在混合云环境中迁移数据和应用并不是一件简单的事。尽管挑战是如此严峻,但是对于众多企业来说其回报也是颇丰的。 对于AWS以及一众公共云供应商来说,云计算的兴起可谓一大福音。各类规模的企业都针对他们的存储应用和各种工作负载采用了混合云解决方案。使用混合云的 原因有很多,其中不仅是因为其所具有的公共云优势,而且它还让企业用户能够充分利用内部部署私有云的附加安全性和可控性。
混合云让企业用户能够降低成本、高效运行工作负载、在最适合的环境中开发应用程序以及为最终用户和数据追求某种合适程度的安全性与可靠性。通过依靠特定公共云和私有云供应商的优势,企业能够开发他们自己的云鸡尾酒——旨在帮助企业实现成功的专用服务集。
但是问题在于:实施混合云也是一项让人感到头痛的工作。数据和工作负载的迁移是很复杂困难的,而且并不是所有的工作负载都具有从一家云服务供应商到 另一家供应商的互操作性。识别和解决这些混合云挑战是保持一个高效云环境的关键。以下是一些企业在实施混合云时所遇到的常见问题,以及我们提出的解决途 径。
在整合过程中,最大的混合云挑战是什么?
当使用AWS作为公共云组件来创建混合云时,一些长期性的优势(如可扩展性、应用程序灵活性和资源管理)都会受到诸如应用程序迁移、管理以及API 支持等初始混合云实施的限制而难以显现。在整个过程中,一步踏错都能够立即给混合云带来不可估量的负面影响,并给企业留下一个与实际脱节、价格昂贵且效率 低下的云运行。请记住:那些同时使用公共云和私有云的企业如果没有能力在两者之间进行工作负载迁移,或者说不拥有对所有相关工作负载进行监控、分析和控制 的能力,那么他们并没有实施真正的混合云计算;他们只是拥有着两个独立的云环境而已。 管理人员在实际开始部署混合云以及通过确定实施混合云的成本效益来确定待迁移的合适工作负载之前,他们应当制订一个合适周密的计划。针对应用程序如何在混 合云架构中运行而设计一份计划是特别重要的,其中有无数的因素有待考虑,例如负载平衡、I/O需求以及IP地址分配等等。
企业用户是否应当把原有应用迁往公共云?
很多应用程序都能够通过迁往一个可扩展的云环境而受益匪浅,但是一些原有的旧应用程序则更适于在本地部署中运行。企业用户有时候可以执行成本分析, 即比较在他们私有数据中心中运行某些工作负载和定期运行EC2实例的成本,从而找到单位成本下的更高性能。轻量级应用程序能够在AWS中获得更直接的性能 和成本优势,而重量级单机工作负载则有可能让用户每个月都收到一长串的云计算账单。 内部部署硬件的相关合同条款可能会进一步限制应用程序迁往公共云,而违反合同的代价往往并不能通过使用AWS而带来的任何金钱利益抵消。有着这些类型限制 的企业可能仍然能够找到一个混合云用例,例如基于云的应用程序与基础设施灾难恢复。
如何在不同云之间实现数据或工作负载的迁移?
使用Vmware的云用户已经可以通过vCenter的AWS管理门户网站把虚拟机导入AWS。混合云迁移的本地工具仍然有着一些功能上的限制,特 别是将它们用于在不同云之间复杂多层次应用程序的迁移中更是如此。 虽然AWS和Vmware都在改进本地工具方面做出了大量的贡献,但是存在一个健康的第三方迁移工具市场将为企业用户提供更多在云服务之间迁移数据和应用 的选项。包括Unitrends、Racemi以及Zerto在内的一些供应商都正在解决迁移问题,并通知管理员哪些数据和工作负载可更顺畅地进行迁移, 但目前还没有哪一个工具都给非常适合于所有的企业。
哪些网络和安全性并发症会引发迁移后问题?
在完成混合云部署之后,是没有时间击掌相庆的。成功地运行一个混合云意味着确保企业在公共云和私有云中运行的数据是安全的。每一家云服务供应商在安 全性方面都有着不同的特定和理念。 例如,在Vmware和AWS之间有着根本的联网差异。这甚至还不包括网络带宽问题,当在内部部署和公共云之间迁移数据时,这一问题会进一步让工作流程陷 入困境。但是,所有这些问题与比较刻板的企业文化相比就显得不值一提了。IT团队需要灵活性,他们应当不断地致力于了解和整合可用于提高企业整体实力的所 有服务和技术。
有混合云管理的成功案例吗?
鉴于以上所有这些混合云计算的挑战,可以想见企业在建立一个混合云环境时企业是很容易会失败的,或者至少是蹒跚前行的。但是,成功的混合云管理则有 助于企业占领有利位置并迈向成功。 FlightStats公司选择使用具有私有云和公共云环境之间差异化功能的混合云:这家全球数据服务公司瞄准了航空航天监视每天十亿量级的交易.为了实 现这一目标,FlightStats公司的IT团队开发了自定义SaltStack模块,这是一个开源配置管理工具,它是少数几个可跨两个云环境实现部署 工具之一。除了其他的一些功能以外,这些模块可检测和自动修复错误。 盖帝图像有限公司是一家可视通讯企业,他们最初采用以VMware为中心的方法,之后则针对其全球运营增加了AWS 和 OpenStack的运行环境。虽然盖帝图像的IT人员正准备把应用从AWS迁往OpenStack,但是它仍然依赖于AWS并有能力将其进行备份、开发 定制的CloudFormation模板和Auto Scaling组。
容器技术集成混合云模式的切入点在哪里?
对于众多企业来说,混合云可谓意义深远,它能够帮助他们避免受制于某特定供应商、提供更安全的计算解决方案以及降低云计算使用成本。混合云环境的好 处有望在未来有所增加,同时更多的工具将纷纷问世以解决混合云的诸多难题并满足企业需求。 Docker尚处于其起步阶段,但是容器化技术有望成为一个混合云的工具,这主要归功于其在不同基础设施之间的可移植性。容器管理将继续与Docker及 其他云供应商一起开发出下一代的容器技术。 随着云供应商更多地帮助客户找到混合选项而不是找到批发选项,本地工具也一定会发展良好。虽然AWS、Azure以及其他云服务供应商会非常感激所有使用 他们产品的企业,但是云文化更倾向于其中长袖善舞者。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
武汉大学研究团队提出DITING网络小说翻译评估框架,首次系统评估大型语言模型在网络小说翻译方面的表现。该研究构建了六维评估体系和AgentEval多智能体评估方法,发现中国训练的模型在文化理解方面具有优势,DeepSeek-V3表现最佳。研究揭示了AI翻译在文化适应和创意表达方面的挑战,为未来发展指明方向。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
参数实验室等机构联合发布的Dr.LLM技术,通过为大型语言模型配备智能路由器,让AI能根据问题复杂度动态选择计算路径。该系统仅用4000个训练样本和极少参数,就实现了准确率提升3.4%同时节省计算资源的突破,在多个任务上表现出色且具有强泛化能力,为AI效率优化开辟新方向。