转变
166 0
|
人工智能
用增强的联邦学习应对药物发现数据小和偏的困境
用增强的联邦学习应对药物发现数据小和偏的困境
140 0
|
机器学习/深度学习 自然语言处理 固态存储
小红书推荐多样性解决方案:SSD在质量、多样性之间获得较好权衡
来自小红书的研究者在多样化推荐中,从用户体验和系统应用的视角出发,提出了一种滑动频谱分解(SSD)的方法,该方法可以捕捉用户在浏览长项目序列时对多样性的感知。通过理论分析、离线实验和在线 A/B 测试,验证了该方法的有效性。
499 0
小红书推荐多样性解决方案:SSD在质量、多样性之间获得较好权衡
|
机器学习/深度学习 算法 TensorFlow
隐私与机器学习,二者可以兼得吗?
隐私数据与机器学习看似矛盾,其实不然。如何有效保护机器学习训练中的隐私数据?谷歌专家给出了答案——PATE框架,就算你不太懂隐私保护的知识,也可以通过PATE框架来保护机器学习里的训练数据。
9177 0